杨跃东博士，2017年起担任中山大学数据科学与计算机学院教授、国家超算广州中心副总工程师、国家海外高层次青年引进人才，智能健康医疗中心副主任， 广东省“珠江人才”创新团队核心成员。杨跃东是安徽无为人，先后于中国科学技术大学获得学士（2000年）和博士（2006年）学位，此后分别于美国印地安那大学(2006-2013)和澳大利亚格里菲斯大(2013-2017)担任博士后、研究助理教授、及研究员。 主要从事生物多组学数据分析、医疗多模态数据挖掘、全流程药物智能设计等研究,同时负责管理、应用、开发“天河二号”的国际生物医药高性能软件，目前承担多项国家自然科学基金项目、国家重点研发、及广东省和广州市重点研发项目，在研经费超二千万元。已在Nature Machine Intelligence、Bioinformatics等顶刊、及IJCAI等人工智能顶级会议上发表100多篇SCI论文，引用4000多次，H-inde>30，其中10篇第一/通讯论文单篇引用过百、四篇入选ESI高引用论文。

实验室简介: 实验室主要研究方向为健康医疗的智能计算，研究最新高性能计算、大数据、及AI技术，为生物医药产业赋智赋能，开发准确且超快的疾病诊疗和新药研发算法，并基于“天河二号”构筑大数据分析和计算统一的云超算平台，为产业应用提供一站式服务。随着健康大数据的快速发展，健康医药已成为AI产业应用的一个热点，腾讯、阿里、华为等公司均纷纷布局相关产业开发，而今年的抗击疫情充分展示了大数据分析在人类健康中的重要作用。疫情期间，本实验室充分利用“天河二号”的超强算力，开展了基于CT的智能诊断、药物智能推荐算法、及医药知识图谱等一系列工作，取得了多项重要成果。项目涉及CV、NLP、ML、知识图谱等多个领域，广泛运用到了各种前沿AI技术，对任意技术感兴趣的同学都能在这里找到属于自己的舞台。

学院主页 和English Version

• 智能药物设计: 基于人工智能的生物大分子结构、功能、及药物分子设计；
• 多组学数据分析: 结合人工智能和多组学数据融合的癌症等重大疾病早期诊断与预后分析；
• 多模态医疗数据挖掘: 医疗图像、电子病历、ECG/EEG等多模态大数据的有效挖掘

• 2000.9-2006.6          中国科学技术大学，计算生物学 博士
• 1996.9-2000.6          中国科学技术大学，学士

• 2013.6-2017.7          澳大利亚格里菲斯大学信息学院&糖组学研究所，研究员
• 2011.3-2013.6          美国印第安纳大学信息学院&药学院，研究助理教授
• 2006.9-2011.3          美国印第安纳大学信息学院&药学院，博士后

• 2017.5至今         中山大学数据科学和计算机学院 & 国家超算广州中心， 教授、博士生导师 兼国家超算广州中心副总工程师

• 国家海外高层次青年引进人才
• 广东省“珠江人才”团队核心成员
• 中山大学“百人计划”

• 国家海外高层次青年引进人才，200万、主持
• 国家重点专项"国家高性能计算环境领域应用平台及服务体系研究与构建"课题, 高性能多尺度生物与材料计算平台（2020YFB020003）、2020-2023、 1346万、主持
• 基于深度学习的蛋白质空间结构预测方法研究，自然科学基金面上项目 (61772566)、2018-2021、60万、主持
• 广东省重点研发、精准医学大数据挖掘与整合分析平台研发、2018-2021、800万、共同主持
• 中大超算应用培育重大专项、基于天河二号的生物多组学大数据融合分析平台、2019-2021、300万、主持
• 国家重点研发计划、精准医学大数据的有效挖掘与关键信息技术研发（ 2018YFC0910500）、2018-2020 、项目骨干 (中大负责人)
• 高性能计算应用支撑平台 、广东省“珠江人才” 创新团队 (2016ZT06D211)、2017-2022、2000万、第二核心成员
• 广东省重点研发、膀胱癌人工智能一体化精准诊断平台的研发、2019-2021、项目骨干
• Novel antimicrobial target discovery by an integrated approach. 澳大利亚 ARC (LP150100137), 2015-2017 、24.1万澳元 、co-PI
• Developing species-specific, structure-targeting peptides as a novel class of antibiotics. 澳大利亚NHMRC (1121629), 2017-2019、60.7万澳元、co-PI

在Nature Machine Intelligence, Genome Biol，NAR，Bioinformatics及人工智能顶会（IJCAI、AAAI）等发表100多篇论文，详细列表见：
google scholar : http://scholar.google.com.au/citations?hl=en&user=AfjwTKoAAAAJ
Scopus : https://www.scopus.com/authid/detail.uri?authorId=8439078900

S Zheng#, Y Li#, S Chen, J Xu* and Yuedong Yang*. Predicting Drug Protein Interaction using Quasi-Visual Question Answering System. Nature Machine Intelligence 2020;2(1):134-140.

R. Heffernan, K. Paliwal, J. Lyons, A. Dehzangi, A. Sharma, J. Wang, A. Sattar, Yuedong Yang* and Y. Zhou*. Improving prediction of secondary structure, local backbone angles, and solvent accessible surface area of proteins by iterative deep learning. Scientific Reports 2015; 5:11476 (Cited: 260).

Heffernan R, Yuedong Yang*, Paliwal K, Zhou Y*. Capturing Non-Local Interactions by Long Short-Term Memory Bidirectional Recurrent Neural Networks for Improving Prediction of Protein Secondary Structure, Backbone Angles, Contact Numbers, and Solvent Accessibility. Bioinformatics 2017；33 (18), 2842-2849. (Cited: 150)

J Hanson, Yuedong Yang*, K Paliwal, Y Zhou*. Improving protein disorder prediction by deep bidirectional long short-term memory recurrent neural networks. Bioinformatics 2017. 33 (5), 685-692 (Cited: 140; ESI高引).

Yuedong Yang, Faraggi E, H Zhao, Zhou Y. Improving protein fold recognition and template-based modeling by employing probabilistic-based matching between predicted one-dimensional structural properties of the query and corresponding native properties of templates. Bioinformatics 2011 Aug 1;27(15):2076-82. (Cited：280; ESI高引)

Yuedong Yang, J Gao, J Wang, R Heffernan, J Hanson, K Paliwal, and Y Zhou. Sixty-five years of long march in protein secondary structure prediction: the final stretch? Brief in Bioinformatics 2017, bbw129 (Cited:120; ESI高引)

• F1000论文推荐专家 （Associate Member）
• BMC Bioinformatics 编委
• Reviewers for Nat Chem, Nat Comm, Bioinformatics, etc.