现任北京师范大学Y3国际统计学系讲师。2019年毕业于浙江大学数学与应用数学专业，2023年获香港中文大学统计学博士学位。主要研究方向为统计机器学习、序列模式识别与生成式模型，致力于以实际问题为导向、以数据特征为驱动构建模型。此前的研究聚焦于免疫相关蛋白质序列的统计建模，近期亦学习探索生成式模型，尝试在其中融入统计学的视角与思考。欢迎对统计机器学习理论或应用感兴趣的同学联系交流与合作。

教育背景

2015.08-2019.06    浙江大学，数学与应用数学，学士

2019.08-2023.10    香港中文大学，统计学，博士

研究方向

统计计算，机器学习，序列模式识别，生成式模型等

发表论文

1.Tang, X., & Liu, R. (corresponding author) (2026). GAMMA: gap-aware motif mining under incomplete labeling with applications to MHC motifs. Bioinformatics, 42(2), btag014. DOI: 10.1093/bioinformatics/btag014

2.Xu, Y., Wei, G., Zhou, J., Huang, Y., Yu, W., Lin, Z., Liu, R. (joint corresponding author) & Fan, X. (2026). RoBep: a region-oriented deep learning model for B-cell epitope prediction. Bioinformatics, 42(1), btag006. DOI: 10.1093/bioinformatics/btag006

3.Liu, R., Tang, X., & Fan, X. (2025) Sequence interaction model with applications to TCR-peptide binding. The Annals of Applied Statistics, 19(4), 2683-2704. DOI: 10.1214/25-AOAS2114

4.Tang, X., & Liu, R. (corresponding author) (2025). De-motif sampling: an approach to decompose hierarchical motifs with applications in T cell recognition. Briefings in Bioinformatics, 26(3), bbaf221. DOI: 10.1093/bib/bbaf221

5.Liu, R., Hu, Y., Huang, J., & Fan, X. (2023). A Bayesian approach to estimate MHC-peptide binding threshold. Briefings in Bioinformatics, 24(4), bbad208. DOI: 10.1093/bib/bbad208

6.Liu, R., Hu, Y., Du, J., Zhang, B., Yau, T., Fan, X., & Huang, J. (2023). Family-specific training improves linear B cell epitope prediction for emerging viruses. IEEE Transactions on Computational Biology and Bioinformatics, 20(6), 3669–3680. DOI: 10.1109/TCBB.2023.3311444

教学工作 

统计计算