應用數學與交叉科學研究中心生物信息學團隊于2023年12月12日舉行第三十五期研究生論壇，小組全體成員和各位導師共同參加。在這次論壇上，由兩名研一學生、一名研二學生和一名研三學生分别彙報自己的研究進展，然後老師與同學們對彙報内容進行學術探讨，并對存在的問題給出相應的指導和建議。

張秋玉：本次組會彙報了一篇文獻《Quantifying and correcting bias in transcriptional parameter inference from single-cell data》。每個細胞mRNA計數的快照分布可以使用單分子熒光原位雜交或單細胞RNA測序來測量。這些分布通常适合于兩态電報模型的穩态分布，以估計感興趣的基因的三個轉錄參數：mRNA合成率，開啟率（開啟狀态為活性轉錄狀态）和關閉率。該模型假設沒有外部噪聲，即參數在細胞之間不變化，因此估計的參數應被理解為近似于總體中的平均值。這種近似的準确性目前尚不清楚。在這裡，作者發展了一個解釋了使用标準電報模型從單細胞數據推斷參數時估計偏差的大小和符号的理論。發現特定的偏倚特征取決于外部噪聲的來源(該參數在細胞間變化最大)和轉錄活性的模式。因此，在輸入到基于電報模型的推理框架之前，對數據進行外部噪聲校正是很重要的，因為這種類型的噪聲可能會顯著影響參數估計。

韓長鋒：本次彙報了關于《基于軌迹推斷的細胞命運決策機理研究》的寫作框架。特别地，對從數據出發經過軌迹推斷過程後如何再進一步的研究細胞命運決策的問題，與各位老師以及同學進行了深入的讨論和交流。

郭貞貞：本次彙報了一篇文獻《Exact protein distributions for stochastic models of gene expression using partitioning of Poisson processes》。基因表達的随機性導緻基因相同的細胞群體中蛋白質水平的波動。這種波動可導緻克隆群體的表型變異，因此，人們對使用随機模型量化基因表達中的噪聲有相當大的興趣。然而，除了最簡單的模型外，獲得蛋白質分布的精确分析結果是個複雜的工作。在這裡，文章調用泊松過程的劃分特性來構建一個映射，簡化了基因表達随機模型的分析。通過使用基于啟動子調控的模型中mRNA分布的結果，該映射導緻精确的蛋白質分布。文章中使用這種方法導出了基因表達的基本兩階段模型穩态的時間依賴分布的精确分析結果。此外，文章還展示了擴展兩階段基本模型之後的精确分布，包括轉錄後和翻譯後調控的影響。

張春煥：本次彙報了一篇文獻《Tailoring Wavelets for Chaos Control》。小波理論作為一種分析工具，在非線性動力學中得到了廣泛的應用，但其使用僅限于分析和表征。直接使用小波作為控制系統動力學的基礎還沒有得到開發，本文的目的就是介紹一個使用小波進行混沌控制和同步的新範式，研究發現，通過修改耦合矩陣小波子空間的一小部分就可以顯著增強混沌系統中同步流行的橫向穩定性。

— 學生彙報照片展示 —