唐静
学术学位硕士生导师

副教授
***


@qq.com

基础医学院





学科信息


个人简介
唐静 博士
重庆医科大学 “特聘副教授-青年创新人才”


研究兴趣：运用机器学习等生物信息学手段和组学（蛋白组、代谢组）新技术，分析和发现能用于疾病早期诊断、治疗以及预后的稳定生物标志物，开展疾病发生发展机制的相关研究。并发展新颖的用于多组学数据预处理及生物标志物识别的在线工具


教育背景：
2017年09月至2019年07月：浙江大学 生物信息学方向 联合培养
2016年09月至2019年07月：重庆大学 生物信息学方向 硕士
2013年05月至2016年07月：重庆大学 生物信息学方向 硕士
2008年09月至2012年06月：西南大学 药学系 学士
学术进修
2017.10.17 – 10.25, 深圳华大基因 参加“蛋白质组学与代谢组学培训班”，深圳市华大基因学院主办
2016.09.10 – 09.14, 上海交通大学 参加“中美蛋白质组学高级研讨班”，上海生物信息学会主办，上海交通大学承办
参与项目：
国家重点研发计划“精准医学研究”重点专项 2018.7-2020.12（其他研究人员）
报告：
台州人工智能与生物医学国际会议青年论坛（2019）台州学院，台州
代表性文章：
1、Tang J, Fu J, Wang Y, Li B, Li Y, Yang Q, Cui X, Hong J, Li X, Chen Y, Xue W, Zhu F*. ANPELA: analysis and performance-assessment of the label-free quantification workflow for metaproteomic studies. Brief Bioinform. doi: 10.1093/bib/bby127, 2019. 影响因子:9.10, sci1区.
2、Tang J, Wang Y, Fu J, Zhou Y, Luo Y, Zhang Y, Li B, Yang Q, Xue W, Lou Y, Qiu Y*, Zhu F*. A critical assessment of the feature selection methods used for biomarker discovery in current metaproteomic studies. Brief Bioinform. doi: 10.1093/bib/bbz061, 2019. 影响因子:9.10, sci1区.
3、Tang J, Fu J, Wang Y, Luo Y, Yang Q, Li B, Tu G, Hong J, Cui X, Chen Y, Yao L, Xue W, Zhu F*. Simultaneous improvement in the precision, accuracy and robustness of label-free proteome quantification by optimizing data manipulation chains. Mol Cell Proteomics. 18(8): 1683-1699, 2019. 影响因子:4.83, sci2区.
4、B. Li, J. Tang, Q. X. Yang, S. Li, X. J. Cui, Y. H. Li, Y. Z. Chen, W. W. Xue, X. F. Li, F. Zhu*. NOREVA: normalization and evaluation of MS-based metabolomics data. Nucleic Acids Res. 45(W1):162-170, 2017. 影响因子:11.56, sci1区.（共同第一作者）
5、B. Li, J. Tang, Q. X. Yang, X. J. Cui, S. Li, S. J. Chen, Q. X. Cao, W. W. Xue, N. Chen, F. Zhu*. Performance evaluation and online realization of data-driven normalization methods used in LC/MS based untargeted metabolomics analysis. Sci Rep. 6:38881, 2016. 影响因子:4.26,sci3区.（共同第一作者）
6、Tang J, Zhang Y, Fu J, Wang Y, Li Y, Yang Q, Yao L, Xue W*, Zhu F*. Computational advances in the label-free quantification of cancer proteomics data. Curr Pharm Des. 24(32):3842-3858, 2018. 影响因子:2.41, sci3区.






研究方向
生物信息学，蛋白质组学，代谢组学