邹征廷，男，博士，博士生导师，中国科学院动物研究所动物分子进化研究组组长。

　　2009 – 2013 学士，生物科学，北京大学

　　2013 – 2017 博士，生物信息学，密歇根大学

　　2017 – 2020 博士后，生态与演化系，密歇根大学

　　2020.9 至今 研究组长，中国科学院动物研究所

　　计算生物学, 分子演化与系统发育，演化发育生物学，深度学习应用。

研究方向：

　　生物演化是生命系统最根本的形成规律和原理。因此，演化生物学研究的目标是基于演化原理，利用定性或定量的理论对分子、细胞、形态、种群和物种等各个尺度的生命现象和数据进行解释，并发现更多的演化规律。本研究组以计算生物学为主要手段，基于比较分析、数学建模和模拟、深度学习等方法，从分子序列等层面对生物演化相关的核心和前沿问题进行探究。

1. 分子序列的演化规律

　　作为对DNA和蛋白质序列演化过程的数学建模，分子演化模型是生物信息学分析的核心工具之一。近年来随着大量组学数据的积累分析，我们对分子序列演化的模式和规律有了更多的认识。例如，不同物种之间、不同基因组序列位点之间存在演化速率等特征的差异（异质性heterogeneity），以及分子序列的不同位点间并非独立演化，而是存在相互作用（上位效应epistasis）等等。研究组希望基于可用的多物种序列数据，探究这些序列演化模式的生物学机制和影响因素，以及如何结合这些因素进行分子演化和系统发育分析，对序列演化的模式和规律、适应性演化等现象进行更细致准确的刻画和建模。

2. 深度学习的演化分析应用

　　深度学习是近年来快速发展的计算方法，能够基于大量复杂多样化的数据进行模式提取和预测。针对生物学数据影响因素复杂、异质性高的特点，研究组希望借助深度学习方法，尝试对分子序列等数据进行系统发育和分类等模式的识别和预测。

3. 发育演化模式和机理

　　细胞类型的分化决定了多细胞生物体的不同生理功能，是生物多样性和适应性演化的基础。近年来，单细胞测序技术产生了不同物种的大量发育数据。我们希望从分子演化和系统发育的角度比较分析组学数据，结合基因调控网络等信息，在序列以上的生物学尺度探究发育过程的演化规律。

　　除此之外，本研究组对适应性演化规律、趋同演化、比较基因组学、表型演化、系统发育树等话题保持广泛兴趣。

　　计算生物学需要一定的数学和计算技能及经验。但在对生物学现象规律有兴趣的基础上，自学所需知识和技术的能力、对研究问题的本质理解、发现问题解决问题的思路和能力、严谨的批判性思维、实事求是的科研态度和投入更为重要。欢迎有志进行前沿科学研究的同学联系了解。

（#共同第一作者，*通讯作者）

14. Si S, Xu X^*, Zhuang Y, Gao X, Zhang H, Zou Z^*, and Luo SJ^*. The genetics and evolution of eye color in domestic pigeons (Columba livia). PLOS Genet., 2021, 17:e1009770. doi: 10.1371/journal.pgen.1009770

13. Zou Z, and Zhang J. Are nonsynonymous transversions generally more deleterious than nonsynonymous transitions? Mol. Biol. Evol., 2021, 38:181-191. doi: 10.1093/molbev/msaa200

12. Lyons DM^#, Zou Z^#, Xu H, Zhang J. Idiosyncratic epistasis creates universals in mutational effects and evolutionary trajectories. Nat. Ecol. Evol., 2020, 4:1685-1693. doi: 10.1038/s41559-020-01286-y

11. Zou Z, and Zhang J. The nature and phylogenomic impact of sequence convergence. Phylogenetics in the Genomic Era (C. Scornavacca, et al., eds). No commercial publisher | Authors open access book, pp.4.6:1-4.6:17, 2020. ffhal-02536347

10. Zou Z^#, Zhang H^#, Guan Y, Zhang J. Deep residual neural networks resolve quartet molecular phylogenies. Mol. Biol. Evol., 2020, 37:1495-1507. doi: 10.1093/molbev/msz307

9. Zou Z, and Zhang J. Amino acid exchangeabilities vary across the tree of life. Sci. Adv., 2019, 5: eaax3124. doi: 10.1126/sciadv.aax3124

8. Ding X, Zou Z, Brooks III CL. 2019. Deciphering protein evolution and fitness landscapes with latent space models. Nat. Commun., 10: 5644. doi: 10.1038/s41467-019-13633-0

7. Zou Z, and Zhang J. Gene tree discordance does not explain away the temporal decline of convergence in mammalian protein sequence evolution. Mol. Biol. Evol., 2017, 34: 1682-1688. doi: 10.1093/molbev/msx109

6. Zou Z, and Zhang J. Morphological and molecular convergences in mammalian phylogenetics. Nat. Commun., 2016, 7: 12758. doi: 10.1038/ncomms12758

5. Oetjens MT, Shen F, Emery SB, Zou Z and Kidd JM. 2016. Y-Chromosome structural diversity in the bonobo and chimpanzee lineages. Genome Biol. Evol., 8: 2231-2240. doi: 10.1093/gbe/evw150

4. Zou Z, and Zhang J. Are convergent and parallel amino acid substitutions in protein evolution more prevalent than neutral expectations? Mol. Biol. Evol., 2015, 32: 2085-2096. doi: 10.1093/molbev/msv091

3. Zou Z, and Zhang J. No genome-wide convergence for echolocation. Mol. Biol. Evol., 2015, 32: 1237-1241. doi: 10.1093/molbev/msv014

2. Zou Z-T, Uphyrkina O, Fomenko P, Luo S-J. The development and application of a multiplex short tandem repeat (STR) system for identifying subspecies, individuals and sex in tigers. Integr. Zool., 2015, 10: 376-388. doi: 10.1111/1749-4877.12136

1. Xu X, Dong G-X, Hu X-S, Miao L, Zhang X-L, Zhang D-L, Yang H-D, Zhang T-Y, Zou Z-T, Zhang T-T, Zhuang Y, Bhak J, Cho YS, Dai W-T, Jiang T-J, Xie C, Li R-Q, Luo S-J. 2013. The genetic basis of white tigers. Curr. Biol., 23: 1031-1035. doi: 10.1016/j.cub.2013.04.054