姚岚天，博士，现任厦门大学信息学院计算机科学与技术系助理教授、硕士生导师。 姚岚天博士于2025年3月获得香港中文大学计算机博士学位，研究方向涵盖人工智能、生物信息学、生物医学大数据分析及其在药物设计中的应用。2025年5月加入厦门大学信息学院。
教学方面：重视基础，链接前沿
积极参与学院课程体系建设，于2025年秋季学期开始承担《数据结构》课程教学工作。该课程是计算机学科的核心基础课程之一，关系到学生后续算法分析、人工智能建模及系统开发等能力的培养。
科研方面：融合AI与生命科学，推动新药发现
姚岚天博士的研究聚焦人工智能与生命科学交叉领域，致力于用计算方法解决生物医学领域中的关键问题，构建从数据整合、算法开发到实验验证的一体化药物设计体系。姚岚天擅长将深度学习、图神经网络、大语言模型等技术应用于生物序列分析、多肽药物设计、蛋白质功能预测及多组学数据挖掘领域。在大规模生物数据爆炸式增长的背景下，姚岚天博士的研究坚持“从大数据到精准治疗”的研究理念，开发了一系列可解释、可推广的算法，在多个方向取得创新成果，涵盖生物数据库设计、生物序列建模、AI药物筛选和生物信息学软件开发等。
近五年来，姚岚天博士在生物信息学领域已发表超过30篇高质量SCI期刊论文，其中第一作者或通讯作者（含共同）超过20篇，包含Nucleic Acids Research (影响因子13.1) 6篇、Briefings in Bioinformatics(影响因子7.7) 5篇、Journal of Chemical Information and Modeling (影响因子 5.3) 4篇等。90%的论文发表在JCR一区的期刊上，论文总引用次数超过1500次，H指数为15。
代表性成果：
1. dbAMP：世界上最全的抗微生物肽数据库
在病原菌耐药性日益严峻的背景下，抗微生物肽作为一类具有广谱抗菌活性且不易诱导耐药的候选分子，受到全球研究者关注。主导开发了 dbAMP数据库，整合了全球公开资源中的抗微生物肽序列、结构信息、活性数据及物理化学性质等。
该平台为研究者提供了强大的搜索、分析与可视化功能，并支持基于靶菌、结构类型等维度的个性化查询。数据库已成为多个科研项目的基础资源，其在 Nucleic Acids Research期刊的发表被视为该领域的重要进展，助力加速新一代抗菌药物的发现。
图1. dbAMP 示意图
2. CapsEnhancer：解析基因表达调控的关键调节元件
提出了基于深度学习的增强子识别框架，用于发现非编码区的关键调控元件。该方法采用 混沌游戏图编码和胶囊网络，将DNA序列转化为图像形式，并捕捉其中的空间依赖关系与局部特征，显著提升了增强子识别准确率。
研究以两阶段架构精准区分增强子与非增强子，并进一步识别增强子活性强弱。该工作已发表于计算化学领域知名期刊Journal of Chemical Information and Modeling，并被认为为生物调控建模提供了新思路。
图2. CapsEnhancer工作流程图
3. ACP-CapsPred：挖掘抗癌肽的新一代AI引擎
针对癌症治疗中抗药性和副作用问题，开发了ACP-CapsPred方法，用于识别具有抗癌活性的肽分子并预测其作用机制。该方法融合蛋白质语言模型、序列理化特征、进化信息等多源信息，以挖掘肽序列中重要的功能片段。该模型具备高度可解释性，通过分析肽段与抗癌活性的关系，指导肽类药物设计方向。该成果已发表于生物信息学知名期刊Briefings in Bioinformatics，为新型抗癌肽研发提供重要工具。
图3. ACP-CapsPred的模型架构图
当前位置：
首页
>>
正文
