蛋白质设计
从界面、序列到适应度景观，发展可解释的生成与排序方法。
研究
以计算方法连接分子机制与设计
我关注 AI 药物发现中的蛋白质与多肽建模，以及 RNA、反义寡核苷酸（ASO）的计算评估；重点是让模型结果接受严谨、可复现的数据分析。
RNA 结构
研究序列、三维结构、动态与调控之间的计算联系。
分子机器学习
在严格的数据边界下评估模型能否回答真实科学问题。
项目经历
科研项目与合作经历
CGB3002 跨血脑屏障多肽设计
迦进生物医药（上海）有限公司 · 独立负责计算设计
采用多路线深度学习方法，独立完成该项目的多肽序列计算设计与结构评估。CGB3002 面向阿尔茨海默病，已进入 I 期临床研究；个人贡献为前期计算设计。具体序列及未公开设计细节遵循商业保密要求。
AI 辅助酶切底物设计与快速 SERS 检测
共同第一作者（第二位）｜负责底物序列与结构计算设计
利用机器学习与结构建模开展 MMP-2 酶切底物短肽的计算设计，支持双酶反应动力学匹配与快速检测。设计成果用于团队构建的双酶 SERS 传感阵列（芯片），并在癫痫病灶术中化学成像研究中获得验证，连接分子设计与辅助病理判别。
细胞因子受体复合物界面突变预测
独立完成
基于深度学习，开展细胞因子受体复合物相关界面（涉及 IL-2 受体 α 链）的单点饱和突变结合自由能预测。
棕榈酰基转移酶底物短肽设计
独立完成
基于深度学习开展底物短肽的序列改造与计算设计。
ATP1A3 磷酸化位点结合多肽设计
独立负责计算设计
围绕钠/钾转运 ATP 酶 α-3 亚单位的 S643 磷酸化位点开展结合多肽的计算设计。
持续研究
方法开发与问题驱动
SSDE：RNA 结构候选发现与迭代学习
Self-Sustained Discovery Engine · 全流程负责
面向已知结构样本稀缺的 RNA 发现任务，从大规模天然序列空间识别结构候选，通过反馈迭代改进模型。负责数据整理、模型开发训练、计算评估、候选分析与结果交付；项目已进入实验验证阶段。
RNA 设计模型可靠性与跨来源泛化
模型评估框架 · 已形成阶段性结论
建立结合多模型与结构证据的功能 RNA 评估框架，开展数据溯源、跨来源比较和固定预算回顾性评估。阶段性结果显示，模型融合收益依赖数据来源，增加模型并不必然改善排序，结构合理性不能替代功能证据。
ASO 活性预测与计算评估
核酸药物机器学习 · 已完成阶段性基准
整理约 15 万条公开记录，对比序列/化学特征与 RNA 大模型表征，并按靶点、来源和相似序列隔离评估。完成多随机种子基准与消融分析，刻画分布迁移下的校准偏差和泛化边界。