发展AI/统计方法解析肿瘤的早期特征,预测驱动疾病发生的关键因素,助力重大疾病的预防和早期诊断

人工智能及生物医学大数据、影像学-生物网络-多组学整合建模挖掘、及生物信息学研究

最新实验室消息

研究方向

🔬

时空组学数据整合、挖掘和可视化算法研究

开发原创性工具和算法,对单细胞或空间多组学数据(包括转录、代谢、基因组、甲基化、染色质可及性等)及生物网络进行整合挖掘,系统地量化肿瘤微环境的特性(异质性、临床特性和调控机制),为这些数据的有效挖掘提供广泛的方法基础

🧬

多模态异构性生物医疗大数据的模型构建和数据挖掘

设计人工智能方法,整合不同尺度数据(包括医学影像、临床、序列以及各种高通量数据),以提高疾病的精准预测、识别疾病的生物标志物,并构建病人特异性网络,实现智慧医疗

💡

计算方法在临床中的应用

通过集成多元异质数据,揭示和解释疾病(如胆囊癌、胃癌、肠癌和食管癌)的不同进展阶段的临界态,为疾病的早期诊断和治疗制定新策略

关于实验室

我们的实验室位于广东省中山大学广州南校区生命科学学院生科三号楼。 大学提供广泛的共享设施,以及令人兴奋的跨学科合作机会。

主要研究者:左春满副教授

🏛️ 先进设施

配备最新的科学研究设备

🤝 跨学科合作

与多个学科领域的专家合作

📚 学术环境

位于世界一流的学术机构

实验室团队

最新发表

stClinic dissects clinically relevant niches by integrating spatial multi-slice multi-omics data in dynamic graphs

Nature Communications, 2025. 16, 5317.

Spatial multi-slice multi-omics (SMSMO) integration has transformed our understanding ...

阅读更多

Dissecting tumor microenvironment from spatially resolved transcriptomics data by heterogeneous graph learning.

Nature Communications, 2024. 15(1): p. 5057.

Spatially resolved transcriptomics (SRT) has enabled precise dissection of ...

阅读更多

Elucidating tumor heterogeneity from spatially resolved transcriptomics data by multi-view graph collaborative learning

Nature Communications, 2022. 13(1): p. 5962

Spatially resolved transcriptomics (SRT) technology enables us to gain...

阅读更多
更多文章