项目介绍
Dr. Zhi 即将加入耶鲁大学 (Yale)，担任生物医学信息学与数据科学系教授及生物信息学主任。其实验室专注于计算基因组学与泛基因组学、基于EHR的深度学习，包括Med-BERT和CovRNN风格的基础模型，以及AI驱动的影像遗传学和影像GWAS。该团队拥有稳定的NIH资助，包括R01和U01项目，为独立方法学开发和生物医学合作提供了良好的研究环境。
本次招收的博士后，将主要从事以下方向的研究：
计算基因组学与泛基因组学：实验室在大规模IBD检测和PBWT算法方面开展了持续研究，开发了RaPID、RAFFI、FiMAP等工具，以及基于GBWT/RLBWT的泛基因组索引方法。当前项目包括高效泛基因组图构建与查询、跨种群单倍型分析，以及面向百万样本队列的下一代IBD算法。
EHR深度学习与临床AI：实验室是结构化EHR基础模型的早期贡献者，Med-BERT引入了诊断代码序列的大规模预训练与微调范式。当前项目包括临床基础模型的持续预训练与多任务微调、面向部署的验证与基准测试、多模态临床表征学习，以及CovRNN和PK-RNN风格的轨迹建模。
影像遗传学与神经影像GWAS：实验室开发了UDIP无监督深度学习影像表型框架，UDIP-Brain利用UK Biobank脑MRI发现了传统影像表型之外的遗传位点。当前项目包括多模态影像表征学习、影像衍生表型GWAS、阿尔茨海默病神经影像生物标志物、视网膜影像遗传学以及多组学整合。
所属院系：耶鲁大学，生物医学信息学与数据科学系
项目时长：1 年
申请要求和方式
申请要求：
·已获得或即将获得生物信息学、计算机科学、统计学、计算生物学、生物医学信息学或相关定量领域的博士学位；
·精通Python和/或C++编程，有大规模基因组学、临床、影像学或生物医学数据处理经验者优先。
申请方式：按照导师要求，向导师发送邮件和证明材料。经过双向选择后，向院校递交申请。
*请注意，高质量博士、博后项目对于申请人的科研能力要求较高，更适合学术背景相对扎实的985学员。
