科研簡介： 一、單細胞數據建模與分析： 1.單細胞多模態數據整合建模：研究如何整合不同組學的單細胞數據，構建綜合模型以揭示細胞的多樣性和功能。 2.細胞發育軌跡推斷：探索單細胞數據中的動態變化，推斷細胞的發育軌跡和細胞類型轉變的過程。 3.細胞干性分析：研究細胞的干性特征和干細胞功能，揭示其在組織發育和疾病中的作用。 4.細胞類型注釋：開發機器學習、深度學習算法對單細胞數據中的細胞類型進行注釋和分類。 5.動力學建模分析：構建動態模型來分析細胞系統中的時間序列數據，揭示細胞動力學過程。 6.時空組學數據分析：研究整合時空信息的單細胞組學數據分析方法，揭示組織和器官的動態特征。 二、大數據分析與人工智能算法開發： 1.人工神經網絡架構設計：設計和改進人工神經網絡的架構，提高其在生物信息學中的應用效果。 2.基于深度學習的生物醫學圖像建模：利用深度學習算法，研究和開發用于生物醫學圖像分析和建模的方法。 3.Linux高性能加速集群架構：研究和優化在Linux集群上進行高性能生物信息學數據處理和分析的架構和算法。 三、生物信息學分析軟件與流程開發： 1.關聯分析模型：開發和應用關聯分析模型，揭示基因、變異、表型、疾病之間的關聯關系。 2.經典生物信息分析流程：開發和優化轉錄組、基因組、微生物組等經典生物信息學分析流程，提供高效準確的數據處理和分析方案。 |
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.（中科院數學與計算生物學1區，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2區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（中科院數學與計算生物學1區，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.（中科院數學與計算生物學1區，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3區，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，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3區，IF=4.766） |
