李斐然

李斐然，博士，清华大学深圳国际研究生院生物医药与健康工程研究院副教授、博士生导师，入选国家海外高层次青年人才计划，并获《麻省理工科技评论》“35岁以下科技创新35人”中国区入选者等人才等荣誉。

致力于发展人工智能驱动的数字生命技术，围绕“理解生命、预测生命、设计生命”的科学目标，构建从分子、细胞到人体尺度的多尺度数字孪生模型，实现复杂生命系统的计算模拟、精准预测与智能设计。研究方向主要包括三个方面：1）数字细胞与智能细胞工厂设计，融合多组学数据、机制模型和人工智能算法，构建数字细胞模型，实现代谢流预测、代谢网络优化和高性能生物制造系统设计； 2）人工智能驱动的生命分子设计，发展深度学习和生成式人工智能方法，实现酶及功能生物分子的功能预测、性能预测与从头设计；3）数字人体与精准生命科学，整合多组学数据和生理机制，构建多器官、多尺度人体数字模型，解析人体代谢调控、疾病机制及药物响应规律。

近年来以第一作者（含共同第一作者）或通讯作者身份在Nature Catalysis、Nature Communications、Molecular Systems Biology、PNAS、Nucleic Acids Research等国际期刊发表论文。相关研究成果发展了全景代谢酵母模型、数字人体模型及人工智能辅助酶表征等技术体系，并应用于智能生物制造、代谢工程优化和精准医学研究。主持承担国家自然科学基金优秀青年科学基金项目（海外）、国家自然科学基金面上项目，参与国家重点研发计划、国家自然科学基金重点项目等多项科研项目。

课题组招收博士后、科研助理、博士研究生、以及硕士研究生，诚邀具有合成生物学、计算生物学、机器学习、生物化工、生物工程、制药工程、生物信息学等背景并有志从事生物系统模型相关研究的同学加盟。

2017年-2021年，查尔姆斯理工大学，系统生物学专业，博士（导师：Jens Nielsen院士）

2014年-2017年，天津大学，生物化工专业，硕士（导师：赵学明教授）

2010年-2014年，天津师范大学，化学生物学专业，学士

2026年-至今，清华大学深圳国际研究生院，副教授，博士生导师

2023年-2026年，清华大学深圳国际研究生院，助理教授，博士生导师

2021年-2023年，查尔姆斯理工大学，博士后（合作导师：Jens Nielsen院士）

BioDesign Research、Advanced Biotechnology期刊青年编委

Frontiers in Bioengineering and Biotechnology期刊客座编辑（Review Editor）

Nature Communications, PNAS, iScience, Advanced Genetics, and Genome Biology,等期刊审稿人

人工智能酶设计（国际院）、合成生物学前沿研讨（国际院）、计算系统生物学实验（国际院）

围绕“理解生命、预测生命、设计生命”的核心目标，课题组致力于发展人工智能、系统生物学与合成生物学交叉融合的新一代数字生命技术。通过构建从分子、细胞到人体尺度的多尺度数字孪生模型，实现复杂生命系统的计算模拟、精准预测与智能设计，揭示生命系统运行规律，并推动生物制造和精准医学的发展。主要研究方向包括：

（1）数字细胞建模与智能细胞工厂设计

发展融合多组学数据、机制模型与人工智能算法的数字细胞模型，构建具有预测能力的细胞级数字孪生体系，实现对细胞代谢、调控网络、能量分配和生理状态的定量描述，并指导工程化细胞设计与优化。

·构建融合基因组、转录组、蛋白组、代谢组及调控信息的多尺度数字细胞模型，实现细胞状态与功能行为的精准预测；

·发展人工智能增强的代谢网络模型，模拟细胞碳流分配、能量代谢、氧化还原平衡及环境适应过程；

·开发面向底盘选择、代谢途径优化和合成生物学设计的智能算法，实现细胞工厂的理性设计；

·利用数字细胞技术指导高性能微生物细胞工厂构建，推动天然产物、生物基化学品及药物分子的绿色高效制造。

（2）人工智能驱动的生命分子表征及设计

发展人工智能辅助的生命分子设计技术，实现蛋白质、酶及其他功能性生物分子的发现、预测与优化。通过融合深度学习、生成式人工智能和生物知识，突破传统生物分子工程依赖经验和试错的限制，加速高性能生物元件的智能设计。

·开发基于人工智能的蛋白质和酶功能、催化活性、稳定性及分子互作预测模型；

·利用深度学习和生成式人工智能方法，实现具有目标功能的新型酶和生物分子的设计与优化；

·融合序列、结构、生化性质及进化信息，建立多模态生命分子智能表征与设计体系；

·构建面向酶挖掘、催化性能提升和功能优化的计算设计平台，服务于工业生物技术和生物医学应用。

（3）数字人体与精准医学

构建融合多组学数据、生理机制和人工智能方法的多尺度人体数字孪生模型，解析人体代谢调控规律和疾病发生机制，建立面向个体化预测和精准医疗的计算框架。

·构建融合全基因组尺度代谢网络、多器官生理约束及临床多组学数据的人体数字模型；

·发展人体代谢、药物响应及宿主–微生物互作的计算模拟方法，实现复杂生命过程的定量预测；

·解析复杂疾病中的关键代谢通路和分子调控机制，发现潜在治疗靶点；

·利用数字人体技术开展精准医学研究，实现个体化疾病风险预测、治疗响应评估和新型生物医学发现。

[1] 国家自然科学基金优秀青年科学基金项目（海外），2023-09至2026-08，在研，主持；

[2] 国家重点研发计划“合成生物学”重点专项（青年），2024-12至2027-11，在研，任务负责人；

[3] 国家自然科学基金面上项目，2025-01至2028-12，在研，主持；

[4] 广东省重点领域研发计划“绿色生物制造”重点专项，2025-01至2027-12，在研，任务负责人；

[5] 国家自然科学基金重点项目，2026-01至2030-12，在研，任务负责人；

[6] 深圳市医学研究专项资金项目，2025-01至2027-12，在研，主持；

[7] 清华大学深圳国际研究生院交叉创新基金，2024-09至2027-09，在研，主持

[8] 人工智能酶设计技术委托开发横向项目，2024-07至2026-06，在研，主持；

1. Luo J^#, Wang H^#, Moyer D, et al. Reconstruction of human metabolic models with large language models. Proceedings of the National Academy of Sciences, 2026, 123(15): e2516511123.

2. Wu K^#, Liu H^#, Zhou Y^#, et al. Systematically exploring yeast metabolism through retrobiosynthesis and deep learning. Nature Catalysis, 2026, 9: 434–447.

3. Li X^#, Guo Z^#, Li Y, et al. Leveraging large language models for metabolic engineering design. Trends in Biotechnology, 2026.

4. Lyu B^#, Wu K^#, Huang Y, et al. GotEnzymes2: expanding coverage of enzyme kinetics and thermal properties. Nucleic Acids Research, 2026, 54(D1): D583–D592.

5. Chen Y^*, Li F. Metabolomes evolve faster than metabolic network structures. Proceedings of the National Academy of Sciences 2024, 121, e2400519121.

6. Li F^{#, *}, Chen Y, Gustafsson J, Wang H, Wang Y, Zhang C, Xing X. Genome-scale metabolic models applied for human health and biopharmaceutical engineering. Quantitative Biology. 2023, 11, 363-75.

7. Li F^{#, *}, Chen Y^#, Anton M^#, et al. GotEnzymes: an extensive database of enzyme parameter predictions. Nucleic Acids Research 2023, D1, D583-D586.

8. Li F^#, Yuan L^#, Lu H, et al. Deep learning based kcat prediction enables improved enzyme constrained model reconstruction. Nature Catalysis 2022, 5, 662-672.

9. Li F, Chen Y, Qi Q, et al. Improving recombinant protein production by yeast through genome-scale modeling using proteome constraints. Nature Communications 2022, 13, 2969.

10. Li F^*. Filling gaps in metabolism using hypothetical reactions. Proceedings of the National Academy of Sciences 2022, 119, e2217400119.

11. Lu H^#, Li F^#, Yuan L^#, et al. Yeast metabolic innovations emerged via expanded metabolic network and gene positive selection. Molecular Systems Biology 2021, 17, e10427.

12. Domenzain I^#, Li F^#, Kerkhoven EJ, et al. Evaluating accessibility, usability and interoperability of genome-scale metabolic models for diverse yeasts species. FEMS Yeast Research 2021, 21, foab002

13. Lu H^#, Li F^#, Sánchez BJ, et al. A consensus S. cerevisiae metabolic model Yeast8 and its ecosystem for comprehensively probing cellular metabolism. Nature Communications 2019, 10, 3586

14. Li F^#, Xie W^#, Yuan Q, Luo H, Li P, et al. Genome-scale metabolic model analysis indicates low energy production efficiency in marine ammonia-oxidizing archaea. AMB Express 2018, 8, 106.

# Co-first author, * Corresponding author

1.《麻省理工科技评论》“35岁以下科技创新35人”中国区 (2023)

2.国家海外高层次人才（青年）项目 (2023)

3.“鹏城孔雀计划”特聘岗位B类人才 (2023)

4.国家优秀自费博士奖学金-博士后（2022）