數(shù)學與大數(shù)據(jù)學院邀請中國科學院生化細胞研究所陳洛南教授作報告

 

       12月1日早上,，數(shù)學與大數(shù)據(jù)學院邀請中國科學院生化細胞研究所陳洛南教授在騰訊會議（ID 954-632-110）作了題為“計算系統(tǒng)生物學方法與AI應用”的學術報告,。數(shù)學與大數(shù)據(jù)學院唐慧博士主持線上學術會議,，學院年輕博士,、研究生及部分外校學者參會,。

       在本報告中,，陳洛南教授介紹了生物大數(shù)據(jù)的方法學研究,，針對高維數(shù)據(jù)技術,，特別是高通量組學技術的興起為研究包括復雜疾病和表現(xiàn)組研究等提供了大數(shù)據(jù)的支持,，這些不同來源、不同層面,、不同尺度的數(shù)據(jù)組成生物醫(yī)學等的多元異質(zhì)大數(shù)據(jù),，具有很強的時空動態(tài)性。量化這些特性使得我們迫切需要研究數(shù)據(jù)時空特性的動力學分析理論和系統(tǒng)科學方法,，如基于動力系統(tǒng)的臨界點預警方法,、基于吸引子低維特性的時間序列預測理論、基于嵌入理論的因果關系推斷算法,、基于深度學習的非線性數(shù)據(jù)融合方法等,。這些基于動力學的數(shù)據(jù)科學和深度學習的新理論與系統(tǒng)科學新方法能夠幫助理解和預測復雜系統(tǒng)的動態(tài)發(fā)展而且從系統(tǒng)和動態(tài)視角量化表型，有助于分析復雜表型及動態(tài)過程和機制,，加速包括生物醫(yī)學及人工智能等研究領域的步伐,。這些方法和理論可廣泛應用于表型量化，特別是癌癥轉(zhuǎn)移與復發(fā),，公共衛(wèi)生實時監(jiān)測,、亞健康狀態(tài)預警、時間序列預測,、AI研究等方面,，也對動力學和系統(tǒng)科學驅(qū)動的數(shù)據(jù)科學和AI理論和算法發(fā)展有重要的推動作用。報告結(jié)束就相關問題與大家進行充分的討論和互動,，講座深受師生一致好評,。

       陳洛南教授簡介：中科院生化細胞研究所研究員，中國科學院系統(tǒng)生物學重點實驗室執(zhí)行主任,，國科大杭州高等研究院首席教授,。中國運籌學會《計算系統(tǒng)生物學分會》名譽理事長,，IEEE SMC學會系統(tǒng)生物學技術委員會主席，中國生化細胞學會《分子系統(tǒng)生物學專業(yè)分會》主任,，當選中國運籌學會首屆會士,。主要從事計算系統(tǒng)生物學、大數(shù)據(jù)分析和人工智能的研究工作,，建立和推動“動力學的生物大數(shù)據(jù)理論和方法”,，特別是建立了動態(tài)網(wǎng)絡標志物(DNB)及復雜疾病臨界預警方法，空間-時間信息轉(zhuǎn)化的機器學習理論體系(STI),，多組學數(shù)據(jù)的融合算法(PFA),分子網(wǎng)絡的因果推斷方法(PCM)等,。近年來發(fā)表400余篇期刊論文（包括Nature，Nature Genetics,，Nature Communications,，Nature Cancer，PANS,，National Science Review,，Cancer Cell，Cell Research）和四部專著(Elsevier高被引學者,，h-index 〉 70,，Citation〉20000)。