当前位置: X-MOL首页全球导师 国内导师 › 刘雷

个人简介

1988年获北京大学遗传学学士;1991年毕获中国科学院发育生物学研究所发育生物学硕士;1997年获美国康涅狄格大学细胞生物学博士;1997至1999年在美国康涅狄格大学计算机科学与工程系从事博士后研究。曾任美国伊利诺伊大学(University of Illinois at Urbana-Champaign)生物技术中心生物信息学实验室主任(Director of Bioinformatics)、美国伊利诺伊大学动物学系助理教授、美国伊利诺伊大学国家超级计算中心(National Center for Supercomputing Application, NCSA)研究员(Faculty Fellow)。回国后,曾任中国科学院上海生命科学院“百人计划”研究员、复旦大学(附属)上海市公共卫生临床中心转化医学部主任、上海生物信息技术研究中心副主任、复旦大学大数据研究院医学信息与医学影像智能诊断研究所所长等职。 现任复旦大学智能医学研究院(筹)常务副院长,国际健康科学信息学研究院(IAHSI)院士,中国研究型医院学会临床数据与样本资源库专业委员会副主任委员、中华医学会医学信息分会常务委员等。 工作经历 所长,复旦大学大数据研究院医学信息与医学影像智能诊断研究所所长(2017-今) 研究员,复旦大学,生物医学研究院(2013–至今) 研究员,中国科学院,生物化学细胞所(2007–2013) 研究员/主任,美国伊利诺伊大学(2000–2007) 博士后,美国康涅狄格大学(1997–1999) 教育经历 博士,美国康涅狄格大学(1991–1997) 硕士,中国科学院(1988–1991) 学士,北京大学(1984–1988) 所获奖项 国家重点研发计划“精准医学研究”重点专项“疾病研究精准医学知识库构建”项目,年度:2016-2020,项目首席,经费:4632万 国家863生物大数据开发与利用关键技术研究项目“组学大数据的质量控制与临床应用标准化研究”课题,课题编号:2015AA020104;年度:2015-2017;承担任务:负责临床数据平台建设,子任务经费:112万

研究领域

实验室研究领域涵盖生物医学信息学领域研究工作。主要方向为组学数据的分析与挖掘,生物网络的构建与分析,生物系统的建模与模拟,生物医学大数据整合与挖掘,临床决策支持,智能医疗技术和精准医学。 (1)组学数据分析,转录组数据分析,调控网络分析,测序分析等 通过分析包括癌症在内重大疾病在基因组,转录组,蛋白组,代谢组的转变和癌症之间的异质性,对疾病的发生,发展,分型从系统上探究。通过整合多组学数据,有效地利用多组学数据之间的互补性,系统而全面的解释癌症的机理。目前实验室已在肝癌,卵巢癌等疾病上做了大量工作并取得了可喜的成果。 通过转录组数据分析,实验室从大量样本表达谱中筛选出一组和HCC发病相关的lncRNAs,并鉴定了其表达特征。从中我们选取一个名为lncRNA DANCR的基因,并使用公共数据分析了该基因在肝癌发病中所起到异质性、表型、预后和调控机制(Yuan sx, Wang j et al. Hepatology. 2016) (2)生物医学大数据平台和精准医疗 建立临床资料数据中心、样本库信息管理系统和组学数据库;通过文本挖掘整理收集临床电子病历中的结构化数据用于临床分析;药物临床试验信息管理系统;医学知识库构建与数据模型研发;精准医疗决策支持系统。 本课题组利用规范化的文献文本挖掘、人工校正等手段,构建精准医学知识库,并做展示。课题组目前已经承接十三五重大专项“疾病精准医疗知识库构建”。 “疾病研究精准医学知识库构建” 该课题属于“精准医学”重点研发专项,于2016年获得国家科技部批准,项目牵头单位为复旦大学生物医学研究院,刘雷教授为项目首席,项目编号:2016YFC0901900,项目执行期2016-2020年。 该项目主要研究任务是针对恶性肿瘤、心脑血管等重大疾病在内的全疾病谱,集成生物医学本体和多类型医学文本资源,并融合多层次生物信息数据,分析生物通路和网络的特征,通过多维自动化与人工审编,构建精准医学研究知识库体系及知识推送系统,实现精准医学知识库的检索、展示、管理与共享,以及面向科研与临床不同需求的知识库应用。 (3)动态系统模型 动态系统模型能够更加真实的反应和模拟生物体内的各种生理进程。通过构建包括癌症在内的多种疾病增殖和代谢模型,模拟生物体内疾病的动态变化,为研究疾病的发生机理和建议治疗方法提供有效的帮助。

近期论文

查看导师新发文章 (温馨提示:请注意重名现象,建议点开原文通过作者单位确认)

Li, F., Zhou, L., Wang, Y., Chen, C., Yang, S., Shan, F., &Liu, L. (2022). Modeling long-range dependencies for weakly supervised disease classification and localization on chest X-ray. Quant Imaging Med Surg 2022;12(6):3364-3378. Sun, X., Xu, H, Liu, G.,Chen, J., Xu, J., Li, M., Liu, L. (2022). A Robust Immuno-Prognostic Model of Non-Muscle-Invasive Bladder Cancer Indicates Dynamic Interaction in Tumor Immune Microenvironment Contributes to Cancer Progression. Front Genet. 2022 Jun 3; 13:833989. Zhu, C., Yang, Z., Xia, X., Li, N., Zhong, F., & Liu, L. (2022). Multimodal reasoning based on knowledge graph embedding for specific diseases. Bioinformatics, 38(8), 2235-2245. Zhang R, Liu Z, Chang X, Gao Y, Han H, Liu X, Cai H, Fu Q, Liu L, Yin K. (2022). Clinical significance of chromosomal integrity in gastric cancers.. Int J Biol Markers, Jun 19. Liu, Y., Fu, Q., Peng, X., Zhu, C., Liu, G., & Liu, L. (2021). Attention-Based Deep Multiple-Instance Learning for Classifying Circular RNA and Other Long Non-Coding RNA. Genes, 12(12), 2018. https://doi.org/10.3390/genes12122018 Liu, G., Liu, Z., Sun, X., Xia, X., Liu, Y., & Liu, L. (2021). Pan-Cancer Genome-Wide DNA Methylation Analyses Revealed That Hypermethylation Influences 3D Architecture and Gene Expression Dysregulation in HOXA Locus During Carcinogenesis of Cancers. Frontiers in cell and developmental biology, https://doi.org/10.3389/fcell.2021.649168 Shi, L., Shi, W., Peng, X., Zhan, Y., Zhou, L., Wang, Y., Feng, M., Zhao, J., Shan, F., & Liu, L. (2021). Development and Validation a Nomogram Incorporating CT Radiomics Signatures and Radiological Features for Differentiating Invasive Adenocarcinoma From Adenocarcinoma In Situ and Minimally Invasive Adenocarcinoma Presenting as Ground-Glass Nodules Measuring 5-10mm in Diameter. Frontiers in oncology, 11, 618677. https://doi.org/10.3389/fonc.2021.618677 Wang, Y. , Wang, K. , Peng, X. , Shi, L. , & Liu, L. . (2021). Deepsdm: boundary-aware pneumothorax segmentation in chest x-ray images. Neurocomputing, 454(3) Liu, X., Wu, A., Wang, X., Liu, Y., Xu, Y., Liu, G., & Liu, L. (2021). Identification of metabolism-associated molecular subtype in ovarian cancer. Journal of cellular and molecular medicine, 25(20), 9617–9626. https://doi.org/10.1111/jcmm.16907 Peng, X., Yang, S., Zhou, L., Mei, Y., Shi, L., Zhang, R., Shan, F., & Liu, L. (2021). Repeatability and Reproducibility of Computed Tomography Radiomics for Pulmonary Nodules: A Multicenter Phantom Study. Investigative radiology, 10.1097/RLI.0000000000000834. Advance online publication. https://doi.org/10.1097/RLI.0000000000000834 Shi, L., Zhao, J., Peng, X., Wang, Y., Liu, L., & Sheng, M. (2021). CT-based radiomics for differentiating invasive adenocarcinomas from indolent lung adenocarcinomas appearing as ground-glass nodules: Asystematic review. European journal of radiology, 144, 109956. https://doi.org/10.1016/j.ejrad.2021.109956 Xu, W., Guo, W., Lu, P., Ma, D., Liu, L., & Yu, F. (2021). Identification of an autophagy-related gene signature predicting overall survival for hepatocellular carcinoma. Bioscience reports, 41(1), BSR20203231. https://doi.org/10.1042/BSR20203231 Xu, W., Chen, Z., Liu, G., Dai, Y., Xu, X., Ma, D., & Liu, L. (2021). Identification of a Potential PPAR-Related Multigene Signature Predicting Prognosis of Patients with Hepatocellular Carcinoma. PPAR research, 2021, 6642939. https://doi.org/10.1155/2021/6642939 Gang Liu#, Wenhui Xie#, Mingming Jin#, Ping Li, Liu Liu, Lei Liu$, Gang Huang$. Transcriptomic analysis reveals a WNT signaling pathway-based gene signature prognostic for non-small cell carcinoma. Aging (Albany NY). 2020 Oct 7;12(19):19159-19172. doi: 10.18632/aging.103724. Liu X, Liu G, Chen L, Liu F, Zhang X, Liu D, Liu X, Cheng X, Liu L. Untargeted Metabolomic Characterization of Ovarian Tumors. Cancers (Basel). 2020 Dec 4;12(12):3642. doi: 10.3390/cancers12123642. https://pubmed.ncbi.nlm.nih.gov/33291756/ Cui, D., Liu, Y., Liu, G., and Liu, L. (2020). A Multiple-Instance Learning-Based Convolutional Neural Network Model to Detect the IDH1 Mutation in the Histopathology Images of Glioma Tissues. Journal of computational biology : a journal of computational molecular cell biology. Liu, Y., Dou, Y., Lu, F., and Liu, L. (2020). A study of radiomics parameters from dual-energy computed tomography images for lymph node metastasis evaluation in colorectal mucinous adenocarcinoma. Medicine 99, e19251. Ren, H., Zhou, L., Liu, G., Peng, X., Shi, W., Xu, H., Shan, F., and Liu, L. (2020). An unsupervised semi-automated pulmonary nodule segmentation method based on enhanced region growing. Quantitative Imaging in Medicine and Surgery 10, 233-+. Xu, W.F., Liu, Z.H., Ren, H., Peng, X.Q., Wu, A.S., Ma, D., Liu, G., and Liu, L. (2020). Twenty Metabolic Genes Based Signature Predicts Survival of Glioma Patients. J Cancer 11, 441-449. Chen, L., Liu, X., Li, M., Wang, S., and Cheng, X. (2020). A novel model to predict cancer﹕pecific survival in patients with early﹕tage uterine papillary serous carcinoma (UPSC).Cancer Med. 2020 Feb;9(3):988-998.

推荐链接
down
wechat
bug