KAIST生物与脑工程系有一个做系统生物学和AI药物发现的实验室，PI是Hyun Uk Kim教授。这个组最值得看的不只是论文数量——他2025年入选了Clarivate高被引研究者（HCR），而且组里近期在Chemical Engineering Journal拿到编辑席位，同时在做韩美合作研究项目。对想做生物信息学或计算生物学方向的人来说，这组的学术训练路径比较扎实：学生从数据管道到模型构建到实验验证都能接触到。
项目方向门槛
KAIST的生物与脑工程系（Department of Bio and Brain Engineering）有明确的博士招生项目，每年举办Open Lab Night供潜在申请者了解各实验室。博士资格考试和学位授予标准在院系网站公开。Kim教授的实验室近年持续招收博士生和硕士生，2026年3月还有新成员入组的记录。进入这个组的门槛是：你需要有编程能力（Python至少熟练），最好有生物信息学、代谢工程或机器学习的项目经历。纯生物实验背景没碰过代码的人，适配度会偏低。
研究背景与课题组
Kim Hyun Uk是KAIST生物与脑工程系的教授，实验室名为Systems Biology and Medicine Lab（SBML）。他和Distinguished Professor Sang Yup Lee共同运营Cross-Generation Collaborative Lab。从实验室主页看，组里目前有博士生、硕士生和访问学者。他2025年12月被选为Clarivate高被引研究者，同时担任Chemical Engineering Journal编辑和Biotechnology期刊编委。他的学术训练路径是典型的系统生物学+代谢工程：用计算方法预测和优化生物系统。
研究重心
他近几年最集中的研究线是用深度学习方法预测药物-药物相互作用和药物-食物相互作用。2018年这项工作就被NVIDIA和KAIST News报道。另一条线是用大肠杆菌做L-酪氨酸生产的代谢工程。这两条线的交叉点是：用计算模型指导生物实验设计，让实验不是盲试。对学生来说，这意味着你在这个组里会同时学到编程建模和生物实验，但比重上计算会更重。
代表论文
他的代表性工作包括用深度学习预测药物相互作用的框架（被NVIDIA合作报道）、基于基因组尺度代谢模型的微生物工程，以及合成生物学中的AI辅助设计。具体论文标题需要在Google Scholar上查证，但从引用数据和HCR入选来看，他在系统生物学和代谢工程交叉领域的影响力是可以验证的。
申请准备与文书材料
CV里要突出：你用什么编程语言做过什么生物数据分析，有没有处理过组学数据（基因组、代谢组、蛋白组），是否了解代谢通量分析或约束建模。邮件第一段写你做过的一个具体计算生物学项目，提到你用了什么方法，得到了什么初步结果。不要只写
