高会江，男，汉族，1972年6月生，山东莒县人，中共党员，博士研究生学历，研究员，博、硕导
工作单位：中国农业科学院北京畜牧兽医研究所
邮政编码：100193
通讯地址：北京市海淀区圆明园西路2号北京畜牧兽医研究所牧医1号楼
邮箱地址：gaohuijiang@caas.cn
个人简介:
高会江，博士，现工作于中国农业科学院北京畜牧兽医研究所，博士生导师，科技部中青年科技创新领军人才，中国农业科学院“农科英才”。长期从事肉牛遗传育种与生产、基因组选择和全基因关联分析方法研究、肉牛重要经济性状遗传机制解析。现任牛遗传育种科技创新团队首席科学家；全国肉牛遗传改良计划（2021-2035）专家委员会成员，中国畜牧兽医学会养牛学分会理事、华西牛育种联合会秘书长和执行专家组组长。主持多项国家级项目：其中主持国家农业重大科技项目（专项）1项、“十二五”科技支撑课题“优质肉牛新品种（系）选育与关键技术研究及示范”1项，国家自然基金课题4项。发表科研论文200余篇，其中第一/通讯作者SCI论文50篇，获得授权国家发明专利4项。
工作经历：
1999.07-2009.07；东北农业大学动物科技学院；助教、讲师、副教授；动物遗传育种
2006.10-2009.07；中国农业大学动物科技学院；博士后；动物遗传育种
2009.07-2015.12；中国农业科学院北京畜牧兽医研究所；副教授；肉牛遗传育种
2014.01-2014.12：美国加州大学河滨分校；访问学者；数量遗传学
2016.01-至今；中国农业科学院北京畜牧兽医研究所；研究员；肉牛遗传育种
教育经历
1992.09-1996.07：东北农业大学、动物科学、获农学学士学位
1996.09-1999.07：东北农业大学、动物遗传育种与繁殖、获农学硕士学位
2001.09-2004.07：东北农业大学、动物遗传育种与繁殖、获农学博士学位
获奖荣誉:
2012年，获科技部中青年科技创新领军人才
2017年，获中国农业科学院“农科英才”
2017年，获农业部中华神农奖一等奖“肉牛基因组选择分子育种技术体系的建立与应用”（第2完成人）
2021年，肉牛新品种华西牛主要培育人员（第4完成人）
2023年，获北京市科技进步一等奖“华西牛新品种培育与联合育种创新应用”（第2完成人）
2024年，获中国农业科学院科学技术成果奖 “华西牛新品种培育与分子育种技术体系构建”（第2完成人）
社会、学会及学术兼职：
全国肉牛遗传改良计划（2021-2035）专家委员会成员、中国畜牧兽医学会养牛学分会理事、华西牛育种联合会秘书长和执行专家组组长
研究领域：
肉牛遗传育种与生产、基因组选择与基因组关联分析方法开发、肉牛重要经济性状遗传机制解析
科研项目：
国家农业重大科技项目（专项）（项目主持，***，***，***，***）
“十二五”科技支持课题“优质肉牛新品种（系）选育与关键技术研究及示范”（主持，课题编号：2011BAD28B04，2011.1-2015.12，经费707万元）
中国农业科学院"农科英才"支持项目(2017.08–2022.07，经费280万元）
国家自然基金面上项目“肉牛异速生长的全基因组关联分析方法及调节屠宰性状成熟度基因的检测”（主持，课题编号：31472079，2015.1-2018.12，经费86万元)
国家自然基金面上项目 “基于多组学全基因组关联分析策略精确定位肉牛肉质性状基因”（主持，课题编号：31872975，2019.1-2022.12，经费59万元）
国家自然基金面上项目“整合多组学信息优化肉牛重要经济性状基因组选择方法研究”（主持，课题编号：32172693，20122.1-2025.12，经费58万元）
发表论文：
1. Wang W, Zhang T, Du L, Li K, Zhang L, Li H, Gao X, Xu L, Li J, Gao H*. Transcriptomic analysis reveals diverse expression patterns underlying the fiber diameter of oxidative and glycolytic skeletal muscles in steers. Meat Sci. 2024 Jan;207:109350. doi: 10.1016/j.meatsci.2023.109350.
2. Deng T, Liang M, Du L, Li K, Li J, Qian L, Xue Q, Qiu S, Xu L, Zhang L, Gao X, Li J, Lan X, Gao H*. Transcriptome Analysis of Compensatory Growth and Meat Quality Alteration after Varied Restricted Feeding Conditions in Beef Cattle. Int J Mol Sci. 2024 Feb 26;25(5):2704. doi: 10.3390/ijms25052704.
3. Liang M, An B, Chang T, Deng T, Du L, Li K, Cao S, Du Y, Xu L, Zhang L, Gao X, Li J*, Gao H*. Incorporating kernelized multi-omics data improves the accuracy of genomic prediction. J Anim Sci Biotechnol. 2022 Sep 20;13(1):103.
4. Liang M, Cao S, Deng T, Du L, Li K, An B, Du Y, Xu L, Zhang L, Gao X, Li J, Guo P, Gao H*. MAK: a machine learning framework improved genomic prediction via multi-target ensemble regressor chains and automatic selection of assistant traits. Brief Bioinform. 2023 Mar 19;24(2):bbad043. doi: 10.1093/bib/bbad043. PMID: 36752363.
5. Liang M, An B, Deng T, Du L, Li K, Cao S, Du Y, Xu L, Zhang L, Gao X, Cao Y, Zhao Y, Li J, Gao H*. Incorporating genome-wide and transcriptome-wide association studies to identify genetic elements of longissimus dorsi muscle in Huaxi cattle. Front Genet. 2023 Jan 6;13:982433. doi: 10.3389/fgene.2022.982433.
6. Liang M, An B, Li K, Du L, Deng T, Cao S, Du Y, Xu L, Gao X, Zhang L, Li J*, Gao H*. Improving Genomic Prediction with Machine Learning Incorporating TPE for Hyperparameters Optimization. Biology (Basel). 2022 Nov 11;11(11):1647.
7. Du L, Chang T, An B, Liang M, Deng T, Li K, Cao S, Du Y, Gao X, Xu L, Zhang L, Li J*, Gao H*. Transcriptomics and Lipid Metabolomics Analysis of Subcutaneous, Visceral, and Abdominal Adipose Tissues of Beef Cattle. Genes (Basel). 2022 Dec 22;14(1):37.
8. Du L, Li K, Chang T, An B, Liang M, Deng T, Cao S, Du Y, Cai W, Gao X, Xu L, Zhang L, Li J*, Gao H*. Integrating genomics and transcriptomics to identify candidate genes for subcutaneous fat deposition in beef cattle. Genomics. 2022 Jul;114(4):110406.
9. An B, Liang M, Chang T, Duan X, Du L, Xu L, Zhang L, Gao X, Li J, Gao H*. KCRR: a nonlinear machine learning with a modified genomic similarity matrix improved the genomic prediction efficiency. Brief Bioinform. 2021 May 8:bbab132. doi: 10.1093/bib/bbab132.
10. Chang T, An B, Liang M, Duan X, Du L, Cai W, Zhu B, Gao X, Chen Y, Xu L, Zhang L, Gao H*and Li J (2021) PacBio Single-Molecule Long-Read Sequencing Provides New Light on the Complexity of Full-Length Transcripts in Cattle. Front. Genet. 12:664974. doi: 10.3389/fgene.2021.664974
科研创新
1.一种改进的基于通路的全基因组关联分析算法（ZL201510096276.9）
2.中国和牛与宰前活重相关的SNP位点及应用（ZL202010197710.3）
3.中国和牛与金钱腱重量相关的SNP位点及应用（ZL202010197708.6）
4.一种提高中国和牛里脊重量的方法（ZL202010197704.8）
指导学生：
2016年 硕士研究生樊惠中 获“中国农业科学院优秀硕士学位论文”
2017年 硕士研究生夏江威 获“中国农业科学院优秀硕士学位论文”
2018年 硕士研究生常天鹏 获“北京市优秀毕业生”
2018年 硕士研究生王小巧 获“硕士研究生国家奖学金”
2021年 硕士研究生杜丽丽 获“硕士研究生国家奖学金”
2022年 博士研究生安炳星 获“中国农业科学院优秀博士学位论文”
2023年 博士研究生梁忙 获“博士研究生国家奖学金”
2024年 博士研究生梁忙 获“中国农业科学院优秀博士学位论文”
