應用數學與交叉科學研究中心生物信息學團隊于2024年4月第2次組會按期舉行，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。

郭貞貞：本次彙報了一篇文獻《Disentangling Intrinsic and Extrinsic Gene Expression Noise in Growing Cells》，本文研究方法允許研究者明确考慮細胞的生長和分裂，并研究蛋白質濃度的變化，這與細菌、酵母或癌細胞等增殖細胞的實驗直接相關。作者推導出一種廣泛适用的蛋白質濃度噪聲分解方法，發現總噪聲可以表示為上遊因素導緻的噪聲、随機生産和降解過程導緻的泊松噪聲以及細胞分裂過程中随機分配導緻的噪聲之和。這些結果與 mRNA 和蛋白質合成特定動态的基本細節無關。另外，給定蛋白質濃度的時間軌迹，可以将蛋白質濃度的離散時間導數作為蛋白質濃度的函數進行線性拟合。作者發現，在沒有測量噪聲的情況下，拟合的斜率（按增長率歸一化）等于總蛋白質濃度噪聲中内部噪聲的比例。作者在具有各種基本基因表達動态的基因蛋白質濃度合成數據上驗證了理論框架。

張秋玉：本次組會彙報了自己的工作進展。我們希望mRNA數量的實驗分布符合數學模型的預測，通過數學模型可以準确獲得幾個重要轉錄過程速率的估計(即參數估計)。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。這些分布通常适合二态電報模型的穩态分布，以估計感興趣基因的三個轉錄參數：mRNA 合成率、開啟率（開啟狀态是活躍轉錄狀态）和關閉率。值得注意的是，scRNA-seq 數據容易出現技術噪聲和生物噪聲，本研究嘗試提出一種新的數學理論解決這個問題。

郭成：本次彙報了近期的研究進展，前面我們根據準備的共進化特征，輸入到構建的卷積網絡中，多次訓練測試後得到的結果不穩定，做了一些修改，得到每次疊代的穩定損失函數變化。之後就對多個測試集（coconet_23、plmc_19、RNAcontact_80）分别進行測試，同時我們還構建了自己的訓練測試集，重新訓練和測試，分别在前面幾個測試集上測試，效果跟他人比還是較差一些，接下來找到導緻這樣的原因，再進行修改。

— 學生彙報照片展示 —