教师主页移动版

基本信息 罗宵，男，生物信息学博士。现任湖南大学生物学院教授、博士生导师，研究领域为基因组学与生物信息学。目前研究方向主要包括基因组学计算方法和工具的开发及下游应用。近几年开发了多个三代测序数据纠错、单倍型基因组和宏基因组从头组装方法和工具；此外，开发了可解释深度学习模型用于复杂遗传疾病表型的预测及相关致病基因的挖掘。主要研究成果以（共同）第一作者或通讯作者发表于 Nature Machine Intelligence, Nature Communications, Genome Biology, Nucleic Acids Research 等专业领域主流期刊。

教育背景

学习经历 2009.09-2013.06 华中科技大学，生物信息学，学士 2013.09-2016.07 中国科学院大学，基因组学，硕士，导师：张秀清 教授 2018.11-2020.07 荷兰国家数学与计算机科学研究中心 (CWI) 2020.08-2023.03 德国比勒费尔德大学，生物信息学，博士，导师：Alexander Schönhuth 教授

工作履历

工作经历 2023.03-至今 湖南大学生物学院，教授 2017.03-2018.10 中国科学院深圳先进技术研究院

研究领域

研究方向 本课题组目前研究聚焦于开发及应用前沿的生物信息学、人工智能方法和工具，分析和挖掘基因组学数据，应用于医药健康、生物育种等领域。主要包括但不限于：   1. 单倍型基因组组装 近年来随着三代测序技术的快速发展，其测序准确度大幅提高，成本也进一步降低。由于其长读长的天然优势，结合其他远程连接测序技术，使得染色体水平单倍型基因组组装（haplotype-resolved genome assembly）成为可能。构建高完整性、高质量、高分辨率的基因组序列，在基因组学、精准医学和动植物育种等许多领域有着重要的作用。主要致力于二倍体或多倍体基因组，宏基因组，癌症基因组等领域的相关组装方法和工具的开发及下游应用。   2. 图形泛基因组（基因组变异检测及表征） 基于单倍型基因组有助于构建图形泛基因组（graph pangenome），图形泛基因组能避免以往基于单一参考基因组进行分析的局限性，如在基因组变异检测与表征方面有很大优势。致力于获得分辨率更高(单倍型水平)，更准确(减少比对偏差)，更全面(包括复杂变异)的变异图谱。   3. 基于可解释人工智能的全基因组关联研究 准确全面的基因组变异图谱对理解生物体表型的多样性至关重要，而基因与生物表型之间往往有复杂的非线性关系。旨在通过可解释人工智能模型理解人类所难以理解的复杂分子机制，最终应用于疾病预防、精准医学和生物育种等领域。

学术成果

科研项目 湖南省自然科学基金优秀青年项目（2024JJ4008），主持，在研（2024-2026） 湖南大学高层次人才引进启动费，主持，在研（2023-2028）