• 

  RNA-finder

  discovery novel noncoding RNAs

  我们的科研成果:
  基于机器学习的生物信息方法RNAfinder（专利号：201610806928.8）(Science 2010; Genome Res. 2011; Nucleic Acids Res. 2015;2017a;2018);
  痕量RNA捕获和测序技术i-SMART (专利号：201810607652X）(Briefings in Bioinformatics 2018; Cell Research 2020);
  痕量cfRNA捕获和测序技术DETECTOR (专利申请号：202210579444.X）(eLife 2022; Cell Rep. MED 2023)。

• 

  RNA-structure

  predict RNA secondary structure

  我们的科研成果：
  RNA secondary structure prediction algorithm and server (Nucleic Acids Res. 2006，RNA 2009, Nucleic Acids Res. 2015，2016）。

• 

  RNA-target

  reveal target of RNA

  我们的科研成果：
  RNA-protein 结合及调控数据库 POSTAR（软件著作权号：2016R11S367236）(Genome Biology 2017; Nucleic Acids Res. 2017b; 2019; 2022)。

• 

  RNA-med

  AI based RNA modeling for medicine

  我们的科研成果：
  siRNA design algorithm and server, OligoWalk (Nucleic Acids Res. 2008a,b,c）;
  靶标HIV、HCV等病毒的shRNA设计(PNAS 2012)；
  靶标病毒的小分子药物组合的筛选（Natture Biotech. 2012) ;
  针对肝癌的一个新cfRNA标志物(专利号：201811009464.3)(Clinical Chem. 2019);
  肝细胞癌早期筛查和复发监测的3ncRNA (专利号：202010927225.7)(Theranositcs 2020);
  鉴定胞外RNA生物标志物的试剂盒及算法 exSEEK（专利申请号：202010618721.4）(Nuc. Acids Res. 2024)；
  体液多组学 AI整合方法 PathFormer (软件注册权号：2023SR0985659)(Bioinformatics 2024)；
  siRNA AI 设计软件 OligoFormer (软件注册权号：2024SR0808920)(preprint 2024)。

• Be Part
  Of Our
  Story!

我们致力于生物信息学研究，利用机器学习等人工智能技术，结合非编码 RNA 为核心的多组学数据，研究遗传信息是如何被编码在结构化的DNA和RNA分子之中，以及它们是如何在一个生命体系中相互作用、彼此调控。“上工治未病”，我们的使命之一，就是要帮助人们更早期的发现和治疗疾病。我们相信，这种使命感以及为此付出的实践和努力，将帮助我们理解和治疗人类疾病，并最终认识和提高我们自己。

已发表科研论文:

• I. RNA-finder
• II. RNA-target
  • II. 1 Protein targeting RNA
  • II. 2 siRNA/shRNA targeting RNA
  • II. 3 Small molecule targeting RNA
• III. RNA-structure/structurome
• IV. RNA-med

• 国家自然科学基金 专项项目，82341101，基于AI技术的靶向RNA的药物设计，2024-2027 主持
• 国家自然科学基金 面上项目，82371855，自身免疫性疾病精准诊疗中基于非编码RNA组学和生物信息学的新方法研究，2024-2027 主持
• 国家自然科学基金 面上项目，3217040246，体液多组学数据整合的生物信息学研究及其在癌症无创检测上的应用，2022-2025 主持
• 国家自然科学基金 面上项目，81972798，针对癌症诊断和预后的新型体液exRNA标志物的研究，2020-2023 主持
• 国家“凤凰工程” 技术创新开放共享课题，2021-NCPSB-005，多组学整合的生物信息学研究，2021-2023 主持
• 清华大学精准医学研究院 精准医疗战略项目， 基于多组学数据的智能化中晚期肝癌转化治疗决策研究，2022-2025 主持
• 清华大学国强研究院 人工智能与机器人项目，2021GQG1020，生物调控网络知识启发下的新型AI模型的构建及其在癌症早诊上的应用，2022-2024 主持
• 清华大学春风基金，2021Z99CFY022，针对微生物感染的新型核酸检测技术研发，2021-2023 主持
• 合肥综合性国家科学中心大健康研究院 全球遴选项目, cfRNA为核心的多组学在肺癌筛查上的应用研究, 2024-2027 主持
• Bayer AI制药项目, AI driven drug design targeting RNAs，2023-2024 主持

人工智能（AI）技术在制药领域的应用已经取得了显著的进展，并展示出巨大的潜力。以下是当前人工智能在制药方面的现状和前景。

现状

药物发现和设计：AI技术，尤其是深度学习方法，已经被成功地应用于药物发现和设计。通过分析大量化合物和靶点之间的相互作用数据，AI可以预测具有生物活性的新化合物，并优化化学结构以提高药物的功效和安全性。

生物标志物和靶点识别：AI可以分析大量基因组、蛋白质组和病理数据，以识别用于疾病诊断、预后和治疗的生物标志物。此外，它还可以帮助识别与疾病相关的关键基因和蛋白质，为药物设计提供靶点。

临床试验设计和管理：AI可以从病患历史数据中学习，以更准确地预测患者对特定治疗的反应。这有助于优化临床试验设计，选择最有可能受益于治疗的患者，并监控患者的安全性和疗效。

药物生产和供应链管理：AI可以在制药生产过程中监控和优化设备性能，提高生产效率和产品质量。同时，它还可以根据需求预测和实时数据来优化供应链管理，降低库存成本和缩短交货时间。

前景

虚拟筛选和合成：随着计算能力的提高和深度学习方法的发展，AI在虚拟筛选和合成方面的应用将更加高效。这可能会缩短药物从发现到上市的时间，并降低研发成本。

个性化医疗：AI有望进一步推动个性化医疗的发展，通过分析患者的基因、生活方式和病史数据，为每个患者提供定制化的治疗方案。

AI辅助诊断和治疗：随着AI技术在医学影像、生物信息学和病理学等领域的应用日益成熟，它可以为医生提供更准确的诊断和治疗建议，提高治疗效果。

AI驱动的药物再利用：AI可以在已有的药物中发现新的适应症，从而加速新药的研发过程。

数据共享与合作：随着数据共享和合作的推广，AI可以利用更多的数据资源来优化药物研发过程。这将有助于实现更高效的药物研发，从而改善公共卫生。

总之，人工智能在制药领域的应用已经取得了显著的成果，展示出巨大的潜力。未来，随着技术的不断发展，AI将继续推动制药行业的创新和变革。