研究兴趣
实验室聚焦肿瘤免疫学，致力于使用前沿的生物信息学技术，深度结合数据挖掘与生物实验来解决肿瘤免疫学中的重要科学问题。探究肿瘤免疫调控机制与免疫细胞互作，揭示肿瘤免疫反应机理，旨在为临床免疫治疗成功率的提高提供新的靶向基因，为免疫调控基因的发现提供新的研究思路，为临床肿瘤用药提供新的方法。
我们正在开发多种算法和工具来整合分析高通量基因组学数据，包括 RNA-seq、WES、CRISPR筛选、单细胞测序、空间转录组学数据等。通过数据整合和算法开发，我们尝试对肿瘤发生、进展、药物反应和耐药性的特异性进行建模。当我们在数据分析中获得意想不到但有趣的结果时，我们会设计相应的实验进行验证和探索，以期了解潜在的调控机制。
我们实验室利用免疫学、分子细胞生物学等手段对免疫微环境中细胞的调控机制进行探究，我们涉及的方向有: 杀伤性CD4细胞，巨噬细胞，B细胞，NK细胞，高级别浆液性卵巢癌类器官，CRISPR筛选等。
全基因组CRISPR筛选
我们的研究重点之一是运用CRISPR技术来识别和验证免疫细胞（如CD8+ T细胞、CD4+ T细胞、自然杀伤细胞、巨噬细胞和B细胞）中的功能基因靶点。通过收集和整合大量的全基因组CRISPR筛选数据，设计CRISPR筛选实验，并开发机器学习模型，我们旨在揭示与癌症免疫学和免疫治疗反应相关的关键基因调控因子。此外，我们正致力于将空间技术与CRISPR技术相结合，以更好地了解肿瘤微环境中免疫细胞的相互作用。通过我们的模型识别出的潜在靶点将使用高通量实验平台进行验证，以便进一步研究和开发潜在的新疗法。
空间转录组学
我们聚焦于先进的纳米级或亚细胞级空间全转录组学技术，通过结合基于深度生成模型的图像分割算法，重构空间单细胞全转录组，并利用转录组数据对细胞边界进行微调和优化，进而开发一套数据处理、分析和挖掘的算法及管线，包括利用空间单细胞全转录组和深度学习模型，开发细胞-细胞相互作用识别、细胞分化轨迹和RNA速率推断、空间可变基因识别、空间特征区域提取以及肿瘤免疫浸润评估等。此外，我们和临床医生合作，联合纳米级空间转录组和其他多组学技术对肿瘤样本测序，产生多癌种肿瘤免疫的空间转录组数据集并绘制其空间图谱。我们正在开发基于纳米级空间转录组的免疫组库和CRISPR筛选测序技术，开发相应算法工具。我们将建立空间转录组、蛋白组和表观遗传组的多模态数据挖掘模型，进一步解析原发性和继发性肿瘤的组织异质性和肿瘤微环境。
单细胞和其他组学
我们利用收集到的组学数据，通过开发机器学习和统计方法，处理日益增加的单细胞研究中的数据复杂性，并进一步探索抗肿瘤免疫中未被充分认识的生物学因素。我们的研究旨在揭示肿瘤微环境的调控网络，并鉴定其中的关键调控基因。这将有助于深入了解肿瘤的复杂生物学特征，并为开发更有效的抗癌治疗提供新思路。