<optgroup id="eskm2"><optgroup id="eskm2"></optgroup></optgroup>
<nav id="eskm2"><code id="eskm2"></code></nav>
  • <xmp id="eskm2"><menu id="eskm2"></menu>
    <menu id="eskm2"><menu id="eskm2"></menu></menu>
    <nav id="eskm2"><strong id="eskm2"></strong></nav>
    <input id="eskm2"></input>
  • <menu id="eskm2"><strong id="eskm2"></strong></menu>
    <menu id="eskm2"></menu>
  • 福大首頁| 會議室預約|

    師資隊伍

    生物技術與工程系

    當前位置: 首頁 -> 師資隊伍 -> 教學單位
    • 胡桓

      性別:男

      學歷:博士研究生

      電子郵件:huanhu@fzu.edu.cn

      研究方向:生物信息學、人工智能、生物醫學大數據、深度學習

      研究生招生專業:085410人工智能(計算機與大數據學院)、083600生物工程、077700生物醫學工程、086001生物技術與工程

    • 詳細資料

      教育工作經歷:

      2024年9月-至今:福州大學,計算機與大數據學院,碩士生導師

      2023年7月-至今:福州大學,生物科學與工程學院,碩士生導師

      2018年9月-2023年7月:廈門大學,物理科學與技術學院,博士

      2015年7月-2018年9月:遼寧大學,生命科學院,碩士

      2011年7月-2015年9月:遼寧大學,生命科學院,本科

      本科生課程:《生物信息學》

      研究生課程:《生物信息學》、《醫學大數據與人工智能》、《人工智能輔助藥物設計》、《基因組學》

      科研簡介

      主要從事人工智能與生物醫學大數據交叉領域研究,聚焦人工智能驅動的生命健康數據智能建模、知識發現與輔助決策。研究方向涵蓋大語言模型(Large Language Models, LLMs)在生物醫藥場景中的應用、單細胞多模態組學數據智能整合、深度神經網絡架構設計、生命動力學系統建模以及復雜系統理論等。圍繞高維、異質、稀疏和多模態生命健康數據的分析難題,發展了多種面向生物醫學數據挖掘的AI方法與計算框架,推動人工智能在細胞狀態識別、細胞異質性解析、發育潛能推斷、感染狀態判別和藥物安全預警等任務中的應用。

      近年來,圍繞“AI for Biomedicine”和“AI for Science”研究范式,重點開展了人工智能算法與生物醫學問題的深度融合研究:一方面,面向單細胞組學數據,構建基于深度學習、表征學習和多模態信息融合的智能分析模型,用于揭示細胞群體結構、調控特征和發育動態規律;另一方面,面向醫學知識推理與藥物安全場景,探索大語言模型的知識增強、上下文推理與可靠性評估方法,提升人工智能模型在復雜生物醫學任務中的可解釋性、魯棒性和可信度。相關研究在單細胞智能分析、醫學人工智能、生物醫學大數據挖掘和智能藥物安全預警等方向形成了較為系統的研究積累與代表性成果。

      主持科研項目:

      [1]福建省自然科學基金創青項目

      [2]福州大學開放測試基金

      [3]福州大學科研啟動基金

      代表性論文

      1. Hu H, Wang L, Chen LQ, Lin H, Huang LT, Wang ZW, Hou XM. Benchmarking Large Language Models for Drug Combination Alerts: Achieving Expert-Level Reliability via Knowledge Grounding and Contextual Reasoning. J Med Chem. 2026 Feb 12;69(3):3477-3489. (醫學1區top,IF=7.2,封面論文)

      2. Lin H, Hu H, Feng Z, Xu F, Lyu J, Li X, Liu L, Yang G, Shuai J. SCTC: inference of developmental potential from single-cell transcriptional complexity. Nucleic Acids Res. 2024 Jun 24;52(11):6114-6128. (醫學1區,IF=13.1)

      3. Xu F, Hu H, Lin H, Lu J, Cheng F, Zhang J, Li X, Shuai J. scGIR: deciphering cellular heterogeneity via gene ranking in single-cell weighted gene correlation networks. Brief Bioinform. 2024 Jan 22;25(2):bbae091. (數學與計算生物學1區,IF=8.7)

      4. 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.(數學與計算生物學1區,IF=6.698,通訊作者)

      5. Hu H, Feng Z, Lin H, et al., Identifying SARS-CoV-2 infected cells with scVDN, Front. Microbiol., 2023 Jul 10;14:1236653.(生物學2區top,IF=6.064)

      6. 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(數學與計算生物學1區,IF=6.698,高被引論文)

      7. 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.(數學與計算生物學1區,IF=13.994,高被引論文)

      8. 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.(生物學3區,IF=4.766)

      9. 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. (綜合性期刊2區,IF=6.107)

      10. 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.(生物學3區,IF=4.766)

      授權專利情況

      [1]《一種處理單細胞多模態組學數據的深度學習方法及系統》(已授權)

      [2]《單細胞轉錄組數據偽時間軌跡的分析方法及計算機系統》(已授權)

    人体色图