一、学术背景与研究意义 近年来，蛋白质液-液相分离（phase separation，PS）作为调控细胞内生物分子的关键机制，受到生命科学领域的广泛关注。相分离不仅推动了无膜细胞器（biomolecular condensates）的形成，还广泛影响着生化反应速率、蛋白质组织与定位，并与癌症和神经变性疾病等重大疾病的发生密切相关。尽管相分离现象的生物学意义逐渐被认识，但其驱动机制和调控密码仍显复杂且难以捉摸，尤其是在驱动相分离的蛋白质区域识别方面，科学界仍然面临诸多挑战。 传统的相分离预测方法，大多依赖已有的蛋白质注释信息或人工设定的特征参数。这些方法虽然在已知蛋白质上表现良好，但面临着对未知蛋白质、变体和不同物种间广泛泛化能力的严重不足。同时，针对蛋白质序列的局部驱动区域（residue-...

研究背景与学科意义 在真核细胞内，染色质（Chromatin）的三维空间结构对于基因表达调控有着至关重要的作用。DNA通过复杂的折叠、环化及局部空间重构，使不同基因元件（如启动子promoter、增强子enhancer等）在空间上变得邻近，并实现精细的顺式（cis）调控。近年来，无论在发育生物学、疾病机理还是表观遗传学研究中，三维基因组（3D-genome）的动态结构都被反复证明与基因表达变化密切相关。 当前，捕捉基因组空间构象的实验方法主要包括3C、4C、5C、Hi-C、ChIA-PET、HiChIP等。然而，这些实验方法成本高昂、操作复杂，且常常受到生物材料来源、分辨率及信噪比等条件限制，难以为多样化的生物学问题或疾病研究大规模提供数据。与此同时，随着多组学数据的积累，尤其是DNA序列、...

近年来，单细胞测序（single-cell RNA sequencing，scRNA-seq）与空间转录组学（spatial transcriptomics, ST）等前沿技术极大推动了生命科学与临床医学的发展。其揭示了细胞异质性，提供了疾病、发育、免疫等重大领域的全新洞见。然而，大规模单细胞数据由于技术噪声强、批次效应（batch effects）复杂、生物信号多样且杂乱，使得“准确提取与增强与表型相关的特征”成为关键挑战之一。许多传统方法虽主攻降噪、整合，却可能同时削弱乃至丢失关键的表型决策信号，限制了研究者对疾病机制与细胞间互作的深入理解。 一、研究背景与意义 单细胞表型相关特征的识别对于阐明疾病进展、免疫应答、肿瘤耐药等问题至关重要。例如，在癌症免疫治疗、个体化诊疗中，能否准确识别那...

学术背景与研究问题 微生物作为地球上最广泛存在的生命形式之一，与海洋、土壤以及人类自身均有密切关系。人体内约含有350万亿个微生物细胞（microbial cells），与人类健康、疾病的发生和发展息息相关。近年来，随着测序技术与生物信息学的快速进步，大量研究聚焦于阐明人体微生态（microbiome）组成及其功能对健康产生的影响。例如，肠道菌群组成的变化能够影响机体免疫和疾病发生，肝脏代谢也被证实受肠道微生物调控，会通过降低能量消耗、促进脂肪沉积等促进代谢疾病发展。 尽管实验生物医学对微生物-疾病（microbe-disease）关联的揭示已做出巨大努力，但已被实验确定的疾病相关微生物数量仍十分有限，传统实验方法既耗时又高成本，因此亟需高效、精准的计算方法，用于筛查潜在的微生物-疾病关联。...

一、研究背景及意义 在肿瘤学和基因组研究领域，染色体拷贝数异常（Copy Number Alterations, CNAs）是导致癌症发生与进展的关键遗传变异类型。CNAs不仅决定了肿瘤的异质性，而且对早期肿瘤检测、肿瘤亚克隆（subclone）演化分析、耐药机制研究等具有重要意义。传统的检测拷贝数变异的方法主要依赖单细胞DNA测序（scDNA-seq），虽分辨率高，但受限于高昂成本及测序覆盖度低，难以在大规模、通量高的实际应用中广泛开展。 随着单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）技术的普及与数据积累，研究者发现，基于scRNA-seq数据在一定条件下也能够反推出潜在的基因组拷贝数变化，这大大拓展了利用已有转录组数据挖掘基因组结构变异...

背景介绍：揭示蛋白互作预测的瓶颈与机遇 蛋白质（Protein）作为生命活动的核心分子，几乎参与了所有生物学过程与细胞功能，包括基因表达、RNA转录、DNA合成以及免疫反应等。蛋白分子之间的相互作用（Protein-Protein Interactions, PPI）以及特定位点上的互动（Protein-Protein Interaction Sites, PPIS）决定了多样且精确的生理活动。例如，药物设计、蛋白功能注释、疾病分子机制探索、以及全局蛋白互作网络构建等，都以高质量的PPI和PPIS信息为基础。 然而，传统基于生物实验（如X射线晶体学、质谱等）对PPI位点进行检测的方法耗时高、成本昂贵，并且面临样品复杂性高和可扩展性不足的问题。随着蛋白数据库的快速扩充及疾病防治需求的日益迫切，...

学术背景与研究动因 随着复杂样品分析需求的日益增长，色谱技术，尤其是全二维气相色谱-质谱联用（GC×GC–MS, Comprehensive Two-dimensional Gas Chromatography coupled with Mass Spectrometry）作为无靶向代谢组学等领域的主力技术，尽显强大解析力。GC×GC–MS可在单次实验中同时分离和检测上百甚至数千种化合物成分，但其所产生的数据量庞大且结构复杂，维度高，数据解读困难，成为阻碍该技术广泛应用的最大瓶颈。尽管已有商业软件试图提供自动化的数据处理与解析，但高昂的成本、专业门槛，以及“黑箱”式算法的不透明，依然限制了数据深度挖掘和研究的灵活性。 为克服这些难题，学界逐渐将化学计量学（chemometrics）理念引入多...

癌症作为全球重大公共卫生难题，具有复杂的发生发展机制。长期以来，肿瘤微环境（tumor microenvironment，TME）的免疫、炎症、血管生成等过程被广泛关注，被视为肿瘤生物学行为的重要决定因素。近年来，癌症神经科学（cancer neuroscience）成为新兴交叉领域，发现神经系统不仅通过神经介质、递质等调控肿瘤发展，还通过神经－肿瘤细胞的直接或间接互作影响肿瘤的生长、转移与侵袭。尽管诸如“外周神经侵犯（perineural invasion, PNI）”等神经相关现象已受到关注，但系统性量化和评价“神经浸润”在肿瘤疾病中的广泛性、分子特征和临床意义仍处于初级阶段。本文报道正是基于这样的问题意识和科学背景展开，旨在深入探讨神经因素是否可作为肿瘤新标志性特征（cancer ha...

空间转录组学——解析组织空间异质性的前沿技术 空间转录组学（Spatial Transcriptomics, ST）是一项近年来蓬勃发展的测序技术，其核心在于能够在组织切片层面，兼顾基因表达与空间位置信息，为揭示多细胞生物组织的空间结构、功能分区及疾病微环境提供了前所未有的数据基础。随着10x Visium、Slide-seq、Stereo-seq、seqFISH和MERFISH等平台技术的逐步成熟，科学家得以获得高分辨率、空间可追溯的大规模基因表达数据，极大推动了发育生物学、神经科学及肿瘤生物学等领域的进步。 空间结构域识别（Spatial Domain Identification）则是空间转录组数据分析中的核心环节。其目标是将表达模式相近、地理位置相邻的细胞点（Spot）分为具有生物学...

学术背景 蛋白质复合物三维结构的解析是现代结构生物学、分子机理研究、药物设计乃至于人工蛋白质设计等领域的核心课题。蛋白质的功能往往由其结构所决定，而众多生物过程涉及蛋白质间复杂的相互作用。虽然传统的实验手段（如X射线晶体学、冷冻电镜、NMR等）虽能解析蛋白质的三维结构，但耗时繁琐、成本高昂，难以满足高通量或大规模研究需求。近年来，数据驱动的蛋白质结构预测方法（如AlphaFold、RoseTTAFold等）取得了革命性突破，尤其是在单体蛋白模型的准确度方面甚至能够媲美实验结构。然而，蛋白质复合物结构预测的准确度仍未达到单体预测的高度，特别是在多聚体与抗体-抗原等复杂体系中，仍有巨大的提升空间。 在实际应用中，研究者往往需要从机器学习或深度学习模型产生的大量“候选结构”(decoys)中筛选出...