هدف این درس آشنایی با مدل‌های بنیادی و کاربردهای آن‌ها در بیوانفورماتیک است. دانشجویان با انواع مدل‌های بنیادی پایه، اعم از مولد و یادگیری نمایش آشنا می‌شوند و کاربردهای این مدل‌ها در حل مسائل بیوانفورماتیک را می‌آموزند. به صورت خاص، مدل‌های زبانی بزرگ، مدل‌های پردازش ژنوم، پیش‌بینی ساختار پروتئین، و کشف دارو از این جمله است. همچنین، این درس بر کاربردهای عملی هوش مصنوعی در تجزیه و تحلیل داده‌های زیستی، پزشکی شخصی‌سازی‌شده، و یکپارچه‌سازی داده‌های چندوجهی تمرکز دارد. در نهایت، دانشجویان با انجام پروژه‌های عملی، مهارت‌های لازم برای استفاده از مدل‌های بنیادی در مسائل واقعی بیوانفورماتیک را کسب خواهند کرد.

1. مقدمه‌ای بر مدل‌های بنیادی
2. آشنایی با مدل‌های مولد مانند LLMها
3. آشنایی با مدل‌های یادگیری نمایش مانند انواع BERT
4. آشنایی با مدل‌های گراف دانش در کاربرهای بیوانفورماتیک
5. آشنایی با مدل‌های بنیادی تصویری مانند DiNO
6. آشنایی با مدل‌های چندوجهی، مانند زبانی-تصویری (مدل CLIP و مدل‌های MLLM)
7. آشنایی با عامل‌های مبتنی بر مدل‌های مولد (LLM Agents)
8. تحلیل داده‌های ژنومی با استفاده از مدل‌های بنیادی
9. پیش‌بینی ساختار پروتئین و مهندسی پروتئین (مانند AlphaFold و ESM)
10. استفاده از مدل‌های بنیادی در کشف دارو و مدل‌سازی مولکولی (مانند ChemBERT)
11. زیست‌شناسی سامانه‌ای و رویکردهای مبتنی بر شبکه در بیوانفورماتیک
12. مدل‌های چندوجهی برای دادگان تک سلول‌ها (single cell) ادغام داده‌های اُمیکس (مانند scGPT)
13. کاربرد مدل‌های بنیادی در پاتولوژی و رادیولوژی (مانند PathCLIP)

• تمرین‌ها و پروژه: ۳۰ درصد نمره
• آزمون‌های میان‌ترم و پایانی: ۷۰ درصد نمره