课题1：分子免疫学 Molecular Immunology

分子免疫学在抗原、抗体的概念及血清学确立后得以发展，它专注于在分子水平上研究免疫系统的组成、结构、功能和相互作用。它涉及多种免疫分子如免疫球蛋白，抗原，补体系统以及免疫调控因子等。分子免疫学在肿瘤、自身免疫性疾病和感染性疾病等诊断治疗以及疫苗研发等领域发挥着重要作用。

• 探讨免疫系统在分子层面的功能与调控
• 讲解病毒、细菌感染（如新冠、结核）、免疫缺陷疾病（如HIV/AIDS）、自身免疫疾病（如红斑狼疮）等
• 讨论人类微生物组、炎症与肿瘤、糖尿病、过敏、疫苗开发等

课题2：癌症分子生物学 Molecular Biology of Cancer

癌症分子生物学是研究癌症发生、发展和治疗机制的学科，探讨癌症在分子层面的异常变化，如基因突变、表观遗传学改变、信号通路失调等。癌症分子生物学不仅关注癌细胞的生物学特性，还将分子层面的认识转化为有效的治疗策略，如靶向治疗和免疫疗法等。它为癌症的预防、早期诊断和个体化治疗提供了重要的科学依据和技术手段。

• 讲解正常分子与细胞生物学，为癌症发展机制提供基础
• 讨论基因突变、DNA修复、细胞死亡、血管生成、癌症干细胞等
• 探索个性化医学、肿瘤免疫学与免疫疗法的最新进展

课题3：分子神经科学 Molecular Neuroscience

分子神经科学专注于研究神经系统在分子水平上的结构、功能及其相互作用。结合分子生物学、基因学、细胞生物学等多学科方法，探究神经细胞信息传递、神经元信号转导等，揭示大脑工作原理，为阿尔茨海默病、帕金森病等的治疗，药物靶点发现，药物筛选与评估，情绪调节与记忆加工等方面提供支持。

• 基于正常分子生物学理解神经生物学，涵盖动作电位、记忆、情绪等主题
• 强调神经系统疾病（如阿尔茨海默、精神分裂症、抑郁症）的机制与药物干预

课题4：衰老生物信息学 Bioinformatics of Aging

衰老生物信息学是生物信息学与衰老研究交叉的前沿学科，通过挖掘基因组、转录组、蛋白质组和代谢组等多组学数据以揭示衰老信号通路、寻找衰老的生物标志物，并探索药物靶点的筛选与抗衰老药物的开发。衰老生物信息学为理解衰老机制、开发抗衰老药物和疗法提供了重要的科学依据和新思路。

• 研究衰老的分子机制，探讨衰老与衰老相关疾病的分子生物学
• 涉及胚胎发生、干细胞生物学、端粒、衰老基因等
• 强调通过药物干预延缓衰老并延长寿命的未来策略

课题1：癌症生物信息学Bioinformatics of Cancer

• 癌症机制：探讨基因突变、DNA修复、细胞死亡等癌症生物学过程
• 癌症治疗：血管生成、转移、癌症干细胞、个性化医疗
• 肿瘤免疫学/免疫疗法：肿瘤免疫学原理及免疫疗法在癌症治疗中的应用

课题2：免疫生物信息学 Immunologic Bioinformatics

• 免疫防御与疾病：免疫系统在抵抗病毒和细菌感染（如 Covid-19 和结核病）、免疫缺陷疾病（如 HIV/AIDS）、由于免疫系统过度活跃/控制不佳而引起的自身免疫性疾病（如狼疮和1型糖尿病）
• 微生物组与免疫：人类微生物组、炎症在肿瘤发展和2型糖尿病中的作用、以及过敏、疫苗开发等热点问题

课题3：R语言驱动下的癌症生物信息学Cancer Bioinformatics with R

R 语言是生物信息学中最常用的分析工具之一，为癌症数据处理、可视化和模型构建提供强大支持。本课题以R语言为分析工具，整合计算机科学、统计学与分子生物学知识，通过高效处理癌症基因组、转录组等海量生物数据，挖掘癌症发生发展的分子规律、基因变异特征及潜在治疗靶点。它聚焦数据可视化、生物标志物筛选、治疗效果预测等关键方向，为癌症早期诊断、个性化治疗方案优化及抗癌药物研发提供精准的数据支撑。

*本课题无需学生具备R语言基础，课程内容涉及的R语言操作均从基础开始学习。学生需自备可运行 Mac 或 Windows 操作系统的电脑，以便完成课程中的数据分析任务。

• 分子神经生物学基础：深入讲解动作电位、记忆、情绪、学习和视觉感知等神经生物学现象
• 神经疾病研究：阿尔茨海默病、精神分裂症、抑郁症、成瘾等疾病，及其药物干预与治疗策略
• 脑机接口与神经康复：如何通过技术手段改善神经系统功能

课题1：人工智能时代的生物信息学 AI-Enhanced Bioinformatics

随着人工智能（AI）技术的发展，生物信息学在生物医学研究中的作用日益凸显，尤其在临床诊疗、基因药物、生物药靶和癌症诊断等领域。高通量生物学检测技术和基因编辑技术的发展产生了大量复杂数据，AI在这些数据的分析和挖掘中扮演着关键角色。2024年以来，诺贝尔奖多个奖项均与人工智能研究相关，标志着AI对科学研究的和各学科实际应用的深远影响。在本课程中，学生将学习生物数据的分析与应用，涵盖基础知识、蛋白质结构预测、基因组学、人工智能技术、大数据分析等，旨在培养学生的理论与实践能力，以适应生命科学研究的新范式。

• 生物信息学基础：包括生物信息学的概念、发展历史、生物学基础、计算机和网络基础、数学基础
• 基因组学与蛋白质组学：包括基因组学数据的深度学习分析技术、转录组学数据的深度学习分析技术
• 蛋白质结构预测与分析：涉及蛋白质结构的预测、分析以及可视化软件的使用
• AI在癌症诊断中的应用：结合AI技术和生物信息学方法来辅助癌症的诊断和治疗，包括分析相关数据、识别生物标志物和个性化治疗方案的设计

课题2：发育生物学Developmental Biology

发育生物学研究多细胞生物从受精卵到成熟个体的形成过程，关注细胞命运决定、组织器官形成以及发育异常的分子机制。该领域揭示生命构建的核心逻辑，是再生医学、干细胞研究、发育疾病诊断的重要基础。随着基因编辑与成像技术发展，发育生物学已经进入精密化和定量化时代。本课程将帮助学生理解发育的关键阶段，并以经典模式生物为例阐释生命早期的构建规则。

• 探究从受精到器官成熟的发育核心过程
• 解析基因与信号通路对发育的调控机制
• 分析胚胎发育、组织再生等典型生物发育案例
• 学习干细胞、生殖细胞、器官发生等相关前沿进展