研究
把人体健康理解为一个不断变化的系统。
我们关注人与人之间为什么会以不同的速度衰老，以及疾病如何在时间中逐渐形成。课题组将长期人群研究、多组学、人工智能和人源实验模型结合起来，希望把复杂的生物信号转化为更容易理解、验证和应用的健康知识。
观察人群
连接数据
建立模型
在人源系统中验证
推动健康应用
引导我们的问题
从时间和不同生物层次理解重要的健康问题。
?
为什么有些人能够保持更好的健康韧性，而另一些人衰老得更快？
?
微生物组和免疫系统如何在时间中相互影响？
?
人工智能能否帮助理解健康与疾病之间的变化，并让我们更早采取行动？
?
人源组织模型能否让医学研究更具预测性、更接近真实人体？
研究方向
四个相互连接的研究方向。
每个方向都从人体生物学出发，共同服务于一个目标：理解健康随时间发生的变化，并将这些认识转化为更好的健康研究路径。
纵向多组学与数字孪生
我们从时间维度观察健康变化，将临床信息与多个分子层面的数据连接起来。在此基础上建立动态、可解释的模型，探索健康和疾病状态可能如何演变，长远目标是帮助实现更及时、更个体化的健康管理。
微生物组、免疫与健康衰老
我们研究微生物、免疫活动、代谢与慢性炎症在衰老过程中如何相互作用，关注血管和心肺健康中的风险与韧性，并探索支持人体恢复生物平衡的新思路。
人源免疫类器官
我们建立基于人源扁桃体和脾脏的研究模型，在更接近人体真实生物学的环境中观察免疫反应。这些模型帮助我们把人群中的发现带到实验验证，并服务于感染、疫苗和炎症性疾病研究。
微生物“暗物质”与新生物学
微生物世界中仍有大量内容尚未被认识。我们通过数据驱动的方法探索容易被忽视的微生物基因、蛋白质和代谢产物，理解它们如何影响免疫和代谢功能，以及可能揭示哪些新的生物学规律。
我们的能力
连接计算、人群研究与实验验证的跨学科团队。
长期人群研究关注健康如何随时间变化，而不只观察某一个时间点。
多组学整合将不同层面的生物信息连接成更完整、连贯的图景。
人工智能与数字孪生模拟建立可解释的工具，探索健康和疾病的发展轨迹。
高分辨率细胞分析理解不同细胞和组织如何参与健康与疾病过程。
人源免疫模型在类器官及其他人源模型中验证来自人群研究的发现。
微生物研究与转化合作把微生物发现与临床问题及跨学科合作连接起来。
与我们合作
不同领域的专长，共同面对重要问题。
我们欢迎在人群队列、计算与人工智能方法、人源模型和转化研究等方面开展合作。我们尤其重视能够连接不同学科、让复杂生物学真正服务于人的伙伴关系。