MIT Computational Biology 公开课：从计算生物学理解药物发现

AIDD 的「生物侧」常被算法背景的学习者忽略。MIT 的计算生物学课程（6.047《Computational Biology: Genomes, Networks, Evolution》，Manolis Kellis 教授）是补这块地基的经典资源，可在 MIT OpenCourseWare 上免费学习。

课程讲什么

课程围绕「用计算方法理解生命数据」展开，主要内容：

• 基因组与序列分析（比对、motif、HMM 隐马尔可夫模型）；
• 基因调控与表观遗传；
• 生物网络与通路；
• 分子进化与系统发育。

它训练的是「如何把生物问题形式化为可计算模型」的思维。

对 AIDD 的价值

• 靶点从哪来：靶点发现依赖组学、网络与遗传证据，本课提供这套语言（对接「数据资源」模块的 Open Targets、STRING 等）。
• 序列建模直觉：HMM、序列比对等是理解蛋白语言模型（ESM）的良好铺垫。
• 跨学科沟通：懂一点计算生物，才能和生物学家就靶点与机制有效对话。

学习建议

• 算法背景者重点看「序列分析、网络、调控」三块，建立生物数据直觉即可，不必深究每个算法细节。
• 与药物化学侧（「成药性」模块）配合，才能形成「靶点—分子—成药」的完整链条。

延伸资源

• MIT OpenCourseWare：ocw.mit.edu（搜索 6.047 / Computational Biology）。
• 配套：「数据资源」模块的靶点证据类数据库（Open Targets、STRING、DepMap）。