姚培根

面向功能多肽与潜在药物分子挖掘，承担数据处理、嵌入计算、模型训练评估及平台开发；数据库已部署并提供公开 API。

• 多源数据与特征资源：整合 5 个公共数据库，完成质控、去重、聚类与注释，构建约 10.8 亿条非冗余多肽资源；计算 ESM2 / ProtT5 序列向量，形成 8 TB预计算嵌入，以 PostgreSQL 管理元数据、HDF5 分片存储特征，支持批量访问与下游复用。
• 功能预测与模型评估：在 42 个实验表征数据集上比较蛋白质语言模型嵌入与 one-hot、k-mer 等传统特征，嵌入模型在 30 项任务中获得最高 AUC；构建多任务 MLP，同时预测 7 项理化性质。
• 抗菌肽候选挖掘：基于约 190 万条序列及 4 个教师模型训练序数回归学生模型，教师共识评分预测准确率 82.0%、Kappa 0.689；利用预计算嵌入，双 RTX 4090 在 16 小时内完成全库推理，筛得约 24.4 万条高共识评分候选抗菌肽。
• 在线平台与研发接口：开发多属性检索、序列详情、功能与理化性质展示及基因组邻域可视化；以 FastAPI、React 实现交互平台，通过公开 API 与 Python 工具包为外部分析流程提供序列、注释和嵌入访问。
• 项目成果认可：“面向生物医药智能研发的微生物短肽高质量数据集”拟入选 2026 年上海市行业高质量数据集案例（单位：上海市第一妇婴保健院；推荐单位：静安区数据局）。

平台：biosino.org/iMAC/miProbe　工具包：github.com/dfwlab/miProbe

围绕微生物—疾病—代谢物知识整合，开发文献抽取、图谱与证据问答原型，并通过领域实体识别微调优化知识获取能力。

• 文献知识抽取与治理：开发 PubMed / PMC 文献筛选、XML 解析与段落处理流水线，使用 LLM 抽取 4 类实体、7 类关系；结合结构化输出校验、原文证据核验及 MeSH / NCBI Taxonomy / ChEBI / GO 本体归一化，组织可溯源的 Neo4j 知识图谱。
• 图谱与文献协同智能体：实现“问题解析—图谱召回—文献检索—证据汇总”的受控流程，结合 FAISS 向量检索生成带文献出处的回答；开发疾病知识挖掘模块，由文献证据判定关联方向并导出先验知识集，探索 TTD 药物—靶点—疾病数据整合。
• 领域微调与效果验证：整合 CRAFT、Bacteria Biotope、BioRED 人工标注语料，完成 Llama 1B / 3B LoRA 微调，并与 DeepSeek Flash API few-shot 方案比较；在同一 298 条验证样本上，3B 微调模型相比于 DeepSeek API 少样本学习的 F1 score 63.41%，提高了 17.29 个百分点，达到 80.70%。