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19日舉行第三十八期研究生論壇，小組全體成員和各位導師共同參加。在這次組會上，由一名研一學生和兩名研二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。

陳龍：本次彙報了一篇文獻《SVSBI: sequence-based virtual screening of biomolecular interactions》。虛拟篩選（VS）是理解生物分子相互作用的一項關鍵技術，特别是在藥物設計和發現方面。然而，當前VS模型的精度嚴重依賴于通過分子對接獲得的三維（3D）結構，由于精度較低，通常不可靠。為了解決這個問題，我們引入了基于序列的虛拟篩選（SVS）作為另一代VS模型，它利用先進的自然語言處理（NLP）算法和優化的深度K嵌入策略來編碼生物分子相互作用，而不依賴于基于3D結構的對接。我們證明，對于涉及蛋白質-配體結合、蛋白質-蛋白質、蛋白質-核酸結合和蛋白質-蛋白質相互作用的配體抑制的四個回歸數據集以及蛋白質-蛋白質相互作用的五個分類數據集，SVS 的性能優于最先進的性能在五個生物物種中。SVS 有潛力改變藥物發現和蛋白質工程的當前實踐。

孫睿：本次彙報了一篇文獻《Dimension-agnostic and granularity-based spatially variable gene identification using BSP》。識别空間可變基因(SVGs)是連接分子細胞功能與組織表型的關鍵。空間解析轉錄組學在二維或三維空間坐标上捕獲細胞水平的基因表達，可以有效地推斷svg。然而，目前的計算方法可能無法獲得可靠的結果，并且往往無法處理三維空間轉錄組數據。在這裡，我們引入了一種非參數模型BSP (big-small patch)，通過比較兩個空間粒度的基因表達模式，以快速和穩健的方式從二維或三維空間轉錄組學數據中識别svg。該方法已在仿真中進行了廣泛的測試，證明了優越的準确性、魯棒性和高效率。在癌症、神經科學、類風濕關節炎和腎髒研究中，利用各種類型的空間轉錄組學技術進一步證實了BSP的生物學發現。

李莎莎：本次彙報了一篇文獻《RNAJP: enhanced RNA 3D structure predictions with non-canonical interactions and global topology sampling》。RNA 3D結構對于理解其功能至關重要。然而，隻有有限數量的RNA結構已被實驗解決。由于RNA分子内複雜的各種相互作用，通過計算方法準确預測RNA的3D結構，特别是那些含有多分支環的，仍然是一個重大的挑戰。因此該文獻提出了一個核苷酸和螺旋水平的粗粒度模型RNAJP（“RNA Junction Prediction”），用于從給定的2D結構預測RNA的3D結構，特别是多分支環結構。通過使用分子動力學模拟和明确考慮非規範堿基配對和堿基堆疊相互作用以及長程環-環相互作用等能量約束，對多分支環進行全局拓撲采樣，該模型比現有方法具有顯著改進。此外，結合實驗的額外約束，如多分支環拓撲結構和長程相互作用，該模型可以在各種應用中作為一個有用的結構生成器。

— 學生彙報照片展示 —