应用数学与交叉科学研究中心生物信息学团队于2026年5月20日第2次组会按期举行，小组全体成员和各位导师共同参加。在这次组会上，由一名研二学生和两名研一学生分别汇报自己的研究进展，然后老师与同学们对汇报内容进行学术探讨，并对存在的问题给出相应的指导和建议。
吴浩然：本次组会汇报了相关进度。染色质在细胞核中以复杂的三维结构存在，这种空间组织影响基因表达与调控。Hi-C 技术可以测量基因组区域之间的接触频率，但只能得到二维接触矩阵，无法直接获得三维结构。传统基于最大熵的物理模型方法通过迭代优化生成三维结构，计算耗时且只能输出单一结构，难以反映染色质的动态性。因此，本研究旨在提出一种结合图神经网络与聚合物物理模型的方法，实现从 Hi-C 数据快速、准确地推断染色质三维结构集合，同时保持物理可解释性并反映结构多样性。
熊祎婷：本次组会汇报了一篇文献。研究背景指出，RNA结构预测面临三大瓶颈：实验数据稀缺、分子柔性大导致构象异质性、以及现有方法在复杂拓扑和大分子上的准确性不足。针对这些问题，trRosettaRNA2创新地融合了二级结构先验模块与端到端的结构折叠网络。该模型首先在海量bpRNA二级结构数据上预训练trRNA2-SS模块，生成高精度碱基配对概率；随后通过RNAformer模块提取序列与配对特征，并在结构模块中引入“SS加权Softmax”注意力机制，使配对碱基相互增强关注；最后采用三阶段训练（初始精度训练、违规微调、重采样微调），引入键长键角约束和原子冲突惩罚，将物理合理性内化为网络本能。结果表明，trRosettaRNA2在TS28、CASP15和CASP16等基准测试中，以仅约三千万参数和单GPU约33天的训练成本，取得了与AlphaFold 3相当甚至更优的预测精度，尤其在复杂长链和高柔性RNA上表现更佳，且原子冲突远少于对比方法。更值得一提的是，该方法通过输入不同的二级结构先验，能够生成多样化的三维构象，成功捕获了RNase P RNA S结构域的高柔性构象系综，与原子力显微镜实验观测高度吻合（残基RMSF相关达0.894）。总体而言，trRosettaRNA2以极低的计算资源实现了超越主流方法的RNA结构预测精度，并首次在不依赖实验数据的情况下展现了探索RNA构象异质性的潜力，为RNA生物学研究提供了有力工具。
彭旭东：本次组会汇报了一篇文献。文章设计了一种基于曲率一致性原理的非配对跨模态胰腺分割网络。慢性胰腺炎 NCECT 图像中的 HDPL 分割。第一阶段提出了SSC模块、 LMFF 模块及曲率一致性策略，以协同促进跨模态图像合成与分割。第二阶段采用符号距离场约束与曲率特征融合进行 PHDL 分割，从而同步优化符号距离场回归任务与子结构分割任务。除 NCECT / CECT 图像中的胰腺及 HDPL 分割外，文章方法还基于公开可用的前列腺组织分割数据集进行了评估。实验结果充分证明了所提方法的有效性与优越性。
