多組學(xué)技術(shù)使我們能夠系統(tǒng)地理解不同層次之間的信息傳遞。大規(guī)模和單細胞測序技術(shù)以及與之相關(guān)的多組學(xué)計算方法的進步，極大地支持了系統(tǒng)生物學(xué)和精準(zhǔn)醫(yī)學(xué)的發(fā)展。多組學(xué)技術(shù)和分析已廣泛應(yīng)用于神經(jīng)科學(xué)研究，涵蓋了從分子層面的變化檢測到這些變化在不同大腦區(qū)域的定位。單細胞測序技術(shù)已經(jīng)徹底改變了我們對大腦基本組成的視角，重塑了我們審視細胞基礎(chǔ)的方式。這些技術(shù)將復(fù)雜的生物系統(tǒng)分解為單個細胞元素，提供了對大腦細胞群體的超高分辨率探索。此方法還有助于描述具有不同功能特性的細胞亞群，推斷塑造細胞特性和細胞類型特異性反應(yīng)的調(diào)控機制，并建立與大腦發(fā)育和疾病的關(guān)聯(lián)。本課題組通過計算生物學(xué)和生物信息學(xué)的方法和手段開展基于多組學(xué)大數(shù)據(jù)的系統(tǒng)生物學(xué)分析，主要研究方向包括：
1. 多組學(xué)數(shù)據(jù)整合新方法開發(fā)
多組學(xué)數(shù)據(jù)往往具有特征數(shù)目遠多于樣本數(shù)目的特點，如何將復(fù)雜的多維數(shù)據(jù)進行有效整合并得到有效信息是生物信息學(xué)領(lǐng)域的關(guān)鍵也是熱點問題。本實驗室從不同數(shù)據(jù)特點出發(fā)，結(jié)合深度學(xué)習(xí)模型，開發(fā)對包括單細胞轉(zhuǎn)錄組學(xué)、染色質(zhì)可及性、空間轉(zhuǎn)錄組學(xué)以及蛋白質(zhì)組學(xué)等多組學(xué)的整合分析新策略。這些新的方法對我們深入理解疾病的分子機制、鑒定新的分子標(biāo)志物以及認識分子基礎(chǔ)和表型的關(guān)系具有重要意義。
2. 基于單細胞多組學(xué)數(shù)據(jù)的大腦細胞圖譜研究
大腦由多種細胞類型組成，它們相互連接以形成支持大腦認知和行為的特定神經(jīng)回路。單細胞多組學(xué)方法的進展使我們能夠全面了解大腦的細胞和分子組成，進而理解大腦復(fù)雜功能的分子基礎(chǔ)。通過整合單細胞多個組學(xué)的數(shù)據(jù)，我們采取不同的分析方法來揭示靈長類大腦的細胞組成，理解進化過程中細胞和分子多樣性背后的分子基礎(chǔ)，并通過計算分析鑒定靈長類大腦在疾病、發(fā)育和衰老過程中的分子標(biāo)志物。
3. 基于深度學(xué)習(xí)的基因編輯工具開發(fā)
CRISPR-Cas系統(tǒng)的高效性和簡潔性大大促進了其在生命科學(xué)研究各個領(lǐng)域中的應(yīng)用，但是如何選擇最優(yōu)的編輯器和sgRNA仍面臨許多挑戰(zhàn)。我們通過構(gòu)建深度學(xué)習(xí)模型對多種基因編輯工具的sgRNA編輯效率和脫靶效應(yīng)進行學(xué)習(xí)和預(yù)測，從而實現(xiàn)in silico選擇最優(yōu)的向?qū)?/font>RNA用于體內(nèi)實驗。同時，我們通過開發(fā)基于組學(xué)數(shù)據(jù)的計算流程，評估、改進并開發(fā)新一代的高效、持久并且高安全性的基因編輯工具用于疾病的治療。
研究組長
