全球名校AI课程库（28）| MIT麻省理工 · 基因组学机器学习课程『Machine Learning for Genomics』_computational biology: genomes, networks, evolutio-优快云博客

6.047; Machine Learning for Genomics; 基因组学机器学习

🏆 课程学习中心 | 🚧 AI生物医疗课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析

课程介绍

MIT 6.047/6.878是全球顶校麻省理工开设的基因组学与机器学习的交叉专业课程。课程以基因组学为主要应用领域，讲解深度学习的典型应用场景（如人类基因组、表观基因组、进化和癌症/疾病机制），了解前沿技术方法的进展。

课程内容覆盖『计算技术』『生物学应用』两个方向的内容。

计算技术的学习内容覆盖贝叶斯推理、深度学习、隐马尔可夫模型 HMM、随机森林、卷积神经网络、循环神经网络、聚类和分类、k-means、层次聚类、PCA、SVD等等。
生物学应用的学习内容覆盖遗传关联、GWAS、PheWAS、多性状图谱、EHR挖掘、癌症基因组学、CRISPR、生物序列分析、比较基因组学、RNA 结构折叠、序列比对等等。

注意！课程学习需要具备一定的生物学知识储备，包括：分子生物学的中心法则、DNA、表观基因组学、RNA、蛋白质、人类遗传学、进化等。

课程讲师 Manolis Kellis，麻省理工学院 MIT 计算生物学组负责人，MIT Broad 研究所成员，哈佛计算机科学与人工智能实验室首席研究员。其研究方向是通过大规模功能和比较基因组学数据集的计算集成来进一步了解人类基因组。

课程主题

课程官网发布了课程主题，ShowMeAI 对其进行了翻译。

Dynamic Programming（动态规划）
Sequence Alignment（局部对齐哈希 BLAST 对齐分数）
HMMS（隐马尔可夫模型 HMM）
Gene Expression, Clustering, Classification（表达式分析聚类分类）
RNA World, Structure, Folding（RNA折叠、RNA结构）
Epigenomics（表观基因组学）
Regulatory Genomics: motifs, targets, regions（调控基因组学和基序）
Networks（网络）
Deep Learning（深度学习）
Population Genomics（群体遗传学）
Disease Mapping, GWAS（GWAS和疾病解剖）
eQTLs（eQTLs表达）
Systems Genetics（系统遗传学和遗传力）
Comparative Genomics（比较基因组学）
Genome Evolution: Near and Far（基因组进化）
Phylogenetics（系统发育学）
Phylogenomics（系统基因组学）
Cancer Genomics（癌症基因组学）
Single Cell Genomics（单细胞基因组学）
Genome Engineering（基因组工程）

课程资料 | 下载

扫描上方图片二维码，关注公众号并回复关键字 🎯『6.047』，就可以获取整理完整的资料合辑啦！当然也可以点击 🎯 这里查看更多课程的资料获取方式！

ShowMeAI 对课程资料进行了梳理，整理成这份完备且清晰的资料包：

📚 e-book。PDF文件。《 Computational Biology: Genomes, Networks, Evolution 》。600+页的课程对应电子书籍。
📚 课件。PDF文件。覆盖Lecture 1~26的所有内容。
📚 习题。PDF文件和PPT文件。覆盖Recitation 1~11的所有内容。
📚 测验。PDF文件。Quiz 1和2的问题和答案。