本书以人工智能方法和生物组学数据分析为主线，阐述了人工智能中的群智能优化、机器学习、深度学习等算法的基本原理，并探讨了如何将这些算法应用于生物信息学相关问题的研究中，如蛋白质复合物挖掘、关键蛋白质识别、疾病基因预测、多种组学（转录组学、代谢组学、微生物组学）数据与疾病的关联关系预测、circRNA-RBP结合位点预测、RNA甲基化位点预测以及药物发现等。本书系统收集整理了生物组学相关数据库，另结合应用问题，从人工智能算法设计到具体流程计算，再到结果分析，均给出了详细步骤，以上均是本书的特色所在。

本书以当前常用的生物信息学数据库为核心，首先概述了生物信息学数据库的重要性和应用，其次分章介绍了核苷酸序列数据库、基因组数据库和基因信息数据库、基因组突变数据库、高通量组学数据资源数据库、生物分子网络数据库，这些数据库为生物学研究提供了丰富的数据资源，为基础生物学、疾病生物学、药物研发等领域的研究提供了基础数据支持。

本书共分为8章，内容涵盖深度学习与生命科学的内在联系，深度学习的主要计算框架，深度学习在生物图像、语音、序列等重要生物数据上的应用。