本研究组的主要研究兴趣为分子序列的演化模式规律以及分析方法，以计算生物学为主要手段，基于比较分析、统计检验、理论模拟、机器学习等方法探究领域内核心前沿问题。研究方向包括：

1. 分子序列的演化模式和规律

作为对DNA和蛋白质序列演化过程的数学建模，分子演化模型是生物信息学分析的核心工具之一。近年来随着大量组学数据的积累分析，我们对分子序列演化的模式和规律有了更多的认识。例如，不同物种之间、不同基因组序列位点之间存在演化速率等特征的异质性（heterogeneity），以及分子序列的不同位点可能因为在生化过程中发生相互作用而发生共演化（coevolution）等等。研究组希望基于可用的多物种序列数据，探究这些序列演化模式的生物学机制和影响因素，以及如何结合和利用这些特征进行分子演化和系统发育分析，对适应性演化和系统发育等演化事件和过程进行更准确的刻画。

2. 深度学习在演化生物学中的应用（AI for Evolution）

深度学习是近年来快速发展的计算方法，能够基于大数据进行复杂模式提取和预测。在生命系统中，从基因组分子序列到生物体形态功能的“基因型-表型”映射（genotype-phenotype mapping）具有复杂的高阶关系，难以刻画。我们希望基于深度学习模型方法，提取基因组、蛋白质、表型等数据中的复杂高阶特征，进行系统发育、适应性演化等演化模式的识别、预测；同时利用可解释性分析等技术，探究表型功能的分子机理。

3. 其他方向

我们对分子和形态学表型演化、特定生物类群的基因组适应性演化等方向也有广泛的兴趣。

研究方向

研究组目前结合人工智能技术与演化生物学理论，开发基于深度学习模型的自然选择和系统发育分析方法，解析蛋白/基因组数据中不同演化驱动因子（功能适应/系统发育）信号，挖掘与关键生物学功能或演化历史相关的序列演化模式。同时也在复杂形态学表型解析等方面开展探究工作。

招生条件

1. 对计算生物学、基因组演化、人工智能应用等方向有兴趣，具有进行探索性研究的热情。

2. 具有数理统计、分子遗传与演化、计算科学任一方面基础和经验者优先，多多益善。

3. 具有较好英语应用能力者优先。

学生培养

1. 研究组具备高性能人工智能服务器、云计算等充足研究资源；

2. PI根据学生个人基础提供相应科研指导训练，研究组成员在深度学习和分子演化等方面具有丰富研究经验，鼓励相互交流讨论；

3. 为学生提供平等、公正、实事求是的学习和科研环境，支持学生参与学术交流活动，保证合理的生活补助与休假。

0710Z2-计算生物学
0710Z1-基因组学
071002-动物学

分子演化生物学

2013-09--2017-08   密歇根大学   博士，生物信息学
2009-09--2013-08   北京大学   学士，生物科学

   

2020-09~现在, 中国科学院动物研究所, 研究组长，博士生导师
2017-09~2020-08,密歇根大学, 博士后

   

（1） Unveiling cell-type-specific mode of evolution in comparative single-cell expression data, Journal of Genetics and Genomics, 2025, 第 3 作者  通讯作者
（2） Functional differences between rodent and human PD-1 linked to evolutionary divergence, Science Immunology, 2025, 第 13 作者  通讯作者
（3） Multiomics analysis provides insights into musk secretion in muskrat and musk deer, GigaScience, 2025, 第 7 作者
（4） Out-of-Africa migration and clonal expansion of a recombinant Epstein-Barr virus drives frequent nasopharyngeal carcinoma in southern China, National Science Review, 2025, 第 15 作者
（5） Detecting convergence of amino acid physicochemical properties underlying the organismal adaptive convergent evolution, Molecular Ecology Resources, 2025, 第 2 作者  通讯作者
（6） Language model reveals complex sequence basis for adaptive convergent evolution of protein functions, PNAS, 2025, 第 3 作者  通讯作者
（7） The evolution of conglobation in Ceratocanthinae, Communications Biology, 2022, 第 4 作者
（8） The genetics and evolution of eye color in domestic pigeons (Columba livia)., PLoS Genetics, 2021, 第 6 作者
（9） Are Nonsynonymous Transversions Generally More Deleterious than Nonsynonymous Transitions?, MOLECULAR BIOLOGY AND EVOLUTION, 2021, 第 1 作者
（10） Deep Residual Neural Networks Resolve Quartet Molecular Phylogenies, MOLECULAR BIOLOGY AND EVOLUTION, 2020, 第 1 作者
（11） Idiosyncratic epistasis creates universals in mutational effects and evolutionary trajectories, NATURE ECOLOGY & EVOLUTION, 2020, 第 2 作者
（12） Amino acid exchangeabilities vary across the tree of life, SCIENCE ADVANCES, 2019, 第 1 作者
（13） Deciphering protein evolution and fitness landscapes with latent space models, Nature Communications, 2019, 第 2 作者
（14） Gene Tree Discordance Does Not Explain Away the Temporal Decline of Convergence in Mammalian Protein Sequence Evolution, MOLECULAR BIOLOGY AND EVOLUTION, 2017, 第 1 作者
（15） Morphological and molecular convergences in mammalian phylogenetics, NATURE COMMUNICATIONS, 2016, 第 1 作者
（16） No genome-wide convergence for echolocation., Mol. Biol. Evol., 2015, 第 1 作者
（17） The development and application of a multiplex short tandem repeat (STR) system for identifying subspecies, individuals and sex in tigers, INTEGRATIVE ZOOLOGY, 2015, 第 1 作者
（18） Are Convergent and Parallel Amino Acid Substitutions in Protein Evolution More Prevalent Than Neutral Expectations?, MOLECULAR BIOLOGY AND EVOLUTION, 2015, 第 1 作者