我是海南比勒费尔德应用科学大学24级计算机科学与技术专业的陈思言。在复旦大学生命科学学院实验室实习期间，我将计算机技术与生命科学研究相结合，完成了一次兼具技术提升与认知深化的实践探索。

本次实习项目以作物基因表型精准预测为核心目标。我们的核心研究逻辑是：不同样本中SNP的表达差异是驱动作物表型分化的关键因素，因此可通过机器学习模型建立基因与表型的映射关系，实现从基因数据到表型的直接预测，为种子阶段的精准筛选提供技术支撑。

在项目实施中，我主要完成了以下工作：

数据处理阶段

对表型文件进行系统性清洗与标准化处理，为后续模型训练提供高质量数据基础。

02 模型搭建阶段

遵循“先复现验证，再创新构建”的思路，先在cfff平台服务器上复现MNIST数字预测模型以完成技术验证；随后搭建针对作物基因表型预测的网络，核心设计围绕“基因特征重建+表型预测联动”展开：

1. 以SNP状态矩阵为输入，通过编码器将高维基因杂合态数据映射至低维隐藏空间，学习基因表达的潜在特征；

2. 通过解码器完成基因杂合特征的重建，验证特征提取的有效性；

3. 将隐藏层核心特征串联至专用解码器，针对标准化表型数据优化结构，经全连接层映射至表型特征维度，最终实现“基因输入-特征提取-表型输出”的端到端预测。

经多轮参数调优与迭代，成功搭建稳定高效的预测模型。

总结与感言

这段经历让我深刻认识到：基因表型预测并非简单的算法堆砌，而是从数据预处理到模型迭代的严谨科学过程。我也完成了从只关注代码实现的技术执行者，到能结合生物学逻辑理解数据意义的问题解决者的转变。

实习期间，我不仅将专业知识付诸实践、巩固了技术基础，更在与师兄师姐的交流协作中体会到团队学习的重要性。未来我将带着这些感悟继续深耕，在跨学科领域不断探索进取。