研究方向简介：

自2013年至今，生命科学中的测序技术从单细胞测序逐步发展为可以同时获得细胞空间坐标和细胞内部多个组学信息的空间多组学技术。鉴于空间转录组技术在解析组织中细胞的空间分布异质性方面的巨大优势以及在肿瘤、免疫、发育和神经等生物医学领域的广泛应用前景，空间转录组技术被 Nature Methods 杂志评为 2020 年的年度技术，也被 Nature 列为 2022年重点关注的七大技术之一。2024年空间蛋白组技术被Nature Methods杂志评价为年度技术。空间组学技术的产生的海量数据也为生物医学领域带来了新的数据分析挑战。我们的研究团队主要利用数学、统计、计算机科学等学科中的工具，开发合适的分析方法。这些方法旨在帮助生物学家提取和解读组学数据背后的数学原理以及相应的生物过程。最终目标是实现细胞、组织与器官的数字化，为细胞及组织功能解析、疾病研究等领域提供可靠的解决方案。

代表性成果：

1. Yinlei Hu*, Siyuan Wan*, Yuanhanyu Luo*, Yuanzhe Li, Tong Wu, Wentao Deng, Chen Jiang, Shan Jiang, Yueping Zhang, Nianping Liu, Zongcheng Yang, Falai Chen#, Bin Li#, Kun Qu#.  Benchmarking algorithms for single-cell multi-omics prediction and integration. Nature Methods, 21(11) 2024: 2182-2194.

2. Bin Li*, Wen Zhang*, Chuang Guo*, Hao Xu, Longfei Li, Minghao Fang, Yinlei Hu, Xinye Zhang, Xinfeng Yao, Meifang Tang, Ke Liu, Xuetong Zhao, Jun Lin, Linzhao Cheng, Falai Chen, Tian Xue, Kun Qu#. Benchmarking spatial and single-cell transcriptomics integration methods for transcript distribution prediction and cell type deconvolution. Nature Methods, 19(6) 2022: 662-670.

3. Yinlei Hu*, Bin Li*, Wen Zhang, Nianping Liu, Pengfei Cai, Falai Chen#, Kun Qu#. WEDGE: imputation of gene expression values from single-cell RNA-seq datasets using biased matrix decomposition. Briefings in Bioinformatics, 22(5), 2021:bbab085

4. Yinlei Hu*, Bin Li*, Falai Chen#, Kun Qu#. Single-cell data clustering based on sparse optimization and low-rank matrix factorization. G3 Genes|Genomes|Genetics, 11(6), 2021: jkab098.