職稱：副研究員（校聘）/碩士生導(dǎo)師

學(xué)歷：博士研究生

電子郵件：huanhu@fzu.edu.cn

研究方向：生物信息學(xué)、人工智能、生物醫(yī)學(xué)大數(shù)據(jù)、深度學(xué)習(xí)

研究生招生專業(yè)：085410人工智能（計(jì)算機(jī)與大數(shù)據(jù)學(xué)院）、083600生物工程、077700生物醫(yī)學(xué)工程、086001生物技術(shù)與工程

教育工作經(jīng)歷：

2023年7月-至今：beat365在線體育官網(wǎng)，beat365在線體育官網(wǎng)，碩士生導(dǎo)師

2018年9月-2023年7月：廈門大學(xué)，物理科學(xué)與技術(shù)學(xué)院，博士

2015年7月-2018年9月：遼寧大學(xué)，生命科學(xué)院，碩士

2011年7月-2015年9月：遼寧大學(xué)，生命科學(xué)院，本科

教學(xué)簡介：暫無

本科生課程：暫無

研究生課程：暫無

科研簡介：

一、單細(xì)胞數(shù)據(jù)建模與分析：

1.單細(xì)胞多模態(tài)數(shù)據(jù)整合建模：研究如何整合不同組學(xué)的單細(xì)胞數(shù)據(jù)，構(gòu)建綜合模型以揭示細(xì)胞的多樣性和功能。

2.細(xì)胞發(fā)育軌跡推斷：探索單細(xì)胞數(shù)據(jù)中的動態(tài)變化，推斷細(xì)胞的發(fā)育軌跡和細(xì)胞類型轉(zhuǎn)變的過程。

3.細(xì)胞干性分析：研究細(xì)胞的干性特征和干細(xì)胞功能，揭示其在組織發(fā)育和疾病中的作用。

4.細(xì)胞類型注釋：開發(fā)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法對單細(xì)胞數(shù)據(jù)中的細(xì)胞類型進(jìn)行注釋和分類。

5.動力學(xué)建模分析：構(gòu)建動態(tài)模型來分析細(xì)胞系統(tǒng)中的時(shí)間序列數(shù)據(jù)，揭示細(xì)胞動力學(xué)過程。

6.時(shí)空組學(xué)數(shù)據(jù)分析：研究整合時(shí)空信息的單細(xì)胞組學(xué)數(shù)據(jù)分析方法，揭示組織和器官的動態(tài)特征。

二、大數(shù)據(jù)分析與人工智能算法開發(fā)：

1.人工神經(jīng)網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)：設(shè)計(jì)和改進(jìn)人工神經(jīng)網(wǎng)絡(luò)的架構(gòu)，提高其在生物信息學(xué)中的應(yīng)用效果。

2.基于深度學(xué)習(xí)的生物醫(yī)學(xué)圖像建模：利用深度學(xué)習(xí)算法，研究和開發(fā)用于生物醫(yī)學(xué)圖像分析和建模的方法。

3.Linux高性能加速集群架構(gòu)：研究和優(yōu)化在Linux集群上進(jìn)行高性能生物信息學(xué)數(shù)據(jù)處理和分析的架構(gòu)和算法。

三、生物信息學(xué)分析軟件與流程開發(fā)：

1.關(guān)聯(lián)分析模型：開發(fā)和應(yīng)用關(guān)聯(lián)分析模型，揭示基因、變異、表型、疾病之間的關(guān)聯(lián)關(guān)系。

2.經(jīng)典生物信息分析流程：開發(fā)和優(yōu)化轉(zhuǎn)錄組、基因組、微生物組等經(jīng)典生物信息學(xué)分析流程，提供高效準(zhǔn)確的數(shù)據(jù)處理和分析方案。

主持科研項(xiàng)目：

代表性論文：

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.（中科院數(shù)學(xué)與計(jì)算生物學(xué)1區(qū)，IF=6.698，通訊作者）

2. Hu H, Feng Z, Lin H, et al., Identifying SARS-CoV-2 infected cells with scVDN, Front. Microbiol., 2023 Jul 10;14:1236653.（中科院生物學(xué)2區(qū)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（中科院數(shù)學(xué)與計(jì)算生物學(xué)1區(qū)，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.（中科院數(shù)學(xué)與計(jì)算生物學(xué)1區(qū)，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.（中科院生物學(xué)3區(qū)，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. （中科院綜合性期刊2區(qū)，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.（中科院生物學(xué)3區(qū)，IF=4.766）

授權(quán)專利情況：

[1]

獲獎情況：

其他