2025 Regeneron ISEF大奖-CBI计算生物学和生物信息学获奖作品汇总-2

最新官方消息！全球科创天花板赛事——国际科学与工程大奖赛（Regeneron ISEF），现已正式公布了2026年总决赛的举办时间和地点。这场汇聚全球青年创新力量的科技盛宴，将于2026年5月9日至15日，在美国亚利桑那州凤凰城会议中心（Phoenix Convention Center, Arizona）璀璨启幕。

2026ISEF赛事安排

参赛资格

年龄与年级：9-12年级学生（或同等学历），参赛时年龄不超过20岁。

地区选拔：必须通过附属赛（Affiliated Fair）晋级，无法直接报名。中国学生需先参加国内选拔赛（如青创赛、明天小小科学家等）。

团队项目：最多3人，所有成员需满足资格且共同参赛。

项目要求

原创性：项目必须由学生独立完成，允许在专家指导下进行，但不得代劳。

学科范围：涵盖21个学科类别，包括工程、生物、化学、计算机、环境科学等。

伦理限制：涉及人类、脊椎动物、病原体等研究需提前提交额外审查表（如ISEF Forms）。

关键文件与截止时间

ISEF表格：根据研究类型提交相应表格（如1C、2、3等），需在地区赛前完成审核。

摘要与研究论文：英文撰写，清晰描述研究目的、方法、结论。

地区赛截止：2026年3-4月

其他注意事项

展示材料：展板需符合ISEF尺寸要求（通常宽48英寸、深30英寸、高108英寸），禁止活体样本或危险品。

知识产权：部分研究可能需申请专利后再参赛，避免披露风险。

为了方便同学们更好的备赛，特别整理了ISEF-CBIO计算生物学和生物信息学2025的获奖作品方便学习

CBIO计算生物学和生物信息学获奖作品集合

CBIO013 - 双特异性抗体的计算建模

实体瘤是一种细胞生长失控的异常肿块，通常起源于乳腺、肺部或前列腺。其生理特性使得传统治疗方法难以治疗。在实体瘤中，B7H4受体在癌细胞表面过表达。这使得它成为癌症诊断和靶向治疗的重要靶点。DuoBody是一种双特异性抗体，其两部分抗体旨在靶向两种特定受体，并通过将T细胞引导至癌细胞来增强治疗效果，从而导致癌细胞凋亡。在本研究中，我研究的是B7H4受体（它在实体瘤中高表达）和CD3e受体（它在激活T细胞应答中发挥作用）。我假设这些DuoBody抗体可以通过诱导CAR-T细胞向癌细胞方向移动来靶向B7H4+实体癌细胞。我已经通过计算建模设计了一种针对癌症（B7H4受体）和CAR-T细胞（CD3e受体）的DuoBody抗体。最初，我使用 AlphaFold 3 网络服务器获取了受体的三维结构。抗体的三维结构从蛋白质数据库中下载。使用 HDOCK2.0 软件将下载的抗体与预测的受体结构进行对接。使用 GrASP 验证对接结果。根据分子对接模拟结果的目视检查、结合能和氢键相互作用来筛选抗体。PRODIGY 软件计算的结合能表明，抗体 4a6y 与 CD3e 受体结合紧密，1il1 与 B7H4 受体结合紧密。这项研究可用于药物开发，以设计靶向癌细胞的 Duobody。

CBIO019 - ProteinFlow - 识别新的二氧化碳固定微生物

气候变化对全球生态系统构成重大威胁。目前的缓解策略效率低下且成本高昂。生物解决方案，尤其是藻类，提供了一种有希望的替代方案。细长聚球藻 (SE) 已展现出相对于其体型和应对气候变化潜力而言卓越的碳捕获能力。尽管具有这种潜力，但很少有研究开展研究以识别具有相似或更优异碳捕获能力的其他细菌。\n\nProteinFlow 是一个计算工作流程，它利用有关 SE 中蛋白质途径的关键信息和生物信息学工具来发现新的碳捕获细菌，从而弥补了这一空白。\n\n在 SE 中捕获碳的代谢途径中有 7 种关键蛋白质，每种蛋白质都发挥着特定的功能。ProteinFlow 会将该代谢途径中的蛋白质与数百万种其他生物进行比较。然后，它会进行序列分析、系统发育分析和结构分析。这种三方面的方法在识别新生物时提供了统计、进化和功能支持。ProteinFlow 能够识别具有 SE 能力的新生物，并提供统计支持。 \n\nProteinFlow 鉴定出集胞藻 PCC 6803 和念珠藻 (Nostoc Punctiforme) 是能够捕获碳的细菌。这些细菌有潜力为气候危机提供更清洁、更高效的解决方案，其潜力甚至超过机械解决方案。本研究的下一步是在实验室环境中量化这些发现。\n\nProteinFlow 的优势在于它适用于任何涉及代谢途径中关键蛋白质的研究。它可以扩展到寻找能够降解塑料以及具有许多其他功能的细菌。

CBIO025 - 粗粒蛋白质的迭代反向映射

分子动力学 (MD) 模拟可以建模蛋白质在折叠和底物结合等关键过程中构象的变化。然而，像全原子模拟那样模拟每个原子，对于较大的蛋白质来说计算成本高昂。为了解决这个问题，粗粒化 (CG) 将原子分组为更少的“珠子”，从而减少了 CG 模拟中的自由度。然而，在模拟后将原子细节恢复到这些简化的低分辨率 CG 结构的反向映射仍然具有挑战性。目前的方法只能准确地从单个珠子代表一个氨基酸的 CG 结构进行反向映射，这限制了 CG 模拟的速度。本研究介绍了 StAIR，这是一个新颖的反向映射框架，它仅使用五个珠子就能成功地从低分辨率 CG 结构进行反向映射。与目前的一步法 CGVAE 不同，StAIR 使用了两种机器学习模型进行两次反向映射：第一次反向映射到更高的 CG 分辨率，第二次则恢复完整的原子细节。 StAIR 使用来自 eIF4E 和 SARS-CoV-2 PLpro 蛋白的真实全原子 MD 模拟数据进行训练，并与 CGVAE 进行评估，使用均方根偏差 (RMSD) 评估准确度，使用 Ramachandran 图评估重建质量，比较了每种结构的回溯映射和真实结构。总体而言，StAIR 在从五个珠子进行回溯映射时，RMSD 降低了 3 倍，比 CGVAE 的准确处理能力少了 10 倍，从而使模拟运行速度提高了 176 倍。添加第三步进一步提高了重建质量，这表明 StAIR 可以以类似的方式扩展以用于回溯映射更复杂的蛋白质。StAIR 可实现高效、生物学精确的模拟，使大规模蛋白质研究和基于结构的药物设计显著加快，并更易于实现。

CBIO033 - miRNA在肺癌检测中的应用

迄今为止，表达水平高度失调的microRNA (miRNA) 一直是疾病特异性生物标志物研究的重点。然而，miRNA 与其靶基因之间复杂的调控机制 [4,6]，以及目前尚无一个普遍认可的框架来设定倍数变化 (FC) 阈值以判断失调，这表明中等失调水平的 miRNA 可能仍包含具有临床价值的信息。因此，本研究验证了“低失调水平的 miRNA 可为肺癌 (LC) 诊断提供有用信息”这一假设。为此，我们构建了一个包含阳性组（LC 存在）和阴性组（LC 缺失）完整 miRNA 谱的数据集。将具有统计学意义的 miRNA FC 值分为三个失调范围，如下所示：高（HD）FC <= 0.5 或 FC >= 2.0，中等（MD）FC 在（0.5,0.9] 或 [1.1,2.0）之间，以及不显著（ND）FC 在（0.9,1.1）之间。使用 miRNA 表达水平作为特征，并在每个分类器中选择最具鉴别力的 50 个特征，构建用于 LC 诊断的随机森林二元分类器，三个 FC 范围各一个，产生以下分类准确率：（HD）高 99%，（MD）低 99%，（ND）92%。此外，基于为 HD 和 MD 类别分类器挑选的 100 个 miRNA 池，使用 K 均值聚类来分析这些 miRNA 的选定序列属性，以了解它们之间的关系。该聚类模型取得了最佳性能（基于惯性拐点），n值为31，表明所选miRNA之间存在跨类别序列相似性以及独特的、新颖的MD聚类。

ISEF历年获奖作品集&解析&资料免费下载⬇️