优化总论：无约束/约束问题形式化、局部与全局极小、凸性概览及 ML 训练循环中的优化地图。

单细胞转录组数据分析全流程（每步目标）及在外泌体/EV 研究中的应用场景；与 bulk EV 组学衔接与局限。配图：全流程图 1、应用场景图 2。

面向零基础的初学者，用通俗语言介绍蛋白质组学从样品到质谱、从搜库到差异分析与富集的全流程；并说明外泌体蛋白组有哪些额外注意点。

RLHF 流程、奖励模型、PPO 中 KL 惩罚、DPO 目标及参考策略约束的信息论解读。

f 散度族、JS 散度、反向 KL 与 GAN/VAE 中的散度选择及对称性与训练稳定性。

互信息 I(X;Y) 的定义与性质、InfoNCE 损失、SimCLR/MoCo 对比学习框架及特征表示学习中的用法。

外泌体蛋白组（LC-MS/MS）分析平台的模块划分、标准流程、EV 标志物与污染蛋白 QC、无标记定量、差异分析与多组学衔接；各模块问题、主流方法与难点。

语言模型的 token 级交叉熵、Perplexity 定义与解读、与 bits-per-character 及酶/蛋白 LM 评估的关系。

最大熵原理、指数族、Softmax 作为最大熵分布的推导及温度参数与采样策略。

外泌体转录组（以 sRNA-seq/miRNA-seq 为核心）分析平台的模块划分、标准流程、各步骤要解决的问题、主流工具、技术难点与交付物；兼及可选 mRNA 片段分析。