个人信息

高会江，1972年06月生，山东省莒县人，博士，研究员，博士生导师。1996年获东北农业大学学士学位；1999年获东北农业大学硕士学位；2004年获东北农业大学博士学位；2014年1月-2014年12月在美国加州大学河滨分校做访问学者。1999年至2009年在东北农业大学动物科技学院工作，2006年至2009年在中国农业大学动物科技学院从事博士后研究工作，2009年至今在中国农业科学院北京畜牧兽医研究所工作。主要从事肉牛遗传育种与生产，全基因组选择和全基因关联分析方法研究，现任牛遗传育种科技创新团队首席科学家；中国畜牧兽医学会养牛学分会理事、华西牛育种联合会秘书长和执行专家组组长，入选国家有关人才计划 ，2017年荣获中国农业科学院“农科英才”。

研究方向与成果

2009年以来，主要从事肉牛遗传育种与生产，全基因组关联分析和基因组选择新方法的研究。基于高密度芯片、全基因组测序、全转录组测序和蛋白组等多组学技术，利用机器学习和深度学习算法挖掘多组学数据的生物学信息，进行复杂数量性状的遗传机制解析；通过基于高密度SNP的全基因组选择新技术, 估计个体基因组育种值并进行选择与选配研究，构建结合高密度SNP标记的遗传评估计算系统及多品种、多性状育种值联合估测技术，建立高效肉牛育种技术新体系的研究工作。

其中主持国家农业重大科技项目（专项）1项、 “十二五”科技支撑课题“优质肉牛新品种（系）选育与关键技术研究及示范”1项，国家自然基金课题4项。发表科研论文200余篇，其中第一/通讯作者SCI论文40篇，获得授权国家发明专利4项。

2017年农业部中华神农奖一等奖“肉牛基因组选择分子育种技术体系的建立与应用”（第2完成人），2021年肉牛新品种华西牛主要培育人员（第4完成人），2023年北京市科技进步一等奖“华西牛新品种培育与联合育种创新应用”（第2完成人），2024年中国农业科学院科学技术成果奖 “华西牛新品种培育与分子育种技术体系构建”（第2完成人）。

在研项目

1. 农业科技重大项目

2. 国家自然基金面上项目“整合多组学信息优化肉牛重要经济性状基因组选择方法研究”（主持，课题编号：32172693，2022.1-2025.12，经费58万元）

代表性论文

1. Wang W, Zhang T, Du L, Li K, Zhang L, Li H, Gao X, Xu L, Li J, Gao H. Transcriptomic analysis reveals diverse expression patterns underlying the fiber diameter of oxidative and glycolytic skeletal muscles in steers. Meat Sci. 2024 Jan;207:109350. doi: 10.1016/j.meatsci.2023.109350.

2. Deng T, Liang M, Du L, Li K, Li J, Qian L, Xue Q, Qiu S, Xu L, Zhang L, Gao X, Li J, Lan X, Gao H. Transcriptome Analysis of Compensatory Growth and Meat Quality Alteration after Varied Restricted Feeding Conditions in Beef Cattle. Int J Mol Sci. 2024 Feb 26;25(5):2704. doi: 10.3390/ijms25052704.

3. Liang M, An B, Chang T, Deng T, Du L, Li K, Cao S, Du Y, Xu L, Zhang L, Gao X, Li J*, Gao H*. Incorporating kernelized multi-omics data improves the accuracy of genomic prediction. J Anim Sci Biotechnol. 2022 Sep 20;13(1):103.

4. Liang M, Cao S, Deng T, Du L, Li K, An B, Du Y, Xu L, Zhang L, Gao X, Li J, Guo P, Gao H. MAK: a machine learning framework improved genomic prediction via multi-target ensemble regressor chains and automatic selection of assistant traits. Brief Bioinform. 2023 Mar 19;24(2):bbad043. doi: 10.1093/bib/bbad043. PMID: 36752363.

5. Liang M, An B, Deng T, Du L, Li K, Cao S, Du Y, Xu L, Zhang L, Gao X, Cao Y, Zhao Y, Li J, Gao H. Incorporating genome-wide and transcriptome-wide association studies to identify genetic elements of longissimus dorsi muscle in Huaxi cattle. Front Genet. 2023 Jan 6;13:982433. doi: 10.3389/fgene.2022.982433.

6. Liang M, An B, Li K, Du L, Deng T, Cao S, Du Y, Xu L, Gao X, Zhang L, Li J*, Gao H*. Improving Genomic Prediction with Machine Learning Incorporating TPE for Hyperparameters Optimization. Biology (Basel). 2022 Nov 11;11(11):1647.

7. Du L, Chang T, An B, Liang M, Deng T, Li K, Cao S, Du Y, Gao X, Xu L, Zhang L, Li J*, Gao H*. Transcriptomics and Lipid Metabolomics Analysis of Subcutaneous, Visceral, and Abdominal Adipose Tissues of Beef Cattle. Genes (Basel). 2022 Dec 22;14(1):37.

8. Du L, Li K, Chang T, An B, Liang M, Deng T, Cao S, Du Y, Cai W, Gao X, Xu L, Zhang L, Li J*, Gao H*. Integrating genomics and transcriptomics to identify candidate genes for subcutaneous fat deposition in beef cattle. Genomics. 2022 Jul;114(4):110406.

9. An B, Liang M, Chang T, Duan X, Du L, Xu L, Zhang L, Gao X, Li J, Gao H. KCRR: a nonlinear machine learning with a modified genomic similarity matrix improved the genomic prediction efficiency. Brief Bioinform. 2021 May 8:bbab132. doi: 10.1093/bib/bbab132.

10. Chang T, An B, Liang M, Duan X, Du L, Cai W, Zhu B, Gao X, Chen Y, Xu L, Zhang L, Gao H and Li J (2021) PacBio Single-Molecule Long-Read Sequencing Provides New Light on the Complexity of Full-Length Transcripts in Cattle. Front. Genet. 12:664974. doi: 10.3389/fgene.2021.664974

代表性专利

1.一种改进的基于通路的全基因组关联分析算法（ZL201510096276.9）

2.中国和牛与宰前活重相关的SNP位点及应用（ZL202010197710.3）

3.中国和牛与金钱腱重量相关的SNP位点及应用（ZL202010197708.6）

4.一种提高中国和牛里脊重量的方法（ZL202010197704.8）

联系方式

联系电话：010-62816065，13810646948    E-mail： gaohuijiang@caas.cn

（简历更新时间 2024-09-20）