个人信息：石丹（硕士生导师）
研究方向：
时序营养与肿瘤及衰老
联系方式：
电话：18845722264
E-mail：danshi@cqmu.edu.cn
个人简介：
特聘副教授，硕士生导师。哈尔滨医科大学营养与食品卫生学博士，重庆医科大学营养与食品卫生学博士后。研究方向为时序营养与衰老以及肿瘤。截至目前，共发表SCI论文10篇，其中以第一作者或共同第一身份分别在Cell metabolism，Frontiers in Oncology等杂志发表本专业相关SCI收录论文4篇，其中最高IF=31.37。相关研究结果获得研究生科研创新项目；撰写的SCI论文《利用机器学习动态代谢谱揭示大鼠尿液中的衰老相关标志物》被评为“营养与慢性病中俄高端论坛”优秀论文；SCI论文《等能量适当高脂膳食延长大鼠和果蝇的寿命》被评为“2021年度营养原创研究Top15”（中国营养学会营养健康研究院）；并在第14届全国营养大会儹第11届亚太临床营养大会&第二届华人营养科学家会的会议上做分会场汇报以及在2021年青年营养专家坛暨重庆市营养学会青年工作委员会年会上进行学术报告。共参与6项基金，作为主要成员，参与3项国家自然科学基金项目；作为项目负责人主持国家及省部级科研项目共3项，包括国家自然科学基金青年项目1项，第69批中国博士后科学基金面上项目1项，以及重庆市博士后特别资助项目1项。
科研项目：
(1) 2022年重庆医科大学高层次人才引进科研启动经费，45万元，在研，主持。
(2) 国家自然科学基金青年项目，8210120502，基于昼夜节律探讨限时喂养对肺癌发生发展的影响及其机制，2022/01至2024/12，30万元，在研，主持。
(3) 中国博士后第69批面上项目，2021M693755, 基于昼夜节律和肠道菌群研究限时喂养对肺癌发生发展的作用和机制，2021-8至2023-8，8万元，在研，主持。
(4) 重庆市博士后特别资助项目，渝人社办【2020】379号，限时喂养对高脂饮食小鼠肺癌发生的影响及机制，2021-05至2023-05，5万元，在研，主持。
(5) 2020年重庆医科大学高层次人才引进科研启动经费，10万元，在研，主持。
(6) 国家自然科学基金委员会, 面上项目,8197120859，基于代谢组学和表观遗传学研究生命早期不同阶段膳食结构干预对寿命的作用和机制，2020-01至2023-12，70万元，在研，参与。
(7) 国家自然科学基金委员会, 面上项目,81872615，基于蛋白质组学和代谢组学联用技术的糖尿病并发肺结核的生物标志物和代谢通路研究，2018-01至2021-12，70万元，结题，参与。
(8) 国家自然科学基金委员会, 面上项目,81673152，相同能量下不同膳食结构对寿命的影响及其动态代谢组学通路研究，2017-01至2020-12，70万元，结题，参与。
论文情况：
(1)Dan Shi#; TianShu Han#; Xia Chu; Huimin Lu; Xue Yang; TianQi Zi; YanHe Zhao; XinYue Wang; ZhiPeng Liu; JingQi Ruan; Xin Liu; Hua Ning; MaoQing Wang; Zhen Tian; Wei Wei; Yue Sun; YinLing Li; Rui Guo; Yu Wang; Fan Ling; Yue Guan; Da Shen; YuCun Niu*; Ying Li*; ChangHao Sun*; An isocaloric moderately high-fat diet extends lifespan in male rats and Drosophila.[J] .Cell Metab, 2021, 33: 581-597.e9. IF:31.37
(2)Dan Shi#; Jingjing Wu#; Youqile Wu; Xiaojing Lin; Cai Xu; Cai Xu; Xuemei Lian*. High-Fat Diet-Related Obesity Promotes Urethane-Induced Lung Tumorigenesis in C57BL/6J Mice. Front Oncol. 2021 Feb 23;11:620993. doi: 10.3389/fonc.2021.620993. IF:5.73
(3)Shi Dan;Tan Qilong; Ruan Jingqi; Tian Zhen; Wang Xinyue; Liu Jinxiao; Liu Xin; Liu Zhipeng; Zhang Yuntao; Sun Changhao*; Niu Yucun*. Aging-related markers in rat urine revealed by dynamic metabolic profiling using machine learning.[J].Aging (Albany NY). 2021 May 19;13(10):14322-14341. IF:5.95
(4)Ning H#,Shi D#, Tian Z, Liu Z, Wang X, Yan X, Sun C, Niu Y. Metabolomics analysis of urine from rats given long-term high-protein diet using ultra-high-performance liquid chromatography-mass spectrometry. J Chromatogr B Analyt Technol Biomed Life Sci. 2022 Feb 1;1190:123082. doi: 10.1016/j.jchromb.2021.123082. Epub 2021 Dec 30. PMID: 35032889. IF:3.31