研究领域

生物统计学及生物信息学，聚焦于生物医疗大数据（基因组学、电子病历、穿戴设备等）的分析处理算法以及临床诊断应用的研究。

个人简介

吴浩，国家级海外人才项目获得者，斯坦福大学全球前2%顶尖科学家。清华大学工学学士，约翰霍普金斯大学生物统计学博士。研究领域是生物统计及生物信息学，聚焦于生物医疗大数据（包括基因组学、电子病历、穿戴设备等）的分析处理算法以及临床诊断应用。至2024年6月，吴博士在国际期刊上共发论文100余篇，总引用量近19000次（谷歌学者）。此外，吴博士开发了一系列被广泛应用的开源软件包，每年总下载量超过30000次。作为埃默里大学生物统计与生物信息学系最受学生欢迎的教师之一，吴博士于2019年获得最佳教师奖，2022年获得最佳导师奖。培养了20余名博士硕士研究生，其中多名学生现在知名大学或研究机构担任教职。有关吴博士更多详细内容，请访问 www.haowulab.org.

学习经历

2005年9月–2010年7月，美国约翰霍普金大学，生物统计系，博士

1998年9月–2000年5月，美国衣阿华州立大学，电气工程系，硕士

1991年9月–1996年7月，清华大学，电机工程与电子技术系，学士

工作经历

2022年12月–至今，深圳理工大学计算机科学与控制工程学院杰出教授、深圳先进技术研究院研究员

2022年5月–2022年12月，美国埃默里大学，终身正教授

2016年9月–2022年5月，美国埃默里大学，终身副教授

2010年7月–2016年9月，美国埃默里大学，助理教授

2001年9月–2005年7月，美国杰克逊实验室，资深软件工程师

2000年5月–2001年9月，美国通用电气公司，工程师

1996年7月–1998年7月，中国科学院电工研究所，助理研究员

国际影响力

斯坦福大学全球前2%顶尖科学家

Statistics in Biosciences 副主编

所获荣誉

国家级海外人才项目获得者

科研成果

代表性项目

US NIH R01,“Dissecting epitranscriptomic signal from complex tissues”. 2021-2025，直接支持: $1,050,000.00.项目负责人

US NIH R01,“Statistical Methods for Single-Cell RNA-Seq”. 2016-2022. 直接支持: $1,400,000.00. 项目负责人

US NIH R01,“Bayesian Network Biomarker Selection in Metabolomics Data”. 2020-2022.  直接支持: $182,000.00. 子项目负责人

代表性文章

1.Ma W, Lu J, Wu H* (2023) Cellcano: supervised cell type identification for single cell ATAC-seq data. Nature Communications 14:1, 1864

2.Chen L, Li Z, Wu H* (2023) CeDAR: incorporating cell type hierarchy improves cell type-specific differential analyses in bulk omics data. Genome Biology 24:1, 1-26

3.Ma W, Su K, Wu H*. (2021) Evaluation of some aspects in supervised cell type identification for single-cell RNA-seq: classifier, feature selection, and reference construction, Genome Biology, https://doi.org/10.1186/s13059-021-02480-2

4.Li Z, Wu H*. (2019) TOAST: improving reference-free cell composition estimation by cross-cell type differential analysis. Genome Biology. 20 (1), 1-17

5.Feng H, Jin P, Wu H*. (2018) Disease Prediction by Cell-Free DNA Methylation. Briefings In Bioinformatics. doi:10.1093/bib/bby029

6.Zheng X*, Zhang N, Wu HJ, Wu H*. (2017) Estimating and accounting for tumor purity in cancer methylation microarray analysis. Genome Biology 18:17. doi: 10.1186/s13059-016-1143-5

7.Wu H*, Xu T, Feng H, Chen L, Li B, Yao B, Qin S, Jin P, Conneely KN (2015) Detection of differentially methylated regions from whole-genome bisulfite sequencing data without replicate. Nucleic Acids Research. doi: 10.1093/nar/gkv715

8.Feng H, Conneely KN*, Wu H* (2014) A Bayesian hierarchical model to detect differentially methylated loci from single nucleotide resolution sequencing data. Nucleic Acids Research. 42(8):e69. doi: 10.1093/nar/gku154

9.Wu H, Wang C, Wu Z (2012) A new shrinkage estimator for dispersion improves differential expression detection in RNA-seq data. Biostatistics, 14(2):232-43. doi: 10.1093/biostatistics/kxs033

10.Wu H, Irizarry, R.A. and Bravo, H.C. (2010) Intensity normalization improves color calling in SOLiD sequencing, Nature Methods 7:336–337