应用数学与交叉科学研究中心生物信息学团队于2023年12月5日举行第三十三期研究生论坛，小组全体成员和各位导师共同参加。在这次组会上，由一名研一员工、一名研二员工和一名研三员工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。

郭成：本次汇报了一篇文献《多序列比对通道》，分别是rMSA和RNAcmap。由于多序列比对（MSA）在蛋白质生物学中的重要性，特别是在蛋白质结构预测中，许多复杂的MSA生成方法已经被提出。相关文献发现，单独改进的msa可以立即更准确地预测蛋白质结构。相比之下，在RNA生物学中，关于如何为目标序列构建高质量MSA的研究很少，很少有自动化程序来生成高质量的目标RNA分子的msa。本文开发了rMSA，一个用于对目标RNA的RNA同源物进行敏感搜索和精确对齐的分层管道。在361种非冗余RNA结构上，rMSA在rSS和远程接触预测方面的性能显著比现有的MSA生成方法（RNAcmap）分别高出约20%和5%。

吴昊：本次汇报了一篇文献《Arena: Rapid and Accurate Reconstruction of Full Atomic RNA Structures From Coarse-grained Models》。目前实验或计算预测得到的RNA三维结构通常存在缺失的原子，这样会阻碍对完整原子结构进行分析。目前用于RNA重建的程序往往速度较慢、准确性不高，或需要输入中具有特定的原子。Arena（Atomic Reconstruction of RNA），它可以从仅具有一个原子的残基中重建完整的原子RNA结构。Arena首先填充缺失的原子，然后通过迭代优化它们的位置，以减少非理想的几何结构。Arena在一个包含361个RNA结构的数据集上进行了基准测试，结果显示Arena相比其他结构重建程序具有高准确性和速度。

杨虎：本次汇报了一篇文献《A task-specific encoding algorithm for RNAs and RNA-associated interactions based on convolutional autoencoder》。RNA通过与其他分子(RNA/蛋白质/化合物)的相互作用，在多种生理和病理过程中发挥着重要作用，多种计算方法可用于识别这些相互作用。然而，现有的方法所提供的编码特性是有限的，现有的工具没有提供一个有效的方法来集成交互伙伴。因此，在本研究中，我们开发了一种针对rna和rna相关相互作用的任务特异性编码算法。这种新算法的独特之处在于:(a)通过引入大量新颖的特征来实现全面的RNA特征编码;(b)使用卷积自动编码器导向的特征嵌入实现交互伙伴的特定任务集成。与现有的方法/工具相比，该算法在不同的基准测试研究中显示出更好的性能。

— 员工汇报照片展示 —