资源介绍
电子书）
电子书格式: epub + pdf
论文集由穆罕默德・阿尔塞尔、穆库尔・S・班萨尔等 11 位领域内知名学者联合编辑，收录了经过严格单盲评审的优质论文。会议共收到 75 份会议投稿，每份投稿至少经过两名评审专家审核，最终收录 15 篇扩展摘要用于口头报告和会后论文集出版。此外，会议还包含四个同期举办的研讨会，分别是下一代测序计算进展研讨会（CANGS 2025）、分子流行病学计算进展研讨会（CAME 2025）、单细胞组学数据分析计算进展研讨会（CASCODA 2025）和宏基因组学研究与应用研讨会（CAMeRA 2025），这些研讨会的演讲者受邀提交扩展摘要，经相同评审流程后，新增 11 篇摘要入选论文集。
论文集的核心内容覆盖生物医学计算的多个关键方向，呈现了该领域的前沿研究成果。在数据处理与算法优化方面，收录了多种高效计算方法与工具研发成果。例如，针对高维单细胞 RNA 测序（scRNA-seq）数据的降维问题，研究对比了主成分分析（PCA）与随机投影（RP）方法，发现随机投影在计算速度、数据变异性保留和聚类质量上均表现出色，为大规模单细胞数据分析提供了更优选择；DuoHash 框架通过预计算查找表策略，实现了间隔种子的高效哈希运算，在间隔 k-mer 计数任务中比现有工具提速最高达 11 倍；USTAR-CR 算法基于有色德布鲁因图的节点连通性原理，结合 k-mer 颜色的高效编码，实现了多 k-mer 集合的快速压缩，相比主流工具在压缩效率和内存占用上均有显著优势。
在生物分子结构与功能预测领域，研究成果聚焦蛋白质结构分析与基因功能挖掘。针对蛋白质侧链包装预测难题，研究人员基于 32,000 个蛋白质分子提取几何特征，构建随机森林模型，仅通过 Cα 轨迹即可实现蛋白质侧链构象预测，平均准确率达 73.7%，为蛋白质设计与功能解析提供了高效工具；在蛋白质三级结构预测方面，综述了无监督学习中的聚类技术，系统梳理了数据表示、相似性度量、聚类方法及评估指标等关键环节，并指出了子空间聚类、维度加权等未来研究方向；PPI-ARG-finder 管道通过分析蛋白质相互作用网络（PPINs）的拓扑特征，利用随机森林模型实现抗生素耐药基因（ARGs）的精准识别，平均精确召回曲线下面积达 88%，同时揭示了耐药基因与可移动遗传元件的关联模式。
医学应用与疾病相关研究是论文集的另一重点。在疾病关联预测方面，SNN-VGA 框架结合子图神经网络与变分图自编码器，通过蛋白质相互作用网络建模疾病模块，实现疾病共病对的高效预测，受试者工作特征曲线下面积（AUROC）达 0.96；针对微生物网络推断问题，提出基于变分近似的模型选择方法，适用于计数数据和比例数据，可有效识别稀疏微生物网络的数量及结构；MetaEdit 工具则填补了微生物组 RNA 编辑检测的研究空白，通过整合宏基因组和宏转录组数据，能够准确识别微生物群落中的 RNA 编辑事件，为肠道微生物组与疾病关联研究提供了新手段。
临床数据分析与应用研究同样亮点突出。研究探索了大型语言模型在临床记录生成中的应用，通过思维链（CoT）提示工程，结合国际疾病分类（ICD）编码和临床案例示例，引导模型生成符合临床规范的病历内容，其性能优于标准零样本提示方法；HP-PBWT 算法通过单倍型分块并行执行策略，实现了生物样本库规模数据的高效单倍型匹配，在英国生物银行数据中实现 4 倍提速，为大规模基因数据分析提供了高效解决方案；Mammo-Bench 数据集的构建则解决了乳腺 X 线影像分析中数据规模不足、格式不一的问题，该数据集整合 7 个优质数据源，包含 74,436 张乳腺 X 线影像和丰富临床元数据，经标准化预处理后，为乳腺癌检测的深度学习模型训练提供了高质量基准数据。
此外，论文集还收录了 keynote 演讲内容，四位知名学者分别围绕病毒分子流行病学的概念挑战、基因组图谱的算法与应用、生命功能特征的语言学习以及流行病预测的方法论流程等主题分享了前沿见解。会议的成功举办得到了佐治亚州立大学和美国国家科学基金会（NSF）等机构的支持，论文集的出版为生物医学计算领域的研究人员提供了宝贵的学术参考，也将进一步推动该领域的技术创新与成果转化。
本论文集以施普林格出版社的《计算机科学讲义》系列（LNCS）出版，采用印刷版和电子版双格式发行，ISBN 分别为 978-3-032-02488-6（印刷版）和 978-3-032-02489-3（电子版），相关代码和数据可通过指定 GitHub 仓库或联系作者获取，为研究的可重复性和进一步拓展提供了便利。Computational Advances in Bio and Medical Sciences