邵浩靖课题组 

Haojing Shao Lab

　　课题组长

邵浩靖，副研究员。2014.01至2018.08在昆士兰大学攻读哲学博士，2018.09至2020.06在昆士兰大学进行博士后研究。主持国家自然科学青年基金一项（2023.01-2025.12，30万元）。主要从事基因组学的大数据前沿交叉与转化应用的新方法和新技术等工作。负责完成了开发多样本间高准确度的短插入删除变异检测、人类染色体末端的重复序列的多态性和进化分析等课题，解决了开发基于三代长测序序列跨越重复序列的检测反转变异算法等关键技术问题。在国际顶级期刊《自然》《科学》等杂志上发表论文或评论12余篇，总引用8000余次，近五年以第一（含共同）在Scientific Reports，BMC Bioinformatics发表SCI论文2篇。

 

　　工作经历

　　2020.8–至今          中国农业科学院深圳农业基因组研究所     副研究员

　　2018.9–2020.6      昆士兰大学                                             博士后   

　　2009.3–2013.12    华大基因                                                课题组长

 

　　教育经历

　　2014.1–2018.8                昆士兰大学        博士 

　　2006.9–2010.6                华南理工大学    学士     

 

　　研究方向

目前本课题组致力于空间转录组学研究。利用空间基因表达解决策略测量完整组织切片的总mRNA，将总mRNA的空间信息与形态学内容相结合，并绘制所有基因表达发生的位置，获得复杂而完整的基因表达图谱。利用不同基因、细胞群的空间位置探究基因及细胞功能、表型和组织微环境、发育等生物学问题，并构建3D转录组模型。此外，本课题组也致力于用信息分析及开发新方法学对物种演化、进化关系等进行探索。

研究进展

基因调控网络是细胞内新功能实现的调控工具，与细胞的动态息息相关。然而，目前的基因调控网络推断方法准确率较低，且不能精确地对不同发育阶段的转录组进行数值模拟。课题组基于微分方程和深度神经网络，利用全新的算法对园艺植物的空间转录组数据进行分析，从而更精准地绘制生物组织的发育图谱，从三维空间或者四维时空层面来对组织的转录组动态进行精准建模。现已得到全面、高精度的基因调控网络模型及花发育时空动态调控模型。为云南省农科院花卉所的园艺植物观赏性状开展分子设计育种提供理论支持，实现花卉的精准定向育种和改良，解决花卉产业中“卡脖子”的种业难题。

代表性论著

1. Xia Q, Guo Y, Zhang Z, et al. Complete resequencing of 40 genomes reveals domestication events and genes in silkworm (Bombyx). Science. 2009;326(5951):433-436. doi:10.1126/science.1176620

2. Shao H, Bellos E, Yin H, et al. A population model for genotyping indels from next-generation sequence data. Nucleic Acids Res. 2013;41(3):e46. doi:10.1093/nar/gks1143

3. 1000 Genomes Project Consortium, Auton A, Brooks LD, et al. A global reference for human genetic variation. Nature. 2015;526(7571):68-74. doi:10.1038/nature15393 (#co-first author)

4. Shao H, Ganesamoorthy D, Duarte T, Cao MD, Hoggart CJ, Coin LJM. npInv: accurate detection and genotyping of inversions using long read sub-alignment. BMC Bioinformatics. 2018;19(1):261. Published 2018 Jul 13. doi:10.1186/s12859-018-2252-9

5. Shao H, Zhou C, Cao MD, Coin LJM. Ongoing human chromosome end extension revealed by analysis of BioNano and nanopore data. Sci Rep. 2018;8(1):16616. Published 2018 Nov 9. doi:10.1038/s41598-018-34774-0

　　邵浩靖课题组更新于2023年8月