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。...

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，...

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...

一、学术背景与研究动机 近年来，单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）已成为生命科学与医学研究领域极具突破力的技术之一，使得研究者能够以单个细胞为单位，捕捉到众多细胞间转录水平的微妙差异。这项技术极大地丰富了细胞生物学，对理解细胞分化、发育和疾病发生机制具有重要意义。基于scRNA-seq数据，推断基因调控网络（gene regulatory networks, GRNs），进而揭示转录因子与靶基因间复杂的调控关系，已成为当前生物信息学和系统生物学中的关键问题之一。 然而，scRNA-seq数据本身具有高噪声、高稀疏性和“掉落事件”（dropout events）等特点，带来了极大的数据分析挑战。尤其是在分析时间序列单细胞数据（time...

一、研究背景与学科前沿 癌症预后分析一直是医学领域的核心研究方向。近年来，随着高通量测序技术（high-throughput sequencing technologies）的广泛应用，科学家们得以深入探索癌症患者的分子生物标志物（biomarker）和临床特征，从而帮助临床医生更准确地评估患者的生存风险，制定个体化治疗策略。传统的 Cox 比例风险模型（Cox proportional hazards model）作为经典的生存分析工具，因其优秀的统计基础和适应性而被广泛应用于癌症预后研究。 然而，随着深度学习（Deep Learning, DL）以及多组学（omics）数据的引入，科学家们逐步认识到传统 Cox 模型在特征提取和复杂关系建模方面的不足。许多基于深度学习的方法往往侧重于特征...