（通讯员|文雯）近期，信息学院学术社区系列活动落下了帷幕。一周来，以“合成生物学和深度学习在生物信息研究中的应用”、“SARS-CoV-2 RNA结构与功能”、“AI时代—深度学习”、“求职就业经验大分享”等为主题的一系列学术社区活动相继在逸夫楼举行。本次活动由信息学院研究生们主动申请、自发组织，吸引了来自各个学院的研究生前来参与。

AI着手基因预测

本次学术社区活动以“深度学习”和“贝叶斯网络” 两大主题率先在逸夫楼C314会议室拉开帷幕，活动的主讲人为信息学院的博士研究生王振业同学和杨轩同学。

王振业根据自己研究的项目主题“改进深度学习模型进行植物基因与基因的交互预测”展开介绍，他表示随着对动植物遗传信息的深入研究，人们发现基因的相关序列包含了许多重要信息，传统机器学习根据序列上的特征来预测交互及其他信息，忽略了序列信息，而交互预测则考虑序列的重要性弥补了传统预测方法的不足，这正是进行该项目研究的意义所在。王振业结合文字和图片，生动地展示了植物基因进行交互预测的优势与劣势并详细地介绍了基因交换的方法。2021级研究生黄志远针对讲述内容提出了自己的疑问“研究基因交互预测的最终目的是什么？”，王振业答道“由于植物的数据量大，数据类型多，会导致出现多种不同的性状，而植物基因表达量的预测有助于生物学中研究基因和表型性状间的联系，进一步辅助基因挖掘等生物学研究”。

杨轩带来了基于MCMC抽样贝叶斯网络的上位性位点挖掘的报告，展现了贝叶斯网络研究领域的新视角。杨轩采用通俗易懂的方式详细讲解了报告的核心方法—ILPBN方法。经过巧妙的叙述，在场的听众对该领域的知识有了初步的了解，引起了兴趣。21级研究生张佳敏在讨论结束后感慨道：“基因预测与深度学习相结合的方法对我的研究课题有很多借鉴意义，希望能多参加这样的研讨会。”

AI看细菌生长

时隔一天，“合成生物学和深度学习在生物信息研究中的应用”主题研讨会在逸夫楼C314举办。本次研讨会的主持人为研究生张佳瑄同学，研究生刘凯钰、刘凯同学为主讲人。

会议开始，张佳瑄就合成生物学和深度学习在生物信息中的研究与应用进行展开介绍，引起听众的兴趣和热情并对该领域有初步了解。随后，刘凯钰讲述“深度学习在大分子binding区域识别中的应用”，分享了在深度学习领域熟悉的技术及特征表示方法并讲解如何在生物大分子之间的互作问题应用这些技术方法。

会议中，刘凯带来题为“合成生物学技术控制细菌生长周期”的报告。他详细介绍了合成生物学领域中热门的光遗传学和基因沉默技术以及将光控RNA干扰（RNAi）技术应用到控制细菌生长周期课题中的方式方法，生动的展示了大肠杆菌生长周期的实验结果。丰富的通过生动形象的讲解，在场听众对生物学技术控制生长周期有了直观的了解，引起了激烈的交流讨论。信息学院硕士研究生黄志远同学在交流结束后讲道，“通过人工智能技术来观察并控制细菌的生长周期是一个新颖的研究角度，开阔了我的研究思路，收获颇丰。”

AI未来

最后，“求职就业经验大分享”的主题研讨会在逸夫楼C314举办。信息学院的研究生刘锐钢和博士生袁君两位同学就自己的求职经验向同学们进行分享。

刘锐钢详细介绍了他的求职经历，并介绍了面试过程中各个环节以及注意事项。袁君根据自身多年的海外工作经历并结合面试官的角度进行求职经验分享。首先，对于从校园到职场的角色转变，心态、能力等方面的调整给出了行之有效的建议。其次，详细说明了一份合格的JD包含的内容，并给出实用的方法来判断职位是否与自身能力相匹配。最后，真诚的讲述了职场中的自我保护和工作安全内容。

至此信息学院学术社区活动圆满结束，活动组织者栗涛同学说道：“举办学术社区活动的目的是提供一个学术探讨的平台，虽然彼此的研究方向并不相同，但是学科间之的交流探讨往往能够碰撞出思维的火花，探索到解决问题的新思路。”