围绕人工智能与合成生物学交叉前沿，实验室持续探索蛋白设计、基因编辑、复杂基因线路构建以及数据驱动的生命系统建模。
我们关注如何将计算模型真正转化为可操作的生物工程策略，并通过实验结果反向修正模型，实现从“预测”到“设计”再到“验证”的闭环。
当前研究既覆盖新型基因编辑工具与基因调控系统，也关注蛋白相互作用位点预测、DNA 处理机制分析以及复杂线路在疾病识别中的应用。
围绕 Cas 系统、碱基编辑器和调控模块开展工程化设计
利用深度学习处理蛋白复合物、序列和 DNA 编辑相关问题
结合元器件蛋白与调控逻辑构建可编程生物系统
从多维数据中解析规律，为实验设计提供指导
AI for Protein Design
以蛋白结构、功能与相互作用为核心，发展可解释、可迁移、可用于实验设计的智能建模方法。
围绕蛋白结构与功能之间的关系，实验室开展蛋白设计方法、蛋白复合物挖掘以及相互作用位点预测模型研究，推动人工智能在蛋白工程中的应用。
相关工作服务于新型元器件蛋白发现、蛋白复合物解析和可设计生物分子的构建，也为后续复杂基因线路的实现提供基础工具。
构建面向蛋白结构、互作位点与功能预测的模型
从宏基因组和大规模数据中寻找具有价值的蛋白复合物
Synthetic Gene Circuits
聚焦元器件蛋白、线路逻辑和细胞响应机制，构建面向真实场景的复杂生物调控系统。
我们希望利用宏基因组中挖掘得到的新型元器件蛋白，构建更复杂、更稳定、功能更丰富的基因调控线路，服务于疾病识别和细胞行为控制等问题。
研究强调从元器件功能、线路逻辑到细胞场景应用的整体设计，兼顾可解释性、可靠性以及实验可落地性。
寻找和工程化可用于线路构建的新型生物元件
将复杂线路用于疾病相关信号识别与响应
Genome Editing
围绕编辑精度、可控性和应用范围，推动 Cas 系统与诱导型编辑工具的工程优化。
结合实验与计算方法，实验室持续推进 Cas 系统、split editor、inducible editor 及相关调控技术的开发，希望提升编辑精度、可控性和应用范围。
这部分研究与实验室已发表的 Cas9、CRISPR-ON、adenine base editor 以及 prime editing 相关工作形成连续积累。
针对 Cas 系统与编辑器进行拆分、诱导与优化设计
结合数据分析评估编辑效率、特异性和 DNA 处理机制
Computational Biology
通过多源数据整合与机制建模，为蛋白设计、编辑分析和系统级研究提供算法支撑。
面对复杂生命系统，实验室强调数据整合、过程建模与机制解析，希望从序列、结构与功能数据中提取可用于设计的新规律。
相关方向与项目布局密切结合，为蛋白互作位点预测、基因编辑过程解析和系统级设计提供基础理论与算法支撑。
综合蛋白、序列与编辑实验数据建立统一分析框架
从数据中提取关键机制，反向指导实验设计和工具优化
