郑凯，中国石油大学（华东）计算机学院讲师，硕士生导师。2017年毕业于中南大学计算机科学与技术专业，获工学学士学位，2020年毕业于中国矿业大学计算机应用技术专业，获工学硕士学位，2024年毕业于中南大学计算机科学与技术专业，获工学博士学位。其研究领域为计算机科学与生物医学的交叉学科-生物信息学 (Bioinformatics)，研究方向为网络几何学、生物医学大数据分析及人工智能等。主持国家自然科学基金青年项目一项、省青年项目一项，参与国家重点研发计划和国家自然科学基金面上项目多项。近年来，发表学术龙8在线登录官网-龙8(中国)40余篇，其中多篇发表在Nature Communications、NeurIPS、PloS Computational Biology、Briefings in Bioinformatics、IEEE TCBB等领域内的知名期刊上, 谷歌引用1400余次，H-index=19。

网络几何学、生物信息学、人工智能。

1、基于几何深度学习的miRNA-药物相互作用预测方法研究，国家自然科学基金青年项目，62502540，在研，主持。

2、异构生物网络和拓扑推理驱动的药物miRNA相互作用预测与精准治疗优化，山东省自然科学基金青年基金，ZR2025QC1546，在研，主持。

3、动态碱基堆叠能量解析协同多模态几何学习的抗癌靶标预测方法研究，中央高校自主创新科研计划项目，25CX06033A，在研，主持。

4、语义感知的城市异构移动大数据表示学习与预测方法研究，国家自然科学基金面上项目，62172443，在研，参与，第三位。

5、基于模式识别的生物信息数据挖掘，国家优秀青年科学基金项目，61722212，结题，参与。

6、复杂生物医学数据处理方法及应用研究，国家自然科学基金联合基金重点项目，U1909208，结题，参与。

7、生物数据深度挖掘与知识融合的智能系统研发与示范应用，国家重点研发计划项目，2021YFF1201200，结题，参与。

8、基于稀疏矩阵填充的生物实体关联预测方法，国家自然科学基金面上项目，61972423，结题，参与。

1、Zheng K（郑凯）, Wang J X and Xu J H. Graph-Theoretic Insights into Bayesian Personalized Ranking for Recommendation[C]. NeurIPS, 2025. (CCF A类推荐期刊，人工智能三大会)

2、Zheng K（郑凯）, Duan G H, Yang M Y, et al. LRTM: Left-Right Transition Matrices for Molecular Association Prediction[J]. IEEE Transactions on Computational Biology and Bioinformatics, 2025. (CCF B类推荐期刊，SCI Q1，影响因子：3.6)

3、Zheng K（郑凯）, You Z H, Wang L, et al. iCDA-CGR: Identification of CircRNA-Disease Associations based on Chaos Game Representation[J]. PLOS Computational Biology, 2020, 16(5): e1007872. (CCF B类推荐期刊，SCI Q1，影响因子：4.7，Top 期刊)

4、Zheng K（郑凯）, Zhang X L, Wang L, et al. Line graph attention networks for predicting disease associated Piwi-interacting RNAs [J]. Briefings in Bioinformatics, 2022, 23(6): bbac393. (CCF B类推荐期刊，SCI Q1，影响因子：13.994)

5、Zheng K（郑凯）, Zhang X L, Wang L, et al. SPRDA: a link prediction approach based on the structural perturbation to infer disease-associated Piwi-interacting RNAs[J]. Briefings in Bioinformatics, 2023, 24(1): bbac498. (CCF B类推荐期刊，SCI Q1，影响因子：9.5，Top 期刊)

6、Zheng K（郑凯）, Zhao H, Zhao Q, et al. NASMDR: a framework for miRNA-drug resistance prediction using efficient neural architecture search and graph isomorphism networks [J]. Briefings in Bioinformatics, 2022, bbac398. (CCF B类推荐期刊，SCI Q1，影响因子：13.994)

7、Zheng K（郑凯）, You Z H, Wang L, Li-Ping Li, and Zheng-Wei Li, DBMDA: A unified embedding for sequence-based miRNA similarity measure with applications to predict and validate MicroRNA disease associations[J]. Molecular Therapy - Nucleic Acids, 2020, 19: 602-611. (SCI Q1，影响因子：8.886)

8、Zheng K（郑凯）, You Z H, Wang L, et al. MISSIM: an incremental learning-based model with applications to the prediction of miRNA-disease association[J]. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2020, 18(5): 1733-1742. (CCF B类推荐期刊，SCI Q1，影响因子：3.015)

9、Zheng K（郑凯）, Zhao Q C, Liang X, Liu Y W, Wang J X. DLP: duplex link prediction via subspace segmentation for predicting drug-miRNA associations[J]. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2024. (CCF B类推荐期刊，SCI Q1，影响因子：4.5)

10、Zheng K（郑凯）, You Z H, Wang L, et al. MLMDA: a machine learning approach to predict and validate MicroRNA–disease associations by integrating of heterogenous information sources[J]. Journal of .translational medicine, 2019, 17(1): 1-14. (SCI Q1，影响因子：4.098)

11、Zheng K（郑凯）, You Z H, Wang L, et al. iMDA-BN: Identification of miRNA-disease associations based on the biological network and graph embedding algorithm[J]. Computational and Structural Biotechnology Journal, 2020, 18: 2391-2400. (SCI Q1，影响因子：7.271)

·荣获CCF C类国际会议ICIC 2019最佳龙8在线登录官网-龙8(中国)奖 (Best Paper Award)

招生方向：生物信息学、大数据挖掘、人工智能等。

联系方式：kaizheng@upc.edu.cn

【优势】

1. 将结合学生兴趣与特长，量身制定研究计划，并全程深度指导研究设计、实验、龙8在线登录官网-龙8(中国)写作、专利申请与毕业设计；

2. 对发表高水平期刊/会议龙8在线登录官网-龙8(中国)的学生提供额外科研奖励，并资助参加国际会议与学术交流；

3. 与多家国内外科研机构合作，积极推荐优秀学生赴海外访学、联培、从事博士后研究；

4. 协助优秀毕业生进入工业界知名IT企业就业。

【招生要求】

课题组每年拟招收4名硕士研究生，具体包括：

· 2名推荐免试（保研）

· 2名全国统考（考研）

欢迎有志于深入科研的优秀本科生提前进入实验室开展毕业设计等相关研究，优先考虑计划保研至顶尖高校或出国留学的同学。希望申请人能在实验室持续工作一年以上，并可保证每周稳定的科研时间。

【申请备注】

1. 如已发表过高水平期刊/会议龙8在线登录官网-龙8(中国)，请在邮件或简历中注明刊名、年份、卷期等信息；

2. 对图论和数据结构有浓厚兴趣、数学基础扎实者，请特别标注；

3. 有项目经历者请简述参与内容、个人分工、技术方法与实践成效；

4. 邮件中请附简要研究规划与设想。