本书探讨了人工智能(AI)在生命科学中的应用。全书首先系统回顾了AI的发展历程。随后，详细介绍了AI的核心算法和学习范式，包括监督学习、无监督学习和强化学习。重点讲解了深度学习模型，如卷积神经网络(CNN)、循环神经网络(RNN)、注意力机制、Transformer、BERT等自监督学习模型，以及生成式模型(如VAE、GAN和扩散模型)。接着，书中讨论了组学大数据的诞生与特点，分析了高通量测序技术的进展及泛组学的扩展。介绍了组学分析面临高维性、多层次和多源性等挑战，并探讨了传统统计方法与AI在组学数据智能分析中的结合。随后，本书聚焦于AI在基因组学、蛋白质组学和代谢组学中的应用，涵盖了基因突变预测、蛋白质定位与修饰预测、小分子性质预测等内容，展示了AI在组学数据挖掘和预测中的强大能力。最后，讲解了AI在动物、植物和微生物研究中的应用，包括动物分类、智能育种、基因组学和微生物组学的AI应用，强调了AI在提升生物学研究效率与准确性方面的重要作用。

更多科学出版社服务，请扫码获取。