|
|
西南大学订阅号 2017年第334期 总第624期
含弘讲坛
研究生跨学科学术沙龙：大数据时代的生物信息计算
主 题：大数据时代的生物信息计算
时 间：2018年1月5日下午15:00-17:30
地 点：25教1320室
主办单位：研究生院
承办单位：计算机与信息科学学院
联 系 人：王峻副教授
联系电话：023-68254396
沙龙简介：
本次沙龙由研究生院主办、计算机与信息科学学院承办，跨计算机科学、生命科学和统计学三个一级学科，旨在从多学科角度探讨大数据时代的生物信息数据计算分析研究的机遇与挑战，激发学生创新思维、启迪智慧、拓展学术视野。本次沙龙将为生物信息学领域研究生搭建对话平台，促进不同学术思想间的相互交流和融合，使得不同的研究方法相互借鉴，为培养创新型人才营造良好的环境和机遇。欢迎相关专业教师和研究生参加。
1报告一：生物计算及其在分子检测等领域的应用
报告人简介：
潘林强，博士，华中科技大学自动化学院“华中学者”特聘岗教授，湖北省运筹学学会理事长，中国电子学会图论与系统优化专业委员会副理事长，中国计算机学会高级会员，中国电子学会高级会员，中国人工智能学会高级会员。主要从事计算机科学和生物信息处理的研究和教学工作。先后主持7项国家自然科学基金面上项目、1项国家自然科学基金重点项目、1项国家自然科学基金重大国际合作项目、3项教育部博士点基金项目。2005年入选教育部新世纪优秀人才计划，2007年“非传统高性能计算中的生物计算理论”获得湖北省自然科学一等奖，2014年“基于生物机理的计算模型算 法”获得教育部自然科学一等奖。
报告简介：
细胞是生物体最基本的结构和功能单元，蕴含了大自然千万年进化所沉淀的智能，其中DNA分子具有存储容量大、存储密度高、自组装等特点，是信息处理值得探索的理想载体。生物计算是探索高性能计算的新途径之一。该报告将介绍生物计算的研究背景、理论和实验的研究进展，及其在生物学中的应用，如靶向载药、测序、高分辨率荧光成像等。
2报告二：多维癌症基因组数据的集成分析
Integrative Analysis of Multi-Dimensional Cancer Genomics Data
报告人简介：
郑春厚，安徽大学计算机科学与技术学院教授、博士生导师、副院长，安徽省学术和技术带头人后备人选。近年来，在Bioinformatics、Neural Computation、Pattern Recognition、IEEE/ACM Transactions 系列会刊等国内外重要学术刊物与国际会议上发表论文80余篇，其中50余篇被SCI检索，论文总被引1600余次。作为项目负责人，主持完成国家自然科学基金2项、省部级课题多项。2007年获中国科学院王宽诚博士后工作奖，2010年获安徽省科学技术奖自然科学类一等奖（第二完成人），2016年获教育部高等学校科学研究优秀成果奖（科学技术）一等奖。
报告简介：
了解癌症的发展机制和挖掘潜在的相关基因或疾病相关的通路是癌症治疗的关键。随着高通量测序技术的快速发展，TCGA，ICGC等一批大型癌症基因组学项目已经形成了一个海量的高维组学数据。现有研究认为，基因或通路构成协同作用的网络影响癌症进程。因此，我们可以通过网络整合多组学数据来研究癌症发展机制。如何才能区分驱动基因或重要通路？在本次报告中，我会给出基于网络的计算方法来发现驱动基因和癌症亚型。另外，我将介绍两种基于突变数据来解决最大权重子矩阵问题的模型，以识别驱动通路。
Understanding the mechanisms of cancer development and uncovering actionable target genes or disease-related pathways is essential for cancer treatment. With rapid advances in high-throughput sequencing technologies, some large scale cancer genomics projects, such as TCGA and ICGC, have produced a sea of multi-dimensional and different omics data. And it is widely accepted that genes or pathways are often function cooperatively by interaction network in cancer progression. So we can investigate cancer progression mechanism by integrating multi-omics based on network. How do we distinguish driver genes or important pathways from passengers? In this talk, I will give the network-based computational methods to discover driver genes and cancer subtype. In addition, I will introduce two models which are designed to solve maximum weight submatrix problem based on mutation data to identify driver pathways.
3报告三：K-tuple伪核苷酸组分在DNA调控元件预测中的应用
The application of pseudo K-tuple nucleotide composition in DNA regulatory element prediction
报告人简介：
林昊，电子科技大学信息生物学中心特聘研究员，博士生导师。2007年博士毕业于内蒙古大学生物物理专业。长期从事生物大分子数据信息挖掘、识别相关的生物信息学与系统生物学研究。在真核DNA复制与转录的计算表观遗传机制、蛋白质结构与功能的生物信息挖掘、基因调控网络的构建等方面进行了深入的研究。在Nucleic Acids Res、Bioinformatics、Mol Ther-Nucl Acids、J Proteomics等期刊上发表SCI检索学术论文90余篇，被引用超过3500篇次。先后有22篇论文被ESI收录。建立生物信息在线服务网站40多个，为来自美国、欧洲等50余个国家、地区的研究提供服务。担任Scientific Reports期刊编辑，多个SCI期刊特刊编辑，为40余种国外SCI期刊审稿。受到国家自然基金、四川省基金和中央高校基本业务费等项目资助。获得电子科技大学校百人计划、学术新人奖、唐立新奖教金、四川省科技进步三等奖和河北省科技进步三等奖。
报告简介：
对基因组调控元件的识别是生物信息的中的重要研究课题。我们开发了一种基于核苷酸片段物化性质关联的伪核苷酸组分来描述DNA、RNA样本，并应用于启动子、核苷酸修饰、重组为点的预测等问题中，取得良好的预测效果。基于这些模型，构建了一系列的在线预测服务，为进一步的序列分析提供帮助。
· 青春缙云网络文化工作室 · 出品
责任编辑 | 黄 维
执行编辑 | 张雨婷
版式设计 | 高 昊
文案校对 | 罗 曼
官方网站：www.swu.edu.cn投稿邮箱：media@swu.edu.cn
◆ ◆ ◆ ◆ ◆
|
|
发表于 2018-1-8 16:33:26
收藏