当Nancy Guo在中国北京大学开始大学生涯时，她选择了生物化学和分子生物学专业，当时她有一个“模糊的想法”，即利用计算方法更准确地理解人体的工作原理。由于基因组测序和数据分析技术的巨大飞跃，Guo在其学术生涯中一直处于生物信息学革命的前沿。2024年秋季，她作为帝国创新计划的一员加入了宾汉姆顿大学（Binghamton University）。该计划支持招募和留住各领域具有强大研究成就的领军人才。
自西弗吉尼亚大学获得计算机与信息科学博士学位以来，Guo领导了多项跨学科的人工智能研究项目，获得了来自美国国立卫生研究院（National Institutes of Health）、国家科学基金会（National Science Foundation）和企业合作伙伴的资金支持。作为首席研究员和项目主任，她已获得超过4630万美元的联邦拨款，用于开发技术和基础设施，以推进精准医学，特别是通过最新的基因组分析和药物治疗工具来对抗癌症。
她的目标是在宾汉姆顿大学建立一个全国知名的多学科AI研究机构，致力于精准医学，并充分利用大学内优秀的教师、学生和员工资源。“个性化医疗的概念并不是像以前那样每个人接受相同的治疗，”Guo说，“每个肿瘤都是不同的，因为某些突变只存在于特定患者体内。”
Thomas J. Watson工程与应用科学学院院长Atul Kelkar认为，Guo的研究有可能彻底改变癌症治疗和其他医疗保健方面。“Guo教授带来了丰富的经验，她知道如何将各方力量和资金汇聚在一起，产生令人印象深刻的结果。”他补充道：“我们非常高兴她能加入我们，并期待在未来多年里支持她的研究目标。”
杰出服务教授兼计算学院主席Weiyi Meng表示：“Guo教授是生物信息学、计算基因组学和基于AI的精准医学领域的领导者和专家。自加入宾汉姆顿大学以来，她一直在积极创建一个多学科AI研究机构，我们祝愿她在宾汉姆顿取得巨大成功。”
寻找自己的道路
获得学士学位后，Guo继续攻读了一年的生物化学博士课程，但仍然不确定这是否是自己真正想做的事情。她选修了一门计算机科学课程，学习DNA分析编程，恰逢人类基因组计划即将完成其为期13年的国际努力——绘制每条染色体图谱以更好地理解疾病的发生机制，这启发了她新的研究方向。
她的第一个计算机科学硕士项目涉及分析心电图（EKG），以更好地预测心脏不良事件并提供早期心脏病检测。当她的导师离开学校时，她面临着选择：继续学术生涯还是进入企业界工作？她留在了西弗吉尼亚大学，并直接投身于博士项目。
“如果我想对疾病做出正确预测，我需要在这个领域接受更高级的培训，”她说，“那时甚至还没有人工智能这个常见术语，我们用的是‘算法开发’。”
Guo的博士研究涵盖了两个截然不同的主题：NASA卫星和乳腺癌。两者的共同点是都利用数据分析原则进行预测。NASA官员询问哪些部件可能在卫星测试和发射期间出现故障，以便工程师集中注意力处理这些潜在问题。“我开发了一个新理论框架，问：在没有任何数据的情况下，你能做出预测吗？”她解释道，“以前的方法都需要一些数据，所以这是一个非常困难的问题。”
对于乳腺癌研究，她与一家医疗公司合作，该公司发布了患者的肿瘤分子数据，并希望预测患者对治疗的反应。Guo的算法表现得非常好，超过了所有使用相同数据的其他已发表结果。
生物信息学先驱
获得博士学位后，Guo在西弗吉尼亚大学继续从事癌症研究。她的第一项国家卫生研究院资助项目进行了开创性的肺癌预后研究。他们开发了一种新的测试方法，用于预测早期肺癌患者的肿瘤复发或转移风险以及化疗的临床效益。该测试在手术切除原发肿瘤后寻找基因表达模式，以进行预后并推荐最佳治疗方案。
“我们确定了200个我们认为在肺癌中重要的基因，并从美国多家医院收集了患者肿瘤样本，”她说，“然后我们设计了自己的微流控芯片，缩小到七个基因，可以预测早期患者是否会发展成转移性肿瘤，并可能受益于化疗。”
从那时起，Guo的职业生涯包括发表了62篇同行评审期刊论文，引用量超过3800次。她的研究导致了14项癌症药物和分子诊断试剂的专利申请，这些专利具有FDA的新技术状态审查。
作为2009年至2017年西弗吉尼亚临床和转化科学研究所生物医学信息资源核心的创始主任，她领导了全州范围的信息学倡议，并增强了多州间的合作。她还指导了48名博士后、医学博士和研究生，培养下一代研究人员、终身教职员工、企业家和医疗专业人员。
Guo深知大学实验室开发的突破性成果需要基础设施才能惠及患者，因此她促进了学术界与工业界之间的合作，以选择基于AI的癌症治疗方法和药物开发。
2023年，她从国家科学基金会（NSF）的创新合作伙伴计划获得了565,994美元的资助，鼓励市场导向原型的开发和西弗吉尼亚州及阿巴拉契亚地区的多学科研究生培训项目。
加速这些产品的市场化可以挽救生命，她说：“在十年间，基因组测序的成本从100万美元降至保险覆盖，医生可以根据突变匹配适当的治疗。由于近年来的技术发展，现在它已经变得非常便宜。”
在宾汉姆顿的未来
随着医疗技术在未来十年的加速发展，Guo相信生成式AI和其他类似的时间节省工具——只要它们使用可靠的算法——将推动许多创新。例如，AI可以帮助研究人员筛选科学期刊上发表的文章，找到最相关的文章，或提供更广泛的关键技能访问权限，而这些技能可能需要花费大量时间来掌握。
“这是一个新时代，”她说，“每个人都需要学会不仅利用数据，还要利用工具。你不必花10年或20年从头学习这些东西。”
她非常高兴今年秋天加入宾汉姆顿大学，因为她希望能够利用校园内已经看到的研究协同效应。一个重要的步骤是建立一个精准医学研究所，她希望在接下来几年内实现这一目标。
“在面试时，他们带我参观了所有的实验室和基础设施，我见到了很多教员，”她说，“我想：哇，这是一个我可以与这些出色的同事合作的地方，我们可以整合不同领域的优势，创造伟大的事物。”
(全文结束)
