研究方向

Ø   生物大数据整合分析及挖掘。高通量测序数据（DNA测序，RNA测序，甲基化测序等）分析及UK Biobank、TCGA、ENCODE、GTEx等大型数据库资源的深度学习及挖掘。近期部分成果：利用癌症基因组图谱（The Cancer Genome Atlas，TCGA）数据库33种癌症组织超过10000个样本的多组学数据，系统分析了小核仁RNA（snoRNA）在癌症中的表达量和临床相关性（Cell Reports，2017，封面文章），系统分析了SNP对miRNA功能的影响（Human mutation, 2012 ; Nucleic acids research，2025; 引用>250次），SNP对lncRNA功能的影响（Nucleic acids research，2023 高被引论文）。

Ø   多物种、多组学数据库构建。开发了iFish（Nucleic Acids Research，2025）、Animal-APAdb（Nucleic Acids Research，2021）、Animal-ImputeDB（Nucleic Acids Research，2020）Animal-eRNAdb（Nucleic Acids Research，2022）、Animal-SNPAtlas（Nucleic Acids Research，2023）等数据库，为多种动物基因组、转录组、表观组学研究提供了重要数据资源。

Ø   多组学人工智能方法研究和应用。开发了基于领域自适应的药物反应预测框架TRANSPIRE-DRP，利用无监督领域适应技术，桥接了患者衍生异种移植物（PDX）模型与临床患者肿瘤数据之间的生物学差异，为个性化药物反应预测提供了有效的解决方案（Journal of Translational Medicine，2025）；开发了可解释的表征学习框架IMVRL-GCN，利用图神经网络（GNN）整合多视图数据，有效捕获共享和特定表征，为癌症基因识别提供了重要见解（Briefings in Bioinformatics，2024）。提出了一种基于元路径聚合多层图嵌入的miRNA-疾病关联预测模型，通过整合miRNA与疾病的多重相似性，显著提升了预测效率（IEEE International Conference on Bioinformatics and Biomedicine，2023）。

Ø  “干湿”结合进行遗传变异功能解析。通过生物信息学、分子流行病学、分子生物学等技术预测及验证遗传变异的功能，鉴定了多个结直肠癌相关的风险位点并阐述其潜在的生物学机制（Annals of oncology，2018）、（European journal of cancer，2018）、（Molecular carcinogenesis，2017）。