第一节 转录组数据的基础分析 第二节 转录组学数据功能分析 第三节 非编码RNA 第四节 单细胞转录组学

第一节 人工智能 第二节 机器学习 第三节 深度学习 第四节 深度学习在生物信息学中的应用 第五节 未来展望

第一节 精准医学 第二节 智能药学 第三节 智能育种

第一节 生物信息学编程概述（生物技术与信息技术融合） 第二节 Linux系统及编程语言简介（生物问题 → 信息表示） 第四节 数据库开发基础（生物数据/知识图谱 → 数据再利用） 第三节 数据分析流程搭建（生物数据 → 知识发现）

第一节 系统生物学的概述 第二节 生物网络类型及数据资源 第三节 网络生物学及网络特征 第四节 生物网络的构建 第五节 生物系统建模 第六节 总结

第一节 表型组学概述 第二节 表型组的测量技术 第三节 表型组的数据分析 第四节 细胞与类器官表型组学 第五节 人类表型组 第六节 动植物表型组 第七节 未来展望

第一节 生物数据库简介 第二节 国际主要数据中心 第三节 代表性生物数据库 第四节 生物数据库发展趋势

第1节 序列特征解析 第2节 序列比对和分析 第3节 分子进化和发育树构建

第一节 生物信息学的基本概念 第二节 生物信息学的发展历史与趋势 第三节 生物信息学的研究领域 第四节 生物信息学的算法基础 第五节 生物信息学的机遇与挑战

23.1 杂原子及金属有机化合物的概念 23.2 非过渡杂原子有机化合物 23. 3 过渡金属有机化合物