研究方向

1. 基因组驱动的种质资源深度挖掘

  • 基于图泛基因组技术，解析作物遗传多样性，挖掘抗逆、高产、优质等关键性状的优异等位基因。
  • 代表性成果：构建谷子、番茄等作物高质量泛基因组，突破传统参考基因组局限。

2. 多组学整合与功能调控元件鉴定

  • 结合表观基因组、转录组及三维基因组数据，利用机器学习算法解析调控元件互作网络。
  • 开发AI模型预测增强子、启动子等非编码调控元件，揭示复杂性状形成的分子基础。

3. 大数据驱动的智能育种设计

  • 构建作物表型-基因型-环境多维数据库，开发基因组选择与全基因组优化设计算法。
  • 实现从“经验育种”向“精准设计育种”的跨越，加速新品种选育进程。