1. 网络医药(Network Medicine)

生物的生命活动依赖蛋白质和蛋白质之间的相互作用完成。疾病、药物通过影响其中特定的蛋白质，影响生命活动进程。网络医药(Network Medicine)研究如何通过人类蛋白质的相互作用网络（human protein-protein interactome），理解药物、疾病的作用机理。人类蛋白质的相互作用网络由约20，000种蛋白质（网络的节点），和数十万种蛋白质相互作用（网络的边）构成。通过研究在此网络上药物靶点、疾病相关基因的网络拓扑关系，可以理解药物治疗疾病的机制、药物组合规律、疾病同性、疾病-症状关系等科学机制，从而进行药物预测、疾病预测等。

主要成果：

（1）提出人类蛋白质网络组上中药-症状拓扑关系理论，首次揭示中药治疗系统的共性规律。

（2）首次揭示人类蛋白质网络组上化学品-疾病致病关系存在共性拓扑规律

（3）搭建融合蛋白质网络组上药物-疾病拓扑规律的多模态新冠药物重定位算法

2. 生物信号转导网络的建模 (Modeling signal transduction networks in biology)

生物的生命活动往往由复杂的信号转导过程实现。例如，植物保卫细胞（Guard cell）在外界环境变化时的气孔变化反应决定了植物光合作用的效率（二氧化碳吸收），和应对不利坏境（水蒸气流失）的自我保护。这一生理过程对植物生命活动，尤其是农作物的产量和抗灾能力至关重要。气孔的闭合反应过程由许多生物化学反应、分子相互作用等机制实现，涉及数十种蛋白质、小分子等信号转导因素，构成了一个复杂的生物信号转导网络。传统的生命科学研究针对单个基因/信号转到元素，缺乏研究此类复杂系统的方法；相反地，通过网络科学、数理建模的方法研究生物信号转导网络的复杂系统，可以补足传统研究方法的局限性，理解生命复杂系统中的高层次规律。通过对生物信号转导网络进行数学建模和分析，可以揭示信号转导的特性，预测未知的信号转导元素，并启示如何人工调控信号转导，引导生命系统向理想的方向发展。

主要成果：

（1）首次建立信号转导网络和动力学模型，系统揭示并预测植物在二氧化碳下气孔闭合的系统机制

（2）建立了网络非线性动力学模型的吸引子（代表生物稳态）性质与算法

招生信息：

甘晓教授组招收对网络科学、数据科学、交叉学科感兴趣的学生，背景不限。组内经费充足，关系友好，重视学生个人发展，不内卷不放养。欢迎感兴趣的同学邮件联系：xiao.gan@nuist.edu.cn。

当前主要研究课题包括而不限于：

1. 通过生物网络和真实世界临床大数据解释中医药科学原理；

2. 通过生物网络和大数据发掘药物治疗与毒理的共性差异；

3. 离散动力学模型（针对生物系统）的数学性质与吸引子算法

4. 通过动力学模型解释、预测生物系统机制

5. 鼓励学生结合自身背景和课题组优势，自由选择研究课题（例如人工智能、社交网络等方向