纪宏超课题组

纪宏超课题组

Ji Hongchao Lab

　　课题组长

纪宏超，研究员，课题组长，中南大学理学博士。长期致力于计算机科学与化学生物学的交叉研究。以生物信息学为主要手段，开发一系列用于植物、作物代谢组学数据分析的新算法、新技术，并围绕“未知小分子结构与功能预测”这一核心科学问题展开研究工作。

获得国家自然科学基金2项、深圳市优秀科技人才培养项目等，在Nature Communications、Cell Chemical Biology、Analytical Chemistry、Briefings in Bioinformatics等国际学术期刊上发表论文20余篇。申请国家发明专利2项，PCT国际专利1项。担任Briefings in Bioinformatics, Journal of Chemical Information and Modeling, Analytical and Bioanalytical Chemistry, Chemometrics and Intelligent Laboratory Systems，Computers in Biology and Medicine等期刊审稿人，Metabolites期刊客座编辑。

课题组每年计划招收硕士及联合培养博士研究生1-2名，长期招聘具有计算机科学、生物信息学背景的博士后、科研助理。联系方式：jihongchao@caas.cn

　　工作经历

2024.09 – 至今  中国农科院深圳农业基因组研究所  研究员

2022.06 – 2024.08 中国农科院深圳农业基因组研究所  副研究员

2020.05 – 2022.06  南方科技大学       博士后

　　

教育经历

2015.09 - 2020.06 中南大学 化学化工学院 理学博士

2011.09 - 2015.07 中南大学 化学化工学院 工学学士

　　研究方向

1）化学信息学与人工智能算法开发及其在植物代谢组学的应用

2）植物、作物代谢组学质谱数据解析算法与软件开发

3）植物、作物中未知小分子代谢物结构注释与功能解析

　　研究进展　

重要进展成果1：针对复杂体系质谱分析，率先提出了基于机器学习的策略的特征提取、质量控制、校准及模式识别等子模块，并整合为数据处理软件；有效减少噪声干扰，对特征信号，尤其是低强度特征进行准确的定量。

重要进展成果2：针对未知小分子结构注释，开发了基于深度学习模型的从已知预测未知的解决思路，挖掘化合物结构与质谱碎片、色谱保留时间等分析化学性质的关联性，开发了一系列用于注释未知小分子化合物二维结构的方法。

重要进展成果3：针对潜在药物小分子靶标解析，率先提出了机器学习与热转变实验相结合的策略。大幅提高了实验通量，单次实验可以解析15 - 30个待筛化合物在细胞内的作用靶点，将筛选效率提高 15 - 60 倍。

代表性论著（第一/通讯作者）

2024:

(1) Chen J.; Yang Q.; Dai Q.; Chang S.; Tian J.; Cong S*; Ji, H.,*. FederEI: Federated Library Matching Framework for Electron Ionization Mass Spectrum based Compound Identification. Anal. Chem. Accepted. (Nature Index期刊)

(2) Li, H.; Fotouhi, N.; Liu, F.; Ji, H.;* Wu, Q.* Early detection of dark-affected plant mechanical responses using enhanced electrical signals. Plant Methods. 2024, 22 (1) 49.

2022-2023:

(3) Ji, H.#; Lu, X.#; Zhao, S.; Wang, Q.; Bin, L.; Huber, K. V. M.; Luo, R.; Tian, R.; Tan, C. S. H. Target deconvolution with matrix-augmented pooling strategy reveals cell-specific drug-protein interactions. Cell Chem. Biol. 2023, 30(11) 1478-1487. (Cell子刊)

(4) Yang, Q.#; Ji, H.#; Xu, Z.; Li, Y.; Wang, P.; Sun, J.; Fan, X.; Zhang, H.; Lu, H.; Zhang, Z. Ultra-Fast and Accurate Electron Ionization Mass Spectrum Matching for Compound Identification with Million-Scale in-Silico Library. Nat. Commun. 2023, 14 (1), 3722. (Nature子刊, Nature Index期刊)

(5) Song, Y., Chang, S., Tian, J., Pan, W., Feng.,* Ji, H.,* A Comprehensive Comparative Analysis of Deep Learning Based Feature Representations for Molecular Taste Prediction. Foods. 2023, 12(18), 3386.

(6) Ji, H.*; Tian, J. Deep Denoising Autoencoder-Assisted Continuous Scoring of Peak Quality in High-Resolution LC−MS Data. Chemo. Intell. Lab. 2022, 231, 104694.

(7) Ji, H.; Lu, X.; Zheng, Z.; Sun, S.; Tan, C.S.H. ProSAP: A GUI Software Tool for Statistical Analysis and Assessment of Thermal Stability Data. Brief. Bioinform. 2022, 23 (3), bbac057.

2014 - 2021:

(8) Ji, H.; Deng, H.; Lu, H.; Zhang, Z. Predicting a Molecular Fingerprint from an Electron Ionization Mass Spectrum with Deep Neural Networks. Anal. Chem. 2020, 92 (13), 8649–8653. (Nature Index期刊)

(9)  Ji, H.; Zhang, Z.; Lu, H. TarMet: A Reactive GUI Tool for Efficient and Confident Quantification of MS Based Targeted Metabolic and Stable Isotope Tracer Analysis. Metabolomics 2018, 14 (5), 68.

(10)  Ji, H.; Zeng, F.; Xu, Y.; Lu, H.; Zhang, Z. KPIC2: An Effective Framework for Mass Spectrometry-Based Metabolomics Using Pure Ion Chromatograms. Anal. Chem. 2017, 89 (14), 7631–7640. (Nature Index期刊)

(11)  Ji, H.; Xu, Y.; Lu, H.; Zhang, Z. Deep MS/MS-Aided Structural-Similarity Scoring for Unknown Metabolite Identification. Anal. Chem. 2019, 91 (9), 5629–5637. (Nature Index期刊)

(12)  Ji, H.; Lu, H.; Zhang, Z. Pure Ion Chromatogram Extraction: Via Optimal k -Means Clustering. RSC Adv. 2016, 6 (62), 56977–56985.

代表性专利

(1)  纪宏超; 化合物的化学结构确定方法、装置及终端设备, 2023-12-7, 中国, 202311690470.0 (申请)

(2)  纪宏超; 陈顺兴; 一种提高化合物与蛋白质相互作用实验通量的方法, 2022-6-7, 中国, 202210638301.1 (申请)

(3)  Ji Hongchao; Soon Heng Tan; Method for Improving Throughput of Compound-Protein Interaction, 2023-6-5, 美国, PCT/CN2023/098376 (申请)

纪宏超课题组更新于2024年9月