张梦吉，博士生导师，南方科技大学生物医学工程助理教授，博士生导师。张梦吉博士毕业于上海交通大学生物医学工程系，随后分别于耶鲁大学医学院任博士后和剑桥Wellcome Sanger Institute任高级博士后，已于2026年9月全职加入南方科技大学生物医学工程系。在Nat. Biomed. Eng., npj Syst. Biol. Appl., Adv. Sci., Adv. Funct. Mater., PNAS, Adv. Mater., Angew. Chem. Int. Ed., Adv. Mater., IEEE Trans. Ind. Electron等国际权威期刊发文。

张梦吉课题组长期招收本科生、硕士生、博士生、博士后、研究助理、访问学者。感兴趣的申请者请把CV和相关资料发邮件给张梦吉老师。博士生需要来实验室做访问或研究助理经考核后，才能录用。

主页：https://mjdelta.github.io

教育背景

2018-2023 上海交通大学 生物医学工程系 博士

2014-2018 东北财经大学 信息管理与信息系统 学士

工作经历

2026-至今 南方科技大学 生物医学工程系 助理教授

2025-2026 剑桥Wellcome Sanger Institute 高级博士后

2024-2025 耶鲁大学 博士后

研究方向

研究致力于构建跨越DNA序列、分子、细胞与系统尺度的生成式AI模型，打通从基因组序列到细胞微环境、再到动态表型的完整链条，推动生命科学机制发现与临床转化。具体聚焦以下三个方向：

一、调控基因组学与序列-功能AI

围绕DNA序列出发，构建面向基因组调控解析的序列-功能基础模型,揭示序列变异与基因调控之间的因果关系，为疾病风险位点解读与精准诊断提供计算基础。

二、空间与多模态组学AI

面向细胞及其微环境的复杂交互，发展融合空间转录组学、蛋白质组学、代谢组学等多模态数据的生成式表征学习方法，在统一的潜空间中刻画细胞状态与微环境调控规律，实现对细胞间通讯及组织微环境的系统性建模。

三、动态表型与神经计算AI

面向神经活动、疾病进程等动态生物学过程，构建可建模状态演化与轨迹预测的生成式框架，并结合扰动建模（perturbation）实现对细胞/系统状态转变的模拟与干预设计，服务于风险评估与个性化治疗方案的设计。

三个方向共同支撑起"数据表征—生成建模—扰动模拟"的技术框架，最终服务于两大目标:机制发现（基因组调控、微环境互作、状态轨迹解析）与临床转化（精准诊断、预后评估、个性化干预）。

代表性论文

Zhang, M. et al. A self-adaptive and versatile tool for eliminating multiple undesirable variations from transcriptome. Nature Biomedical Engineering, 2026, 10, 413-426. (封面)

Zhang, M.*et al. A deep position-encoding model for predicting olfactory perception from molecular structures and electrostatics. npj Systems Biology and Applications, 2024, 10, 76.

Zhang, M. et al. Ultra-fast label-free serum metabolic diagnosis of coronary heart disease via a deep stabilizer. Advanced Science, 2021, 8, 2101333.