特聘序列

当前位置: 首页 > 关于我们 > 师资队伍 > 特聘序列 > 正文

全部
教研序列
特聘序列
客座序列
研究序列
教辅序列
陈磊

特聘副教授 硕士生导师

工作邮箱:chenlei@suat-sz.edu.cn
职务 特聘副教授 硕士生导师 工作邮箱 chenlei@suat-sz.edu.cn
个人简介

陈磊,深圳理工大学人工智能研究院大模型研究中心特聘副教授、硕士生导师。2026年博士毕业于香港大学计算与数据科学学院,师从罗锐邦教授。主要从事AI for Life Science与自然语言处理研究,在Nature Methods、Nature Communications、IEEE TKDE、Genome Research、NeurIPS、AAAI、SIGIR、EMNLP等期刊和会议发表论文20余篇,谷歌学术引用逾千次。未来将融合大模型与多智能体技术,开展基因组智能分析、虚拟细胞建模及可解释AI for Life Science研究,构建面向生命科学发现与精准医疗的智能方法体系。

研究领域

AI for Life Science、自然语言处理

主要研究方向

陈磊博士主要从事人工智能与生命科学交叉研究,聚焦高噪声、弱信号及有限标注条件下的可靠生命信息解析,在Nature Methods、Nature Communications、IEEE TKDE、Genome Research、AAAI、SIGIR等期刊和会议发表论文20余篇,谷歌学术引用逾千次。

在基因组智能分析方面,以第一或共同第一作者研发ClairS、ClairS-TO和Clair-Mosaic,融合数据合成、深度学习与生物学先验,构建覆盖肿瘤与正常配对、肿瘤单样本及低频嵌合变异场景的长读长小变异检测体系,提升复杂样本中的检测可靠性。相关成果发表于Nature Methods、Nature Communications和Genome Research。Clair系列工具已被国内外研究中心广泛使用,其中ClairS与ClairS-TO已纳入长读长测序头部企业ONT的官方分析流程,系列工具累计下载超过10万次。

在DNA存储系统方面,以共同第一作者研发Gungnir,将工作量证明与哈希签名机制引入DNA信息编解码,通过计算投入增强纠错、减少对存储冗余的依赖,实现高容错、低冗余DNA存储,成果发表于Nature Communications。

未来,将融合大模型与多智能体技术,开展基因组智能分析、虚拟细胞建模及可解释AI for Life Science研究。结合基因组与多组学数据,研究变异效应、基因调控和细胞干预响应;借助多智能体整合文献、数据库与专业工具,辅助证据核查、机制推理和实验设计;探索模型内部表征与生物学功能的联系,并通过实验协作检验科学假说,构建面向生命科学发现与精准医疗的智能方法体系。

学习工作经历

学习经历

2022年9月-2026年9月,香港大学,计算机科学,博士学位

2019年9月-2022年6月,中国科学院大学,计算机技术,硕士学位

2015年9月-2019年6月,中国矿业大学,计算机科学与技术,学士学位

工作经历

2026年10月-至今,深圳理工大学,人工智能研究院,特聘副教授

学术成果

学术服务

长期担任Nature Communications、Neurocomputing、Knowledge-Based Systems等国际期刊及NeurIPS、ACL、EMNLP、AAAI、ACM BCB等国际会议审稿人。参与组织GIW XXXIV / ISCB-Asia 2025等国际会议及NLPCC 2020 Shared Task: Multi-Aspect-based Multi-Sentiment Analysis (MAMS)评测任务。

所获荣誉

代表性荣誉奖励

2026年香港大学基金博士生优秀学术论文奖

2022年深圳大运留学基金会海外留学奖学金

2022年腾讯犀牛鸟精英人才计划突破进取奖

2022年中国科学院深圳先进技术研究院“院长奖学金—特别奖”

2021年中国科学院深圳先进技术研究院“院长奖学金—优秀奖”

科研成果

代表性论文

1.Lei Chen, Zhenxian Zheng, Junhao Su, Xian Yu, Angel On Ki Wong, Jingcheng Zhang, Yan-Lam Lee, Ruibang Luo. ClairS-TO: a deep-learning method for long-read tumor-only somatic small variant calling. Nature Communications. 2025.(Nature子刊,IF18.1)

2.Zhenxian Zheng,Lei Chen, Junhao Su, Xian Yu, Minggao He, Yan-Lam Lee, Tak-Wah Lam, Ruibang Luo. Nature Methods. 2026.(Nature子刊,IF 28.3,共同一作)

3.Jingcheng Zhang,Lei Chen, Jinlin Sun, Shumin Li, Yekai Zhou, Zhenqin Wu, Can Li, Zhenxian Zheng, Ruibang Luo. Gungnir codec enabling high error-tolerance and low-redundancy DNA storage through substantial computing power. Nature Communications. 2026.(Nature子刊,IF18.1,共同一作)

4. Zhenxian Zheng, Xian Yu,Lei Chen, Yan-Lam Lee, Cheng Xin, Angel On Ki Wong, Miten Jain, Rupesh K Kesharwani, Fritz J Sedlazeck, Ruibang Luo.Clair3-RNA: a deep learning-based small variant caller for long-read RNA sequencing data. Nature Communications. 2025.(Nature子刊,IF18.1)

5.Lei Chen, Zhenxian Zheng, Minggao He, Angel On Ki Wong, Xian Yu, Junzhe Li, Jingcheng Zhang, Yekai Zhou, Ruibang Luo. Accurate long-read mosaic small variant calling with Clair-Mosaic. Genome Research. 2026.(中科院一区,IF6.3)

6.Lei Chen, Fajie Yuan, Jiaxi Yang, Xiangnan He, Chengming Li, Min Yang. User-specific adaptive fine-tuning for cross-domain recommendations. IEEE Transactions on Knowledge and Data Engineering. 2021.(中科院一区,CCF A,IF11.6)

7.Lei Chen, Fajie Yuan, Jiaxi Yang, Xiang Ao, Chengming Li, Min Yang. A user-adaptive layer selection framework for very deep sequential recommender models. AAAI2021.(CCF A)

8.Lei Chen, Jingtao Ding, Min Yang, Chengming Li, Chonggang Song, Lingling Yi. Item-provider co-learning for sequential recommendation. SIGIR2022.(CCF A)

9.Lei Chen, Fajie Yuan, Jiaxi Yang, Min Yang, Chengming Li. Scene-adaptive Knowledge Distillation for Sequential Recommendation via Differentiable Architecture Search.WANT@NeurIPS Workshop 2023.

10.Lei Chen, Junhao Su, Zhenxian Zheng, Tak-Wah Lam, Ruibang Luo. Large-scale Dataset and Effective Model for Variant-Disease Associations Extraction.ACM BCB2023.

11.Lei Chen, Junhao Su, Tak-Wah Lam, Ruibang Luo.Exploring pair-aware triangular attention for biomedical relation extraction.ACM BCB2023.

12.Lei Chen, Ruifeng Xu, Min Yang. Overview of the NLPCC 2020 shared task: multi-aspect-based multi-sentiment analysis (MAMS). NLPCC2020.(CCF C)

【关闭】