01 / 项目档案
从问题、方法到可验证结果。
每个项目都围绕真实问题展开，以可复现的方法与证据交付可验证的改进。
系统结构与证据图
Protein Language Models · ESM-2 · ProtT5 · SENet · Deep Learning · Web Server · Drug DiscoverySENET-AOP：基于蛋白质语言模型的抗氧化蛋白智能预测
WEB
基于 ESM-2、ProtT5 与 SENet 的抗氧化蛋白预测框架，配套 Web Server，用于药物发现中的候选靶点优先级判断。
- 我的角色
- 第三作者；个人贡献包括 Methodology、Software、Validation、Visualization，即方法/算法实现、软件与 Web Server 开发、实验验证和结果可视化。
- 核心问题
- 如何结合蛋白质语言模型表征与深度学习结构，提高抗氧化蛋白识别和候选靶点筛选的效率？
- 方法
- 融合 ESM-2 与 ProtT5 的蛋白质序列表征，采用双分支 CNN-SENet 结构进行抗氧化蛋白分类与目标优先级分析。
- 关键结果
- 论文发表于 European Journal of Medicinal Chemistry 314 (2026): 118945，DOI：10.1016/j.ejmech.2026.118945。材料记录为 SCI、中科院药物化学1区、IF 6.7。
项目 PROJECT
3 项记录
独立研究原型开发；负责模块实现、YOLO11 接入实验与基础验证。
PyTorch, Torchvision, Deformable Convolution, Attention, Ultralytics YOLO11, Computer Vision, Model Compression
README 记录了最小测试、YOLO11 配置接入与已知边界。当前是 Experimental / Research Prototype，不表述为完整 DCNv4、严格的 depthwise deformable convolution 或已全面优于标准卷积。
队长；负责桌面交互、规则与状态管理、MCTS、CNN 估值和实验工具整合。
Python, PyTorch, CNN, MCTS, Tkinter, Self-play
关联成果：安徽省大学生计算机博弈大赛二等奖。README 同时记录 GUI 固定尺寸、主线程搜索可能短暂无响应等限制。