一、研究中心简介
组学与智慧医疗中心聚焦恶性肿瘤等重大疾病，以人工智能大数据为驱动，围绕基因组、蛋白质组、单细胞、空间转录组等多组学技术，前瞻性布局人工智能及组学与信息学，依托肿瘤大数据和生物样本资源，发挥BT+AI 人才交叉聚集优势。面向精准诊疗、创新药物、合成生物学、再生医学等搭建生物医药可信智能开放操作系统，开展 AI算法和基础大模型、多模态智能诊疗及全链条智能制药，整合单细胞组学、时空组学、代谢组学等研究手段，突破生物信息学等工具关键技术，探索疾病发生发展机制，助力新靶点发现和新药物研发，推进前沿人工智能技术与生物医药领域的突破性进展。谋划大科学工程项目，产出引领性、标志性科研成果，打造全球影响力。
二、研究方向及内容
1.多组学与空间组学
围绕基因组、蛋白组、代谢组等大数据开发单细胞和空间转录组、蛋白组多组学技术，面向恶性肿瘤等重大疾病，探索疾病发生发展机制、开发疾病诊断治疗新靶点、新策略。
2.合成生物学与再生医学
以生物资源为研究对象，突破生物信息学等工具关键技术，助力从天然产物中挖掘肿瘤治疗等先导化合物；搭建全基因组CRISPR基因编辑筛选平台，肿瘤类器官技术研发平台，为肿瘤大规模药物筛选和耐药性等研究提供重要工具。
3.AI 算法及基础大模型
探索和应用最前沿的人工智能算法和可信智能平台技术，搭建基础大模型及平台，搭建生命科学智能科研助理(Life Science Copilot)。重点包括：基础大模型、深度学习、强化学习、NLP、CV、KG、搜索、推荐、联邦学习、大规模深度学习。
4.全链条智能制药
利用人工智能技术开展靶点识别、结构设计、智能生成、病人筛选、预后预测等创新药物发现研究，推进药物发现智能化，助力重大疾病国产创新药的研制。重点包括：小分子药物、功能核酸（核酸适体、肿瘤核酸疫苗）。
5.智能诊疗
利用前沿人工智能技术研究多模态数据融合的共性与核心技术，构建病理和生物多组学信息（基因、蛋白和单细胞等）的多模态融合分析模型，搭建医疗基础大模型，构建智能分子诊断、液体活检、伴随诊断等算法及平台。
三、研究团队
中国科学院杭州医学研究所组学与智慧医疗研究中心拥有一支在领域内有影响力的科研团队，现在固定人员9人，其中研究员4人，副研究人员2人，助理研究员3人，科研团队中有中国科学院院士1人，国家级人才2人，省级人才3人。从国内外高校和科研机构招聘具有研究生学历青年人才数十人，已经组建了一支结构合理、素质优良、具有较强竞争力和持续发展能力的科技人才团队和管理与技术支撑队伍。
主要研究团队：
团队一：多组学与空间组学、合成生物学与再生医学
中科院院士杨焕明院士为团队负责人，主要成员包括孙中生研究员、刘斯奇研究员以及研究员董伟、高飞、罗永伦、任艳、吴逵、吴建民、张懿，副研究员丘璨瑜，助理研究员朱忠旭和数十名博士后及研究生。
团队二：AI 算法及基础大模型、全链条智能制药和多模态智能诊疗
人工智能首席科学家李晓林研究员为课题组长，主要成员包括张俊伟助理研究员以及数十名博士后、博士、硕士研究生。
团队三：纳米蛋白组学及核酸适体智能分子诊疗
国家级青年人才刘远研究员为课题组长，主要成员包括五名博士后以及数十名博士、硕士研究生。
团队四：面向智慧医疗领域的人工智能技术
省科技创新领军人才何敏研究员为课题组长，主要成员包括博士后、博士、硕士研究生等数十人。
团队五：肿瘤多组学AI生物信息学
省级青年人才沙雏淋副研究员为课题组长，主要成员包括2名科研助理和6名硕士研究生。
四、研究成果
论文发表：
1)Zang, Y., Ran, X., Yuan, J., Wu, H., Wang, Y., Li, H., Teng, H., & Sun, Z. (2024). Genomic hallmarks and therapeutic targets of ribosome biogenesis in cancer. Briefings in bioinformatics, 25(2)
2)Yin J, Yuan J, Li Y, Fang Y, Wang R, Jiao H, Tang H, Zhang S, Lin S, Su F, Gu J, Jiang T, Lin D, Huang Z, Du C, Wu K, Tan L, Zhou Q. Publisher Correction: Neoadjuvant adebrelimab in locally advanced resectable esophageal squamous cell carcinoma: a phase 1b trial. Nat Med. 2023 Sep;29(9):2376.
3)Zeng Y, Wang A, Lv W, Wang Q, Jiang S, Wang F, Pan X, Yang H, Bolund L, Liu C, Han P, Luo Y. Recent development of urinary biomarkers for bladder cancer diagnosis and monitoring. Clin Transl Med. 2023 Mar.
4)Lv W, Pan X, Han P, Wang Z, Feng W, Xing X, Wang Q, Qu K, Zeng Y, Zhang C, Xu Z, Li Y, Zheng T, Lin L, Liu C, Liu X, Li H, Henriksen RA, Bolund L, Lin L, Jin X, Yang H, Zhang X, Yin T, Regenberg B, He F, Luo Y. Circle-Seq reveals genomic and disease-specific hallmarks in urinary cell-free extrachromosomal circular DNAs. Clin Transl Med. 2022 Apr;12(4):e817.
5)Zhen Wang, Zheng Feng, Yanjun Li, Bowen Li, Yongrui Wang, Chulin Sha, Min He, Xiaolin Li. BatmanNet: bi-branch masked graph transformer autoencoder for molecular representation. Briefings in Bioinformatics, 2024, 25(1): bbad400.Junwei Zhang, Ruifang He, Fengyu Guo, Chang Liu. Quantum Interference Model for Semantic Biases of Glosses in Word Sense Disambiguation. In AAAI, 2024.
6)Wang, M.; Dai, X.; Yang, X.; Jin, B.; Xie, Y.; Xu, C.; Liu, Q.; Wang, L.; Ying, L.; Lu, W.; Chen, Q.; Fu, T.; Su,D.; Liu, Y.; Tan, W. Serum Protein Fishing for Machine Learning-Boosted Diagnostic Classification of Small Nodules of Lung. ACS nano. 2024, 18, 4038–4055.
项目经费申请：
1.科技部重点研发项目：大分子间互作级联信号网络与治疗靶点发现
2.国家重点研发计划：主动健康知识图谱更新方法和技术支撑平台研究
3.科技部重点专项计划：面向细胞间通讯的化学生物学新技术及其在肿瘤免疫研究中的应用
4.国家自然科学基金面上项目：肝癌免疫异质性与免疫逃逸形成的空间转录组研究
5.浙江省基础公益重大项目：卵巢癌血清蛋白标志物图谱构建及治疗靶点筛选
6.浙江省领雁计划：单细胞代谢物分析仪与试剂研发
五、联系与合作
如果您对我们的研究中心感兴趣或想与我们合作，请随时联系我们。您可以通过以下方式与我们取得联系：
杨焕明课题组邮箱：dongwei@ibmc.ac.cn
李晓林课题组邮箱：jobs@aimlab.cc
刘远课题组邮箱：yuanliu@ucas.ac.cn
何敏课题组邮箱：hemin@him.cas.cn
沙雏淋课题组邮箱：shachulin@him.cas.cn
附件下载：