科研简介: 一、单细胞数据建模与分析: 1.单细胞多模态数据整合建模:研究如何整合不同组学的单细胞数据,构建综合模型以揭示细胞的多样性和功能。 2.细胞发育轨迹推断:探索单细胞数据中的动态变化,推断细胞的发育轨:拖赴嘈妥涞墓。 3.细胞干性分析:研究细胞的干性特征和干细胞功能,揭示其在组织发育和疾病中的作用。 4.细胞类型注释:开发机器学习、深度学习算法对单细胞数据中的细胞类型进行注释和分类。 5.动力学建模分析:构建动态模型来分析细胞系统中的时间序列数据,揭示细胞动力学过程。 6.时空组学数据分析:研究整合时空信息的单细胞组学数据分析方法,揭示组织和器官的动态特征。 二、大数据分析与人工智能算法开发: 1.人工神经网络架构设计:设计和改进人工神经网络的架构,提高其在生物信息学中的应用效果。 2.基于深度学习的生物医学图像建模:利用深度学习算法,研究和开发用于生物医学图像分析和建模的方法。 3.Linux高性能加速集群架构:研究和优化在Linux集群上进行高性能生物信息学数据处理和分析的架构和算法。 三、生物信息学分析软件与流程开发: 1.关联分析模型:开发和应用关联分析模型,揭示基因、变异、表型、疾病之间的关联关系。 2.经典生物信息分析流程:开发和优化转录组、基因组、微生物组等经典生物信息学分析流程,提供高效准确的数据处理和分析方案。 |
代表性论文: 1. Meng R, Yin S, Sun J, Hu H*, Zhao Q*. scAAGA: Single cell data analysis framework using asymmetric autoencoder with gene attention. Comput Biol Med. 2023 Oct;165:107414.(中科院数学与计算生物学1区,IF=6.698,通讯作者) 2. Hu H, Feng Z, Lin H, et al., Identifying SARS-CoV-2 infected cells with scVDN, Front. Microbiol., 2023 Jul 10;14:1236653.(中科院生物学2区top,IF=6.064) 3. Hu H, Feng Z, Lin H, et al., Gene function and cell surface protein association analysis based on single-cell multiomics data, Comput. Biol. Med., 2023 Mar 1(中科院数学与计算生物学1区,IF=6.698,Highly Cited Paper) 4. Hu H, Feng Z, Lin H, et al., Modeling and analyzing single-cell multimodal data with deep parametric inference, Brief Bioinform., 2023 Jan 19;24(1):bbad005.(中科院数学与计算生物学1区,IF=13.994) 5. Hu H, Liu R, Zhao C, et al., CITEMOXMBD: A flexible single-cell multimodal omics analysis framework to reveal the heterogeneity of immune cells, RNA Biol, 2022 Jan;19(1):290-304.(中科院生物学3区,IF=4.766) 6. Liu R, Hu H, McNeil M, et al., Dormant Nfatc1 reporter-marked basal stem/progenitor cells contribute to mammary lobuloalveoli formation, iScience, 2022 Feb 26;25(3):103982. (中科院综合性期刊2区,IF=6.107) 7. Hu H, Zhang L, Ai H, et al., HLPI-Ensemble: Prediction of human lncRNA-protein interactions based on ensemble strategy, RNA Biol., 2018;15(6):797-806.(中科院生物学3区,IF=4.766) |