癌症是复杂系统疾病，包含基因组、转录组、蛋白组等多模态组学数据的整合分析是实现肿瘤精准诊断与治疗的关键。本实验室研究聚焦肿瘤精准分型标志物研发、肿瘤特异性靶点发掘以及靶点特异性抗体或TCR的从头AI设计验证与应用。综合运用多模态整合AI、生成式AI技术，同时结合生化细胞与小鼠模型实验验证，实现“肿瘤分型—靶点发掘—抗体及TCR药物AI设计与验证”的闭环。目前实验室的具体研究内容包括：
1，肿瘤新靶点发掘，以及靶点特异性抗体或TCR药物的从头AI设计与验证。
挖掘肿瘤多模态组学数据（基因组、转录组、蛋白组、单细胞组学等），寻找肿瘤特异性膜蛋白靶点；基于生成式AI及定向进化AI实现靶点特异性抗体或TCR的从头设计与定向进化；利用高通量筛选实验模型，获得和靶抗原特异结合的抗体或TCR序列；构建抗体及TCR药物，如双特异性T细胞衔接器（BiTE），利用细胞及动物模型验证AI设计大分子药物的肿瘤杀伤效能与安全性。
2，开发多模态组学整合可解释性AI方法，研发肿瘤精准分型策略。
整合分子组学（基因组、转录组、蛋白组等）与影像组学（H&E、CT、MRI等）数据，实现肿瘤精准分型。关注难治肿瘤（如粘液腺癌、黏膜恶黑等）的精准分子分型，为难治性肿瘤提供有效的直接指导临床的分型策略。
3，肿瘤基因组DNA拷贝数变异特征模式分析、机制研究， 以及“拷贝数指纹”标志物的优化与应用。
结合基因组分析、人工智能与体外细胞实验，研究拷贝数变异的特征模式，产生机制。开发便捷的拷贝数指纹实验检测手段，并在肿瘤早筛、监测、免疫治疗以及靶向治疗临床标志物开发中的推广应用。