姓　　名：付俊杰　　　性　别： 男　
职　　称：研究员
联系电话：
电子邮箱：fujunjie@caas.cn
个人网页：
课 题 组：玉米分子生物学

本人简历:
付俊杰，研究员，博士生导师。1997年就读于中国农业大学生物学院，2001年获得学士学位，2008年获得理学博士学位。2008年到2010年在德国霍恩海姆大学植物育种研究所，从事统计基因组学研究。2010年11月以留学回国人员和优秀骨干人才身份引进到中国农业科学院作物科学研究所工作，2013年入选研究所优秀青年培育人才计划，2014年入选中国农业科学院科技创新工程“作物全基因组选择育种”科技创新团队科研骨干。目前主要以玉米为遗传材料，运用基因组学、生物信息学、数据科学等技术在系统水平上解析复杂农艺性状的遗传调控网络，以此为基础完善基于基因组信息的性状预测模型，促进基因组辅助育种的应用。在技术方面特别关注“遗传大数据”分析过程中的关键计算技术/难题。现已在Nature Genetics、Nature Communication、Plant Journal、BMC Plant Biology、TAG等国际学术期刊上发表论文20余篇。2011年起担任Frontiers in Genomic Assay Technology 的审稿编辑，并为TAG、PLoS ONE、Plant Breeding等SCI期刊开展同行评议。目前主要承担的项目有国家自然科学基金、国家重点基础研究发展计划（973）、公益行业专项等。
联系地址：北京市海淀区中关村南大街12号 中国农科院作物科学研究所 100081
联系电话： E-mail：fujunjie@caas.cn, fu.junj@gmail.com
Profile: http://www.linkedin.com/in/statgen
ORCID: http://orcid.org/0000-0002-4702-2392
研究方向：
作物复杂性状解析与基因组学数据挖掘。
主要论文：
1.Jin M, Liu H, He C, Fu J, Xiao Y, Wang Y, Xie W, Wang G, Yan J: Maize pan-transcriptome provides novel insights into genome complexity and quantitative trait variation. Scientific Reports, 6:18936, 2016.
2.Fu J, Cheng Y, Linghu J, Yang X, Kang L, Zhang Z, Zhang J, He C, Du X, Peng Z, Wang B, Zhai L, Dai C, Xu J, Wang W, Li X, Zheng J, Chen L, Luo L, Liu J, Qian X, Yan J, Wang J, Wang G: RNA sequencing reveals the complex regulatory network in the maize kernel. Nature Communication, 4: 2832, 2013.
3.Li H, Peng Z, Yang X, Wang W, Fu J, Wang J, Han Y, Chai Y, Guo T, Yang N, Liu J, Warburton M L, Cheng Y, Hao X, Zhang P, Zhao J, Liu Y, Wang G, Li J, Yan J. Genome-wide association study dissects the genetic architecture of oil biosynthesis in maize kernels. Nature Genetics, 45: 43–50, 2013.
4.Fu J, Thiemann A, Scholten S, Schrag T A, Melchinger A E, Frisch M. Dissecting grain yield pathways and their interactions to grain dry matter content through a two-step correlation approach with maize seedling transcriptome. BMC Plant Biology, 10: 63, 2010.
5.Fu J, Falke K C, Thiemann A, Schrag T A, Melchinger A E, Scholten S, Frisch M: Partial least squares regression, support vector machine regression, and transcriptome-based distances for prediction of maize hybrid performance with gene expression data. Theoretical and Applied Genetics, 124: 825–833, 2012