李华 · Bioinformatics Engineer

针对临床外显子组测序项目，使用Python重构基于GATK Best Practices的变异检测流程，将WES数据从FASTQ到VCF的处理时间从18小时缩短至11小时（缩短39%），并通过Nextflow实现并行调度，单批次处理量提升至96个样本。

为RNA-seq差异表达分析搭建标准管道，整合STAR、featureCounts和DESeq2，处理来自12种肿瘤组织的48个样本，输出基因表达矩阵和显著差异基因列表（|log2FC|>1, FDR<0.05），交付周期从5天压缩至2天（缩短60%）。

独立开发BWA-mem比对后的质量控制模块（Python+R），自动统计覆盖深度、比对率、GC偏差等12项指标，生成PDF报告，被团队采纳为日常质控标准，累计处理超200批次数据。

维护并优化公司内部的高通量测序分析平台，将WGS变异检测流程从单线程迁移至Nextflow多步骤工作流，节省30%的GPU/CPU资源消耗，实现每小时完成1个全基因组样本的完整分析。

作为核心开发者，在多组学整合分析平台中基于PyTorch复现并优化AlphaFold2的Evoformer模块，通过改进注意力机制将蛋白质结构预测的LDDT分数提升5.2%。

针对蛋白质多聚体复合物预测需求，设计并实现基于深度学习的分层采样策略，将复合物预测成功率从基线模型的31%提升至47%。

主导开发数据预处理管道，使用Python高效处理超过200万条蛋白质序列，将输入数据准备时间从12小时缩短至2.5小时。

协同团队完成模型调优，通过超参数搜索使预测结果RMSD降低0.8Å，并撰写详细技术文档供后续研究复用。