智能计算实验室主页

2026年3月27日，智能计算实验室2023级本科生张得印申报的一项发明专利《一种基于特征工程于集成学习的蛋白质盐敏感性预测方法》经国家知识产权局受理、审查后正式授予专利权并予以登记。这一发明属于生物信息学领域，涉及的技术包括特征工程、集成学习和加权投票机制。发明提高了对蛋白质盐敏感性预测的准确率与稳健性，通过提取净电荷密度、电荷不对称性、疏水矩、极性残基比例等十维物理化学特征，全面刻画与盐浓度响应相关的序列模式。结合随机森林、梯度提升树和支持向量机构建集成框架，采用基于验证集准确率的加权投票策略融合各模型预测结果，有效缓解单一模型的数据敏感性与类别不平衡问题。同时，模型能够输出特征重要性排序，为预测结果提供物理化学依据，有助于在液-液相分离研究和药物递送系统设计中快速筛选盐敏感性蛋白质。近年来，智能计算实验室致力于学生的科研能力培养，指导学生进行生物信息学相关科学研究，引导本科生早日走上科研之路，推动创新科技教育深入发展。本次发明专利的授权彰显了本实验室学生卓越的创新能力。

更多信息

江超同学的一项研究成果获得发明专利授权

2026年2月6日，智能计算实验室2021级本科生江超申报的一项发明专利《一种基于注意力机制的抗癌药物反应预测方法》经国家知识产权局受理、审查后正式授予专利权并予以登记。这一发明隶属于生物信息学研究领域，融合多层感知机、注意力机制、跨模态特征融合等核心技术，专注于抗癌药物反应的精准预测研究。该发明构建了系统化的四阶段技术流程，实验结果显示，该方法相较现有最优技术实现了2.9%的性能提升。该发明通过深度融合药物与癌细胞系多组学数据，为抗癌药物高效筛选、个性化诊疗方案优化提供了关键技术支撑，有力推动癌症精准医疗领域的技术创新与落地应用。近年来，智能计算实验室始终坚持科研育人理念，深耕生物信息学领域的科学研究与创新人才培养，积极引导本科生投身前沿科研实践，助力学生提早踏上科研创新之路，持续推动创新科技教育走深走实。本次发明专利的成功授权，既是实验室在生物信息学交叉领域科研攻关的重要成果，也充分彰显了实验室学生扎实的科研素养与突出的自主创新能力，是实验室科教融合、以研促学的生动体现。

更多信息

张得印同学的一项研究成果获得发明专利授权

2026年1月30日，智能计算实验室2023级本科生张得印申报的一项发明专利《一种基于自适应特征分析的基因调控网络共识推断方法》经国家知识产权局受理、审查后正式授予专利权并予以登记。这一发明属于生物信息学领域，涉及的技术包括自适应特征分析、动态权重分配和智能阈值选择。提出的方法提高了对基因调控网络共识推断的准确率与稳定性，通过从多算法输入中自动提取网络规模、密度、权重分布等关键特征，并基于算法间一致性与算法内权重离散度动态调整各算法的融合权重，结合以基因数量和网络密度为自变量的非线性阈值函数对输出网络进行智能裁剪，以此生成高质量、高覆盖的共识调控网络，有助于在系统生物学研究中更可靠地识别核心调控关系并揭示疾病相关的转录调控机制。近年来，智能计算实验室致力于学生的科研能力培养，指导学生进行生物信息学相关科学研究，引导本科生早日走上科研之路，推动创新科技教育深入发展。本次发明专利的授权彰显了本实验室学生卓越的创新能力。

更多信息

张得印同学的一项研究成果获得发明专利授权

2026年1月30日，智能计算实验室2023级本科生张得印申报的一项发明专利《一种基于多模态深度学习的蛋白质翻译后修饰预测方法》经国家知识产权局受理、审查后正式授予专利权并予以登记。这一发明属于生物信息学领域，涉及的技术包括多模态深度学习、交叉模态注意力机制和疾病条件化编码。提出的方法提高了对蛋白质翻译后修饰位点预测的准确率与可解释性，通过并行的卷积-循环神经网络与结构特征提取分支，能够有效融合蛋白质序列的局部模式与三维空间构象信息，并通过自适应门控网络动态平衡多源数据的贡献度，结合疾病感知模块对基础预测进行上下文调制，以此推断特定病理背景下的修饰事件发生概率，有助于在精准医学研究中筛选更多具有临床意义的疾病相关修饰位点及致病变异。近年来，智能计算实验室致力于学生的科研能力培养，指导学生进行生物信息学相关科学研究，引导本科生早日走上科研之路，推动创新科技教育深入发展。本次发明专利的授权彰显了本实验室学生卓越的创新能力。

更多信息

李铭烈同学的一项研究成果获得发明专利授权

2024年5月29日，智能计算实验室2020级本科生李铭烈申报的一项发明专利《一种基于深度迁移学习的调控变异预测方法》经国家知识产权局受理、审查后正式授予专利权并予以登记。这一发明属于生物信息学领域，涉及的技术包括多任务预训练、迁移学习和卷积神经网络。发明提高了对实验验证调控变异预测的准确率，卷积神经网络通过在大规模通用功能性非编码变异上进行预训练，能够有效提取功能性非编码变异的低级特征，并通过重新连接全连接层来学习特定上下文功能性非编码变异的高级特征，以此推断非编码变异是否具有调控功能，有助于在未来的实验验证中筛选更多的非编码区功能性变异。近年来，智能计算实验室致力于学生的科研能力培养，指导学生进行生物信息学相关科学研究，引导本科生早日走上科研之路，推动创新科技教育深入发展。本次发明专利的授权彰显了本实验室学生卓越的创新能力。

更多信息

李铭烈同学的一项研究成果在SCI三区期刊上发表

2024年3月12日，智能计算实验室2020级本科生李铭烈在SCI三区期刊IEEE/ACM Transactions on Computational Biology and Bioinformatics上发表了一篇名为《TSVM: Transfer Support Vector Machine for Predicting MPRA Validated Regulatory Variants》的论文。该论文基于深度迁移学习的方法预测实验验证的调控变异。通过迁移学习，利用大规模通用功能性非编码变异来改进MPRA实验验证调控变异低级特征的学习；通过对比试验，验证了相较于未经迁移学习的模型，该模型在不同规模训练集下更具鲁棒性。模型可以用于筛选MPRA实验潜在的候选变异，使未来的实验更具成本效益。近年来，智能计算实验室致力于学生的科研能力培养，指导学生进行机器学习、生物信息学相关科学研究，引导本科生早日走上科研之路，推动创新科技教育深入发展。本次论文的发表彰显了本实验室学生卓越的创新能力。

更多信息

马婧同学的一项研究成果获得发明专利授权

2023年11月7日，智能计算实验室2021级本科生马婧申报的一项发明专利《一种基于深度学习的单细胞RNA序列基因调控推断方法》经国家知识产权局受理、审查后正式授予专利权并予以登记。这一发明属于生物信息学领域，涉及的技术包括对单细胞RNA序列数据的预处理、图注意力网络、卷积神经网络和多层感知机。发明提高了单细胞RNA序列基因调控推断的准确率，能够分析转录因子与基因链接信息的拓扑结构和特征，并以此推断出转录因子和基因是否具有调控关系，从而帮助生物信息学领域工作者深入研究基因调控的原理和规律，还可为单细胞RNA相关疾病患者的临床手术决策提供参考。近年来，智能计算实验室致力于学生的科研能力培养，指导学生进行生物信息学相关科学研究，引导本科生早日走上科研之路，推动创新科技教育深入发展。本次发明专利的授权彰显了本实验室学生卓越的创新能力。

更多信息

陈义帮同学完成易课堂管理系统

陈义帮同学设计并实现了一个方便教师在课堂上对课程和学生进行管理的网站系统。该系统主要功能的实现基于Python的Django框架，并借助MySQL数据库对数据进行存储。教师在网站进行注册后，可以通过上传教学记录表文件来添加新课程，之后可以进行上传课件、播放课件、随机点名、上课记录、导出课程和删除课程等操作。该系统能够帮助教师更加快捷高效的管理课程和学生的相关信息，使教师将更多的精力放在课程内容上。

更多信息

智能计算实验室日常管理规定

1. 实验室成员需要遵守的纪律。（1）按时向老师汇报学习进展情况。（2）遇到问题与老师多沟通。（3）尽快完成老师交代的任务。2. 实验室成员需要做的事情。（1）积极研读自己研究方向相关的论文并融会贯通。（2）积极将自己的最新研究成果在期刊上发表。（3）积极将自己的最新研究成果申请专利。 3. 实验室成员需要锻炼的能力。（1）学习的能力，不懂能自学，强调学科交叉。（2）计算分析能力，包括动手能力。（3）撰写报告和论文的文字表达能力。（4）制作PPT的总结归纳能力。（5）汇报、讲演的口语表达能力。（6）与人合作和组织协调能力。

更多信息