郑小琪，上海师范大学数理学院教授，博士生导师，美国哈佛大学（2012-2014）和埃默里大学（2017）访问学者。主要从事统计学习和计算生物学领域的研究。2010年至今，已经在 Genome Biology, PLoS Computational Biology, Bioinformatics 等杂志发表论文 60 余篇，其中第一或通讯作者 40 篇，累计影响因子超过 200。以负责人承担国家自然科学基金青年项目1项，面上项目2项，以项目骨干承担国家重点研发计划专项1项。现任中国计算机学会生物信息专业委员会委员，中国抗癌学会肿瘤标志物专业委员会肿瘤测序及大数据分析协作组委员，中国现场统计研究会大数据统计分会理事等。担任SCI杂志Computational and Mathematical Methods in Medicine 编委。主要研究方向和代表性论文如下：

1. DNA甲基化与肿瘤异质性分析

      高度的异质性是肿瘤难以诊断和治疗的主要原因。由于肿瘤细胞具有高度的基因组不稳定性和增殖能力，在肿瘤生长过程中，其子代细胞呈现出不同的表型和基因组特征，从而使肿瘤组织内部表现出不同的亚群结构 (sub-population或sub-clone)。来自不同亚群的肿瘤细胞在生长速度、转移能力、对药物的敏感性、预后等各方面存在差异。因此，综合利用多种组学数据，系统研究肿瘤组织的异质性和其在肿瘤发展中的演化规律具有重要的理论意义和临床价值。

      我们的主要目标是从肿瘤组织的多组学数据（尤其是DNA甲基化数据）中估计不同亚群落细胞的组成及其表达谱，并开发统计方法比较不同表型下亚群落组成和表达谱的差异。特别地，当我们只考虑肿瘤细胞和正常细胞的差异，亚群落组成估计问题就可以简化为肿瘤纯度估计问题，在这方面我们已经开展了一系列前期研究工作。但不同多组学数据之间存在高度的相关性，其数据呈现形式差别很大，如何整合多组学数据进行信号分解、不同亚群落与肿瘤临床表型的关系如何等是我们正在考虑的问题。

2. 染色质三维结构的统计建模

      真核生物的基因组以染色质的形式卷曲在细胞核内，其三维结构与转录、调控、基因组复制等众多生物学过程直接相关，但其确切的三维结构如何目前还是一个公开问题。近期开发的以“染色体构象捕捉”(chromosome conformation capture, 3C)为基础的技术与高通量测序技术相结合，使人们能高分辨率地得到染色质区域之间的结合强度数据，为揭示染色体三维结构提供了数据基础。

      在这方面，我们关心如何构建在不同分辨率层次下的染色质相互作用情况，以及在不同细胞状态下，如胚胎发育的不同阶段、正常与肿瘤细胞等，这种相互作用是如何改变的。

3. 精准医疗中的计算模型

      建立计算模型预测药物对个体的敏感性，进而指导临床用药是精准医疗的核心目标之一。以癌症的治疗为例，目前经过“美国食品药物监督委员会”（FDA）审批的抗癌药物已经超过一千种，其中大部分为靶向药物。靶点基因的状态通常可以作为标志物（biomarker）用以指导靶向药物的使用。然而，肿瘤通路一般具有“补偿效应”，即使某个通路被抑制，其它相关的通路也会过量表达导致复制和凋亡机制发生紊乱，因此，非靶点基因的突变对某些抗癌药物的药效也有重要影响，如MAPK通路中BRAF基因的突变就可以作为MEK抑制剂药物反应的最重要标志物。除此之外，针对一些重要的原癌基因的突变，通常会有大量的靶向药物供其选择，这也给临床使用中的药物选择增加了难度。

      我们希望由细胞系多组学数据及药物反应数据出发，寻找相应biomarker，开发药物敏感性或抗药性的预测方法，并应用到病人样本的药物筛选中。在这方面，我们前期开发了基于“细胞系-药物”双层网络的计算模型，综合利用细胞系相似性与药物分子结构信息，提高了药物反应预测的准确度。

代表性学术论文（see me on Google scholar or GitHub）：

18.  Qin Y#, Zhang W#, Sun X, Nan S, Wei N, Wu H-J, Zheng X*, Deconvolution of heterogeneous tumor samples using partial reference signals. PLoS Comput Biol, 2020, 16(11): e1008452.

17. Liu X, Liu T, Shang Y, Dai P, Zhang W, Lee BJ, Huang M, Yang D, Wu Q, Liu LD, Zheng X, Zhou BO, Dong J, Yeap LS, Hu J, Xiao T, Zha S, Casellas R, Liu XS, Meng FL, ERCC6L2 promotes DNA orientation-specific recombination in mammalian cells, Cell Res., 2020, 30(9):732-744.

16. Zhang W#, Li Z#, Wei N, Wu HJ，Zheng X*, Detection of differentially methylated CpG sites between tumor samples with uneven tumor purities. Bioinformatics. 2020, 36(7):2017-2024. 

15. Xu T, Zheng X, Li B, Jin P, Qin Z, Wu H*: A comprehensive review of computational prediction of genome-wide features, Briefings in Bioinformatics, 2020, 21(1):120-134. 

14. Hu X, Zhang J, Wang J, Fu J, Li T, Zheng X, Wang B, Gu S, Jiang P, Fan J, Carroll, MC, Wucherpfennig K, Hacohen N, Zhang F, Zhang P, Liu JS*, Li B*, Liu XS*:  Widespread B cell clonal expansions and related mechanism of immune evasion in human cancers, Nature Genetics, 2019, 51(3):560-567. 

13. Fan H, Lv P, Huo X, Wu J, Wang Q, Cheng L, Liu Y, Tang QQ, Zhang L, Zhang F, Zheng X, Wu H, Wen B*: The nuclear matrix protein HNRNPU maintains 3D genome architecture globally in mouse hepatocytes. Genome Research, 2018, 28:192-202.

12. Zheng X*, Zhong S: From structure to function, how bioinformatics help to reveal functions of our genomes. Genome Biology, 2017, 18:183. 

11. W Zhang, H Feng, H Wu, X Zheng*, Accounting for Tumor purity improves cancer subtype lassification from DNA methylation data, Bioinformatics, 33(17), 2017, 2651-2657. 

10. X Zheng*, N Zhang, HJ Wu, H Wu*, Estimating and accounting for tumor purity in the analysis of DNA methylation data from cancer studies, Genome Biology, 2017, 18:17. 

9. Niu B, Paulson JN, Zheng X, Koltera R*, Simplified and representative bacterial community of maize roots, Proceedings of  the National Academy of Sciences of the United States of America, 2017, 114(12):E2450-E2459. 

8. ZQ Wu, XY Li, T Ni, N Lu, T An, R Fu, RG Rowe, Y Lin, A Scherer, T Feinberg, SX Liu, QL Guo, X Zheng, SJ Weiss*, Snail1-Dependent p53 Repression Regulates Expansion and Activity of Tumor-Initiating Cells in Breast Cancer, Nature Cell Biology, 2016, 18:1221-1232. 

7. F Wang, N Zhang, J Wang, H Wu*, X Zheng*: Tumor purity and differential methylation in cancer epigenomics, Briefings  in Functional Genomics, 2016, 15:408-419. 

6. N Zhang#, HJ Wu#, W Zhang, J Wang, H Wu*, X Zheng*: Predicting tumor purity from methylation microarray data, Bioinformatics, 2015, 31(21):3401–3405. 

5. N Zhang#, H Wang#, Y Fang, J Wang*, X Zheng*,   XS Liu*: Predicting anticancer drug responses using a duallayer integrated   cell line-drug network model, PLoS Computational Biology, 2015, 11:e1004498. 

4. Z Dong#, N Zhang#, C Li, H Wang, Y Fang, J Wang, X Zheng*: Anticancer drug sensitivity prediction in cell lines from   baseline gene expression through recursive feature selection BMC cancer, 2015,15(1):489

3. Zheng X#, Zhao Q#, Wu H-J#, Li W, Wang H, Meyer CA, Qin QA, Xu H, Zang C, Jiang P*, Zhang Y*, Liu XS*: MethylPurify: tumor purity deconvolution and differential methylation detection from single tumor DNA methylomes. Genome Biology 2014, 15:419. 

2. Li L, Yu S, Xiao W, Li Y, Huang L, Zheng X*, Zhou S*, Yang H*: Sequence-based identification of recombination spots using pseudo nucleic acid representation and recursive feature extraction by linear kernel SVM. BMC bioinformatics 2014, 15:340. 

1. Zhu J, Qin Y, Liu T, Wang J, Zheng X*: Prioritization of candidate disease genes by topological similarity between disease and protein diffusion profiles. BMC bioinformatics 2013, 14:S5.

科研项目：

1. 融合单细胞转录组数据的肿瘤异质性分析方法研究（61972257），国家自然科学基金面上项目，2020.1-2023.12，主持

2. 基于植物底盘的药用植物活性成分研究及其应用（2018YFA0900600），国家重点研发专项项目，2020.1-2024.12，骨干

3. 基于DNA甲基化的肿瘤异质性分析方法及应用算法研究（61572327），国家自然科学基金面上项目，2016.1-2019.12，主持

4. 拟南芥基因转录调控关系的识别方法研究（31100953），国家自然科学基金青年项目， 2012.1-2014.12，主持