中国人工智能系列白皮书：人工智能驱动的生命科学

中国人工智能学会 二○二四年七月 《中国人工智能系列白皮书》编委会 主任：戴琼海 执行主任：王国胤 副主任：陈杰何友刘成林刘宏孙富春王恩东王文博赵春江周志华郑庆华 委员：班晓娟曹鹏陈纯陈松灿邓伟文董振江杜军平付宜利古天龙桂卫华何清胡国平黄河燕季向阳贾英民焦李成李斌刘民刘庆峰刘增良鲁华祥马华东苗夺谦潘纲朴松昊钱锋乔俊飞孙长银孙茂松陶建华王卫宁王熙照王轩王蕴红吾守尔·斯拉木吴晓蓓杨放春于剑岳东张小川张学工张毅章毅周国栋周鸿祎周建设周杰祝烈煌庄越挺 《中国人工智能系列白皮书----人工智能驱动的生命科学》编写组 张世华张学工陈盛泉李婷婷刘红蕾刘振栋刘治平王太峰张岳郑旭彬 目录 第1章单细胞转录组预训练基础模型..................................................1 1.3.1基因嵌入表示和细胞嵌入表示..........................................81.3.2单细胞类型注释................................................................101.3.3单细胞数据生成................................................................101.3.4推断调控网络....................................................................111.3.5空间组学应用....................................................................111.3.6其他任务............................................................................11 参考文献...........................................................................................13 第2章人工智能赋能细胞异质性刻画................................................17 2.1概述............................................................................................172.2基于无监督学习的细胞异质性刻画.......................................182.2.1基于无监督机器学习的细胞异质性刻画方法................182.2.2基于无监督深度学习的细胞异质性刻画方法................202.3基于弱监督学习的细胞异质性刻画.......................................222.3.1刻画转录组数据细胞异质性的弱监督学习方法............242.3.2刻画表观组数据细胞异质性的弱监督学习方法............242.3.3刻画空间转录组细胞异质性的弱监督学习方法............252.4基于有监督学习的细胞异质性刻画.......................................25 2.4.1基于细胞间相似度的有监督学习方法............................262.4.2基于机器学习的有监督学习方法....................................272.4.3基于深度学习的有监督学习方法....................................28参考文献...........................................................................................31 3.1引言............................................................................................393.2关键技术和应用.......................................................................403.2.1机器学习与深度学习........................................................403.2.2自然语言处理技术............................................................413.2.3医疗图像分析技术............................................................423.2.4知识图谱与数据整合技术................................................433.2.5生命科学领域的基础模型................................................443.3展望............................................................................................47参考文献...........................................................................................49 第4章人工智能助力医疗文本处理....................................................54 4.1医疗大数据简介及分类...........................................................544.2医疗文本自然语言处理...........................................................554.3文本表示学习...........................................................................564.4知识图谱...................................................................................584.5大语言模型在医疗文本中的应用...........................................60参考文献...........................................................................................62 第5章人工智能助力RNA结构预测..................................................67 5.1背景............................................................................................675.2研究现状...................................................................................775.3机器学习与深度学习...............................................................835.3.1卷积神经网络....................................................................835.3.2三维卷积神经网络............................................................87 5.3.3基于ResNet的三维卷积神经网络..................................88 6.1背景..........................................................................................1016.2常见的单组学方法.................................................................1016.2.1过滤式..............................................................................1026.2.2包裹式..............................................................................1026.2.3嵌入式..............................................................................1036.3从网络中发展生物标志物.....................................................1036.4单组学研究的局限性.............................................................1056.5多组学的研究的优势.............................................................1056.6多组学数据的整合策略..........................................................1066.6.1前融合..............................................................................1076.6.2中融合..............................................................................1096.6.3后融合..............................................................................1106.7临床中的应用.........................................................................1126.8总结..........................................................................................113参考文献.........................................................................................114 7.1从通用语言大模型到蛋白质语言大模型.............................1187.2蛋白质语言大模型的前沿探索与尝试.................................1197.2.1数据的来源和