方向一：计算与进化基因组学， 聚焦基因组组装、遗传变异与泛基因组等算法开发与应用 Development and application of algorithms for genome assembly and graph pangenomes

1） Genome Assembly  针对杂合二倍体、同源多倍体等复杂基因组，开发单倍型组装、Telomere-to-Telomere(T2T)组装算法，以获得高质量的柑橘、马铃薯等杂合二倍体或多倍体的完整单倍型序列。（Jiao et al., Genome Res. 2017; Sun et al., Nat. Genet. 2022; Xiao et a., Horti. Res. 2023）

2)   Graph Pangenome 基于图形泛基因组理论，开发快速、高效、经济的遗传变异分型算法，解决当前算法对植物复杂变异分型效果较差的难题，并应用于柑橘、马铃薯等杂合二倍体和多倍体园艺作物，以及玉米、小麦等大型基因组的各类遗传变异（SNP、Indel、SV）的分型。（Du et., Genome Biology 2024）。

3）Population Genomics 通过大规模鉴定植物基因组遗传变异，开发比较或进化基因组学算法（例如：共线性多态性Syntenty diversity、跨物种超级泛基因组），解析基因组进化机制和遗传变异功能效应。(Jiao et al., Nat. Communi. 2021；Jiao et., Mol. Biol. Evol. 2022; Du et al., Plant Communications 2024)。

方向二：大数据与人工智能生物学，聚焦园艺作物多组学大数据与智能设计育种 Multiomic  bigdata and AI-guided breeding for      horticultral crops

1) 马铃薯多组学与智能设计育种：通过组学算法的创新，如多倍体基因组单倍型组装、多倍体遗传变异识别与分型、多倍体GWAS & GS、多倍体基因组深度学习模型等，助力多倍体马铃薯种质资源基因型鉴定、功能基因挖掘、基因组智能设计育种等。

2) 园艺作物共性转录调控元件的挖掘与应用：综合利用转录组、调控组、单细胞和时空组学等多组学技术，挖掘园艺作物共性性状的调控元件和网络；开发深度学习模型，智能设计与优化调控元件。

3) 园艺大数据平台构建与维护：通过与本室其他课题组的合作，共同构建园艺作物多组学大数据整合分析与研究平台。