应用数学与交叉科学研究中心生物信息学团队于2026年3月25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。

赵丹丹：本次汇报的是一篇文献。在生化信号传递过程中，信息通常通过振荡信号进行编码。然而，与恒定信号的振幅编码方案相比，这种编码策略的优势仍不明确。在这里，文章研究了一个简单模型基因启动子对振荡和恒定转录因子信号的动态响应。文章发现，在与生物相关的参数机制中，振荡输入比恒定输入能产生更恒定的蛋白质水平。最终研究结果表明，振荡信号可用于尽量减少基因调控中的噪音。

彭旭东：本次汇报的是一篇文献。近期的研究成果凸显了文本信息在提升学习模型以加深对医学视觉语义理解方面的潜力。然而，基于语言的医学图像分割仍面临一个挑战性的问题。以往的研究采用隐式架构来嵌入文本信息。这导致分割结果与语言所表示的语义不一致，有时甚至存在显著差异。为此，文章提出了一种新颖的跨模态条件重构方法——基于语言引导的医学图像分割(RecLMIS)，以明确捕捉跨模态交互，该方法假定对齐良好的医学视觉特征和医学文本能够有效地相互重建。文章引入了条件交互来自适应地预测受关注的区域和文字。随后，它们被用作交互重建的条件因素，同医学文本中描述的区域对齐。

杨紫嫣：本次组会汇报了一篇文献。文章首先介绍 RNA 逆设计的研究背景，指出现有方法以天然序列恢复率（NSR）为优化目标的局限性——通过实验数据证明高 NSR 并不保证高结构 fidelity；然后详细讲解 RIDER 的两阶段框架：第一阶段 RIDE 如何通过 GVP-GNN 结构编码和条件扩散模型实现 61% 的 NSR（超越基线），第二阶段 RIDER 如何将去噪过程建模为马尔可夫决策过程，通过移动平均基线和组合奖励函数两个核心创新，直接优化 3D 结构相似性指标（GDT_TS、RMSD、TM-score）；接着展示实验结果——RIDER 在各项结构指标上实现超过 100% 的提升，并能发现与天然序列不同但结构正确的新序列；最后总结 RIDER 的贡献与启示：当代理指标与真实目标不一致时，直接优化真实目标能带来质的飞跃。