本人清华大学在读生物信息学，免疫学方向博士研究生。在生物信息学领域拥有深厚的理论基础和实践经验，基础编程和数据分析方面，能够熟练使用Pandas、NumPy、SciPy进行数据处理和数学计算，以及使用Matplotlib和Seaborn进行数据可视化。在R中，精通ggplot2、dplyr、tidyverse等包，用于数据可视化和数据整理；在常规生信分析方面，熟练运用Bioconductor、SAMtools、BEDTools等工具处理和分析高通量测序数据。转录组学分析方面，我有丰富经验使用STAR、Hisat2进行读段比对，以及使用Cufflinks、DESeq2、edgeR进行表达量定量和差异表达分析。蛋白质组学分析中，我使用MaxQuant、Proteome Discoverer等软件进行质谱数据处理；在机器学习方向，熟练使用scikit-learn进行模型训练、调参和评估，TensorFlow和Keras实施深度学习模型，尤其在生物信息数据分析方面。我曾成功应用随机森林、支持向量机（SVM）、主成分分析（PCA）等方法于生物标记物发现、疾病预测和基因表达数据分类。

泛癌基因表达模式识别： 在此项目中，使用机器学习技术分析大规模转录组数据集，以识别与特定癌症类型相关的基因表达模式。通过应用随机森林和支持向量机（SVM）算法，成功地从数千个样本中鉴定出潜在的生物标记物，并对它们进行了验证。这一发现为临床诊断和个性化治疗提供了重要的分子基础。
微生物群落多样性分析：利用QIIME和MetaPhlAn工具，分析了不同环境样本中的微生物组成。通过主成分分析（PCA）和聚类分析，揭示微生物群落的结构和功能多样性，并探讨了环境因素对微生物分布的影响。
基因组关联研究（GWAS）：使用PLINK和GCTA工具，对大量个体的基因型数据进行了处理和统计分析。应用机器学习技术，如逻辑回归分析，我们成功地鉴定了若干关键遗传标记与某些复杂疾病的关联。