面向植物表达的密码子优化模型与推断工具产品系统

本项目面向植物分子生物学、生物制药及合成生物学领域，针对外源蛋白在本氏烟草等植物表达效率低、密码子偏好差异大、人工优化效率低等问题，构建基于深度学习的密码子优化与推断系统，实现蛋白序列到植物优化 CDS 的自动生成，并结合表达相关指标进行序列筛选，为重组蛋白、单克隆抗体及疫苗等植物表达研究提供智能化设计支持。

1、蛋白序列推断：输入蛋白氨基酸序列，自动生成适用于植物表达的优化 CDS；
2、密码子优化：学习植物宿主密码子使用偏好，提高目标序列表达潜力；
3、序列质量评估：结合 CAI、GC 含量、密码子频率等指标，对候选序列进行自动评估与排序；
4、多候选生成：支持生成多个优化方案，便于不同实验条件下进行比较和筛选；
5、模型推断服务：支持批量序列推断，可扩展 API 或 Web 服务，满足科研及企业研发需求；
6、数据管理：支持标准化数据处理、模型训练及推断结果管理，方便后续实验验证与模型迭代。

负责项目整体方案设计、数据处理、模型训练及推断系统开发，基于 Python 与 PyTorch 构建植物密码子优化模型，完成数据清洗、训练集构建、模型微调、推断流程及序列质量评估模块开发，并结合 CAI、GC 含量等规则实现多候选序列筛选与排序。项目采用模块化架构设计，支持后续 API、Web 服务及 Docker 部署，可作为植物表达序列设计与智能优化平台持续扩展。