课题组将深入东亚人群复杂疾病（如肺纤维化，心血管疾病等）的研究，筛选东亚人群中相关疾病的特异位点；通过单细胞分析和机器学习方法，构建复杂疾病单细胞图谱，优化心血管疾病预防模型，推动精准医学和公共卫生预防研究的转化应用开发。
       这一领域的核心在于利用先进的机器学习模型和大规模的单细胞基因组数据，结合空间转录组学和多组学等多种组学数据类型，来揭示复杂疾病（例如肺纤维化、心血管疾病等）中细胞的异质性和动态变化。我们在处理，获取相应的大规模单细胞数据的同时，也聚焦于开发和改进一系列计算方法。这些方法不仅利用了机器学习模型和大规模单细胞基因组数据，还包括空间转录组学和多组学等多种组学数据类型。这些方法包括但不限于应用低维方法来降低数据的复杂性，同时保持其表征重要生物学变量的能力；开发具有可解释性的深度学习模型，为生物学现象提供清晰的生物学解释。通过这些高级分析，我们希望能够更深入地理解细胞间的相互作用，以及它们如何在复杂疾病病理过程中发挥作用，从而为治疗复杂疾病提供新的策略和方向。