本团队拥有生物信息学研究方向的成员，在致病微生物大数据处理方面具有扎实的理论基础与研究经验，善于利用生物信息学手段分析在人群中广泛流行的病原微生物，从而能够对疾病的防治起到预警作用。其主要工作成果在于流感病毒重要抗原性位点筛选，流感病毒抗原性距离预测，流感病毒流行性监控以及有效疫苗株推荐等方面，具体阐述如下：

（1）流感病毒重要抗原性位点筛选

本工作首先对自1968年以来近五十年间的流行流感病毒株进行统计，分析了其主要抗原蛋白--血凝素蛋白上每个氨基酸位置的抗原性贡献度（图1），并成功筛选出对抗原性漂移起关键作用的蛋白位点（图2），为分析血凝素蛋白抗原性的差异提供了基础。针对所筛选出的蛋白位点，进一步通过计算机模拟技术，实现对每个位置上氨基酸所经受的进化压力进行量化（图3）。

（2）流感病毒抗原性距离预测

基于上述筛选的重要抗原性位点，构建生物信息学预测模型预测抗原性距离。以重要抗原性位点为基础，通过整合抗原蛋白的序列特征与氨基酸所处空间三维结构特征，利用机器学习的算法，在训练集上总结抗原性改变的规律，成功构建了抗原性距离预测模型，能够实现对流感病毒快速高通量的抗原性分析。通过与同类别计算模型进行比较，发现本模型在加入三维空间上局部微环境的理化性质后，在预测效果上能够达到明显的提升，具有敏感探测抗原性逃逸病毒株的优势（图4，图5），能够在病毒株开始发生抗原性改变时及时给予提醒。