STAR Protocols 2026
Protocol for detecting cancer in blood using targeted DNA methylation
给出 tMCTA-seq 的完整实验与分析流程，包括样本制备、靶向甲基化测序和数据分析。该流程用于从血浆游离 DNA 中检测并区分结直肠癌和胃癌，也介绍了如何调整流程以用于其他癌种。
研究 / 论文
学术论文
主要包括生物信息学方法、生物医学应用及相关综述。
* 表示共同贡献
2026
Genes 2026
Leveraging Spot–Gene Heterogeneous Graphs for Unified Spatially Resolved Transcriptomics Domain Detection on Single-Slice and Multi-Slice Data
stHGCL 结合空间点位—基因异质图、空间图学习和对比学习，识别空间转录组中的组织区域。既可分析单张切片，也可联合分析多张切片，包括未预先完成空间对齐的切片。
Nature Cell Biology 2026
The interpretable multimodal dimension reduction framework SpaHDmap enhances resolution in spatial transcriptomics
SpaHDmap 将非负矩阵分解与多模态神经网络结合，整合空间转录组数据和组织学图像，获得可解释的高分辨率表征。
2025
iScience 2025
A targeted DNA methylation method for detecting gastrointestinal cancer in circulating cell-free DNA
开发靶向 DNA 甲基化方法 tMCTA-seq，结合通用巢式引物设计与集成机器学习，在临床游离 DNA 样本中检测并区分结直肠癌和胃癌。
2024
Briefings in Bioinformatics 2024
Structure-preserved integration of scRNA-seq data using heterogeneous graph neural network
提出 scHetG，用异质图连接多个批次的细胞与基因，并结合异质图神经网络和对比学习，在整合单细胞 RNA 测序数据的同时保留生物学结构。
Clinical Cancer Bulletin 2024
Spatial transcriptomics: a new frontier in cancer research
综述空间转录组技术及其在肿瘤异质性与肿瘤微环境研究中的应用，梳理计算分析流程，提供分析教程，并讨论空间多组学在癌症研究中的发展方向。
BMC Bioinformatics 2024
Integration of scRNA-seq data by disentangled representation learning with condition domain adaptation
scDisco 结合解耦表征学习与条件域适应，整合不同生物条件下的单细胞 RNA 测序数据，帮助比较这些条件之间的差异。
NAR Genomics and Bioinformatics 2024
scBiG for representation learning of single-cell gene expression data based on bipartite graph embedding
scBiG 将细胞与其表达的基因连接成二部图，通过多层图卷积网络学习细胞和基因表征，用于分析单细胞基因表达数据。
2023
Bioinformatics 2023
scAce: an adaptive embedding and clustering method for single-cell gene expression data
scAce 使用变分自编码器学习细胞表征，并通过自适应簇合并更新聚类结果，无需事先估计簇的数量。
2022
Genome Biology 2022
scINSIGHT for interpreting single-cell gene expression from biologically heterogeneous data
scINSIGHT 联合分析不同生物条件下的单细胞样本，区分共享和条件特异的基因表达模式，用于识别跨样本的细胞类型及相关生物过程。