Qin AIM Lab 面向 AI 与多组学交叉领域发展计算方法，重点关注空间转录组学、长读长测序、癌症与临床基因组学以及调控基因组学。以下展示课题组的主要研究方向和正在开发维护的开源软件。每张卡片链接到简要介绍和相关论文。 研究方向 单细胞与空间多组学 面向单细胞和空间转录组学的 AI 驱动方法，重点关注 Xenium 数据分析和组织结构建模。 长读长测序方法学 面向 PacBio 和 ONT 长读长数据的算法，用于解析转录本异构体、结构变异和调控扰动。 癌症基因组学与演化 研究融合转录本、肿瘤结构变异、体细胞嵌合以及癌细胞状态的发育起源。 表观基因组学与基因调控 整合建模人类和小鼠中的转录因子结合、染色质可及性和顺式调控。 面向生物医学数据的 AI 面向多组学、调控基因组学和临床基因组学的深度学习、概率模型与生成式方法。 开源软件 CTAT-LR-Fusion 在 bulk 或单细胞分辨率下，基于长读长和短读长异构体测序进行准确的融合转录本识别。 minisv 结合泛基因组和从头个人基因组组装，提高长读长体细胞结构变异检测的灵敏度与精确度。 Lisa 通过整合建模公共染色质可及性和 ChIP-seq 数据，推断关键转录调控因子。 Cistrome Data Browser 面向人类和小鼠 ChIP-seq 与染色质可及性数据的数据门户，并提供整合式基因调控分析工具。
