章文

姓名

章文

性别

undefined


职称

教授

学位

博士

电话


邮箱

zhangwen@mail.hzau.edu.cn

zhangwen@whu.edu.cn

政治面貌

中共党员

工作单位

bat365官网登录入口bat365官网登录入口

研究方向

人工智能,数据挖掘,生物信息,机器学习

教育经历

2006年9月-2009年6月: 武汉大学,计算机学院,博士研究生

2007年9月-2008年8月: 新加坡国立大学,计算机学院,访问学生

2003年9月-2006年6月: 武汉大学,数学与统计学院,硕士研究生

1999年9月-2003年6月: 武汉大学,数学与统计学院,本科生

主要职历

2018年11月-至今:bat365官网登录入口,bat365官网登录入口,教授

2012年12月-2018年10月:武汉大学,计算机学院,副教授

2014年1月-2018年10月:武汉大学,计算机学院,珞珈青年学者

2015年2月-2016年2月:美国麻省医学院 访问学者

2009年9月-2012年11月:武汉大学,计算机学院,讲师

科研成果

个人主页:http://zhangwenlab.cn(信息不断更新)

章文老师是中国计算机学会(CCF)高级会员,CCF YOCSEF武汉2022-2023主席,中国人工智能学会生物信息学与人工生命专委会常务委员,中国计算机学会生物信息学专委会执行委员, 中国计算机学会计算机应用专委会执行委员,湖北省生物信息学会理事。                                                            
章文老师长期从事人工智能算法(深度学习、图神经网络、知识图谱)及其在生物医学大数据分析应用(药物发现、微生物与健康等)方面的研究。近年来,聚焦人工智能药物发现研究,将深度学习、自然语言处理和知识图谱等人工智能方法运用于疾病靶标识别、苗头化合物筛选、药物重定位等问题,开发了一系列原创性算法;组织编写并发布2022年人工智能学会系列白皮书之《人工智能与药物发现》。在IJCAI,Information Sciences, PLOS Computational Biology,Bioinformatics, Briefings in Bioinformatics, IEEE-ACM TCBB等杂志/会议上发表论文100余篇,近五年发表CCF A/B类论文30余篇,H-index=32,Google 引用约3300次。担任Briefings in Bioinformatics(CCF B类,IF=13.99)等杂志编委、BIBM等国际会议程序委员会委员、Nature Communications等期刊审稿人。主持(参与)多项国家自然科学基金、国家重点研发计划和省部级科研项目。曾获得湖北省自然科学三等奖、BIBM国际会议(CCF B类)最佳学生论文提名,入选“全球顶尖前10万科学家”榜单(2021年)、“全球前2%顶尖科学家”榜单(2022年)


招收计算机、数学、生物信息学背景的硕士研究生(招生专业:计算机科学与技术、电子信息、生物信息学),博士研究生(招生专业:生物信息学、电子信息、农业信息工程),博士后;欢迎相关本科生参与科研。 感兴趣的同学欢迎邮件联系,署名邮件必回复。


实验室研究方向:

图学习/知识图谱算法研究及其在生物医学大数据的应用

推荐系统算法研究及其在生物医学大数据的应用

深度学习算法研究及其生物医学大数据的应用

集成学习算法研究及其生物医学大数据的应用

查看毕业学生去向


近三年代表论文

(具体论文列表:full publication list at My Google Scholar  My ORCID  My Publons Profile )

1. Xuan Liu, Congzhi Song, Shichao Liu, Menglu Li, Xionghui Zhou, Wen Zhang*. Multi-way relation-enhanced hypergraph representation learning for anti-cancer drug synergy prediction. Bioinformatics, 2022,38(20):4782-4789.

2. Zhaoyang Chu, Feng Huang, Haitao Fu, Yuan Quan, Xionghui Zhou, Shichao Liu, Wen Zhang*. Hierarchical graph representation learning for the prediction of drug-target binding affinity. Information Sciences,2022, 613:507-523.

3. Xuan Liu, Chongzhi Song, Feng Huang, Haitao Fu, Wenjie Xiao, Wen Zhang*. GraphCDR: A graph neural network method with contrastive learning for cancer drug response prediction. Briefings in Bioinformatics, 2022,23(1):bbab457.

4. Guangzhan Zhang†, Menglu Li†, Huan Deng, Xinran Xu, Xuan Liu, Wen Zhang*. SGNNMD: Signed Graph Neural Network for Predicting Deregulation Types of MiRNA-disease Associations. Briefings in Bioinformatics, 2022, 23 (1):bbab464.

5. Haitao Fu†, Feng Huang†, Xuan Liu, Yang Qiu, Wen Zhang*. MVGCN: data integration through multi-view graph convolutional network for predicting links in biomedical bipartite networks. Bioinformatics, 2022, 38 (2):426-434.

6. Shuai Liu, Xinran Xu, Zhihao Yang, Xiaohan Zhao, Shichao Liu, Wen Zhang*. EPIHC: Improving Enhancer-Promoter Interaction Prediction by using Hybrid features and Communicative learning. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2 September 2021(in press), doi: 10.1109/TCBB.2021.3109488.

7. Chenshuai Zhao, Shuai Liu, Feng Huang, Shichao Liu, Wen Zhang*. CSGNN: Contrastive Self-Supervised Graph Neural Network for Molecular Interaction Prediction. The 30th International Joint Conference on Artificial Intelligence(IJCAI2021), Montreal-themed Virtual Reality, 19th -26th August, 2021

8. Menglu Li, Wen Zhang*. PHIAF: prediction of phage–host interactions with GAN-based data augmentation and sequence-based feature fusion. Briefings in Bioinformatics, 2022,23 (1):bbab348, doi:10.1093/bib/ bbab348.

9. Zhankun Xiong, Feng Huang, Ziyan Wang, Shichao Liu, Wen Zhang*. A multimodal framework for improving in silico drug repositioning with the prior knowledge from knowledge graphs. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 7 August 2021(in press), doi:10.1109/TCBB.2021.310359.

10. Yang Qiu, Yang Zhang, Yifan Deng, Shichao Liu*, Wen Zhang*. A Comprehensive Review of Computational Methods for Drug-drug Interaction Detection. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 18 May 2021(in press), doi:10.1109/TCBB.2021.3081268

11. Zhouxin Yu#,Feng Huang#, Xiaohan Zhao, Wenjie Xiao, Wen Zhang*. Predicting Drug-Disease Associations through Layer Attention Graph Convolutional Network. Briefings in Bioinformatics, 2021, 22 (4):bbaa243, doi:10.1093/bib/bbaa243.

12. Xiangan Chen, Shuai Liu, Wen Zhang*. Predicting Coding Potential of RNA Sequences by Solving Local Data Imbalance. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2 September 2020, doi:10.1109/TCBB.2020.3021800.

13. Feng Huang#, Xiang Yue#, Zhankun Xiong, Zhouxing Yu,Shichao Liu, Wen Zhang*. Tensor Decomposition with Relational Constraints for Predicting Multiple Types of MicroRNA-disease Associations. Briefings in Bioinformatics, 2021, 22(3):bbaa140, doi:10.1093/bib/bbaa140.

14. Yifan Deng, Xinran Xu, Yang Qiu, Jingbo Xia, Wen Zhang*, Shichao Liu*. A multimodal deep learning framework for predicting drug-drug interaction events. Bioinformatics, 2022, 36 (15):4316-4322, doi:10.1093/bioinformatics/btaa501.

15. Xiang Yue*, Zhen Wang, Jingong Huang, Srinivasan Parthasarathy, Soheil Moosavinasab, Yungui Huang, Simon M Lin, Wen Zhang, Ping Zhang, Huan Sun*. Graph embedding on biomedical networks: methods, applications and evaluations. Bioinformatics, 15 Feb 2020, 36 (4):1241-1251. (计算机 ESI高被引)

16. Jiang Li, Yawen Xue, Muhammad Talal Amin, Yanbo Yang, Jiajun Yang, Wen Zhang, Wenqian Yang, Xiaohui Niu, Hong-Yu Zhang, Jing Gong*. ncRNA-eQTL: a database to systematically evaluate the effects of SNPs on non-coding RNA expression across cancer types. Nucleic acids research, 2020, 48 (D1):D956-D963

备注


Baidu
sogou