RNA分子并非以单一、固定的结构形式存在，而是在不同条件、不同生命过程形成由多种构象组成的动态结构集合。RNA结构的异质性和动态变化与基因表达调控及疾病发生发展密切相关。传统的利用化学探针探测RNA结构的方法仅能获得RNA的平均结构信息，难以解析同一RNA分子群体中不同结构构象及其动态转换过程。因此，发展能够在单分子和单碱基分辨率下解析RNA结构异质性的新方法，对于深入理解RNA结构及其功能具有重要意义。 

单分子荧光共振能量转移（smFRET）技术，如同一双能够在纳米尺度上实时观测生物大分子“运动”的眼睛。它能捕捉蛋白质和核酸在行使功能时的构象变化，揭示那些被传统“集体照”（系综平均）所掩盖的稀有状态和动态过程，已成为分子生物学研究的关键利器。 

大脑新皮层（Neocortex）由数量庞大、类型多样的神经元和胶质细胞组成，这些细胞主要来源于放射状胶质前体细胞（Radial Glial Progenitor，RGP）。在大脑新皮层发育过程中，RGP依次经历增殖、神经发生和胶质发生，随后逐渐耗竭。RGP谱系发育的速度和持续时间直接影响其子代细胞的数量和组成。因此，阐明神经前体细胞如何控制“发育时间”，对于理解大脑新皮层的发育规律具有重要意义。核因子I（Nuclear Factor I，NFI）家族转录因子与人类大脑新皮层发育异常密切相关。部分NFI基因剂量不足或功能缺失与患者头围增大相关，而NFI基因拷贝数增加可与小头畸形相关。然而，NFI基因表达异常为何产生相反的大脑新皮层发育表型，此前并不清楚。 

当今生命科学研究中，以高时空分辨率捕捉活细胞精细结构的三维动态，是解析复杂生命过程的重要基础。光片显微镜兼具高速、低光毒和三维成像优势，但空间分辨率仍受衍射极限制约。如何进一步突破光片显微成像的空间分辨率瓶颈，实现亚细胞尺度的三维动态观测，是深入揭示生命活动规律的关键。

细菌素是一类由细菌产生的具有杀菌活性的蛋白质，通常能杀死近缘竞争菌株。这一特性使得其具有工程化改造为杀菌剂的潜力。其中，噬菌体尾样细菌素（PTLBs）的结构与噬菌体尾部相似，因而备受关注。PTLBs可分为刚性、可收缩的R型，以及柔性、不可收缩的F型。针对铜绿假单胞菌（Pseudomonas aeruginosa）产生的R型pyocin的研究已经相对深入，而F型pyocin的组装机制、杀菌机制等仍旧不明。

玻璃体是人眼中的透明凝胶状结构，约98%的体积由水组成，透明、柔软且几乎无形。然而，在这看似简单的组织中，隐藏着一套精密的蛋白质骨架——胶原纤维。这些直径仅十余纳米的纤维相互交织，与多糖透明质酸共同构建三维网络，将大量水分稳定于凝胶体系中，赋予玻璃体透明性、黏弹性和机械强度。可以说，胶原纤维是维持玻璃体结构和力学特性的核心支柱。

冷冻电子断层成像技术（cryo-ET）结合子断层平均（STA）技术，是原位结构生物学的关键技术。然而，根据EMDB统计，cryo-ET每年仅贡献约10%的电镜结构。现代化高分辨cryo-ET数据处理流程含多个步骤，每个步骤均有多个软件和参数需要筛选和反复试错，导致每个实验室都需要搭建自己的数据处理方案，且目前主流软件生态体系由欧美团队主导。 

随着抗生素耐药问题日益严峻，噬菌体凭借高度特异的宿主识别特性，成为精准抗菌策略的重要研发载体。噬菌体在细菌群落中存在激烈的生存竞争，目前学界已大量报道细菌编码的胞内抗噬菌体防御系统，但噬菌体自身在宿主细胞膜表面保护子代病毒的竞争机制仍缺少系统解析。传统基因筛选手段更易富集胞内、溶原期表达的抗性因子，往往会忽略侵染过程中结合宿主膜受体的噬菌体膜蛋白，相关表面防御通路长期存在研究空白。

蛋白质适应度用于量化单个氨基酸突变对蛋白质功能改变与表型修饰的诱导程度，是探究生物学机制、开展理性蛋白质设计以及酶工程改造的重要基础。尽管深度突变扫描是蛋白质适应度精准检测的标准实验方法，但其高耗时、高劳动力成本以及对特定实验检测体系依赖的特点阻碍了其在高通量评估中的应用。为解决这一问题，蛋白质语言模型已逐渐发展成为预测蛋白质适应度的重要计算方案。然而，蛋白质语言模型为何能够预测适应度、为何模型越大并不总能带来更优的性能，以及在何种条件下可以使用大模型进行预测，长期以来仍有待解析。

药物-药物相互作用（Drug-Drug Interaction, DDI）与药物-靶点相互作用（Drug-Target Interaction, DTI）的准确预测对于医学临床决策支持和药物研发具有重要的指导意义和现实价值。一方面，药物分子与生物体内靶点结合的微观机制往往是联合用药产生临床毒副作用或协同疗效的前置条件；另一方面，随着图神经网络和大语言模型等先进人工智能技术的演进发展，如何在生物医学数据中精准捕捉药物-药物与药物-靶点的相互作用模式，已逐渐成为现代计算药物设计的核心范式。然而，长期以来DDI与DTI的预测任务多处于分立的发展状态，在一定程度上忽视了两者在生物学机制与算法设计上的内在联系。