返回参赛队伍 项目名称miR-AclE基于 AI 优化的 DNA 逻辑网络与分子信标肿瘤精准诊断系统T1 医药健康miR-AclE分子信标荧光天津大学 ATCG 碱基互补配队做的是液体活检里的一个具体麻烦：不同样本中外泌体数量差异很大，只看单一荧光信号，很容易把「样本多」误认成「靶标多」。团队采用双通道比值化 —— 一个信号报告外泌体捕获量，另一个报告其中的 miRNA 丰度，用内部校准把误差消掉。队伍名称ATCG 碱基互补配队所属院校天津大学合成生物与生物制造学院参赛队伍相关影像仅用于赛事展示与报道，肖像权归本人所有。如对肖像使用存在异议，请通过 联系我们 向组委会反馈，我们将核实情况并作相应处理。展开更多项目内容队伍口号“ATCG，智配生命，精准出击 ”项目背景用双通道比值校准样本差异不同样本中的外泌体数量存在差异，单看一条荧光信号，难以区分样本量变化与目标 miRNA 丰度变化。其中一个通道反映外泌体捕获量，另一个通道反映其中的 miRNA 丰度；两者取比值，用样本自身信号作内部校准，以减少样本量差异和背景信号对读数的影响。研究路径探针为什么难设计DNA 探针的表现同时受序列、二级结构、稳定性和非特异性作用影响。团队用机器学习分析这些特征与实验响应之间的关系，对候选探针进行评价和排序；计算用于缩小候选范围，实验数据用于检验并修正排序。设计前提探针必须专一双通道比值化需要稳定区分目标 miRNA 与背景信号，候选探针首先要对目标序列保持足够专一。优化约束序列与结构协同序列、二级结构、稳定性与非特异性作用会同时影响响应，设计时不能只优化单一指标。筛选方式AI 多目标筛选计算筛选用于降低人工逐条试筛成本，再通过交叉特异性矩阵检查候选探针对非目标序列的响应。项目过程项目推进与验证路径01阶段 1闭环走到哪一步了Design：根据核酸序列与结构特征筛选候选探针。Build、Test：在实验中完成探针构建，测量荧光响应、背景信号、特异性等指标。Learn：把这些真实实验结果整理成机器学习可用的数据，让模型学习什么样的探针表现更好。进度本身：目前已经获得了包括多组分子信标交叉特异性在内的实验数据，正在建立第一版机器学习模型。那张交叉特异性矩阵就是这批数据的样子：对角线亮，非对角线暗。02阶段 2荧光读数区分目标与非目标序列分子信标在目标序列打开其发夹结构后恢复荧光。当前实验中，实验组出现荧光恢复，非目标组保持较低背景，团队据此比较候选分子信标对目标与非目标序列的响应。03阶段 3先明确科学问题，再选择方法团队熟悉生物实验，但起初不熟悉机器学习的数据格式、特征工程和模型选择；有限的湿实验数据也促使团队调整最初的计算方案。由此形成的工作原则是先明确科学问题和可用数据，再选择合适的方法，并让实验与计算持续沟通、修正。项目证据项目图表与方法记录miR-AclE 项目海报海报呈现双通道 DNA 分子探针、外泌体捕获、miRNA 比值化检测与模型分析的整体方案。交叉特异性矩阵矩阵对角线信号高、非对角线信号低，记录不同分子信标对目标与非目标序列的响应差异。队伍影像 04:44
返回参赛队伍 项目名称miR-AclE基于 AI 优化的 DNA 逻辑网络与分子信标肿瘤精准诊断系统T1 医药健康miR-AclE分子信标荧光天津大学 ATCG 碱基互补配队做的是液体活检里的一个具体麻烦：不同样本中外泌体数量差异很大，只看单一荧光信号，很容易把「样本多」误认成「靶标多」。团队采用双通道比值化 —— 一个信号报告外泌体捕获量，另一个报告其中的 miRNA 丰度，用内部校准把误差消掉。队伍名称ATCG 碱基互补配队所属院校天津大学合成生物与生物制造学院
