01、招生要求
根据HKU Graduate School最新规定，申请Doctor of Philosophy (PhD)项目需满足以下基本条件：
1. 学历背景
申请者须具备认可大学颁发的学士学位（一等荣誉学位）及硕士学位；或持有研究型硕士学位（如MPhil）申请三年制博士项目。非研究型硕士背景者通常入读四年制项目。医学院及公共卫生学院要求申请者具备医学、生物信息学、公共卫生或相关领域背景。
2. 英语能力证明
非英语授课院校毕业生须提交两年内有效的英语成绩：
-TOEFL iBT总分不低于85分（写作不低于25分）
-IELTS总分不低于6.5分（单项不低于6.0分）
3. 申请材料
包括学术成绩单、学历证明、研究计划书（Research Proposal，6-8页）、两封学术推荐信、GRE/GMAT成绩（经管及心理学专业要求）。申请者需通过HKU在线申请系统提交，申请费150港元。
4. 资助体系
HKU为全奖博士生提供Postgraduate Scholarship (PGS)，月津贴约18,500港元。优秀申请者可竞逐Hong Kong PhD Fellowship Scheme (HKPFS)，首年总资助额可达427,100港元，后续每年407,100港元，含学费豁免及会议差旅津贴。
02、研究方向
Professor Haogao Gu的研究轨迹呈现明显的演化路径，可归纳为三个递进阶段：
1. 传染病流行病学建模
早期研究聚焦于登革热（Dengue fever）和诺如病毒（Norovirus）的疫情传播动力学。代表性工作包括《Meteorological Factors for Precise Dengue Fever Control and Prevention in South China》（International Journal of Environmental Research and Public Health, 2016）及《Evidence-based interventions of norovirus outbreaks》（BMC Public Health, 2016）。此阶段 methodology 以传统流行病学统计模型为主。
2. 病毒基因组进化分析
研究重心转向next-generation sequencing (NGS) 与bioinformatic methods，主攻流感病毒（Influenza A virus）进化机制。关键成果《Dinucleotide evolutionary dynamics in influenza A virus》（Virus Evolution, 2019）揭示了病毒基因组中双核苷酸频率的进化压力，该刊在Virology领域排名第4（IF=5.549）。
3. 冠状病毒基因组序列特征解析
近年研究集中于SARS-CoV-2及其他betacoronaviruses的密码子使用模式（codon usage）与序列特征。论文《Multivariate analyses of codon usage of SARS-CoV-2 and other betacoronaviruses》（Virus Evolution, 2020）采用多变量统计方法解析病毒基因组适应机制，为理解病毒跨种传播提供分子进化证据。
Gu博士的研究特色在于将流行病学大数据与高通量基因组学技术结合，从群体水平与分子水平双向解析病毒进化规律。其发表在Emerging Infectious Diseases的H5N8禽流感病毒研究 further 证实了该方法在公共卫生监测中的应用价值。
03、有想法
针对Gu博士的现有研究基础，以下研究计划具备可行性与学术创新性：
想法一：多组学整合的病毒进化预警系统
开发整合基因组学（genomics）、转录组学（transcriptomics）和蛋白质组学（proteomics）的multi-omics分析框架，用于预测流感病毒抗原性漂移（antigenic drift）。通过构建机器学习模型分析codon usage bias与抗原变异的相关性，建立早期预警算法。该想法的可行性在于Gu博士已具备NGS数据分析经验，且HKU School of Public Health拥有完善的生物信息学平台。
想法二：病毒基因组结构变异与致病性关联研究
超越传统的序列比对（sequence alignment），关注structural variations（SVs）在SARS-CoV-2不同变异株中的分布模式。利用long-read sequencing技术（如Nanopore）解析基因组重排（rearrangements）与致病性的关系。该方向填补了现有研究对基因组拓扑结构关注的不足，具有明确的分子流行病学意义。
想法三：宿主-病原体共进化的计算模型
建立mathematical models量化宿主免疫压力与病毒基因组突变率的动态平衡。具体而言，构建differential equations描述codon usage adaptation在宿主特异性（host specificity）进化中的作用机制。该方法将Gu博士早期的流行病学建模经验与近期的进化基因组学结合，形成cross-disciplinary研究范式。
想法四：环境metadata与病毒进化的时空关联分析
整合气候数据、人口流动数据与病毒基因组时间序列数据，运用Bayesian phylogeographic methods重建病毒传播路径。重点分析meteorological factors如何通过选择压力影响病毒基因组composition。该想法延续了Gu博士早期对登革热气候因素的研究，并扩展至基因组进化层面。
