多模态对齐
Multimodal Alignment
研究配对、非配对及复杂异构条件下的多模态表示学习，实现细胞数据整合、缺失模态插补与跨域泛化。
- Heterogeneous integration
- Cross-modal imputation
Senior Researcher · Tencent
唐振超 Zhenchao Tang
让人工智能理解跨尺度的生命系统，
并沿着科学发现的轨迹持续进化。
Multimodal Alignment
AI for Science
LLM Post-training
青云计划
腾讯生命科学实验室
01
About
从算法方法到生命科学问题，
构建可扩展的智能研究范式。
我是唐振超，现任腾讯生命科学实验室高级研究员（青云计划）。本科毕业于华中科技大学，博士毕业于中山大学，师从现任北京大学教授 Calvin Yu-Chian Chen（陈语谦）。
我曾入选 2024 年腾讯犀牛鸟精英人才培养计划（全国 50 人）并加入腾讯 AI Lab 实习；同时入选中国科协青年人才托举工程博士生专项计划，由中国人工智能学会托举。我的工作关注跨模态、跨尺度生物信息的统一建模，以及以实验与推理轨迹拓展通用模型的科学能力边界。
02
News
最新动态
Research, papers & ongoing projects
-
🔥 正在参与 WorkBuddy 的开发，构建支持 Auto Science 研究的 Buddy 生态。
-
Preprint PertMind 发布：以细胞扰动实验终点作为可验证奖励，激发大模型可迁移的生物学推理能力。
-
Accepted scProtoTransformer 被 Science Advances 接收：实现跨分子、细胞和个体的可扩展参考映射。
-
Accepted scTransMIL 被 Nature Communications 接收：连接患者级疾病状态与单细胞转录组。
-
Published Modal-NexT 发表于 Information Fusion，面向复杂异构细胞数据的统一整合。
-
Preprint Aligning LLMs with Biomedical Knowledge using Balanced Fine-Tuning 发布，探索以数据组织与平衡后训练增强模型的生物医学能力。
-
Honor Modal-nexus auto-encoder 获深圳市科协第四届优秀科技学术论文，并受邀第二届“粤港澳”大湾区博士生论坛。
03
Research
三个相互连接的研究支点
从数据对齐与表征学习出发，走向可预测、可干预、可迭代的科学智能。
AI for Science
Virtual Cell & Molecular Design
连接分子、细胞与个体尺度，探索虚拟细胞、扰动响应建模及分子设计，让模型从“描述生命”走向“预测与设计生命”。
- Multi-scale representation
- Perturbation & design
科学大模型后训练
LLM Post-training for AI4S
围绕生物医学知识、科学推理与实验反馈组织训练轨迹，通过中期预训练、后训练与强化学习扩展 LLM 的科学发现能力。
- Biomedical knowledge alignment
- Scientific reasoning trajectories
04
Publications
代表性论文
Selected first-author works on multimodal learning and computational biology.
01
Nature Communications · 2024
Modal-nexus auto-encoder for multi-modality cellular data integration and imputation
以模态枢纽连接配对与非配对数据，在统一框架中完成多模态细胞整合及缺失观测插补。
IF 15.7中科院 1 区 Top深圳市科协优秀论文
02
Nature Communications · 2026
scTransMIL Bridges Patient-Level Disease States and Single-Cell Transcriptomics for Cancer Screening and Heterogeneity Inference
以多实例学习把个体级疾病状态逐层传播至细胞与分子尺度，连接癌症筛查和单细胞异质性解释。
AcceptedIF 15.7中科院 1 区 Top
03
Science Advances · 2026
scProtoTransformer: Scalable Reference Mapping Across Molecules, Cells and Donors
沿蛋白质、基因、通路、细胞到个体的生物层级进行原型压缩与映射，建立可扩展的多尺度表征。
AcceptedIF 13.9中科院 1 区 Top
In submission
正在推进的科学大模型与 AI4S 工作
01
Aligning LLMs with Biomedical Knowledge using Balanced Fine-Tuning
Zhenchao Tang et al. · NeurIPS 2026 submission
通过平衡微调缓解通用能力与生物医学知识之间的遗忘—学习冲突，探索 AI4S 轨迹驱动的大模型能力扩展。
arXiv ↗
02
PertMind: Eliciting Emergent Biological Reasoning in LLM via Reinforcement Learning on Cellular Perturbation Data
其他一作论文
Other first-author publications-
01
↗
Weakly Supervised Posture Mining for Fine-Grained Classification
CVPR · 2023 CCF-A
-
02
↗
Modal-NexT: Toward Unified Heterogeneous Cellular Data Integration
Information Fusion · 2026 IF 15.5 · 中科院 1 区 Top
-
03
↗
Knowledge-Based Inductive Bias and Domain Adaptation for Cell Type Annotation
Communications Biology · 2024 IF 5.2 · 中科院 1 区 Top
-
04
↗
DSIL-DDI: A Domain-Invariant Substructure Interaction Learning for Generalizable Drug–Drug Interaction Prediction
IEEE TNNLS · 2023 IF 10.4 · 中科院 1 区 Top
-
05
↗
Comprehensive View Embedding Learning for Single-Cell Multimodal Integration
AAAI · 2024 CCF-A
05
Journey
学习与研究经历
从计算机视觉的领域不变表征，走向多尺度生命系统建模。
华中科技大学
本科 · 计算机科学基础与深度学习
中山大学
博士 · 多模态学习与计算生物学
腾讯 AI Lab
犀牛鸟精英人才计划 · 单细胞与个体级表征
腾讯生命科学实验室
高级研究员（青云计划）· Virtual Cell & AI4S Agents
Selected Honors
以持续探索回应复杂问题
- 中国科协青年人才托举工程博士生专项计划
- 腾讯2024 犀牛鸟精英人才培养计划（全国 50 人）
- 中山大学2024 博士研究生国家奖学金
Let’s explore what’s next.