青岛大学计算机学院生物信息研究组（苏晓泉团队）招生与招聘启-技术圈

青岛大学计算机学院生物信息研究组（苏晓泉团队）招生与招聘启事

一、青岛大学简介

青岛大学位于历史文化名城青岛，承载着青岛这座城市高等教育发展的历史，充满了浓郁的时代气息。学校现有三个校区，占地2655亩，建筑面积114万平方米。学校风景秀丽、环境宜人，教学科研资源丰富，条件设施完备。拥有2所附属医院，9家直属附属医院。设有34个学院和医学部，招生本科专业79个。现有10个博士后流动站，13个一级学科博士点，2种博士专业学位类型；38个一级学科硕士点，28种硕士专业学位类型。青大人秉承“明德、博学、守正、出奇”的校训精神，坚持以立德树人为根本，坚持走高质量发展道路，全面开启建设高水平综合性研究型大学的新征程。

图1、青岛大学主校区鸟瞰图

二、学院与课题组简介

计算机科学与技术学院从1986年开始培养计算机科学与技术专业本科生，1999年起培养计算机软件与理论硕士研究生，2019年起培养软件工程博士研究生。学院设有“计算机科学与技术”“软件工程”“网络空间安全”3个一级学科。

生物信息研究组聚焦生物信息大数据挖掘中的核心科学问题，以高性能算法与工具研发为手段，融合生物信息学、分子生物学、微生物学等多学科交叉技术，面向健康、环境、海洋等领域，探索“数据驱动型”创新科研模式。研究组PI是苏晓泉教授（青岛大学特聘教授，博士生导师），目前团队已有教师4人，研究生17人。团队入选2021年山东省“青创人才引育”计划，已承担国家自然科学基金面上项目、国家重点研发计划、山东省重大基础项目等课题，在mBio、mSystems、Bioinformatics等期刊发表学术论文40余篇，开发了微生物组搜索引擎（Microbiome Search Engine）、Dynamic-Meta-Storms、Parallel-Meta、Meta-Apo、MIP等多个生物信息算法及软件。

图2、生物信息研究组，拍摄于2021年10月

三、招生与招聘岗位

1. 2022年考核制全日制博士研究生（1名）。招生专业为软件工程。具有机器学习、数据挖掘或生物信息相关学习经历与背景优先。具体招生简章见青岛大学官网https://grad.qdu.edu.cn/infoSingleArticle.do?articleId=20702

2. 助理教授与特聘教授（1-2名，山东省事业编制）。已获得或即将获得博士学位，从事计算机科学于技术、软件工程、机器学习、人工智能、生物信息等相关领域研究，并已第一作者或通讯作者发表过学术论文。具体人才引进政策见青岛大学官网 http://rlzy.qdu.edu.cn/info/1003/1899.htm

3. 博士后（1-2名）。已获得或即将获得博士学位，从事计算机科学于技术、软件工程、机器学习、人工智能、生物信息等相关领域研究。出站后经考核可录用为事业编制助理教授。

四、应聘方式

1. 个人简历，含学习、工作经历、发表论文、研究方向等

2. 请将以上材料合并为单个PDF，发送至苏晓泉教授邮箱suxq@qdu.edu.cn，邮件标题请注明应聘岗位+本人姓名。

五、课题组近期论文

1.Identifying and predicting novelty in microbiome studies, mBio 2018

2.Reply to Sun et al.,“Identifying Composition Novelty in Microbiome Studies: Improvement of Prediction Accuracy”, mBio 2019

3.Dynamic Meta-Storms enables comprehensive taxonomic and phylogenetic comparison of shotgun metagenomes at the species level, Bioinformatics 2020

4.Multiple-disease detection and classification across cohorts via microbiome search, mSystems 2020

5.Method development for cross-study microbiome data mining: challenges and opportunities, Comput. and Struct. Biotech. J. 2020

6.Microbiome Search Engine 2: a Platform for Taxonomic and Functional Search of Global Microbiomes on the Whole-Microbiome Level, mSystems 2021

7.Elucidating the Beta-Diversity of the Microbiome: from Global Alignment to Local Alignment, mSystems 2021

8.A Scale-Free, Fully Connected Global Transition Network Underlies Known Microbiome Diversity, mSystems2021

9.Towards multi-label classification: Next step of machine learning for microbiome research, Comput. and Struct. Biotech. J. 2021

10.Comprehensive understanding to the public health risk of environmental microbes via a microbiome-based index, Journal of Genetics and Genomics 2022