研究领域

人工智能，机器学习，智慧医疗，生物信息学，AI药物设计，生物大数据分析，AI4Science

个人简介

姚岚天，2025年获香港中文大学计算机博士学位，现为深圳理工大学担任特聘副教授、博士生导师，建立iBiCom Lab（智能化生物计算实验室, https://ibicom.github.io/iBiCom/）。姚岚天博士主要从事人工智能与生物信息学交叉领域研究，研究方向涵盖生物信息学、机器学习与深度学习、医学大数据分析、人工智能辅助药物设计与精准医学等，致力于开发人工智能新方法，解决生命科学与医学领域中的重要科学问题。近年来，在生物信息学、计算生物学和人工智能辅助药物设计等领域开展了系统性研究，已发表学术论文40余篇，其中以第一作者或通讯作者（含共同）发表论文30余篇，发表于Nucleic Acids Research、Briefings in Bioinformatics、Journal of Chemical Information and Modeling等领域权威期刊，论文总引用次数超过2300次。同时担任Nucleic Acids Research、Genome Biology、Genome Research、Microbiome在内的国际期刊审稿人及副主编。

主要研究方向

21世纪是生物的世纪，也是人工智能蓬勃发展的时代。随着生命科学研究不断向纵深发展，基因组学、蛋白质组学、单细胞组学等技术持续产生海量、多维、复杂的生物医学数据。与此同时，以机器学习、深度学习和生成式人工智能为代表的新一轮人工智能技术革命，为解析生命规律、理解疾病机制和推动药物研发带来了前所未有的机遇。如何让人工智能真正走进生命科学、赋能生物医学，正在成为计算机科学与生命科学交叉融合的重要前沿。
基于这一理念，姚岚天博士建立iBiCom（Intelligent Bio-Computing，智能化生物计算）实验室，致力于推动人工智能与生命科学的深度交叉融合，探索以人工智能为核心驱动力的新型生物计算方法与技术体系。实验室强调“生物大数据+人工智能”的研究范式，通过融合多组学数据、医学数据与先进的机器学习和深度学习技术，从海量复杂数据中挖掘潜在的生物学规律，为生命科学研究和医学应用提供智能化解决方案。
实验室主要研究方向涵盖生物信息学、基因组学与蛋白质组学、人工智能驱动药物设计、生物数据库构建与软件开发等领域，并围绕癌症生物标志物发现、病原体及耐药性分析、多肽药物设计、小分子药物设计、系统生物学以及机器学习和深度学习在智能医疗中的应用等重要问题开展研究。
未来，iBiCom实验室将持续探索人工智能与生命科学交叉融合的无限可能，以计算思维解析生命奥秘，以人工智能赋能生物医学，努力推动生物计算从“数据分析”走向“智能发现”，为精准医学、智能药物研发和健康科技的发展贡献新的计算力量。

学习经历

2020年9月 -  2025年3月：香港中文大学，计算机科学，哲学博士
2016年9月 -  2020年7月：青岛理工大学，计算机科学与技术，工学学士

工作经历

2025年5月 - 2026年7月，厦门大学，助理教授

国际期刊编委

BMC Bioinformatics, Scientific Reports，Network: Computation in Neural Systems，Frontiers in Oncology，Frontiers in Bioinformatics，Frontiers in Molecular Biosciences（客座编辑），Molecules（客座编辑），APBC 2026（亚太地区生物信息学会议）程序委员会委员

国际期刊审稿人

Nucleic Acids Research、Genome Biology、Genome Research、Microbiome、Information Sciences、Pattern Recognition、BMC Biology、Journal of Cheminformatics、Journal of Chemical Information and Modeling等。

代表性文章

全部发表情况请参阅：https://scholar.google.com/citations?user=LQhebNAAAAAJ
[1]Hao Li, Qianhui Jiang, Jiahui Guan, Xuxin He, Peilin Xie, Zhihao Zhao, Xingchen Liu, Xiangrong Liu, Tzong-Yi Lee, Leyi Wei, Junwen Wang*, Lantian Yao*（姚岚天，通讯作者）. DDI-MMAF: Multi-modal affine fusion of visual and semantic representations for anticancer drug synergy prediction[J]. European Journal of Medicinal Chemistry, 2026: 119134.（影响因子6.7，中科院一区，JCR一区）
[2]Yiyang Zhao, Xingchen Liu, Peilin Xie, Jiahui Guan, Zhihao Zhao, Junwen Wang, Tzong-Yi Lee, Ying-Chih Chiang, Leyi Wei*, Xiangrong Liu*, Lantian Yao*（姚岚天，通讯作者）. Contrastive representation learning and capsule networks enable accurate identification of ferroptosis-related proteins[J]. Journal of Cheminformatics, 2026, 18(1): 58.（影响因子7.0，新锐分区一区，JCR一区）
[3]Jiahui Guan*, Qianhui Jiang, Xuxin He, Peilin Xie, Dian Meng, Zhihao Zhao, Dan Yu, Rongkai Cao, Lantian Yao*（姚岚天，通讯作者）, Junwen Wang*. Integrating Multi-View Residue Graph and Protein Language Model for Cell-Penetrating Peptide Prediction via Global-Local Graph Aggregation and Cross-Attentive Fusion[J]. IEEE Journal of Biomedical and Health Informatics, 2026.（影响因子7.7，新锐分区一区，JCR一区）
[4]Yujing Ye, Peilin Xie, Chia-Ru Chung, Feng Wang, Bowen Shi, Xingqiao Lin, Yen-Peng Chiu, Tzong-Yi Lee, Xiangrong Liu, Jiahui Guan*, Lantian Yao*（姚岚天，通讯作者）. DeepOTG: An effective deep learning framework for identifying human protein O-linked threonine glycosylation sites via attention-based information bottleneck[J]. International Journal of Biological Macromolecules, 2026: 152152.（影响因子8.7，JCR一区，中科院二区TOP）
[5]Feng Wang, Peilin Xie, Xingqiao Lin, Jiahui Guan, Chang Liu, Xuxin He, Tzong-Yi Lee, Leyi Wei*, Xiangrong Liu*, Lantian Yao*（姚岚天，通讯作者）. BiToxNet: a deep learning framework integrating multimodal features for accurate identification of neurotoxic peptides and proteins[J]. BMC biology, 2026, 24(1): 89.（影响因子5.4，新锐分区一区，JCR一区）
[6]Peilin Xie, Xingchen Liu, Jiahui Guan, Zhihao Zhao, Jianzhi Wu, Tzong-Yi Lee, Junwen Wang, Lantian Yao*（姚岚天，通讯作者）, Bingyu Cui*; Ying-Chih Chiang*. MOSAIC Enables Selective Transfer and Fairness-Aware Generalization in Cross-Species DNA Methylation Prediction[J]. Nucleic acids research, 2026.（影响因子15.0，新锐分区一区，JCR一区）
[7]Lantian Yao（姚岚天）, Jiahui Guan, Peilin Xie, Chia-Ru Chung, Zhihao Zhao, Danhong Dong, Yilin Guo, Wenyang Zhang, Junyang Deng, Yuxuan Pang, Yulan Liu, Yunlu Peng, Jorng-Tzong Horng, Ying-Chih Chiang*, Tzong-Yi Lee*. dbAMP 3.0: updated resource of antimicrobial activity and structural annotation of peptides in the post-pandemic era[J]. Nucleic acids research, 2025, 53(D1): D364-D376.（影响因子15.0，新锐分区一区，JCR一区）
[8]Lantian Yao（姚岚天）, Peilin Xie, Jiahui Guan, Chia-Ru Chung, Wenyang Zhang, Junyang Deng, Yixian Huang, Ying-Chih Chiang*, Tzong-Yi Lee*. ACP-CapsPred: an explainable computational framework for identification and functional prediction of anticancer peptides based on capsule network[J]. Briefings in bioinformatics, 2024, 25(5): bbae460.（影响因子7.3，中科院一区，JCR一区）
[9]Lantian Yao（姚岚天）, Jiahui Guan, Wenshuo Li, Chia-Ru Chung, Junyang Deng, Ying-Chih Chiang*, Tzong-Yi Lee*. Identifying antitubercular peptides via deep forest architecture with effective feature representation[J]. Analytical chemistry, 2024, 96(4): 1538-1546.（自然指数期刊，影响因子7.3，中科院一区，JCR一区）
[10]Lantian Yao（姚岚天）, Peilin Xie, Jiahui Guan, Chia-Ru Chung, Yixian Huang, Yuxuan Pang, Huacong Wu, Ying-Chih Chiang*, Tzong-Yi Lee*. CapsEnhancer: an effective computational framework for identifying enhancers based on chaos game representation and capsule network[J]. Journal of chemical information and modeling, 2024, 64(14): 5725.（影响因子6.4，中科院二区TOP，JCR一区）