(
课件网) 第四单元 第5课 人工智能与生物学 清华版（中学） 通 1 学习目标 3 新知讲解 5 拓展延伸 7 板书设计 2 新知导入 4 课堂练习 6 课堂总结 课后作业 8 01 教学目标 （1）了解人工智能在分子生物学和进化生物学中的典型应用及突破成果。 （2）探讨人工智能技术如何通过大数据分析推动生物学研究的发展与创新。 02 新知导入 生物学是一门研究生命现象的科学，研究范围从微小的细胞到庞大的生态系统。 02 新知导入 生物学包含的领域： （1）研究细胞结构和功能的细胞生物学。 （2）在分子层次上研究生命过程的分子生物学。 （3）研究生物遗传规律的遗传学。 （4）研究物种起源和演进的进化生物学。 （5）研究生物与环境之间关系的生态学。 02 新知导入 人工智能对生物学的影响 AI正深刻改变生物学研究 ，从蛋白质结构预测到进化机制解析，推动科学认知与技术应用的革命性突破。 02 新知导入 人工智能推动生物学发展的两个代表案例 （1）分子生物学中用于预测蛋白质结构的AlphaFold。 （2）进化生物学中用来分析穆氏拟态的ButterfyNet。 03 新知讲解 1 AlphaFold 蛋白质结构解析的核心意义 蛋白质功能由其结构决定，解析结构是理解生命活动的关键，但长期面临技术瓶颈。 03 新知讲解 1 AlphaFold 传统方法的局限性 依赖核磁共振、X射线晶体学、冷冻电镜等技术，耗时长、成本高，60年仅解析17万种，剩余2亿种待攻克。 03 新知讲解 1 AlphaFold 结构预测的复杂性挑战 蛋白质由氨基酸序列经多重折叠形成，结构多样性极高，传统方法难以应对。 03 新知讲解 1 AlphaFold 蛋白质的四级结构 一级结构是氨基酸序列，二级结构是氨基酸的基础折叠，三级结构是二级结构上的再折叠，四级结构是多个三级结构的组合。 蛋白质的四级结构 03 新知讲解 1 AlphaFold 安芬森的理论奠基 1972年诺贝尔化学奖得主安芬森提出“氨基酸序列决定蛋白质稳定结构”的假说，为计算结构预测奠定理论基础。 克里斯蒂安·安芬森 03 新知讲解 1 AlphaFold CASP竞赛的推动 自1994年起，全球科学家通过CASP赛事挑战蛋白质结构预测，初期精度不足，直至AI技术突破。 03 新知讲解 1 AlphaFold AlphaFold的横空出世 2018年DeepMind推出AlphaFold，在CASP夺冠；2020年AlphaFold 2将预测误差降至0.16纳米，验证安芬森理论，解决50年难题。 氨基酸序列 蛋白质3D结构 03 新知讲解 1 AlphaFold AlphaFold 2的里程碑式突破 AlphaFold 2的蛋白质结构预测效率比传统方法提升数百倍，《自然》评价“将改变一切”，引发科学界轰动。 03 新知讲解 1 AlphaFold 结构预测的规模化革命 AlphaFold 2预测并公开2亿种蛋白质结构，覆盖人类已知蛋白质库，推动分子生物学进入“按需预测”时代。 03 新知讲解 1 AlphaFold AlphaFold的革命性价值 通过AI实现高通量、高精度预测，将解析周期从数年缩短至数天，加速生命科学、药物研发等领域突破。 03 新知讲解 1 AlphaFold AlphaFold 3的多分子交互突破 我们的生命活动本质上是蛋白质、核酸、离子等相互作用的过程。2024年升级版可预测蛋白质、核酸、药物分子的相互作用，为疾病治疗提供了精准工具。 Alpha Fold 3预测核酸与蛋白质分子的相互作用 03 新知讲解 1 AlphaFold AlphaFold 3加速新药研发 通过精准预测药物靶点，将新药开发周期从数年缩短至数月，并拓展至环保（塑料降解酶设计）和医疗（抗生素耐药性破解）领域。 03 新知讲解 1 AlphaFold 学术荣誉与历史认可 2024年AlphaFold核心开发者德米斯·哈萨比斯与约翰·朱默获诺贝尔化学奖，标志AI驱动的基础科学研究获最高学术肯定。 03 新知讲解 2 ButterflyNet 1、穆氏拟态的理论基础 德国自然学家弗里茨·穆勒于1878年提 ... ...
