利用系统病理学与深度学习发现乳腺癌治疗生物标志物博士奖学金

项目概览

University of Cambridge 的 Cancer Research UK Cambridge Institute 招收 1 名博士生，由 Dr Hamid Raza Ali 指导，利用现代 spatial multi-omics 与 deep learning 描述乳腺癌新疗法的潜在靶点图谱，并提出面向联合治疗的多维生物标志物。

团队正在乳腺癌患者队列中生成大规模 multimodal spatial datasets，覆盖观察性研究和临床试验，广泛使用 imaging mass cytometry 与 spatial transcriptomics。博士生将处理和分析这些数据，量化靶点表达、异质性及组织结构对细胞表达状态的影响。

项目为期 4 年，面向英国及海外学生，覆盖全部 University fees；2027–28 年度生活津贴从 £22,894/年起并按指数调整。2026 年 10 月 16 日截止，计划 2027 年 10 月 1 日开始。

项目详情

【临床背景与研究问题】

乳腺癌治疗快速发展，新疗法持续获得监管批准。但临床上的关键困难是，怎样把治疗给到最可能获益的患者，同时避免无应答患者承受毒性。immunotherapy 和 antibody-drug conjugates（ADCs）等现代疗法的效果不仅取决于单个分子表达，也依赖 tissue architecture。

乳腺癌组织中的细胞间关系会决定细胞 activation states 和 expression profiles，使部分细胞对治疗敏感、另一些产生抵抗。因此，单一标志物可能无法充分解释疗效，需要把靶点表达、空间邻域、组织结构和多组学状态共同纳入。

【数据与分析目标】

Ali lab 正在多个乳腺癌患者队列中生成 multimodal spatial datasets，覆盖 observational studies 和 clinical trials。团队称这些数据集在同类研究中规模领先，并大量使用 imaging mass cytometry 与 spatial transcriptomics。

博士生需要精确描绘 novel target expression landscape，量化表达异质性，并分析 tissue architecture 对 expression profiles 的贡献。最终目标是识别新疗法的潜在治疗图谱，并形成有机制依据的 multidimensional biomarkers，用于提出 combinatorial therapy 的患者分层方案。

【深度学习与系统病理学】

深度学习主要用于高效表示学习和 cross-modal learning，把成像质谱、空间转录组及其他模态连接起来。研究不只是训练分类器，还需要使模型输出能对应可解释的组织结构、细胞状态和治疗靶点。

项目涉及 large-scale data processing and analysis，研究所提供相应专业知识和基础设施。博士生将进入 quantitative pathology 与 spatial cancer biology 的交叉方向，接受 cancer pathology、highly multiplexed imaging 和 predictive modelling 训练。

团队由 clinicians、pathologists、computational biologists 和 cancer biologists 组成。相关工作包括 2023 年 Nature 关于三阴性乳腺癌免疫治疗应答的空间预测因子、2022 年 Nature Genetics 关于乳腺肿瘤微环境结构与基因组/临床结局、2020 年 Nature Cancer 的 imaging mass cytometry 与 multiplatform genomics，以及 2026 年 Nature Aging 的人乳腺单细胞空间图谱。

【申请者背景】

项目欢迎 computer science、AI、mathematics 等定量学科毕业生，也欢迎已经具备 computational methods 经验的 biologists 和 clinicians。岗位强调大规模数据、深度学习与空间生物学，因此申请者需能说明自己的计算基础或已有分析工作。

通用资格要求为相关学科一等或 2:1 学位，或国际同等学历。英国及海外学生均可申请。通过硕士学习或实验室工作获得相关研究经验者尤其受鼓励。

【申请流程】

申请须通过 University Applicant Portal，并选择 2027 年 10 月开始课程。每人最多可申请 3 个项目，但需明确填写本项目名称、编号 SW50984 和导师 Dr Hamid Raza Ali。

Research Experience 与 Statement of Interest 各不超过 2,500 characters。还需提供 academic transcripts、必要时的英语能力证明、2 名学术推荐人信息及 CV/resume；推荐人收到请求后应尽快提交材料。

申请要点

• 导师与编号：Dr Hamid Raza Ali；SW50984。

• 核心问题：组织结构和细胞互作怎样决定乳腺癌靶点表达、异质性及疗法响应。

• 数据：来自观察性研究和临床试验的多模态空间患者队列。

• 方法：imaging mass cytometry、spatial transcriptomics、系统病理学、deep learning、representation learning、cross-modal learning 和大规模数据分析。

• 预期成果：新治疗靶点图谱及面向联合治疗的多维生物标志物。

• 适合背景：计算机、AI、数学等定量学科；或已有计算方法经验的生物学与临床申请者。

• 学历：相关专业一等或 2:1 学位，或国际同等学历。

• 资助：4 年，覆盖全部 University fees；2027–28 年生活津贴从 £22,894/年起并按指数调整；英国和海外学生均可申请。

• 材料：项目/导师选择、Research Experience、Statement of Interest、成绩单、英语证明（如适用）、2 名学术推荐人和 CV。

• 截止与面试：2026 年 10 月 16 日截止；预计 2027 年 1 月 4 日当周面试。

• 开始日期：2027 年 10 月 1 日。

需要进一步确认

• 队列规模、癌症亚型、临床试验和治疗类别、数据访问与治理条件。

• 多维 biomarker 的预期验证方式，以及模型如何处理批次、队列和模态差异。

• 申请者需要具备的具体编程语言、深度学习框架和算力经验。

• 海外学生的附加费用、签证与搬迁支持，以及会议和计算资源经费。

博士项目研究报告：利用系统病理学与深度学习发现乳腺癌治疗生物标志物博士奖学金

申请判断

值得结合自己的研究经历考虑，先核对申请条件与资助。

University of Cambridge 的 Cancer Research UK Cambridge Institute 招收 1 名博士生，由 Dr Hamid Raza Ali 指导，利用现代 spatial multi-omics 与 deep learning 描述乳腺癌新疗法的潜在靶点图谱，并提出面向联合治疗的多维生物标志物。 团队正在乳腺癌患者队列中生成大规模 multimodal spatial datasets，覆盖观察性研究和临床试验，广泛使用 imaging mass cytometry 与 spatial transcriptomics。博士生将处理和分析这些数据，量化靶点表达、异质性及组织结构对细胞表达状态的影响。 项目为期 4 年，面向英国及海外学生，覆盖全部 University fees；2027–28 年度生活津贴从 £22,894/年起并按指数调整。2026 年 10 月 16 日截止，计划 2027 年 10 月 1 日开始。

现有资料未发现按国籍排除中国申请者的条款；个人学历、资助资格与签证仍须审核。 具体开放状态、关闭时刻与剩余名额，应在正式提交前确认。

研究方向与领域前景

临床背景与研究问题

乳腺癌治疗快速发展，新疗法持续获得监管批准。但临床上的关键困难是，怎样把治疗给到最可能获益的患者，同时避免无应答患者承受毒性。immunotherapy 和 antibody-drug conjugates（ADCs）等现代疗法的效果不仅取决于单个分子表达，也依赖 tissue architecture。 乳腺癌组织中的细胞间关系会决定细胞 activation states 和 expression profiles，使部分细胞对治疗敏感、另一些产生抵抗。因此，单一标志物可能无法充分解释疗效，需要把靶点表达、空间邻域、组织结构和多组学状态共同纳入。

潜在研究切入点

可以从文献综述、方法验证、数据/实验流程、模型或机制解释、原型设计、临床/产业验证等角度寻找切入点。以上属于基于项目说明和领域资料的推断，不是已经确认的论文交付物。

数据与分析目标

Ali lab 正在多个乳腺癌患者队列中生成 multimodal spatial datasets，覆盖 observational studies 和 clinical trials。团队称这些数据集在同类研究中规模领先，并大量使用 imaging mass cytometry 与 spatial transcriptomics。 博士生需要精确描绘 novel target expression landscape，量化表达异质性，并分析 tissue architecture 对 expression profiles 的贡献。最终目标是识别新疗法的潜在治疗图谱，并形成有机制依据的 multidimensional biomarkers，用于提出 combinatorial therapy 的患者分层方案。

深度学习与系统病理学

深度学习主要用于高效表示学习和 cross-modal learning，把成像质谱、空间转录组及其他模态连接起来。研究不只是训练分类器，还需要使模型输出能对应可解释的组织结构、细胞状态和治疗靶点。 项目涉及 large-scale data processing and analysis，研究所提供相应专业知识和基础设施。博士生将进入 quantitative pathology 与 spatial cancer biology 的交叉方向，接受 cancer pathology、highly multiplexed imaging 和 predictive modelling 训练。 团队由 clinicians、pathologists、computational biologists 和 cancer biologists 组成。相关工作包括 2023 年 Nature 关于三阴性乳腺癌免疫治疗应答的空间预测因子、2022 年 Nature Genetics 关于乳腺肿瘤微环境结构与基因组/临床结局、2020 年 Nature Cancer 的 imaging mass cytometry 与 multiplatform genomics，以及 2026 年 Nature Aging 的人乳腺单细胞空间图谱。

申请者背景

项目欢迎 computer science、AI、mathematics 等定量学科毕业生，也欢迎已经具备 computational methods 经验的 biologists 和 clinicians。岗位强调大规模数据、深度学习与空间生物学，因此申请者需能说明自己的计算基础或已有分析工作。 通用资格要求为相关学科一等或 2:1 学位，或国际同等学历。英国及海外学生均可申请。通过硕士学习或实验室工作获得相关研究经验者尤其受鼓励。

申请流程

申请须通过 University Applicant Portal，并选择 2027 年 10 月开始课程。每人最多可申请 3 个项目，但需明确填写本项目名称、编号 SW50984 和导师 Dr Hamid Raza Ali。 Research Experience 与 Statement of Interest 各不超过 2,500 characters。还需提供 academic transcripts、必要时的英语能力证明、2 名学术推荐人信息及 CV/resume；推荐人收到请求后应尽快提交材料。

领域动向

该方向具备继续深挖的研究空间。更有价值的准备方式，是把题目拆成明确问题、方法路线、数据或实验设计、基线比较和可复现输出。

职业与市场前景

职业价值主要来自可迁移的方法能力和领域经验，例如论文、代码、实验流程、原型、临床/现场验证、政策或产业报告。市场资料只能说明方向相关性，不能保证就业结果。

学校、学科与培养

University of Cambridge 及 Cancer Research UK Cambridge Institute 构成这个博士机会的机构背景。可参考：

• UKRI support for funded students
• UK student visa money requirements
• UK Graduate route visa
• British Council Study UK
• Office for Students postgraduate research

学校排名和机构介绍只能作为背景，真正影响申请决策的是博士路径、导师匹配、资金能否覆盖培养支出、资源可用性和当地生活成本。

导师与团队评估

导师研究方向

如果项目列出了导师、课题组或申请外链，应优先用这些材料判断研究方向是否真实落在当前团队里。若公开资料只提供主题级线索，就需要把日常导师、共同指导、会议节奏和资源权限列为申请前问题。

文献检索与阅读边界

• 资料标注2026年，Nature研究栏目：用于查找本课题或导师团队的研究背景。这是检索入口，没有列出可据此评价的具名论文。
• 资料标注2025年，Science研究文章入口：用于查找本课题或导师团队的研究背景。这是检索入口，没有列出可据此评价的具名论文。
• 资料标注2024年，arXiv课题检索：用于查找本课题或导师团队的研究背景。这是检索入口，没有列出可据此评价的具名论文。

实验室、资源与合作环境

需要重点确认数据、仪器、临床入口、田野点位、算力、企业合作或跨校驻留是否已经落实。资源如果只在宽泛页面中出现，不能自动理解为本项目一定可用。

资助、申请与生活成本

项目公布的资助： 4 年全额奖学金，面向英国及海外学生；覆盖全部 University fees。2027–28 年度生活津贴起点为每年 £22,894，并按指数调整。其他附加费用与签证支持需确认。

申请时间： 2026 年 10 月 16 日截止；预计在 2027 年 1 月 4 日当周面试，课程于 2027 年 10 月 1 日开始。

资助需要逐项核实：金额、年限、学费覆盖、续期条件、税费或社保、签证成本和当地生活成本。对国内申请者来说，如果页面出现 Home-only、UK/EU-only、right to work 或无法担保签证等限制，就必须先拿到学校确认，不能把它当成普通全奖。

申请者匹配与准备

申请要点

• 导师与编号：Dr Hamid Raza Ali；SW50984。
• 核心问题：组织结构和细胞互作怎样决定乳腺癌靶点表达、异质性及疗法响应。
• 数据：来自观察性研究和临床试验的多模态空间患者队列。
• 方法：imaging mass cytometry、spatial transcriptomics、系统病理学、deep learning、representation learning、cross-modal learning 和大规模数据分析。
• 预期成果：新治疗靶点图谱及面向联合治疗的多维生物标志物。
• 适合背景：计算机、AI、数学等定量学科；或已有计算方法经验的生物学与临床申请者。
• 学历：相关专业一等或 2:1 学位，或国际同等学历。
• 资助：4 年，覆盖全部 University fees；2027–28 年生活津贴从 £22,894/年起并按指数调整；英国和海外学生均可申请。
• 材料：项目/导师选择、Research Experience、Statement of Interest、成绩单、英语证明（如适用）、2 名学术推荐人和 CV。
• 截止与面试：2026 年 10 月 16 日截止；预计 2027 年 1 月 4 日当周面试。
• 开始日期：2027 年 10 月 1 日。

匹配与准备建议

以下建议帮助整理个人经历，不是额外的录取门槛。

更适合的背景

• 学位和科研经历与课题问题及方法直接相关的申请者。
• 能用实际经历证明项目提到的编程、实验、临床、田野、档案、建模或定量技能的申请者。具体需要哪些技能，应按本项目说明逐项对照。
• 能说明研究兴趣与团队工作的联系，并就指导、资源和资助提出具体问题的申请者。

需要谨慎的情况

• 提交前应在正式申请页面核对开放状态和期限；现有项目说明列出的日期为2026-10-16。
• 资助覆盖、学费身份、津贴或工资、税费与社保，以及收入能否覆盖生活支出，可能仍未说明完整。
• 现有项目资料未发现按国籍排除申请人的条款；仍需完成国际入学和签证审核。
• 导师的相关论文、日常指导、实验室或资源使用权限，以及第一年进度要求，可能需要直接确认。

建议强化的证据

• 和项目核心方法直接相关的课程、论文、实验、代码或实习证据。
• 一段能连接导师/团队近期方向和个人经历的 研究匹配 说明。
• 对资金、截止、申请材料、签证和语言要求的明确核验。
• 关于第一年工作包、资源、共同指导和发表计划的具体问题。

风险与待核实问题

需要进一步确认

• 队列规模、癌症亚型、临床试验和治疗类别、数据访问与治理条件。
• 多维 biomarker 的预期验证方式，以及模型如何处理批次、队列和模态差异。
• 申请者需要具备的具体编程语言、深度学习框架和算力经验。
• 海外学生的附加费用、签证与搬迁支持，以及会议和计算资源经费。

高优先级问题

• 确认正式申请入口仍开放，以及准确的截止时刻与时区。
• 确认中国申请者的资格、学费身份，以及签证或工作许可限制。
• 确认资助金额、期限、学费覆盖及续期条件。
• 确认主导师、共同导师，以及日常会面频率。

中优先级问题

• 按课题需要确认数据、仪器、临床或合作方访问权限，以及计算资源。
• 确认入职第12个月的预期成果，以及正式进阶或转段要求。
• 确认语言要求，以及只使用英语能否完成日常研究和行政手续。
• 确认是否存在安全、出口管制、背景审查或居留限制。

证据与来源

项目与机构资料用于理解岗位；期刊栏目和课题检索链接供后续查阅。它们不是具名论文，也不能据此计算导师论文贡献。

核心机构与项目

• UKRI support for funded students
• UK student visa money requirements
• UK Graduate route visa
• British Council Study UK
• Office for Students postgraduate research
• HESA graduate outcomes
• Prospects postgraduate study

导师、论文与领域

• Times Higher Education world rankings
• QS World University Rankings
• Nature研究栏目
• Science研究文章入口
• arXiv课题检索
• Google Scholar课题检索
• Semantic Scholar课题检索

资助、生活成本与职业

• Crossref课题检索
• 项目资料补充检索
• 项目资料补充检索
• 项目资料补充检索
• 项目资料补充检索