微信扫一扫
美国计算机系计算生物方向代表教授全梳理
本文整理了隶属于计算机科学/计算机学院、以算法/机器学习/计算理论为核心工具开展计算生物学研究的鼎尖教授。按院校（麻省理工学院、斯坦福大学等）分类，内容涵盖其背景、核心研究方向、标志性成果及适合的学生类型。
一、MIT CSAIL（计算生物学发源地，算法派翘楚）
-
1. Bonnie Berger
- 头衔：西蒙讲席教授，计算机科学与数学系双聘
- 教育背景：计算机科学本科及硕博，计算生物学奠基人之一，国际计算生物学学会（ISCB）终身成就奖得主（2019年）。
- 核心方向：蛋白质结构预测、基因组算法、生物大数据隐私保护、单细胞分析、生物网络。
- 标志性成果：
- 早期蛋白质折叠经典算法。
- 开创隐私计算基因组学领域。
- 培养了全球众多计算生物学领域的学术带头人（如Serafim Batzoglou、Manolis Kellis、Lior Pachter等）。
- 实验室特点：侧重理论算法与大规模生物数据结合，对纯计算机科学背景学生友好，数学要求较高。
- 适合学生：算法、理论计算机科学、生物信息工程方向的博士生。
-
2. Manolis Kellis
- 头衔：CSAIL全职教授，Broad研究所核心成员
- 导师：Bonnie Berger，计算机科学博士。
- 核心方向：比较基因组学、表观基因组学、染色质状态、疾病调控通路、进化基因组学。
- 标志性成果：
- ENCODE计划关键计算框架。
- 多物种进化信号识别。
- 细胞类型特异性调控网络。
- 特点：超大型跨学科实验室，干湿实验结合，拥有海量美国国立卫生研究院（NIH）基金支持，专注于基因组大数据的深度学习应用。
- 适合学生：基因组学、表观遗传学、人工智能+多组学方向的学生。
二、斯坦福大学计算机科学系（人工智能+计算生物学最强阵营）
-
1. Anshul Kundaje
- 头衔：计算机科学与遗传学副教授，Bio-X成员
- 核心方向：基因组深度学习、表观调控、非编码DNA解读，ENCODE计划计算负责人。
- 标志性成果：
- Basenji、DeepSEA等基因组学经典深度学习模型。
- 染色质可及性预测框架。
- 优势：在深度生成模型、可解释人工智能在基因组学的落地应用方面卓有建树，拥有海量多组学公共数据资源。
- 适合学生：深度学习、基因调控、疾病基因组学、生物大模型方向的学生。
-
2. Gill Bejerano
- 头衔：计算机科学与发育生物学教授
- 教育背景：计算机科学+数学+物理本科，计算机科学机器学习方向博士。
- 核心方向：人类进化保守非编码序列、罕见病基因组学、临床患者数据挖掘。
- 特色：同时拥有计算实验室和小型湿实验平台，算法研究直接对接临床遗传病诊断。
- 适合学生：进化基因组学、医学计算、希望进行干湿实验交叉研究的学生。
-
3. Serafim Batzoglou
- 头衔：前斯坦福大学计算机科学系教授，行业标杆
- 背景：Bonnie Berger的门徒，基因组序列比对、从头组装算法的鼻祖。
- 代表作：Arachne基因组组装器（早期人类基因组计划核心算法）；目前兼顾产业转化。
三、CMU计算机学院（全球鼎尖的独立计算生物学系）
- Carleton Kingsford
- 头衔：Herbert Simon讲席教授，计算生物学系主任
- 教育背景：普林斯顿大学计算机科学博士（师从Mona Singh）。
- 核心方向：RNA结构预测、微生物组学、代谢网络、大规模生物图算法、单细胞分析。
- 标志性成果：
- RNA二级结构快速比对算法。
- 微生物群落动态建模。
- 生物网络压缩算法。
- 实验室风格：纯计算机算法驱动，擅长图论、并行计算，理论与工程实践并重。
- 适合学生：RNA生物信息学、微生物组学、图机器学习、并行基因组算法方向的学生。
四、加州大学伯克利分校EECS
- Lior Pachter
- 头衔：EECS教授，计算数学与生物学交叉方向
- 背景：Bonnie Berger的弟子，算法基因组学、转录组定量分析的奠基人。
- 代表作：kallisto（超快速RNA-seq定量工具，全球引用量达百万级）；差分表达统计算法。
- 研究方向：转录组计算分析、物种进化树构建、生物统计学、离散算法。
- 优势：擅长开发轻量高效的生物信息学工具，计算统计学实力雄厚，适合有志于开发开源生信软件的学生。
五、华盛顿大学艾伦计算机科学与工程学院（人工智能+医学计算生物学鼎尖梯队）
- Su-In Lee
- 头衔：波音冠名讲席教授，计算分子生物学项目主任
- 导师：Daphne Koller（斯坦福大学人工智能领域先驱），计算机科学博士。
- 核心方向：可解释人工智能（XAI）、SHAP理论创始人、癌症多组学、衰老计算、医疗机器学习。
- 里程碑：提出SHAP值统一模型解释框架，彻底改变了生物医学机器学习可解释性研究。
- 特色：从纯人工智能视角切入疾病研究，非常适合转码学生及机器学习背景学生，医学转化能力强。
- 适合学生：人工智能医疗、癌症组学、可解释生物大模型、临床数据挖掘方向的学生。
六、约翰·霍普金斯大学计算机科学系（基因组工程、完整测序领域鼎尖）
- Adam Phillippy
- 头衔：计算机科学与生物工程研究教授
- 领域贡献：完整端粒到端粒人类基因组（T2T）项目计算负责人。
- 核心方向：长读长测序算法、基因组组装、泛基因组学、宏基因组学、物种完整基因组流水线构建。
- 标志性成果：
- HiCanu、Mash等组装/比对工具。
- 人类T2T完整基因组计算管线。
- 脊椎动物基因组计划。
- 适合学生：测序算法、基因组工程、大规模生物信息学流水线开发，偏工程实现方向的学生。
七、杜克大学计算机科学系（结构生物计算、蛋白质人工智能）
- Bruce Donald
- 头衔：James B. Duke杰出讲席教授，计算机科学/化学/生物化学三聘教授
- 背景：麻省理工学院AI实验室出身，计算结构生物力学奠基人。
- 研究方向：蛋白质结构柔性建模、分子对接、多肽药物设计、计算酶工程。
- 特色：将几何算法、机器人运动学迁移应用于分子构象预测，结构生物学算法理论功底极强。
- 适合学生：蛋白质结构、分子模拟、药物设计、计算几何方向的学生。
八、加州大学洛杉矶分校计算机科学系（人类遗传疾病计算）
- Eleazar Eskin
- 头衔：计算机科学系与计算医学系主任
- 教育背景：哥伦比亚大学计算机科学博士，人类复杂疾病遗传计算领域鼎尖学者。
- 核心方向：GWAS（全基因组关联研究）算法、多基因风险评分、人群基因组学、罕见病变异挖掘。
- 优势：擅长大规模人群遗传数据的统计机器学习分析，与医院临床合作紧密。
- 适合学生：遗传流行病学、疾病风险预测、统计基因组学方向的学生。
九、佐治亚理工学院计算学院（并行计算生物学）
- Srinivas Aluru
- 头衔：校董讲席教授，计算工程学院副院长
- 教育背景：计算机科学博士，并行计算生物学开创者。
- 核心方向：高性能基因组算法、并行序列比对、玉米/植物大规模基因组学、分布式生物大数据处理。
- 特色：专注于超算、GPU集群加速生物信息学算法，适合具有系统、高性能计算背景的学生。
按研究赛道快速选导师指南
- 蛋白质结构/计算结构生物学：Bonnie Berger (MIT)、Bruce Donald (Duke)
- 基因组组装/长读测序/T2T：Adam Phillippy (JHU)、Serafim Batzoglou（斯坦福大学）
- 基因组深度学习/表观调控：Anshul Kundaje (斯坦福大学)、Manolis Kellis (MIT)
- 可解释AI + 癌症医学多组学：Su-In Lee (UW)
- RNA/微生物/生物图算法：Carleton Kingsford (CMU)
- 转录组定量、轻量生信工具：Lior Pachter (Berkeley)
- 人群遗传病、GWAS统计计算：Eleazar Eskin (UCLA)
- 并行超算生物信息学：Srinivas Aluru (Georgia Tech)
