2008年7月至今，北京师范大学生命科学学院，教授。

2003年8月至2008年6月，北京师范大学生命科学学院，副教授。

2001年11月至2003年8月，北京师范大学生命科学学院生态研究所，博士后研究。

2000年9月至2001年8月，法国图卢兹第三大学CESAC实验室，博士后。

1999年7月至2001年11月，中国科学院水生生物研究所，博士后研究。

1996年9月至1999年7月，武汉大学生命科学学院植物学专业，博士。

1993年9月至1996年7月，兰州大学生物学系细胞生物学专业，硕士。

1989年9月至1993年7月，河北大学生物学系微生物及生化专业，学士。

系统发育自相关性与机器学习：

聚焦于人工智能与生命科学的交叉领域，致力于解决将通用AI方法应用于生物数据时面临的结构性挑战。由于物种共享进化历史，生物数据存在系统发育自相关性，这与机器学习中的独立同分布假设存在根本冲突。忽略这一结构会导致模型参数偏倚、泛化能力差，甚至产生错误的生物学结论。针对这一问题，我们工作重点在于开发“系统发育感知”的机器学习方法。主张数据的“有效信息量”比单纯的物种数量更重要，并致力于探索结构感知的抽样、数据划分及建模策略。此外，强调对系统发育信息进行辩证运用：在跨类群预测中“控制”其干扰以发现通用规律，在近缘物种预测等任务中“利用”其相关性提升精度。最终目标是推动AI与生物数据内在结构的深度融合，实现对真正未知物种和新类群的可信预测。。

系统发育比较方法的可靠性与改进：

现有的系统发育独立对比、系统发育广义最小二乘、系统发育特征向量回归和祖先状态重建等方法，都依赖一定的模型假设，并非只要“考虑了系统发育关系”就一定能够得到可靠结果。我们通过理论分析、模拟研究和真实数据分析，考察这些方法的误差来源和适用边界，并提出相应的诊断与改进方案。目前关注的问题包括局部剧烈性状变化对祖先状态重建的影响，以及如何减少这种局部变化对系统发育树其他节点重建结果的干扰。

其他研究兴趣：

系统发育自相关性是结构依赖的一种典型形式，我们也关注相关认识向空间、时间和其他层级依赖数据的拓展。此外，实验室过去曾围绕微生物基因组、CRISPR-Cas系统、环境条件对基因组特征的影响，以及细胞器基因组、内含子和基因组大小进化开展研究。虽然这些已不是目前的主要方向，但我们仍对其中重要且能够可靠检验的问题保持兴趣。

Research Article（研究性论文）

1.  Huang R., Qi B., Niu DK. Phylogenetic dependence and effective information in species-level model evaluation. bioRxiv:2026.2005.2022.727088.

2.  Chen Z.L., Huang R., Guo H.J., Niu D.K. Improving the robustness of phylogenetic independent contrasts: addressing abrupt evolutionary shifts with outlier- and distribution-guided correlation. Systematic Biology 2026; syag024.

3.  Chen Z.L., Niu D.K. Optimizing phylogenetic eigenvector regression: union eigenvectors, robust estimation, and flexible application to comparative analyses. Evolution 2026; 80(5):912-925.

4. Liu Z.-L., Hu E.-Z., Niu D.-K. 2023. Investigating the relationship between CRISPR-Cas content and growth rate in bacteria. Microbiol Spectr 11:e03409-03422.

5. Hu EZ, Lan XR, Liu ZL, Gao J, Niu DK. A positive correlation between GC content and growth temperature in prokaryotes. BMC Genomics 2022; 23, 110.

6. Lan XR, Liu ZL, Niu DK. Precipitous increase of bacterial CRISPR-Cas abundance at around 45°C. Front Microbiol 2022; 13: 773114.

7. Ma MY, Xia J, Shu KX, Niu DK. Intron losses and gains in the nematodes. Biol Direct 2022; 17: 13.

8. Zhu T, Niu DK. Frequency of intron loss correlates with processed pseudogene abundance: a novel strategy to test the reverse transcriptase model of intron loss. BMC Biol. 2013; 11: 23.

9. Hou WR, Li M, Niu DK. Counting citations in texts rather than reference lists to improve the accuracy of assessing scientific contribution. BioEssays. 2011; 33: 724-7.

10. Niu DK, Hou WR, Li SW. mRNA-mediated intron losses: evidence from extraordinarily large exons. Mol Biol Evol. 2005; 22: 1475-81.

Comment（观点）

1. Niu DK, Jiang L. Can ENCODE tell us how much junk DNA we carry in our genome? Biochem Biophys Res Commun. 2013; 430: 1340-3

2. Niu DK. Protecting exons from deleterious R-loops: a potential advantage of having introns. Biol Direct. 2007; 2: 11.

3. Niu DK, Chen JK. Evolutionary advantages of cell specialization: Save and protect DNA. J Theor Biol. 1997; 187: 39-43.