信息来源：中国人民大学数学学院 发布日期：2026年4月16日

编者按

人大数学学院的青年教师们，既承前辈学者的严谨治学之风，深耕基础研究、勇探交叉领域，让数学之韵在创新中生生不息；亦怀新时代教育者的开阔视野，以趣味化表达拆解知识壁垒，用个性化引导点亮学生理想。

“数韵风华·青年说”将透过文字，捕捉青年教师在科研与教学中的闪光瞬间，感受数学之美与青春之力的碰撞，见证他们如何以初心育桃李、以匠心赴前程。

在数学与生命科学不断交汇的当下，数据与算法正成为理解复杂生命系统的重要工具。青年学者董康宁深耕生物信息学与人工智能交叉领域，从数学建模出发，走向空间转录组学等前沿方向，在真实生物问题中不断检验与发展算法方法。围绕空间结构解析与多切片数据整合等关键问题，他持续推进图神经网络等技术的应用与创新，在复杂数据中探寻生命组织的内在规律。以理性的推演回应生命的复杂性，他以持续探索回应未知，也在跨学科的边界上开辟新的可能。

从数学出发：走向生命科学的交叉探索

“本科学习基础数学时，我逐渐对数据分析和计算机应用产生了浓厚兴趣。”回望起点，董康宁的转向并非一蹴而就，而是在兴趣驱动下的自然延伸。保研至中科院后，在张世华研究员的指导下，他正式进入生物信息学领域，也由此开启了跨学科探索的第一步。

真正的转折发生在2020年。一次与中科院基因组所团队合作研究涡虫再生机制的经历，让他切身感受到传统方法的局限。“当时我们发现，经典聚类方法难以有效利用空间信息。”他回忆道。面对这一问题，团队引入图神经网络，开发新的分析算法，使数学模型能够更贴近生物组织的真实结构。“那一刻，我真正感受到，数学不仅可以解释世界，也可以回应生命科学的具体需求。”

此后几年，董康宁团队在空间转录组学方向持续深耕，取得了一系列具有影响力的成果。其提出的 STAGATE 算法（发表于 Nature Communications，引用已超700次），基于图注意力自编码器，有效提升了空间聚类结果与真实组织结构的一致性；随后发展的 STAligner 算法（引用超130次），进一步实现了多切片数据的整合分析，为三维空间重构提供了关键技术支撑。

但这些成果背后，并非一帆风顺。“最大的挑战其实是算法的泛化能力。”董康宁坦言，早期模型在不同数据集上的表现并不稳定。为了解决这一问题，团队花费半年时间不断迭代优化，并与生物学研究者反复讨论验证路径，最终通过扎实的生物学证据说服了审稿人，也让方法更加稳健可靠。

在教学之中：拓展科研问题的研究边界

步入独立科研阶段后，董康宁的研究边界并未止步于既有方向，而是在科研与教学的互动中不断延展。入职第一年，他将大量精力投入课程建设。在《机器学习》课堂上，与学生的讨论与碰撞，意外激发出新的研究灵感，逐渐发展为一个关于“聚类集成学习的多尺度一致性优化”的研究框架。“教学反哺科研，是一个很惊喜的收获。”他说。这种双向促进，也让他的研究视角更加开放而富有层次。

相比技术难题，科研过程中的心理波动同样值得被正视。博士期间的一次投稿经历，让董康宁印象深刻——审稿人提出需对算法流程进行大幅修改，这意味着几乎所有实验结果都要推翻重做。“当时确实有些低落，甚至会有抵触情绪。”他坦言。转变来自导师的一次耐心交流。导师用一个下午时间，逐条梳理审稿意见，帮助他重新理解同行评审的意义。“审稿人愿意花时间提出具体建议，本身就是对工作的重视。”从那以后，他逐渐将修改视为推动研究成熟的重要环节，建设性的批评，不是阻力，而是科研走向严谨与完善的必经之路。

面向未来3至5年，董康宁将目光投向更具挑战性的交叉领域：一是跨物种进化视角下的组学数据分析，探索不同生命系统之间的共性规律；二是尝试将代数拓扑方法引入单细胞三维基因组研究，以新的数学工具刻画复杂空间结构。“科研的本质是探索未知。”他说，“而对生命复杂性的敬畏，正是我持续前行的动力。”

谈及科研成长，董康宁给出了几条简洁而务实的建议。在他看来，好的研究往往始于一个扎实的问题意识。选题上，应尽量聚焦具体且可验证的科学问题，真正找到尚未被解决的研究空白，而不是停留在宏观而模糊的方向判断。在论文写作中，他强调“读者导向”的重要性——不仅要表达清楚思路，更要让图表具备自解释能力，使读者在最短路径内理解工作的核心贡献。而在科研心态上，他认为精益求精尤为关键，需要不断追问：所做的工作，是否真正回应了最初的问题，是否在已有基础上实现了实质性的推进。

代表作：

[1] Deciphering spatial domains from spatially resolved transcriptomics with an adaptive graph attention auto-encoder（Nature Communications, 2022）

[2] Integrating spatial transcriptomics data across different conditions, technologies and developmental stages

（Nature Computational Science, 2023）

[3] Spatiotemporal transcriptomic atlas reveals the dynamic characteristics and key regulators of planarian regeneration

（Nature Communications, 2023）

[4] Network diffusion for scalable embedding of massive single-cell ATAC-seq data（Science Bulletin, 2021