徐运昕

讲授课程

研究方向

本课题组主要聚焦于人工智能与生物科学交叉领域，具体研究方向包括：

蛋白质突变效应预测

通过借助深度学习的方法，系统研究蛋白质突变对其结构、稳定性等多种性质的影响，开发高效、精准的突变效应预测模型，为疾病机制研究和药物设计提供计算支持。

蛋白质性质预测

基于深度学习的方法提取蛋白质的序列和结构特征，并将其与蛋白质的理化性质、生物学功能进行关联，实现对蛋白质溶解性、稳定性、结合能力等多种性质的准确预测，助力蛋白质工程。

AI辅助蛋白质定向进化

利用人工智能算法辅助蛋白质定向进化，加速新功能蛋白的发现与性能提升，为生物医药、工业酶和合成生物学应用提供高效工具。

社会职务

工作经历（按时间倒序）

2025年 ～ 至今，中南财经政法大学 统计与数学学院

教育背景（按时间倒序）

2019年 ～2024年，清华大学 生命科学学院 理学博士

2015年 ～2019年，中国农业大学 生物学院 理学学士

科学研究

1.科研论文

Ziyuan Ma#, Wenjie Li#, Yunhao Shen#,Yunxin Xu#, Gengjiang Liu, Jiamin Chang, Zeju Li, Hong Qin, Boxue Tian, Haipeng Gong, David R. Liu, B W. Thuronyi, Christopher A. Voigt, Shuyi Zhang*. (2024). EvoAI enables extreme compression and reconstruction of the protein sequence space.Nature Methods

Yunxin Xu, Di Liu, Haipeng Gong*. (2024). Improving the prediction of protein stability changes upon mutations by geometric learning and a pre-training strategy.Nature Computational Science

Yinghui Chen#,Yunxin Xu#, Di Liu, Yaoguang Xing, Haipeng Gong*. (2024). An end-to-end framework for the prediction of protein structure and fitness from single sequence.Nature Communications

荣誉与奖励

1. 教学获奖

2. 科研奖励

3. 其他荣誉与奖励

科研团队

我们的主要研究方向包括蛋白质突变效应预测、蛋白质性质预测和AI辅助蛋白质定向进化等生物信息交叉领域。

我们长期招募对数据分析、机器学习/深度学习或生物信息学感兴趣的本科生和研究生，欢迎有数学、统计或计算机背景，具备编程基础、热爱科研、希望在交叉学科领域深造的同学加入团队共同成长。

了解更多信息可以访问实验室主页：https://www.yuque.com/xulab-research，有意向的同学发送个人简历至邮箱：xyx@zuel.edu.cn。