研究方向
基于生物分子网络分析工具和系统生物学方法研究疾病机理，对于癌症、脑科学研究意义重大，是实现精准医疗必不可少的工具和方法
研究：
1. 面向PB级的高效（宏）基因组组装分析方法，加速基因大数据分析流程；
2. 研发网络/图分析方法和计算模型，挖掘癌症、脑疾病中关键分子或网络，指导药物靶标选择；
3. 研发高效蛋白质模拟和结构预测方法，指导药物设计。
详细情况参见实验室主页：http://hpcc.siat.ac.cn/cbb-lab/
基于支持向量机（SVM）和混合整数线性规划（MILP）的膜蛋白残基作用关系预测
（膜）蛋白质结构预测是世界性难题(膜蛋白构成70%药物的靶点)
基于机器学习和确定型优化混合算法，我们可更准确预测蛋白质结构的约束条件，进而提高蛋白质结构预测精度，并缩短构象搜索时间
并发布在线服务网站http://hppc.siat.ac.cn/COMSAT/
TB-PB级基因大数据分析
问题：
高效高质量组装TB-PB级别基因数据
通过对IO，通讯的算法优化，第二代组装工具SWAP2在Mira超算上可快速处理4TB基因数据；算法可扩展到128,000核，并行效率40%
开源软件至今被下载使用近500次，60%来自欧美等地区
中国科学院深圳先进技术研究院 粤ICP备09184136号-3
地址：深圳市南山区西丽深圳大学城学苑大道1068号
邮编：518055 联系电子邮箱：cx.zeng@siat.ac.cn