个人简介
肖传乐，生物信息学博士，中山大学中山眼科中心研究员，广东省杰出青年基金获得者，中国生物工程学会计算生物学与生物信息学专委会副主任委员，中国生物信息学会（筹）理事。长期致力于单分子测序（三代测序）前沿技术开发及应用研究，近年来针对三代测序基因组学和表观遗传学基础研究及应用的计算瓶颈问题建立了系列关键算法和支撑软件。近几年以第一或通讯(含共同)作者在Nature Methods、Nature Structural & Molecular Biology、Molecular Cell、Cell Genomics Nature Communications（8篇）、Cell Descovery等Nature和Cell重要子刊发表和录用论文14余篇，其中4篇为高被引用论文。先后开发NECAT、DeepMod、MECAT，MECAT2，Falign等十余个生物信息学分析工具，先后主持省部级以上项目10余项，其中国家自然基金4项，总经费1000余万元。目前担任the Innovation（IF>30, Q1）, Interdisciplinary Sciences: Computational Life Sciences (IF=3.3, Q2), Current Gene Therapy (IF=4.8, Q2)等杂志编委，Frontiers in Genetics专刊特邀编辑；先后担任Nature Methods、Nature Communications、Genome Biology、Brief in Bioinformatics、Bioinformatics和BMC Bioinformatics等生物信息专业期刊审稿人。
研究领域
三代测序前沿技术开发及应用；三代基因组数据智能信息处理；三代测序表观修饰信息智能识别
学历背景
本科学位（2001.09-2005.06），长江大学，生物工程
硕士学位（2005.09-2008.06），云南大学，系统分析与集成
博士学位（2015.9-2018.12），湖南农业大学，生物信息学
职业经历
2008.07-2014.06，暨南大学生命与健康工程研究院，助理研究员
2014.06-2019.04，中山大学中山眼科中心，特聘副研究员
2019.04-2025.03，中山大学中山眼科中心，副研究员
2025.03 - 至今，中山大学中山眼科中心，研究员
科研项目
1）国家自然科学基金面上项目，32270713，高阶三维基因组数据单倍型分析方法研究，2023.1-2026.12，在研，主持
2）国家重点研发计划“生物与信息融合”重点专项，2022YFF1201900，高通量纳米孔基因测序仪研发，2022.10-2025.10，在研，课题负责人
3）国家重点研发计划“前沿生物技术”重点专项，SQ2022YFC3400108，关键模式生物基因组精细研究及其示范应用，2022.10-2017.10，在研，项目骨干
4）国家自然科学基金原创探索计划项目，62150048，单倍型群体基因组组装及其疾病关联分析方法研究，2022.1-2024.12，在研，合作主持人
5）广东省自然科学基金杰出青年项目，2020B1515020057，纳米孔测序数据分析核心计算方法研究，2019/10-2023/9，在研，主持
6）国家自然科学基金重大研究计划，91953122，基于纳米孔电信号腺嘌呤N6甲基化修饰识别方法研究及应用，2020/01-2022/12，已结题，主持
7)国家自然科学基金面上项目，31871326，基因组启发式三代测序校正方法研究及应用，2019/01-2022/12, 已结题，主持
8）国家自然科学基金青年项目，31200612，大规模提高泛素化肽段鉴定数量的新方法研究，2013/01-2015/12，已结题，主持
代表性论文
1.Ying Chen#, Zhuo-Bin Lin#, Shao-Kai Wang#, Bo Wu#, Longjian Niu#, Jiayong Zhong#, Yi-Meng Sun, Zhenxian Zheng, Xin Bai, Luo-Ran Liu, Wei Xie, Wei Chi, Tiantian Ye*, Ruibang Luo*, Chunhui Hou*, Feng Luo*, Chuan-Le Xiao*.Reconstruction of Diploid High-Order 3D Genome Interactions from Long Noisy Concatemers using Dip3D. Nature Structural & Molecular Biology 2025 , https://doi.org/10.1038/s41594-025-01512-w
2. He-Xu Chen#, Zhen-Dong Liu#, Xin Bai#, Bo Wu#, Rong Song#, Hui-Cong Yao, Ying Chen, Wei Chi*, Qian Hua*, Liang Cheng* & Chuan-Le Xiao*. Accurate cross-species 5mC detection for Oxford Nanopore sequencing in plants with DeepPlant. Nat Communicaitons 2025, 16(3227): 1-12
3.Jia-Yong Zhong#, Longjian Niu#, Zhuo-Bin Lin, Xin Bai, Ying Chen, Feng Luo, Chunhui Hou*, Chuan-Le Xiao*. High-throughput Pore-C reveals the single-allele topology and cell type specificity of 3D genome folding. Nature Communications 2023,14(1250):1-18.
4.Zhuo-Xing Shi, Zhi-Chao Chen, Jia-Yong Zhong, Kun-Hua Hu, Ying-Feng Zheng, Ying Chen, Shang-Qian Xie, Xiao-Chen Bo, Feng Luo*, Chong Tang*, Yi-Zhi Liu*, Chuan-Le Xiao*. High-throughput and high-accuracy single-cell RNA isoform analysis using PacBio circular consensus sequencing. Nature Communications 2023, 14(2631), 1-13
5.Ying Chen#, Fan Nie#, Shang-Qian Xie#, Yingfeng Zheng#, Thomas Bray, Qi Dai, Yao-Xin Wang, Jian-Feng Xing, Zhijian Huang, De-Peng Wang, Lijuan He, Feng Luo*, Jianxin Wang*, Yi-Zhi Liu*,Chuan-Le Xiao*.Efficient assembly of Nanopore reads via highly accurate and intact error correction. Nature Communications 2021,12(60):1-10.
6.Chuan-Le Xiao#,*, Chen Ying#, Xie Shang-Qian, Chen, Kai-Ning, WangYan, HanYue, Luo Feng*,XieZhi*. MECAT: fast mapping, error correction, and de novo assembly for single-molecule sequencing reads.Nature Methods, 2017.11, 14(11): 1072~1074.
7.Chuan-Le Xiao#, Zhu, Song#, He Ming-Hui#, Chen De, Zhang Qian, Chen Ying, Yu Guoliang, Liu Jinbao, Xie Shang-Qian, Luo Feng, Liang Zhe, Wang De-Peng, Bo Xiao-Chen*, Gu Xiao-Feng*, Wang Kai*, Yan Guang-Rong*. N6-Methyladenine DNA Modification in Human Genome. Molecular Cell, 2018.7.19, (71): 306~318.
8.Qian Liu#, Li Fang# ,Guoliang Yu, Depeng Wang, Chuan-le Xiao*, Kai Wang*. Detection of DNA base modifications by deep recurrent neural network on Oxford Nanopore sequencing data. Nature Communications 2019, 10(1):2449.
9.Peng Ni, Neng Huang, Fan Nie, Jun Zhang, Zhi Zhang, Bo Wu, Lu Bai, Wende Liu, Chuan-Le Xiao*, Feng Luo*, Jianxin Wang*. Genome-wide detection of cytosine methylations in plant from Nanopore data using deep learning. Nature Communications, 2021, 12(1): 5976
