马佳妮

马佳妮，1996年4月出生，控制科学与工程博士后流动站师资博士后。共发表学术论文11篇，其中以第一作者发表8篇（JCR Q1 论文6篇，JCR Q2 论文2篇），单篇最高影响因子13.99。参与国家自然科学基金面上项目2项，主持江苏省科研创新计划项目1项。于2022年获得国家公派留学基金委资助，在墨尔本大学进行为期16个月的联合培养。担任JBHI、BMC Bioinformatics、Frontiers in Genetics等杂志审稿人。主要研究工作包括开发基于凸优化或深度学习的算法实现致病RNA甲基化位点及调控机制预测、药物发现和物种关键基因预测。在RNA甲基化方向上，围绕已知高置信度致病RNA甲基化位点稀少且相关预测模型缺失的问题，基于单视角子空间学习理论框架，提出RMDisAI、BRPCA和SpBLRSR算法，分别以平滑凸松弛、非平滑凸松弛和非凸松弛的方式持续对原秩最小化问题进行紧致的逼近，解构高维特征空间、挖掘低维嵌入、识别关联模式，实现高置信度致病RNA甲基化位点的高效预测。此外，针对“RNA甲基化位点-疾病”间转录后调控模式的研究完全依赖于生物学实验，效率低下且成本极高的问题，提出基于张量填充的致病RNA甲基化位点调控机制预测算法LRTCLS，预测致病RNA甲基化位点诱导的转录后调控通路。在药物发现领域，针对当前药物-蛋白质关联预测方法无法提供无偏相似性、算法设计不灵活、模型训练缺乏策略的问题，提出了基于多视角学习和图自编码器的药物重定位算法MULGA。在关键基因预测方向，提出了基于大语言模型和图神经网络的可解释关键基因预测算法Bingo。