美国加州大学河边分校的姜涛教授作了题为"通过基因组重排计算直系同源基因的分配"的报告。他首先介绍了直系同源基因的概念和研究直系同源基因的重要性，指出其在分子进化分析、蛋白质结构及功能预测、功能域确定、代谢及信号转导途径重建等诸多方面所起到的关键作用。然后姜教授对现有的一些分配直系同源基因的方法，如BBH、COG、INPARANOID、ORTHOMCL、TOGA等，进行了简要的回顾，重点评述了它们各自的优缺点。这些已有软件的一个共同特点就是都主要依靠序列相似性信息，没有考虑基因在基因组上的具体位置。姜教授认为，一套完备的直系同源基因分配体系还应该综合利用分子进化的信息，包括局部的突变和全局范围的重排。直系同源可能对应于最简约的重排方式，根据这个思想，姜教授将问题用数学语言表达成为两个基因组复制基因之间反向带号距离（SRDD）的问题，这是一种在过去文献中没有出现过的全新思路。姜教授进一步提出了解决SRDD问题的算法途径，包括将其优化成的最小共同分割（MCP）和最大循环分解（MCD）问题。根据这些算法，姜教授及其领导的小组开发了一套高通量基因组层面上分配直系同源基因的系统，命名为SOAR，并用模拟数据和来自人、小鼠、大鼠X染色体的实际基因组序列数据对其进行了测试。与INPARANOID软件相比较，发现两者虽然使用的是完全不同的方法，但殊途同归，它们的结果非常接近，SOAR的灵敏度略高于INPARANOID。姜教授最后还就如何进一步改进该方法提出了一些设想。
日本大阪产业大学电机工程与电子系的陈洛南教授作了题为"细胞系统中基因调控网络的建模"的报告。他首先回顾了人工合成基因网络的发展历史，阐明在DNA水平上对细胞调节进行控制的必要性。考虑到传统的还原论结合反向工程的方法，因为数据量不够多的缘故而比较难于进行，陈教授倡议一种正向工程（Forward Engineering）的手段，直接从最简单的形式入手构建系统模型。根据这个思想，陈教授使用泛微分方程（FDE）作为数学模型构建了一些低等生物，如酵母、大肠杆菌的基因调控网络，并且综合考虑了各种"噪音"干扰。
北京大学生物信息中心的罗静初教授作了题为"水稻基因组的复制和DNA片断丢失及其对二倍体形成的影响"的报告。他指出，许多目前从分子遗传学和细胞遗传学上被认为是二倍体的高等植物种类，在古代其实都是多倍体的，水稻也是如此。最近郝柏林院士的学生王希胤及其同事，以及美国和比利时的科学家都在开展水稻基因组重复序列的研究。采用共线性方法，发现水稻基因组中有两次大规模复制事件发生，时间分别是7000万和500万年前；然后随之发生了重复片断的DNA丢失和DNA重排，从而导致二倍体型的最终形成。
南京大学生命科学院的王进教授作了题为"Annexin V导向的抗凝融合蛋白设计与模拟"的报告。该项工作的目的，是要构建一个融合蛋白，具备活化血小板导向性和抗凝血酶双重功能，以达到高效、安全的抗凝目的。设计的原则是要兼顾弹性与柔性，确保上述两项功能都不丢失；蛋白质之间融合连接方式的设计，必须考虑动力学效应。由于Annexin V对暴露于活化血小板表面的磷酯酰丝氨酸具有高亲和性，而水蛭素是迄今发现的对凝血酶最强的天然抑制物，所以可以将Annexin V与水蛭素C－末端抑制凝血酶肽段相连接构成融合蛋白分子。根据这个思路，王教授领导的小组构建了一系列融合蛋白，并对它们进行了动力学分析。
清华大学自动化系/生物信息学教育部重点实验室的张学工教授作了题为"再看高通量表达数据的机器学习分析"的报告。作为机器学习方法的重要一部分，张教授重点解析了如何使用统计和分类的方法分析癌症基因组的生物芯片数据。摆在我们面前的任务有两个：一是开发出诊断工具；二是对其生物学意义有更加深入地理解，找出疾病或疾病亚型的分子机理。常用方法有两大类：一种是过滤加分类的两步法；另一种是封装（wrapper）这种基于递归的方法。张教授以递归支持向量机（R-SVM）为例，重点介绍了后面一种方法，及其在白血病基因芯片数据分析中的应用。
最后，美国默克制药公司的陈荣华博士作了题为"应用计算基因组学和芯片技术发现基因"的总结性报告。他首先让大家对新药开发的艰巨程度有了更加清醒的认识。在美国，一个新的药物要想获得批准进入市场，必须经过临床前严格的检测及临床I、II、III期实践检验，这个过程通常需要12年，耗资8亿美元。随着后基因组时代的到来，一方面我们已经积聚了大量的基因组数据，另一方面生物信息学算法和数据库也取得了很大的进展，这就为计算基因组学在药物开发方面大显身手创造了条件。运用计算基因组学，可以解析基因结构和功能，找出可能作为药物靶点的基因表达产物，同时研究基因之间的相互作用；但这也面临着巨大的挑战，包括海量序列数据、人类基因组以及基因功能的复杂性等。陈博士就利用计算基因组学方法进行基因识别作了详细地介绍。他所领导的小组开发了一套高通量基因组分析流程，用来创建综合的基因模型目录，然后使用芯片技术对用计算方法找到的基因加以验证，对于特别感兴趣的基因，则优先进行实验验证，并评估其作为潜在药物靶点的作用。
