邮箱：menglu@pku.edu.cn

地址：北京市海淀区学院路38号

 ：个人简介

北京大学临床医学高等研究院助理教授、研究员、独立PI, 建立人工智能与动态结构实验室，在石墨烯电极芯片、人工智能和神经退行性疾病的交叉领域取得了一系列成果：（1）结合超分辨成像与人工智能技术，研发了基于石墨烯微电极阵列的多模态神经元结构与活动检测系统，同时记录神经元的电信号和亚结构的形变；（2）研发了人工智能的视频图像分析工具ERnet，解决了内质网结构精确识别和定量分析的难题，精确量化了内质网在不同疾病模型下的结构形态变化；（3）应用以上研发的图像识别与分析技术，结合先进分子工具和疾病细胞模型，揭示了溶酶体对内质网形态和胞内分布的因果性调控机制，阐明了溶酶体在修复神经元断裂内质网中的关键作用。以上研究为神经退行性疾病中的作用机制提供了新的研究方向和基础。

卢萌博士现担任多个知名期刊与海外基金评审人，与剑桥大学、伦敦大学学院（UCL）、巴黎高等师范学院和法兰西学院等国际一流学术机构有持续广泛的合作，本研究组会依据课题需要，不定期派遣学生和博士后赴合作院校进行联合培养或交流访问。

科研与教育经历：

2011-2015：剑桥大学 博士

2016-2022：剑桥大学 副研究员（Research Associate）

2022-2023: 剑桥大学 高级副研究员（Senior Research Associate）

2024至今：北京大学 助理教授/研究员

主要研究方向：

生物医学领域正经历着前所未有的深刻范式变革，这核心推动力量正是大模型技术的崛起和应用。在这个充满机遇与挑战的时代，本实验室将超分辨成像和计算机视觉模型作为研究的切入点，深入探索多尺度跨模态神经元网络的结构和动态，分析神经元网络的结构动力学机制和及其在疾病模型中的作用，以期在生物医学研究中取得突破性的进展。

我们的研究方向聚焦于多尺度跨模态神经元网络，这是一个复杂而精细的生物系统，其结构和动态对于理解大脑功能和神经性疾病的发病机制至关重要。通过超分辨成像技术，我们能够以前所未有的精度和分辨率观察到神经元网络的微观结构，捕捉到生物分子之间的相互作用和动态变化。而计算机视觉模型则为我们提供了一种高效、准确的数据分析和处理手段，能够从海量的图像数据中提取出有价值的信息，帮助我们揭示神经元网络的复杂性和规律性。

在这个基础上，我们将开发大模型来推动“AI for Science”和“AI for Medicine”的研究。大模型凭借其强大的学习和推理能力，能够处理和分析海量的生物医学数据，发现隐藏在数据中的规律和模式，为生物医学研究提供新的思路和方法。通过大模型的应用，我们可以更深入地理解神经元网络的结构和功能，预测神经性疾病的发病机制，为疾病的早期诊断和治疗提供科学依据。

然而，我们也清楚地认识到，这一研究面临着诸多挑战。首先，生物医学数据多尺度、多模特的复杂性和多样性要求我们在数据获取和处理方面不断创新和改进。其次，超分辨成像技术和计算机视觉模型的结合需要我们深入探索算法设计和优化，以提高图像分析和信息提取的准确性和效率。此外，大模型的训练和应用需要强大的计算资源支持，我们需要不断探索新的计算技术和架构，以满足研究的需要。

展望未来，我们将继续深化对多尺度跨模态神经元网络的研究，推动AI在生物医学领域的应用和发展。我们期待通过跨学科（数学、物理、工程、生物学和医学）的合作和技术的创新，解决当前面临的挑战，为生物医学研究的深入发展贡献我们的力量。同时，我们也相信，随着大模型技术的不断进步和应用，生物医学领域将迎来更加美好的未来。

实验室研究方向：

1）多模态生物模型

2）神经元网络的结构和动力学

3）计算机视觉技术在生物医学，尤其是神经退行性病中的应用

代表性科研项目：

多模态神经元检测技术的开发与应用

多组学神经元网络大模型的构建

10篇代表性论文：

1. Lu, M., Hui, E., Brockhoff, M., Träuble, J., Fernandez‐Villegas, A., Burton, O. J., ... & Kaminski Schierle, G. S. (2024). Graphene Microelectrode Arrays, 4D Structured Illumination Microscopy, and a Machine Learning Spike Sorting Algorithm Permit the Analysis of Ultrastructural Neuronal Changes During Neuronal Signaling in a Model of Niemann–Pick Disease Type C. Advanced Science, 2402967.

2. Lu M, Christensen CN, Weber J, Konno T, Läubli N, Scherer K, Lapkin A, Lio P, Avezov E, Kaminski Schierle GS, Kaminski CF. 2023. ERnet: a tool for the semantic segmentation and quantitative analysis of endoplasmic reticulum topology. Nature Methods. Apr, 20(4):569-579.

3. Lu M, van Tartwijk FW, Lin JQ, Nijenhuis W, Parutto P, Fantham M, Christensen CN, Avezov E, Holt CE, Tunnacliffe A, Holcman D, Kapitein L, Kaminski Schierle GS, Kaminski CF. 2020. The structure and global distribution of the endoplasmic reticulum network are actively regulated by lysosomes. Science Advances. 16;6(51): eabc7209.

4. Lu M, Williamson N, Mishra A, Michel CH, Kaminski CF, Tunnacliffe A. and Kaminski Schierle GS. 2019. Structural progression of amyloid-β Arctic mutant aggregation in cells revealed by multiparametric imaging. J. Biol. Chem. 294(5), pp.1478-1487.

5. M Lu, A mathematical framework of intelligence and consciousness based on Riemannian Geometry. arXiv:2407.11024

6. Lu M, Ward E, van Tartwijk FW, Kaminski CF. 2021. Advances in the study of organelle interactions and their role in neurodegenerative diseases enabled by super-resolution microscopy. Neurobiology of Disease, p.105475.

7. Lu M, Mishra A, Boschetti C, Kaminski CF, Huang Z, Tunnacliffe A, Kaminski Schierle GS. 2021. Synthetic peptides derived from sea cucumber alleviate oxidative stress in neuroblastoma cells and improve survival in Caenorhabditis elegans exposed to neurotoxic paraquat. Oxidative Medicine and Cellular Longevity. 8842926.

8. Lu M, Kaminski CF, Kaminski Schierle GS. 2020. Advanced fluorescence imaging of in situ protein aggregation. Physical Biology. Jan 8.

9. Lu M, Banetta L, Young LJ, Smith EJ, Bates GP, Zaccone A, Kaminski Schierle GS, Tunnacliffe A, Kaminski CF. 2019. Live-cell super-resolution microscopy reveals a primary role for diffusion in polyglutamine-driven aggresome assembly. J. Biol. Chem. Jan 4;294 (1):257-68.

10. Lu M, Boschetti C, Tunnacliffe A. 2015. Long-term polyglutamine aggresome accumulation leads to DNA damage with p53-dependent cell-cycle arrest and steric interference of mitosis. J. Biol. Chem. 290, 27986–28000.