赵兴明——同济大学电子与信息工程学院教授

专家信息：

赵兴明，男，同济大学电子与信息工程学院教授，同济大学智能感知网高等研究院研究员，博士生导师。 

教育及工作经历：

2000年，吉林大学工学学士学位。

2003年，吉林大学工学硕士学位。

2005年，获中国科技大学模式识别与智能系统专业博士学位。

2004年至2005年，在香港浸会大学计算机系作Research Assistant。

2006年至2008年，在东京大学作研究员。

2010年6月-2011年12月，在德国欧洲分子生物学实验室(EMBL)做博士后研究。

现任同济大学电子与信息工程学院教授，同济大学智能感知网高等研究院研究员。

学术兼职及社会任职：

1. IEEE Senior Member委员。

2. IEEE SMC Technical Committee on Systems Biology委员。

3. IAPR TC20 (Technical Committee on Pattern Recognition for Bioinformatics) 委员会，委员。

4. 中国运筹学会计算系统生物学分会理事。

5. 中国细胞学会功能基因组信息学与系统生物学分会理事。

6. 上海市生物信息学协会理事。

6. Neurocomputing、Journal of Theoretical Biology和BioMed Research International等多个国际杂志的客座编辑和编委。

Editorships and Editorial Boards:

1. Lead Guest Editor, BioMed Research International (IF=2.9, 2013-)

2. Lead Guest Editor, IET Systems Biology (IF=1.3, 2013-)

3. Lead Guest Editor, The Scientific World Journal (IF=1.6, 2012-)

4. Guest Editor, Journal of Theoretical Biology (IF=2.4, 2013-)

5. Guest Editor, Current Bioinformatics (IF=1.6, 2012-)

6. Academic Editor, Journal of Scientific Research and Reports (2013-)

7. Editorial board member, Journal of Bioinformatics in Nutrition (2012-)

8. Editorial board member, Computational Biology Journal (2012-)

9. Editorial board member, The Open Access Journal of Science and Technology (OAJoST) (2012-) 

Service at Professional Society:

1. Senior Member, IEEE

2. Member, IEEE SMC Technical Committee on Systems Biology

3. Member, IAPR Technical Committee on Pattern Recognition for Bioinformatics

4. Member, CAAI Society of Bio-informatics and Artificial Life

5. Member, International Society for Computational Biology

6. Member, Shanghai Bioinformatics Society

7. Member, Chinese Computational Systems Biology Society

8. Member, Program Committee, InCoB2013 (12th International Conference on Bioinformatics of the Asia-Pacific Bioinformatics Network)

9. Member, Program Committee, ICTBI2012 (The International Conference on Translational Biomedical Informatics)

10. Member, Program Committee, International Conference on Intelligent Computing, 2009-2013

11. Member, Program Committee, IEEE BIBM Conference, 2010-2012

12. Program Chair, 8th IAPR International Conference on Pattern Recognition in Bioinformatics

13. Session Chair, Bio-Molecular Network session, 48th IEEE Conference on Decision and Control, 2009

14. Session Chair, Systems Biology session, The 2009 IEEE International Conference on ystems, Man, and Cybernetics, 2009

主讲课程：

资料更新中…… 

培养研究生情况：

所指导学生已经分赴法国昂热大学、日本东京大学、香港中文大学和华为等单位深造和工作，并先后获得国家奖学金和国际会议最佳学术论文等多种荣誉。

招聘情况：

欢迎对机器学习、数据挖掘、复杂网络、计算系统生物学和最优化感兴趣的同学和同仁加入我们组。

研究方向：

1. 计算系统生物学：疾病基因的预测、药物靶标的预测、药物重定位和生物分子网络的推断等。

2. 图论与最优化：线性规划、图着色、图游走与标记传播等。

3. 文本挖掘：生物医药文献的深度挖掘与知识发现和语义网络的构建等。

承担科研项目情况：

主持完成国家863课题1项，上海市教委创新基金1项，上海市青年科技启明星计划1项，以及国家重点实验室开放课题等多项课题。目前主持在研国家自然科学基金2项、上海市教委创新基金重点项目1项，中-法“蔡元培”合作交流项目1项，美国孟山都合作项目1项等多项课题。

Construction and analysis of molecular networks, including protein - protein interaction network and gene regulatory networks.

Recognition of disease associated molecular pathways and gene modules.

Drug - protein interaction, drug - drug interactions and the prediction of drug combination

科研成果：

1. 在PLoS Computational Biology、Bioinformatics、Current Opinion in Biotechnology、Neucleic Acids Research、Plant Physiology、Journal of Proteome Research、Neural Networks和Pattern Recognition等国际著名学术期刊发表学术论文60余篇，其中SCI检索论文50余篇。参与编写专著3部。

2. 在药物重新定位的研究过程中，应当系统地综合考虑疾病产生的分子机制及其所涉及和影响的分子网络特征，以及药物所影响的分子网络特征，这将会大大提高药物重新定位的准确率。在过去的3年里，赵兴明和他的团队针对“药物重新定位”开展了深入的研究，最近他在乳腺癌药物重定位方面取得了很大进展，他针对乳腺癌所识别的药物，不仅在多个乳腺癌细胞细胞系上得到了验证，而且可以很好地抑制小鼠体内的肿瘤生长。

resource： 

EFG 

2013,22,Jun 

eFG (ebook for Fusarium Graminearum) is an information query system for the pathogenic fungus Fusarium graminearum. It contains many information for F. graminearum that the sequences, proteins, annotations, protein-protein interaction, pathogenic genes, sub-location of proteins, transcription factors and ortholog information with other fungi. 

 
 

NARROMI 

2013,1,Jan 

NARROMI is software for improving accuracy of GRNs inference. It is a novel method combining ordinary differential equation based recursive optimization (RO) and information-theory based mutual information (MI). In this algorithm, both noisy regulations with low pair-wise correlations and redundant regulations from indirect regulators are removed by measuring MI and implementing RO, respectively. In particular, it is the first one to handle the redundancy problem in GRNs for model based network inference methods. 

 

PCA-CMI 

2011,17,Nov 

PCA-CMI is a MATLAB program for inferring gene regulatory networks from gene expression data. It is a novel method based on path consistency algorithm and conditional mutual information, which consider the non-linear dependence and topological structure of GRNs. In this algorithm, the (conditional) dependence between a pair of genes is represented by the CMI between them. With the general hypothesis of Gaussian distribution underlying gene expression data, CMI between a pair of genes is computed by a concise formula involving the covariance matrices of the related gene expression profiles. 

 

DIPOS 

2011,29,Jun 

DIPOS provides a complete rice protein interaction database to the plant biologist to better understand the life of plants, especially for rice.

 

FPPI 

2009,9,May 

FPPI is a database about protein-protein interactions for Fussarium graminearum, which contain 223,116 interactions among 7,406 proteins and 27,102 interactions among 3,745 proteins in the core PPI set. Furthermore, this database contains various different functional information for F. graminearum genes.
 

CMI2NI

--- 

CMI2NI is a software for inferring gene regulatory networks from gene expression data. It is a novel method using a new proposed concept of Conditional Mutual Inclusive Information (CMI2) which can accurately measure direct dependences between genes. Given the small size samples of gene expression data, CMI2NI can not only infer the correct topology of the regulation networks but also accurately quantify the dependence or regulation strength between genes. CMI2NI provides a useful tool to infer gene regulatory networks.

在PLoS Computational Biology、Bioinformatics、Current Opinion in Biotechnology、Neucleic Acids Research、Plant Physiology、Journal of Proteome Research、Neural Networks和Pattern Recognition等国际著名学术期刊发表学术论文60余篇，其中SCI检索论文50余篇。参与编写专著3部。

代表性英文论文：

2015

1. Wang YY, Li Z, Chen T, Zhao XM. 2015. Understanding the aristolochic acid toxicities in rat kidneys with regulatory networks. IET Syst Biol, 9(4):141-6. doi: 10.1049/iet-syb.2014.0057.

2. Zhao XM. 2015. Guest Editorial. IET Syst Biol, 9(4):105. doi: 10.1049/iet-syb.2015.0057.

3. Dai YF, Zhao XM. 2015. A survey on the computational approaches to identify drug targets in the postgenomic era. Biomed Res Int, 2015:239654. doi: 10.1155/2015/239654. Epub 2015 Apr 28. Review.

4. Downs CA, Kreiner L, Zhao XM, Trac P, Johnson NM, Hansen JM, Brown LA, Helms MN. 2015. Oxidized glutathione (GSSG) inhibits epithelial sodium channel activity in primary alveolar epithelial cells. Am J Physiol Lung Cell Mol Physiol, 308(9):L943-52. doi: 10.1152/ajplung.00213.2014. Epub 2015 Feb 20.

5. Zhang X, Zhao J, Hao JK, Zhao XM, Chen L. 2015. Conditional mutual inclusive information enables accurate quantification of associations in gene regulatory networks. Nucleic Acids Res, 43(5):e31. doi: 10.1093/nar/gku1315. Epub 2014 Dec 24.

6. Zhao XM, Liu KQ, Zhu G, He F, Duval B, Richer JM, Huang DS, Jiang CJ, Hao JK, Chen L. 2015. Identifying cancer-related microRNAs based on gene expression data. Bioinformatics, doi: 10.1093/bioinformatics/btu811. Epub 2014 Dec 12.

7. Wang HQ, Zheng CH, Zhao XM. 2015. jNMFMA: a joint non-negative matrix factorization meta-analysis of transcriptomics data. Bioinformatics, 31(4):572-80. doi: 10.1093/bioinformatics/btu679. Epub 2014 Oct 16.

2014

8. Wang M#, Zhao XM#, Tan H, Akutsu T, Whisstock J, and Song J. 2014. Cascleave 2.0, a new approach for predicting caspase and granzyme cleavage targets. Bioinformatics, 30(1): 71-80.

9. Chen WH, Zhao XM, Noort V and Bork P. 2014. Comments on "Human Dominant Disease Genes Are Enriched in Paralogs Originating from Whole Genome Duplication". PLoS Computational Biology, 10(7): e1003758.

10. Hong-Qiang Wang, Chun-Hou Zheng and Xing-Ming Zhao. 2014 jNMFMA: A joint non-negative matrix factorization meta-analysis of transcriptomics data. Bioinformatics, doi:10.1093/bioinformatics/btu679.

11. Xing-Ming Zhao, Luonan Chen 2014. Network-based biomarkers for complex diseases. Journal of Theoretical Biology. pii: S0022-5193(14)00400-7. doi: 10.1016/j.jtbi.2014.07.007.

12. Xing-Ming Zhao, Alioune Ngom, Jin-Kao Hao 2014. Pattern recognition in bioinformatics. Neurocomputing, 145:1-2.

13. Guimin Qin, Xing-Ming Zhao* 2014. A survey on computational approaches to identifying disease biomarkers based on molecular networks. Journal of theoretical biology, pii: S0022-5193(14)00344-0. doi: 10.1016/j.jtbi.2014.06.007.

14. Zhao XM, Gao JX, Nacher JC 2014. Data mining in translational bioinformatics. BioMed Research International. 2014: 656519.

15. Li S, Kang L, and Zhao XM* . 2014. A Survey on Evolutionary Algorithm Based Hybrid Intelligence in Bioinformatics. BioMed Research International 2014: 362738.

16. Zhao, XM. 2014. Editorial: Part 1: Network biology in translational bioinformatics and systems biology. IET Systems Biology 8(2): 23.

17. Zhao, XM. 2014. Editorial: Part 2: Network biology in translational bioinformatics and systems biology. IET Systems Biology 8(3): 75.

2013

18. H Wang , H Zheng, Azuaje, F, Xing-Ming Zhao. (2013). "Drug-Domain Interaction Networks in Myocardial Infarction". IEEE Transactions on, NanoBioscience, 12(3), 182-188.

19. Wei-Hua Chen, Xing-Ming Zhao, Vera van Noort and Peer Bork. "Human monogenic disease genes have frequently functionally redundant paralogs". PLoS Computational Biology, 2013, 9(5): e1003073. (Co-first author)

20. Xiaoping Liu, Xiao-Dong Zhang, Wei-Hua Tang, Luonan Chen and Xing-Ming Zhao*. "eFG: an electronic resource for Fusarium graminearum". Database, doi: 10.1093/database/bat042, 2013.

21. Xiaoping Liu, Rui Liu, Xing-Ming Zhao and Luonan Chen. Detecting early-warning signals of type 1 diabetes and its leading biomolecular networks by dynamical network biomarkers"[J]. BMC Medical Genomics, 2013, 6(2): 1-10.

22. Xing-Ming Zhao, Weidong Tian, Jiang R, Wan J. "Computational Systems Biology". The Scientific World Journal. 2013: 350358. (Editorial)

23. Xing-Ming Zhao. "Network Biology: Towards Systematic Understanding of Biological Systems". Current Bioinformatics. 2013, 8(1):35-36. (Editorial)

24. Chenglei Sun, Zheng-Zheng Shi, Xiaobo Zhou, Luonan Chen, Xing-Ming Zhao*."Prediction of S-Glutathionylation Sites Based on Protein Sequences". PLoS ONE, 2013, 8(2): e55512.

25. Xiujun Zhang, Keqin Liu, Zhi-Ping Liu, Béatrice Duval, Jean-Michel Richer, Xing-Ming Zhao*, Jin-Kao Hao and Luonan Chen. "NARROMI: a noise and redundancy reduction technique improves accuracy of gene regulatory network inference". Bioinformatics, 2013, 29(1):106-113.

26. Xiao-Dong Zhang, Xing-Ming Zhao*. "Computational approaches for identifying signaling pathways from molecular interaction networks", Current Bioinformatics, 2013, 8(1): 56-62.

2012

27. Jiao Wang, Fuyan Hu, Hua Cheng, Xing-Ming Zhao*, TieqiaoWen. "A systems biology approach to identifying the signaling network regulated by Rho-GDI-γ during neural stem cell differentiation", Molecular BioSystems, 2012, 8, 2856-2923.

28. Mingjun Wang, Xing-Ming Zhao, Haisong Xu, Yuan Li, Tatsuya Akutsu, Jiangning Song. "FunSAV: predicting the functional effect of single amino acid variants using a two-stage random forest model", PLoS ONE, 2012, 7(8):e43847.

29. Haiying Wang, Huiru Zheng, Francisco Azuaje, Xingming Zhao. "Drug-Target Network in Myocardial Infarction: a Structural Analysis", the 2012 IEEE International Conference on Bioinformatics and Biomedicine (IEEE BIBM 2012).

30. Ke-Qin Liu, Zhi-Ping Liu, Jin-Kao Hao, Luonan Chen, Xing-Ming Zhao*. "Identifying dysregulated pathways in cancers from pathway interaction networks", BMC Bioinformatics, 2012, 13: 126.

31. Xiaoping Liu, Zhi-Ping Liu, Xing-Ming Zhao*, Luonan Chen. "Identifying disease genes and module biomarkers by differential interactions", J Am Med Inform Assoc, 19: 241-248, 2012.

32. Yin-Ying Wang, Jose C.Nacher, Xing-Ming Zhao*. "Predicting drug targets based on protein domains", Mol Biosyst, 8(5):1528-1534, 2012.

33. Yin-Ying Wang, Ke-Jia Xu, Jiangning Song, Xing-Ming Zhao*. "Exploring drug combinations in genetic interaction network", BMC Bioinformatics, 13(Suppl 7): S7, 2012.

34. Xiujun Zhang, Xing-Ming Zhao, Kun He, Le Lu, Yongwei Cao, Jingdong Liu, Jin-Kao Hao, Zhi-Ping Liu, Luonan Chen. "Inferring gene regulatory networks from gene expression data by path consistency algorithm based on conditional mutual information", Bioinformatics, 28(1):98-104, 2012. 

2011

35. Xing-Ming Zhao, Murat Iskar, Georg Zeller, Michael Kuhn, Vera van Noort, Peer Bork, "Prediction of drug combinations by integrating molecular and pharmacological data", PLoS Comput Biol, Dec; 7(12): e1002323, 2011.

36. Murat Iskar, Georg Zeller, Xing-Ming Zhao, Vera van Noort, Peer Bork, "Drug discovery in the age of systems biology: the rise of computational approaches for data integration", Curr Opin Biotechnol. Dec 5, 2011.

37. Achyut Sapkota, Xiaoping Liu, Xing-Ming Zhao*, Yongwei Cao, Jingdong Liu, Zhi-Ping Liu, Luonan Chen. "DIPOS: database of interacting proteins in Oryza sativa", Molecular BioSystems, 7(9):2615-2621, 2011. 

2010

38. Xiang Tang, Zhi-Yong Zhang, Wen-Juan Zhang, Xing-Ming Zhao, Xuan Li, Dong Zhang, Qiao-Quan Liu and Wei-Hua Tang, "Global Gene Profiling of Laser-Captured Pollen Mother Cells Indicates Molecular Pathways and Gene Subfamilies Involved in Rice Male Meiosis", Plant Physiology, 154:1855-1870, 2010.

39. Xiaoping Liu, Wei-Hua Tang, Xing-Ming Zhao*, Luonan Chen, "A network approach to predict pathogenic genes for Fusarium graminearum", PLoS ONE, 5(10): e13021, 2010.

40. Jun-Feng Xia, Xing-Ming Zhao, Jiangning Song, De-Shuang Huang, "APIS: accurate prediction of hot spots in protein interfaces by combining protrusion index with solvent accessibility", BMC Bioinformatics, 11:174, 2010.

41. Jun-Feng Xia, Xing-Ming Zhao, De-Shuang Huang, "Predicting protein-protein interactions from protein sequences using meta predictor", Amino Acids, 39(5):1595-9, 2010.

42. Zikai Wu, Xing-Ming Zhao*, Luonan Chen, "A Systems biology approach to identify effective cocktail drugs", BMC Systems Biology (OSB2009 special issue), 4(Suppl 2): S7, 2010.

43. Chenglei Sun, Xing-Ming Zhao*, Weihua Tang, Luonan Chen, "FGsub: Fusarium graminearum protein subcellular localization prediction from primary structures", BMC Systems Biology (OSB2009 special issue), 4(Suppl 2): S12, 2010.

44. Xing-Ming Zhao, Yiu-Ming Cheung, De-Shuang Huang. "Analysis of Gene Expression Data Using RPEM Algorithm in Normal Mixture Model with Dynamic Adjustment of Learning Rate",International Journal of Pattern Recognition and Artificial Intelligence, 24(4): 651-666, 2010.

45. Xing-Ming Zhao, Luonan Chen, and Kazuyuki Aihara, "A discriminative approach to identifying domain-domain interactions from protein-protein interactions", Proteins, 78:1243-1253, 2010.

46. Xing-Ming Zhao, Yixue Li, Ming Li, Luonan Chen, "Advances in genome informatics", Journal of Bioinformatics and Computational Biology, 8 Suppl 1: v-viii, 2010. 

2009

47. Xing-Ming Zhao, Xiao-Wei Zhang, Weihua Tang, Luonan Chen, "FPPI: Fusarium graminearum protein-protein interaction database", Journal of Proteome Research, 8 (10): 4714-4721, 2009.

48. Zikai Wu, Xing-Ming Zhao, Luonan Chen, "Identifying responsive functional modules from protein-protein interaction network", Mol Cells, 27(3):271-277, 2009.

49. Xing-Ming Zhao, Ruisheng Wang, Luonan Chen, and Kazuyuki Aihara, "Automatic modeling of signaling pathways by network flow model", J Bioinform Comput Biol, 7(2):309-322, 2009. 

2008

50. Xing-Ming Zhao , Ruisheng Wang, Luonan Chen, and Kazuyuki Aihara, "Uncovering signal transduction networks from high-throughput data by integer linear programming", Nucl. Acids Res, 36(9):e48, 2008.

51. Xing-Ming Zhao , Yong Wang, Luonan Chen, Kazuyuki Aihara, "Gene function prediction using labeled and unlabeled data", BMC Bioinformatics, 9:57, 2008 .

52. Xing-Ming Zhao , Xin Li, Luonan Chen, Kazuyuki Aihara, "Protein classification with imbalanced data", Proteins, 70(4):1125-1132, 2008.

53. Xing-Ming Zhao , Yong Wang, Luonan Chen, Kazuyuki Aihara, "Protein domain annotation with integration of heterogeneous information sources", Proteins, 72(1):461-473, 2008.

54. Xing-Ming Zhao , Luonan Chen and Kazuyuki Aihara, "Protein function prediction with high-throughput data", Amino Acids, 35(3): 517-530, 2008. 

2006

55. Xing-Ming Zhao , Ji-Xiang Du, Hong-Qiang Wang, Yunping Zhu, and Yixue Li, "A new technique for selecting features from protein sequences", International Journal of Pattern Recognition and Artificial Intelligence, 20(2): 271–283, 2006.

56. De-Shuang Huang, Xing-Ming Zhao , Guang-Bin Huang,Yiu-Ming Cheung, "Classifying protein sequences using hydropathy blocks", Pattern Recognition, 39: 2293 – 2300, 2006. 

2005

57. Xing-Ming Zhao , Yiu-Ming Cheung, and De-shuang Huang, "A novel approach to extracting features from motif content and protein composition for protein sequence classification",Neural Networks, 18(8): 1019-1028, 2005.

58. Xing-Ming Zhao , Yiu-Ming Cheung, De-Shuang Huang, "A novel Markov pairwise protein sequence alignment method for sequence comparison", Protein and Peptide Letters, 12(7):665-669, 2005.

荣誉奖励：

1、2010年，入选上海市青年科技启明星。

2、2013年，入选上海市浦江人才计划。

 

9月19日，应我院赵兴明教授的邀请，英国Ulster大学Haiying Wang教授来到嘉定校区，在智信馆403室作了题为“Dynamics and Controllability in Cell Cycle Specific Protein Interaction Networks”的学术报告，此报告也是计算机科学与技术系智信讲坛第45期。 

报告会上，Haiying Wang教授首先系统地介绍了了蛋白质相互作用网络动态组织规律的研究背景，接着介绍了以酵母细胞周期实验数据驱动的动态过程研究，以及在细胞周期生物过程中两类hub基因（data hub和party hub）起到的作用和各自特点，最后介绍了基于minimum dominating set方法所识别出的关键蛋白（critical protein）和多余蛋白（redundant protein）在蛋白质相互作用网络中的拓扑结构特点、基因组中的必要性、功能相似性和在网络中的恢复力。报告过程中，我院学生与Haiying Wang教授交流充分，气氛热烈。 

报告结束后，Haiying Wang教授与赵兴明教授讨论了具体的合作事宜。 

 

来源：同济大学计算机科学与技术系 2015-10-08

同济大学高等研究院赵兴明研究员应邀来我室作学术报告

10月23日，同济大学高等研究院研究员赵兴明应邀来我室进行学术交流并作了题为“Computational approaches to reverse engineering gene regulatory networks”的学术报告。赵兴明研究员为上海市青年科技启明星计划入选者、上海市浦江人才计划入选者。担任IEEE Senior Member、IEEE SMC Technical Committee on Systems Biology委员、IAPR TC20 委员、中国运筹学会计算系统生物学分会理事、中国细胞学会基因组信息学与系统生物学分会理事和上海市生物信息学学会理事。同时担任了Journal of Theoretical Biology和BioMed Research International 等国际杂志的客座编辑和编委。已完成了863在内的多项科研课题，发表SCI检索论文50余篇。

来源：中国科学院海洋环流与波动重点实验室 2014-10-24 

医学系统生物学学组在我校召开成立会议

为促进计算系统生物学与医学的交叉融合，特别是在转化医学研究中的应用。5月11日—12日，中国运筹学会计算系统生物学分会在我校召开医学系统生物学学组成立会议。

会议由医学系统生物学学组组长沈百荣教授主持,陈洛南教授代表计算系统生物学分会对医学系统生物学学组成立表示祝贺并做特邀报告。张世华 (中国科学院数学与系统科学研究院)；戴晓峰 (江南大学生物工程学院)；高琳(西安电子科技大学计算机学院)；刘雷 (复旦大学生物医学研究院)；薛宇 (华中科技大学生命科学与技术学院)；王海芸(同济大学生命科学院)；王侃侃 (上海交通大学医学院附属瑞金医院)；王勇 (中国科学院数学与系统科学研究院)；王进(南京大学生命科学院);吴凌云(中国科学院数学与系统科学研究院)；赵兴明(同济大学电子与信息工程学院)等12位专家结合自己的研究工作做了丰富精彩的专题报告，讨论了大数据时代的系统生物学与其它学科交叉的迫切性和学组成立、发展的重要性。

学术会议结束后，评弹学校青年艺术家孙可老师介绍了苏州评弹艺术并作了精彩表演，大家饶有兴致的讨论了科学与艺术结合对创新思维促进的系统生物学基础。会议确定10月份在青岛举行医学系统生物学学组第一次workshop。

来源：苏州大学国家技术转移中心 2014-05-15

《庄子•内篇》云：“吾生也有涯，而知也无涯”，正是对赵兴明半生追求科研事业的最大写照。“读万卷书，行万里路”的他现在是同济大学教授，曾先后游学于香港浸会大学、东京大学和欧盟分子生物学实验室（EMBL），并是2010年上海市青年科技启明星计划和2013年上海市浦江人才计划入选者，先后主持多项科技部和国家自然科学基金项目；发表SCI论文60余篇；在生物信息学和系统生物学等方面有较深的造诣。

“兴趣+坚持”是我的成功秘诀

“你能猜得出我最初是学什么专业的吗？”在系统生物学界已经小有名气的赵兴明问记者，随后他自己笑着说，“你们肯定猜不到！我其实是机械专业出身，和计算机及生物学简直是风马牛不相及。”赵兴明本科在校时学的是机械专业，但是由于对计算机产生了浓厚的兴趣，他完全凭借着自学学习了很多计算机的课程。到了研究生期间，赵兴明决定正式转入计算机专业学习。他原本计划从事传统计算机领域的研究，但是他的导师给了他一个建议，希望他能够研究生物信息学。

生物信息学在当时刚刚流行起来，是世界上一个非常热也非常新的方向，这激起了赵兴明非常强烈的挑战兴趣，于是便阴差阳错地进入了这个领域。但他毕竟不是生物背景出身，生物知识很匮乏，对于生物信息可以说一点概念都没有，刚开始学习的时候特别困难，完全是靠自己的勤奋和摸索才坚持下来而没有掉队。但是有磨炼必然有收获，也正是从那个时候，赵兴明养成了极强的独立科研能力，对他日后攀登科研高峰有着极大的帮助。

博士毕业后，赵兴明东渡日本到东京大学读博士后。在日本，他学到了日本人严谨认真、一丝不苟的敬业态度，这对他日后的治学之道触动非常深刻。他的合作者是当时日本非线性科学领域的著名教授Kazuyuki Aihara，在与他的合作研究中，赵兴明受益匪浅，大大拓宽了自己的研究思路，并踏入了一个新的研究领域-系统生物学，开始考虑如何从系统科学的角度研究生物学问题。　　随后几年，赵兴明又赴欧洲游学，并与欧盟分子生物学实验室（EMBL）的国际著名生物信息学家Peer Bork开展合作研究。在EMBL，他见到了很多世界顶级的科学家，带给了他非常大的冲击。在与他们的交流中，赵兴明实实在在地认识到了山外有山，学无止境的道理。

赵兴明所研究的网络生物学，就是将复杂生物系统抽象表达为网络，建立网络模型，进而通过网络挖掘来揭示生物体内给成分之间的复杂关系，从而揭示生物系统的运行机制。采用数学领域中图论的研究方法，借助网络的概念和复杂网络的研究手段，将生物体中各种分子及其相互作用加以抽象，组成一个包含多个体、多层次相互作用的复杂网络。这是一门涉及生物学、医学、计算机学、生物信息学等多学科交叉的研究领域，这在有些人看来既枯燥又繁琐，但这些在赵兴明看来却是充满了“趣味”。

“读万卷书，行万里路”是赵兴明为自己定下的目标，在国外游历多年之后，他最终还是选择叶落归根，回到祖国发展。没有什么豪言壮语，只是在他内心深处有那么一个朴实的声音：国家培养了我，总要为国家做出些成绩来！不可否认，当下国内的科研环境充满了浮躁和压力，有不少科研工作者本身并不热衷于做研究，只是将其看作为养家糊口的谋生工具而已。那么，这只是一份工作，却做不成事业。在赵兴明看来，搞科研就像攀登珠峰，首先你要有一颗不断征服的雄心，还要有发现风景的眼睛，自然能在风雪兼程中找到坚持的乐趣。

老药新用：网络生物学大显身手

赵兴明时刻在思考怎么利用数学和计算机的方法来构建一个生物网络，怎么用这个网络把分子之间的关系描述出来，怎么挖掘网络里所蕴含的知识，从而用来识别疾病基因，进而可以在药物研发方面大展身手。

在过去10余年中， 国际上新药研发成功率出现明显下降。导致研发新药研发失败的主要原因是药物的有效性和安全性这两大问题。尽管随着我国对生物医药领域的投入增多，国内研发的硬件条件得到了很大的提高，但相对于新药研发的巨额投入而言，仍然不得不认真思考如何利用有限的资源实现成果产出最大化和研发风险最小化这一关键问题。新药物研发成本的增长和成功率的降低，使得药物重新定位逐渐成为各大药物公司和科研机构最重要的新药物开发模式之一。药物重新定位（repositioning/repurposing）指的是发现旧药物新疗效的技术，因而也被称为老药新用，就是利用相关的技术方法对已有的药物进行重新筛选、组合或改造从而发现其未知新用途的过程。

赵兴明给我们举了一个著名的老药新用的例子是沙立度胺（thalidomide），该药物最初用于治疗孕妇早晨恶心，由于其严重的副作用被禁用；后来，该药物被发现可以用来治疗麻风结节性红斑并作为ENL药物于1998年重新上市，最近该药物又被发现可以用来治疗二型糖尿病。相比于从零开始的新药研发, 药物重新定位基于已有药物的重新开发能够节省大量前期研发投入并大大缩短研发周期，因此越来越受到政府部门、制药企业、学术机构等各方面的关注。

尽管药物重新定位已经不是一个新的概念并蕴含着巨大的潜力，但是药物新疗效的发现并不是一件容易的事情。比如，大多数重新定位的药物其新用途与其最初的目的很少有明显的关系，这使得药物重新定位有种让人无从下手的感觉。赵兴明认为，在药物重新定位的研究过程中，应当系统地综合考虑疾病产生的分子机制及其所涉及和影响的分子网络特征，以及药物所影响的分子网络特征，这将会大大提高药物重新定位的准确率。在过去的3年里，赵兴明和他的团队针对“药物重新定位”开展了深入的研究，最近他在乳腺癌药物重定位方面取得了很大进展，他针对乳腺癌所识别的药物，不仅在多个乳腺癌细胞细胞系上得到了验证，而且可以很好地抑制小鼠体内的肿瘤生长。

向脑科学研究进军

随着脑科学研究日益成为当今世界具有学科交叉和综合特点的重要科学前沿，赵兴明也表示，希望今后能以计算系统生物学为桥梁，进行脑科学方面的相关研究。大脑作为生物体内结构和功能最复杂的组织，需要从分子、细胞系统、全脑、和行为等不同层次进行研究和整合，才有可能提示其奥秘，其复杂性远远超出了我们目前的认识能力。在未来的研究中，脑科学必将和信息学结合起来，将不同层次的数据进行分析整合、建模和仿真，绘制出脑功能、结构和神经网络图谱，从而解决目前脑科学所面临的海量数据问题。这块研究的“处女地”，一定会让系统生物学背景的赵兴明大有用武之地。

赵兴明最喜欢这样一句话：登临珠穆朗玛顶峰的心情是喜悦的，但过程是痛苦的。只有很少的人可以登上顶峰。为什么？因为这些人享受痛苦，敢于坚持。

这位年轻有为的科研工作者，具有冷静的头脑和对未来的憧憬。在系统生物学研究的道路上，赵兴明面对着重重压力，已经走过了最艰难的初级阶段，即将步入到他的黄金时代。他笃信：只要拥有对科研工作的热爱和对未来理想的坚持，必定可以越过重重险阻，最终到达胜利的顶峰。

来源：科学中国人 2015年第11期