杨跃东

杨跃东博士，2017年起担任中山大学计算机学院教授、国家超算广州中心总工程师、国家青年人才，科技部创新人才团队核心成员、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。 主要从事多模态组学数据分析、智能药物设计、以及“天河二号”生物医药超算平台研究。承担包括国家重点研发课题、国家自然科学基金重大项目（课题）/新冠专项/面上项目、及广东省和广州市重点研发项目，直接负责经费超3千万元。作为通讯作者发表100多篇论文，包括Nature Machine Intelligence (两篇), Nature Computational Science，Cell姊妹刊Chem（IF=26），Nature Comm, Brief Bioinfo, Bioinformatics等顶刊、及IJCAI/AAAI等人工智能顶级会议论文，引用>10000次，H-index>50，被Alphafold2等顶级期刊和诺贝尔奖获得者的论文引用和正面评价，开发的算法被多家公司用于药物管线研发。获得广东省科技进步特等奖和中国电子学会一等奖。

• 基础算法：超智融合理论方法，图神经网络，多尺度/模态信息融合
• 智能药物设计: 生物大分子结构和功能预测，药物设计算法
• 多尺度组学大数据: 基于生物医药知识图谱/大模型，融合基因组学、单细胞组学、医疗多模态（医学影像，病理文本，ECG/EEG信号等）的多模态数据挖掘

• 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

• 2017.7至今 中山大学数据科学和计算机学院， 教授、博士生导师
• 2017.7至今 国家超算广州中心，国家超算广州中心副总工程师
• 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&医学院，研究助理教授
• 2006.9-2011.3 美国印第安纳大学信息学院&医学院，博士后

• 国家高层次青年人才
• 2021年度全球前2%最有影响力科学家（斯坦福大学发布）
• 2022年中国智能计算科技创新人物
• 广东省科技进步特等奖（排名第四）
• 中国电子学会一等奖（排名第三
• 2022年国际基因组解释大赛（CAGI-6）“Sherloc clinical classification” 致病变异预测冠军
  • 2013年CAGI-3的CDKN2A变异预测冠军
  • 2018年CAGI-5的Vex-seq选择性剪切预测第二名
• 2021年国家蛋白质中心、阿里云、英特尔(中国)三方主办的“英特尔创新大师杯”冷冻电镜蛋白质复合物结构建模大赛冠军
• 2021年世界人工智能大会青年优秀论文奖
• Cell出版社2021中国年度论文

实验室本着因材施教的宗旨，根据学生的研究兴趣、能力和未来发展方向，分配适当的研究任务，并结合组内的培训交流，培养学生独立思考和解决问题能力，提高算法和编程等专业技能。同时，我们也定期组织各类团建活动，丰富科研的日常生活，增强成员的团队合作意识。

实验室的毕业生（包括两年制专硕）均有IT大公司实习经历、并作为第一作者在SCI二区以上期刊发表论文，毕业去向腾讯、华为等优质单位。对于想继续深造的同学，可以选择本实验室或推荐出国攻读博士学位，也鼓励并支持去国际一流实验室交流访问。实验室成员每月发放生活津贴，取得重要研究突破和成果将给予优厚奖励；资助参加学术会议，允许自由安排工作时间。

• 同时欢迎各类交叉学科背景、有志于开展相关研究的研究生、博士生申请 （本科直接攻读博士学位者优先！）。
• 硕士申请博士考核入学要求：
  • 有优秀的学术背景和学术追求，第一作者已发表（含录用）高质量学术论文（SCI二区、CCF B类及以上或领域重要会议或杂志）

1. Zheng S, 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 PDF (2021年世界人工智能大会青年优秀论文奖).
2. Zheng S, Tan Y, Wang Z, Li C, Zhang Z, Sang X, Chen H, Yuedong Yang* . Accelerated rational PROTAC design via deep learning and molecular simulations. Natue Machine Intelligence 2022;4:739–748 PDF.
3. Y Zeng, M Luo, N Shangguan, P Shi, J Feng, J Xu, K Chen, Y Lu, W Yu, and Yuedong Yang*. Deciphering Cell Types by Integrating scATAC-seq Data with Genome Sequences. Nature Computational Science 2024 .
4. Q Yuan, C Tian, Yuedong Yang*. Genome-scale annotation of protein binding sites via language model and geometric deep learning Elife 2024.
5. Qiu J#, Xie J#,Su S, Gao Y, Meng H, Yuedong Yang* , Liao K*. Selective functionalization of hindered meta-C–H bond of o-alkylaryl ketones promoted by automation and deep learning. 细胞子刊Chem 2022; doi:j.chempr.2022.08.015 PDF. （自动化和智能化结合加速化学反应预测 科学网报道）
6. Zheng S, T Zeng, C Li, B Chen, CW Coley, Yuedong Yang* , Ruibo Wu*. Deep learning driven biosynthetic pathways navigation for natural products with BioNavi-NP. Nature Comm 2022;13:3342 （中国日报网海外版专题报道“Supercomputer, AI to speed up drug discoveries”）
7. Song Y, Zheng S, Li L, Zhang X, Zhang X, Huang Z, Chen J, Zhao H, Jie Y, Wang R, Chong Y*, Shen J*, Zha Y*, Yuedong Yang* . Deep learning Enables Accurate Diagnosis of Novel Coronavirus (COVID-19) with CT images. IEEE TCBB 2021;18(6):2775-2780; PDF (Cited: >800; 最早的新冠CT诊断论文, 2021年度中国影像医学领域最高价值论文排名第一)
8. Rao J, Zhou X, Lu Y, Zhao H, Yuedong Yang* . Imputing Single-cell RNA-seq data by combining Graph Convolution and Autoencoder Neural Networks. iScience 2021; 24(5):102393; PDF (细胞出版社2021中国年度论文)
9. Zheng S#, Rao J#, Song Y, Zhang J, Xiao X, Fang EF, Yuedong Yang* , Niu Z*. PharmKG: A Dedicated Knowledge Graph Benchmark for Biomedical Data Mining. Brief in Bioinfo 2020;bbaa344 PDF （PharmKG与Alphafold、IBM Waston等一起，被英国调研机构Deep Pharma Intelligence列为2018-2020年国际AI制药十大进展）
10. Rao J, Zheng S, Yuedong Yang* . Quantitative Evaluation of Explainable Graph Neural Networks for Molecular Property Prediction. Patterns 2022;100628.