Yingzhou Lu · Profile

Yingzhou (Minta) Lu, Ph.D.

Stanford AI Lab & School of Medicine · Postdoctoral Researcher
Google Cloud AI · Data Scientist
Science 2026 · Co-first Author of Biomni

Virginia Tech 计算机工程硕博，现为 Stanford 博士后。研究聚焦 生物医学 AI，推动精准医疗与生物医学 AI Agent的下一波进展。深度参与 三项 NIH / Stanford 级国家级项目，成果发表于 Science、Nature、Cell、ICLR、AAAI 等顶刊顶会，并受邀出任 KDD 2026 Area Chair。除学术外，曾在 Google Cloud AI 参与 Gemini 后训练；共同主导的 Biomni 已全球落地，商业化公司 Phylo 由 a16z 领投完成 $13.5M 种子轮。

LinkedIn ↗ Google Scholar ↗ Biomni ↗
Yingzhou (Minta) Lu
SIGNATURE WORK · SCIENCE 2026 · CO-FIRST AUTHOR

Biomni：全球采用最广的生物医学 AI Agent

  • 由其共同主导，集成 150 个工具、59 个数据库与 105 款软件，覆盖 25 个生物医学子领域
  • 全球 10K+ 实验室日常使用，累计服务 50K+ 科学家；Chugai · Ono · Ginkgo Bioworks 为早期客户
  • 商业化公司 Phylo 完成 $13.5M 种子轮，a16z + Menlo · Anthropic Anthology Fund 领投
  • 作为生物医学 AI Agent 领域标志性成果，发表于 Science 正刊（2026）
Visit Biomni
Real-world Impact
Labs Onboard
全球实验室日常使用
0K+
Seed Round
a16z + Menlo 领投
$10.1M
*截至 2026 年 Q1 · 数据来自 Stanford Report 与公开融资披露
Academic
Stanford Princeton Broad Institute Arc Institute UCSF University of Washington
Industry
Genentech Chugai Ono Pharmaceutical Alumis

深度参与三项美国国家级项目 —— 把"人人一样"的医药推向"每个人不同"

用 AI 融合微生物、运动、饮食多模态数据，读出每个人独有的健康档案 —— 下一代医疗健康市场的关键增长方向

01

Human Microbiome Project

用 AI 读懂 肠道菌群 如何塑造每个人的健康。

NIH 投入 $215M·21 家机构参与

02

MoTrPAC

用 AI 解析 运动 如何在分子层改写每个人的健康。

NIH 投入 $170M·2,600+ 名参与者

03

CGM Wearable Study

用 AI 预测每一个人对 食物 的独特反应。

Snyder Lab 主导·NIH iHMP 资助·2,217 名参与者

4+

顶刊 & 顶会论文

  • Nature Medicine
  • Science
  • Med (Cell Press)
  • AAAI · ICML
80+

合作 Researcher

  • Snyder Lab
  • SNAP Lab
  • Jackson Lab
  • Fudan · 等
5+

覆盖数据模态

  • 微生物组
  • 多组学 · 代谢组
  • 连续血糖 (CGM)
  • 可穿戴设备

贯穿 AI × 医药 的方法、数据、训练 —— 从实验室到 Google 前沿，让大模型真正落地

综述 500+ 引用，数据集登上 Nature 正刊，训练策略领先 OpenAI —— 大模型落地路径上的三个硬凭证

01方法 / METHOD

总结方向 · 合成数据训 AI —— 综述被引用

500+

一作综述 · Machine Learning for Synthetic Data Generation · 现代大模型训练底层方向之一

02数据 / DATA

建数据集 · TrialBench —— 临床试验多模态数据集，发表于

Nature

中间作者 · TrialBench · AI × 临床试验预测多模态数据集 · 全球研究者可下载

03训练 / TRAINING

训练 Gemini —— 参与 Google Gemini 2.5 / 3.0 后训练，策略让 IMO Math 得分

+25%

Google Cloud AI · Gemini 后训练一线

直连 AI × 医药 两端的 Stanford 顶级研究与产业资源

Yingzhou 的两位合作导师 —— AI 侧 Jure Leskovec（Stanford CS）与 医学侧 Michael Snyder（Stanford 医学院），一次合作，同时打通两侧的顶级人脉与项目通道

Jure Leskovec
AI 侧

Jure Leskovec

身份 · Roles

Stanford CS 教授 · SNAP Lab 创始人 ·
Kumo AI 联合创始人 · 前 Pinterest 首席科学家

代表工作 · Notable Works

Kumo AI·PyTorch Geometric·OGB·Pinterest 图神经网络系统

262K+
Google Scholar 引用
149
H-index · CS 顶尖
$400M+
Kumo AI 被 NVIDIA 收购
Michael Snyder
医学侧

Michael Snyder

身份 · Roles

Stanford 医学院遗传学系前主任 ·
Snyder Lab 负责人 · 全球最大精准健康 & 多组学研究组之一

代表工作 · Notable Works

Personalis·Mirvie·January AI·SensOmics

270K+
Google Scholar 引用
100+
Snyder Lab 科学家
$6B
17 家公司总估值

顶刊与顶会发表

2026 Science
Autonomous biomedical research with an artificial intelligence agent. Huang, K., Zhang, S., Wang, H., Qu, Y., Lu, Y., Roohani, Y., Li, R., Qiu, L., Cao, S., et al.
2025 Nature Medicine
Individual variations in glycemic responses to carbohydrates and underlying metabolic physiology. Wu, Y., Ehlert, B., Metwally, A. A., Perelman, D., Park, H., Brooks, A. W., Abbasi, F., ..., Lu, Y., et al. 31(7), 2232–2243.
2026 Med
Power and sample-size estimation in human microbiome research. Zhou, Q., Lu, Y., Wang, L., Zhou, W., Oba, H., Zhou, Y., Shen, M., Qu, X., et al. 7(7).
2024 Circulation
Mapping the molecular progression of human coronary atherosclerosis confirms key role of smooth muscle cell phenotype and highlights novel regulators of phenotypic fate. AHA Scientific Sessions, Abstract 4139230. Circulation 150(Suppl_1).
2025 Scientific Data
TrialBench: Multi-modal AI-ready datasets for clinical trial prediction. Chen, J., Hu, Y., Cai, M., Lu, Y., Wang, Y., Cao, X., Lin, M., Xu, H., Wu, J., Cao, X., et al. 12(1), 1564.
2026 ICLR
PoseX: AI defeats physics-based methods on protein ligand cross-docking. Jiang, Y., Li, X., Zhang, Y., Han, J., Xu, Y., Pandit, A., Zhang, Z., Wang, M., Wang, M., Liu, C., Yang, G., Choi, Y., Lu, Y., Li, W.-J., Fu, T., Wu, F., & Liu, J.
2025 AAAI
Uncertainty quantification on clinical trial outcome prediction. Chen, T., Lu, Y., Hao, N., Zhang, Y., Van Rechem, C., Chen, J., & Fu, T.
2024 Bioinformatics
DDN 3.0: Determining significant rewiring of biological network structure with differential dependency networks. Fu, Y., Lu, Y., Wang, Y., Zhang, B., Zhang, Z., Yu, G., Liu, C., Clarke, R., et al. 40(6), btae376.
2024 Scientific Reports
Embracing the informative missingness and silent gene in analyzing biologically diverse samples. Du, D., Bhardwaj, S., Lu, Y., Wang, Y., Parker, S. J., Zhang, Z., Van Eyk, J. E., Yu, G., et al. 14(1), 28265.