在医学研究的殿堂，青年学者们犹如雏鹰展翅，清亮的声音响彻整个领域。他们以严谨的科学态度，扎实的基础知识，深入探索医学奥秘，为解决临床难题提供强有力的支撑。他们在实验室埋头苦干，在学术舞台上崭露头角，为医学进步贡献中国智慧。
北京航空航天大学医学科学与工程学院
主要研究方向：
人体微生物组学、病原微生物相关检测
贺子龙，1988年8月生，理学博士，副教授，博士生导师，现任北京航空航天大学医学科学与工程学院教师，大数据精准医疗工业和信息化部重点实验室PI。2016年毕业于中科院北京基因组研究所生物信息学专业，获得博士学位，2016—2020年在中科院微生物研究所从事博士后研究工作。
学术成果：近3年以第一作者或通讯作者发表SCI论文15篇，主要发表在Science of the Total Environment、mSystems、Annals of Clinical Microbiology and Antimicrobials、mSphere等。主持及参与中国博士后面上项目、北航医工百人计划、北航医工卓越创新计划、北京市昌平区科学技术委员会“科技副总”项目、国家重点研发计划（骨干）、北京市科委概念验证项目（骨干）、北航青年科技创新团队（骨干）、国家自然基金面上项目（骨干）等。
学术兼职：兼任热心肠智库专家、中国生物医学工程学会医学检验工程分会青年委员、《国际检验医学杂志》青年编委、Genom Proteom Bioinf（GPB）青年编委、iMETA青年编委。
细菌基因组中的质粒鉴定至关重要，涉及水平基因转移、抗生素抗性基因、宿主-微生物相互作用、克隆载体和工业生产等。有几种方法可以预测组装基因组中的质粒序列。然而，现有方法存在明显的不足，如灵敏度和特异度不平衡、依赖物种特异性模型、短于 10 kb 的序列性能下降等，从而限制了其适用范围。在这项工作中，我们提出了一种新型质粒预测器——Plasmer，它是基于共享 k-mer 和基因组特征的机器学习。与现有的基于k-mer或基因组特征的方法不同，Plasmer采用随机森林算法，利用质粒和染色体数据库中共享k-mer的百分比，结合其他基因组特征，包括配对E值和复制子分布得分（RDS）进行预测。Plasmer 可对多个物种进行预测，平均曲线下面积（AUC）为 0.996，准确率为 98.4%。与现有方法相比，对滑动序列、模拟和从头组装的测试一致表明，Plasmer 在 500 bp 以上的长短等位基因上都具有出色的准确性和稳定的性能，这证明了它对片段组装的适用性。此外，Plasmer 在灵敏度和特异度（500 bp 以上，均大于 0.95）方面的表现也非常出色，F1 分数最高，消除了现有方法中常见的灵敏度或特异度偏差，Plasmer 还提供了分类法，可帮助确定质粒的起源。因此，Plasmer 为细菌基因组组装中的质粒预测提供了更可靠的替代方法。
图1 Plasmer工作流程
图2 分随机森林特征筛选以及分类性能展示
医疗相关感染（HAI）严重威胁着重症监护病房（ICU）中患者的健康。分析ICU的微生物组成和多样性对于防止 HAI 相关传播非常重要。鉴于不同环境下的微生物群落各不相同，国内尚缺乏对ICU病原体的时间尺度特征进行研究。为了研究2间不同 ICU 的细菌群落，我们使用 16S rRNA 测序对床单、床栏、共用脉搏血氧仪、床头柜、护士手、地板和推车进行了全年的动态监测，结果显示，微生物组成在几个月内发生了显著变化。在每个ICU的 12 个采样月中，α 和β 多样性也出现了显著差异。此外，我们还发现了几种与 HAI 相关的细菌，包括不动杆菌、假单胞菌、葡萄球菌、大肠杆菌和肠球菌。来源追踪分析表明，2间ICU中的大多数细菌都来自建筑物或人体皮肤。随着对医院微生物监测的长期深入调查，我们希望这些结果能为预防ICU中 HAIs 的传播提供建设性的指导。
图3 ICU环境微生物多样性指数评估
图4 ICU环境微生物1年内物种组成分布
北京航空航天大学
医学科学与工程学院
医学科学与工程学院是北京航空航天大学服务“健康中国”战略的重要依托，定位国际一流，面向国际前沿、面向行业需求，以医工融合开展生物医学前沿探索、医疗技术与医疗装备创新，着重培养新工科与新医科交叉融合“厚通识、宽视野、多交叉”的“医工”复合型工程医学领军人才。学院依托“生物医学工程”全国A类学科和基础医学、特种医学学科，拥有包括北京高精尖创新中心在内的十余个省部级以上创新平台。
学院面向现代医学在高新技术快速发展下的变化和需求，开展前沿创新、基础及应用研究，承担包括国家重点研发计划“ECMO系统研发”项目、国家重大科研仪器研制项目等在内的多项国家级重大、重点项目。研究成果获教育部自然科学一等奖2项、全国高校十大科技进展等，完成多项产业转化。
编辑：宣艳艳 审校：张耀元
