“生物信息计算”青年学者论坛
2017-06-22下午和2017-06-26上午让我们相聚8188www威尼斯报告厅,聆听生物信息计算领域的教育部新世纪优秀人才、优青、香江学者、全国百篇优秀博士论文奖得主、SCI期刊副主编和编委等青年才俊的系列报告。
活动类别:“生物信息计算”青年学者论坛
活动时间:2017-06-22下午16:00,2017-06-26上午8:30
活动日期:2017-06-22、2017-06-26
地点:长安校区 文津楼三段四层 8188www威尼斯报告厅
主办单位:8188www威尼斯
活动日程安排:
讲座题目1:数据挖据和深度学习方法以及在生物信息学和医疗健康领域的应用
讲座时间:2017-06-22 16:00-17:00
报告人:张朝阳 教授
讲座内容简介:
The big data analytics depend on the data mining and machine learning methods. In this talk I will briefly introduce the new advances of big data research in the United Stated of American and then present two data mining and machine learning methods and their applications in both bioinformatics and healthcare risk prediction. A new Bayesian learning and optimization model (BLOM) was developed in our Data Mining and Bioinformatics Laboratory for inferring gene regulatory networks from time series microarray data. This approach successfully identified hub genes and several important gene regulation relationships in the pathways and also addressed the dynamic change of biological networks in the course of the treatment and recovery of different species. In the second part of the talk, I will introduce multi-label classification and deep learning method for the health and disease risk prediction using physical exam records and traditional Chinese medicine data.
讲座人简介:
张朝阳,美国南密西西比大学计算学院终身教授,博士生导师,并于2008年至2014年担任该学院主任。主要从事数据挖掘,机器学习,计算生物学,生物信息学,医学数据分析,高性能计算,以及相关的交叉领域的研究。张朝阳教授作为项目主要负责人或共同负责人主持了18项美国国家及部级纵向科研课题的研究工作。科研资助的机构包括美国国家自然科学基金(多项),国家健康研究院,国防部,美国国土安全局,总计研究经费五百万美元。张朝阳教授指导了12位博士生,近年来在学术期刊和国际会议论文集发表了70多篇学术论文,并于2005年获得了美国医学物理家协会颁发的年度医学物理期刊的最佳学术论文奖(Sylvia Sorkin Greenfiled Award)。张朝阳教授多次担任美国国家自然科学基金的评审委员以及多个国际会议程序委员会副主席和主席。
讲座题目2:Discovery of mutated driver pathways in cancer
讲座时间:2017-06-26 8:30-9:10
报告人:张世华 教授/研究员
讲座内容简介:
Large-scale cancer genomics projects are providing a large volume of data about genomic, epigenomic and gene expression aberrations in multiple cancer types. One of the remaining challenges is to identify driver mutations, driver genes and driver pathways promoting cancer proliferation and filter out the unfunctional and passenger ones. In this talk, I will present a series of progresses about de novo mutated driver pathways or gene sets identification from mutation data in cancer. Specifically, as to the so-called maximum weight submatrix problem, we first designed binary linear programming method and genetic algorithm to solve it (MDPFinder). We further proposed an exact mathematical programming method de novo identify co-occurring mutated driver pathways (CoMDP) in carcinogenesis without any prior information beyond mutation profiles. Lastly, we proposed to computational methods to identify cancer common or specific mutated driver gene sets from mutation data of multiple cancers (ComMDP and SpeMDP). The efficiency of these methods were validated by testing on simulated data. Tests on to several real biological datasets have been demonstrated to show their effectiveness.
讲座人简介:
张世华,现任中国科学院数学与系统科学研究院研究员、中国科学院随机复杂结构与数据科学重点实验室副主任、中国科学院大学岗位教授。主要从事运筹学、模式识别与生物信息学交叉研究。曾经到南加州大学、加州大学洛杉矶分校、新加坡国立大学、东京大学、哈佛大学等研究机构访问学习。目前担任Scientific Reports,BMC Genomics,Current Bioinformatics和Frontiers in BCB等杂志的编委以及IEEE/ACM TCBB的客座编辑。曾经荣获中国青年科技奖、中国科学院卢嘉锡青年人才奖、钟家庆运筹学奖、全国百篇优秀博士论文奖、中国科学院院长奖特别奖等;获得国家自然科学基金“优秀青年”基金、中国科学院“卓越青年科学家”项目、入选“陈景润未来之星”特殊人才计划、中国科学院青年创新促进会。
讲座题目3:MiRNA识别与miRNA-疾病关系预测中的计算方法
讲座时间:2017-06-26 9:10-9:50
报告人:邹权 教授/研究员
讲座内容简介:
2006年,RNA致使基因沉默现象获得了诺贝尔奖,从而使得miRNA成为遗传学和生物信息学研究中的“明星分子”。MiRNA像一个“指挥者”一样,可以调控蛋白分子的表达量。挖掘miRNA分子、识别miRNA靶标和预测miRNA与疾病的关系成为生物信息学中围绕miRNA研究的三个主要计算课题。在本报告中,我们从机器学习的视角来解决miRNA挖掘分析。在我们的前期工作中发现,提高反例集的质量对提高miRNA识别的泛化性和鲁棒性起着至关重要的作用。在miRNA与疾病的关联性预测方面,将介绍miRNA-miRNA相似性计算的几种主要方法,这也是该问题的核心。一些结果可以证明,计算发现的miRNA可以成为某些肿瘤的重要标志物。
讲座人简介:
邹权,2009年于哈尔滨工业大学计算机学院获得博士学位。随后到厦门大学计算机系工作,任助理教授、副教授,2015年调入天津大学计算机学院,任研究员、博士生导师。主要研究方向为生物信息学。目前,以第一作者或通讯作者发表且被SCI检索的论文40余篇。google scholar显示引用超过2800次,其中代表作发表在Science、Briefings in Bioinformatics、Bioinformatics、IEEE/ACM Transactions on Computational Biology and Bioinformatics等知名学术期刊上。近几年,担任SCI期刊Current Bioinformatics的副主编。2014年获CCDM数据挖掘竞赛第一名;提出的集成分类算法不但是学术期刊Neurocomputing官网下载次数最多的热点论文之一,而且得到产业化应用,用于百度贴吧的反作弊系统,受到百度主题研究项目资助和百度公司官方报导。
讲座题目4:蛋白质亚线粒体定位预测:过去,现在和未来
讲座时间:2017-06-26 9:50-10:30
报告人:杜朴风 教授
讲座内容简介:
蛋白质的亚细胞定位预测问题是一个经典的生物信息学研究方向。经过过去二十多年的研究,已经较为成熟。蛋白质的亚线粒体定位预测是一个较亚细胞定位预测深入的问题,经过了过去十多年的研究之后,目前已经有了若干有代表性的研究成果。在这个报告中,我们会系统的回顾蛋白质亚细胞定位预测问题的起源,发展和理论基础。我们还会将过去十多年中我们在蛋白质亚线粒体定位预测中所做的一系列工作的基本思路和成果进行简单介绍。
讲座人简介:
杜朴风,2005年和2010年在清华大学自动化系分别获学士及博士学位,博士在读期间于2008至2010年兼任导师李衍达院士秘书。2013-2014年受”香江学者”计划资助在香港城市大学做访问博士后。2010年1月起在天津大学计算机学院任教。多年从事生物信息学软件开发和计算预测算法研究,已发表学术论文30余篇,被引用700余次。获2007年中国最具影响力的国际学术论文奖,2012年全国优秀博士学位论文提名奖。已主持完成国家自然科学基金青年基金,天津市自然科学基金等科研基金项目。
讲座题目5:基于多标记学习的蛋白质功能预测
讲座时间:2017-06-26 10:40-11:20
报告人:余国先 教授
讲座内容简介:
蛋白质功能预测是生物信息学中的重要问题之一,蛋白质通常被标注有多个功能标签,但现有的蛋白质功能信息存在大量缺失和一定量的噪声。本报告将首先介绍如何通过多标记学习模型对蛋白质功能预测的多方面难题进行建模,再介绍如何通过多标记弱标记学习,多标记偏标记学习和基因本体功能标签结构关系预测蛋白质缺失功能标记,不相关功能标记和噪声标记等。此外,还将介绍我们在基于多源异构数据融合的蛋白质功能预测方面的工作。
讲座人简介:
余国先,男,2013年6月在华南理工大学获得计算机应用技术博士学位,2011-2013受国家留学基金委资助赴美国George Mason University公派联合培养,2014-2015香港浸会大学博士后。2013年7月至今在西南大学计算机与信息科学学院工作,硕士生导师。目前为人工智能学会生物信息学与人工生命专委会委员,中国计算机学会生物信息学组委员,大数据专家委员会和人工智能与模式识别专委会通讯委员。主要研究方向为机器学习和数据挖掘及其在生物数据分析中的应用。在领域内知名期刊和会议上发表学术论文30余篇(如KDD, IJCAI, Bioinformatics, Pattern Recognition和TCBB等),并长期担任多个知名期刊的审稿人。曾获得ICMLC2011最佳论文奖,SDM2012博士生论坛最佳墙报奖,CCML2015优秀学生论文奖(指导学生)。
讲座题目6:基于网络的疾病相关基因、ncRNAs和药物预测
讲座时间:2017-06-26 11:20-12:00
报告人:李敏 教授
讲座内容简介:
随着遗传学和分子生物学可用数据的不断增加,越来越多的基因、非编码RNA和药物相关数据被用于人类疾病研究。基于这些新的技术和概念,网络方法被提出应用于人类疾病的研究中。在基于网络的方法中,每个生物系统被认为是一个网络模型,而分子、相互作用和网络结构被阐述是如何决定生物系统的功能,以帮助我们理解细胞的组织、过程和功能。本报告将重点介绍我们在预测药物-靶点、药物-疾病、miRNA-疾病和lncRNA-疾病关联关系的相关工作。
讲座人简介:
李敏,中南大学信息科学与工程学院教授、博士生导师。2016年NSFC优秀青年基金获得者。主要从事生物信息学与数据挖掘研究,在Bioinformatics、IEEE/ACM Transactions on Computational Biology and Bioinformatics、Proteomics、Methods等上发表SCI期刊论文60余篇,ESI Top1%高引论文5篇。担任国际期刊Interdisciplinary Sciences: Computational Life Sciences、IJBRA的编委,IEEE/ACM Transactions on Computational Biology and Bioinformatics 、Neurocomputing、Complexity、BMC Bioinformatics、BMC Genomics、Current Bioinformatics等的客座编委。2011年被确定为湖南省青年骨干教师培养对象,2012年获得教育部新世纪优秀人才资助,主持国家及省部级项目七项。曾获茅以升科研专项奖及教育部自然科学奖(二等奖)各1项。