【导读】

近日，北京大学生育健康研究所王斌研究员（北京大学城市与环境学院兼聘教授）主讲的《暴露组学》本科课程，以“基于暴露组学大数据平台的环境健康专业教学实践”为主题入选“北京大学2025年AI融合本科专业课程建设优秀创新案例”（图1）。团队成员包括北京大学城市与环境学院（李喜青研究员，卢晓霞副教授，万祎教授）和北京大学公共卫生学院（黄婧研究员、高旭副研究员）。该课程以人工智能赋能教学改革，构建了“AI+暴露组学”一体化教学体系，为环境健康教育的数字化与智能化发展提供了新的范式。

图1. 获奖证书。主办单位：北京大学教务部

一、AI赋能课堂：构建智能化环境健康教学体系

为应对环境健康学科交叉性强、知识体系庞杂等教学难题，王斌研究员基于AI驱动的环境健康教学模式，将人工智能、大数据与课程教学深度融合。他主持研发的ExposomeX暴露组学大数据分析平台（主页：http://www.exposomex.cn/）成为课程核心教学载体（网站主页见图2）。该平台集成暴露数据库（E-DB）、生物学关联（E-BIO）、统计分析（E-STAT）、质谱数据处理（E-MS）、荟萃分析（E-META）与数据可视化（E-VIZ）六大模块，整合20余个支撑数据库，涵盖约1.2亿个暴露因子与17,000余种疾病，实现“暴露—生物—疾病（EBD）”全链条知识分析。课程采用“AI编程实践 + 项目式学习”模式，课堂中完成AI模型实操与数据可视化，课后结合ExposomeX平台进行建模分析与报告撰写，全面提升了学习主动性与跨学科创新能力。

图2. 《暴露组学》课程支撑大数据分析平台主页

二、课程体系完善：AI深度融入教学全环节

获奖课程《暴露组学》（课程号：12631290）为环境健康专业核心课程，面向本科生开设。课程总计34学时（2学分），采用课堂讲授、文献阅读与AI编程实践相结合的混合式教学方式，考核包括4次作业与16次编程训练。课程模块体系如下：暴露组学概念与发展前沿，暴露组学数据库与知识图谱构建，暴露组学研究设计，暴露组数据统计分析与AI建模，高分辨质谱技术与AI建模，暴露组学文献信息挖掘与AI建模，暴露组学项目研究进展（图3A）。通过大数据内容的讲授（图3B），学生在课堂上通过Python/R语言操作真实暴露与健康数据（图3C），结合大语言模型完成数据分析与模型解释，深刻理解AI算法在环境科学中的应用逻辑。

图3. 学生在ExposomeX平台进行暴露数据AI建模

三、科研支撑教学：系统的学术成果反哺教学内容

ExposomeX平台是王斌研究员与复旦大学方明亮教授团队合作开发的重要科研成果之一，其研究论文发表于国际领域权威期刊 Environmental Science & Technology（题为 ExposomeX: Development of an Integrative Exposomic Platform to Expedite Discovery of the “Exposure−Biology−Disease” Nexus, Environ. Sci. Technol. 2025; 59(26): 13251-13263）。该成果取得软件著作权登记号：2025SR0016389，国家知识产权局发明专利申请号：202411898191.8。通过引导学生参与平台建设，指导学生以一作发表多篇论文（图4），比如：Environ. Sci. Technol., 2025, 59(37):19691-19704【副封面】； Environ. Sci. Technol. Lett., 2023, 10, 11, 1036-1044【副封面】；Environ. Sci. Technol. 2024, 58, 18, 7743-7757。

图4. ExposomeX科研成果及其支撑发表论文应用案例

四、教改项目资助

近3年来，王斌研究员主持了3项校级教改与课程建设项目，为课程持续优化提供了有力支撑，项目信息如下：

（1）北京大学本科生教学改革项目，JG2025151, 基于基础模型支撑的环境健康翻转课堂教学实践，2024/03-2025/02，3万元，主持，结题

（2）北京大学本科生教学改革项目，JG2023137，基于暴露组学大数据平台的环境健康专业教学实践，2023/03-2024/02，4万元，主持，结题

（3）北京大学研究生课程建设项目，暴露组学大数据交互平台支撑的环境与健康交叉学科教学，2023/12-2024/12，2万元，主持，在研

同时，王斌研究员在北京大学医学部开设了同名研究生课程，相对于本科生注重基础训练，研究生课程更关注前沿问题探讨和高质量研究的阅读理解能力。所有课程团队成员包括卢晓霞、李喜青、沈国锋、万祎、黄婧、高旭、薛涛、闫赖赖、李楠等教师，形成跨学院协同教学团队，持续推进AI教学改革，探索可复制、可推广的课程范式。

五、教学成效突出

科研成果与教学紧密结合，使学生在课堂上直接接触国际研究前沿，实现“科研即教学”的创新教育模式。受到课程内容的启发，一些学生基于课程内容参加北京大学挑战杯比赛获得北京大学 “挑战杯”跨学科特等奖、最佳墙报奖、三等奖、优秀奖，以及国家人口与健康科学数据共享服务平台“共享杯”大学生科技资源共享服务创新大赛优秀奖等重要奖项（图5）。

图5. 指导学生参加北京大学和全国大学生比赛获奖情况

课程自实施以来，获得学生高度认可，教学评价在课程内容、互动质量、启发引导、创新性与实践性等七个维度均达到“优”（图6）。学生普遍认为课程“内容前沿、实践性强、AI应用深入”，极大提升了数据分析与科研设计能力。

图6. 师生教学评价

该课程多次邀请资深教授参加教学指导，包括北京大学公共卫生学院教学副院长许雅君教授，北京大学公共卫生学院劳动卫生与环境卫生学系主任贾光教授，北京大学城市与环境学院环境学系系主任卢晓霞副教授现场指导（图7）。学院层面被列为环境健康专业课程群建设的核心课程。

图7. 资深教授教学指导

六、展望未来：打造AI驱动的智慧教学生态

面向未来，王斌研究员计划基于大语言模型（LLM）与基础模型（Foundation Model）进一步拓展教学深度，构建AI驱动的智能教学生态，以适应AI领域已经从机器学习、深度学习，进一步向基础模型的研究范式跃迁趋势。课程将探索个性化学习路径推荐、AI助教反馈系统与自动化评估机制，实现从“AI辅助教学”向“AI共创学习”的升级。王斌老师认为：“AI不仅是科研工具，更是教学创新的催化剂。我们希望让学生在课堂上感受科研的逻辑、探索的乐趣和AI的力量。”

此次入选“北京大学2025年AI融合本科专业课程建设优秀创新案例（前10）”，充分体现了王斌研究员及团队在课程创新、AI融合和科研育人方面的卓越成果。该课程实现了教学、科研与AI技术的三维融合，为环境科学与公共健康领域的人才培养提供了可持续、可复制的示范路径，也彰显了北京大学在智能教育改革中的创新精神。