时明，博士，讲师。2019年毕业于武汉大学，获工学博士学位。2019至2021年，在清华大学自动化系博士后流动站，从事单细胞组学数据分析方面的工作。目前研究方向主要涉及生物信息、生物医学数据处理等。以第一或通讯作者发表论文6篇，参与国家自然科学基金若干。

1.联系方式

邮箱：shiming@hbut.edu.cn

2.招生专业

计算机科学与技术、计算机技术等。欢迎具有一定数学和英文基础的同学报考硕士研究生。

3.发表论文

[1]Shi Ming; Shen Weiming; Wang Hong Qiang; Chong Yanwen ; Adaptive modelling of gene regulatory network using Bayesian information criterion-guided sparse regression approach, IET Systems Biology, 2016, 10(6): 252-259 (SCI期刊论文)

[2]Shi Ming; Shen Weiming; Chong Yanwen; Wang Hong Qiang ; Improving GRN re-construction by mining hidden regulatory signals, IET Systems Biology, 2017, 11(6): 174-181 (SCI期刊论文)

[3]Shi Ming; Chong Yanwen; Shen Weiming; Xie Xin-Ping; Wang Hong-Qiang ; DynSig: Modelling Dynamic Signaling Alterations along Gene Pathways for Identifying Differential Pathways, Genes, 2018, 9(7): 323 (SCI期刊论文)

[4]Shi Ming^#; Tan Sheng^#; Xie Xin-Ping^#; Li Ao; Yang Wulin; Zhu Tao; Wang Hong-Qiang ; Globally learning gene regulatory networks based on hidden atomic regulators from transcriptomic big data, BMC Genomics, 2020, 21(1): 711 (SCI期刊论文, TOP)

[5] Hongmin Zhang,Ming Shi^#, Zhongwei Huang, Zhi Yang, Ran Zhou and Haitao Gan;VaeSSC: Enhanced GRN Inference with Structural Similarity Constrained Beta-VAE, PRICAI 2023: Trends in Artificial Intelligence: 20th Pacific Rim International Conference on Artificial Intelligence, Jakarta, Indonesia, 2023-11-15至2023-11-19 (EI会议论文)

4.参与项目

[1]国家自然科学基金委员会,专项项目, 62050178,人类细胞图谱复杂数据的智能表示理论与信息框架,2021-01-01至2021-12-31, 98.46万元,结题,参与

5.授权专利

[1]王红强，时明.一种基于深度遗传信息特征的药物敏感性预测方法及装置: CN111798030A,2020.10.20.