生命在于计算——信息与生物技术融合中算法和挑战 | CNCC2021

王建新

中南大学，CCF生物信息学专委会主任

王建新，中南大学计算机学院教授，博士生导师，计算机学院院长，医疗大数据应用技术国家工程实验室副主任，国务院政府特殊津贴获得者，CCF生物信息学专委会主任委员，ACM Sigbio China主席。主要研究方向计算机算法与优化、生物信息学、网络优化理论、大数据应用、深度学习等。在Nature Communications、Genome Research、Nucleic Acids Research、Medical Image Analysis（3篇）等国际刊物和会议上发表论文200余篇。

张法

中科院计算所，CCF生物信息学专委会秘书长

张法，博士，中国科学院计算技术研究所研究员，博士生导师。中国计算机学会生物信息学专业委员会秘书长。主要从事生物信息学算法、生物医学图像处理和生物医学大数据处理等方面的研究：结合人工智能技术开发了系列医学病理图像分类分级处理技术；提出了基于医学病理图像预测肿瘤标志物TMB的方法；建立了从生命组学、病理图像到医学影像多尺度多模态数据融合分析的若干关键理论和算法，相关研究成果已在北京大学国际医院等单位应用。率队获得2021年国际三维模型检索挑战赛（SHREC2021）冷冻电镜电子断层生物图像分类大赛全球第一名的成绩。作为第一和通信作者在Cell Research、Science Advances等国际著名期刊和ISMB、ICCV等知名国际会议发表论文100余篇。

孙颖

中山大学肿瘤防治中心副院长，教授/主任医师

讲者介绍：中山大学肿瘤防治中心副院长，教授/主任医师，博士生导师，医学博士，教育部长江学者奖励计划特聘教授，广东省珠江学者特聘教授。国家重点研发计划项目负责人。长期从事鼻咽癌的精准放射治疗，在The New England Journal of Medicine, The Lancet, Lancet Oncology, Nat Commun,等期刊近近5年以第一/通讯作者发表SCI文章50余篇，4项研究成果被NCCN、NRG等国际指南采纳，获国家科技进步二等奖2项。

报告题目：人工智能和大数据支撑高质量智慧医院建设

摘要：大数据和人工智能是促进疾病精准诊疗、提升医疗效率、提升管理和服务能力的关键手段，是公立医院高质量发展的重要支撑。本讲座将通过介绍肿瘤大数据平台建设和应用实践、人工智能在肿瘤防治方面的研究和应用两部分内容，探讨大数据和人工智能在医学应用中的方向、成效和存在问题。

黄德双

同济大学电子与信息工程学院教授， CCF生物信息学专业委员会副主任

讲者介绍：同济大学电子与信息工程学院教授，博士生导师，IEEE Fellow，国际模式识别学会(IAPR) Fellow，2000年度中科院“百人计划”入选者，中国计算机学会生物信息学专业委员会副主任委员。长期从事神经网络、模式识别与生物信息学方面的研究，在国内外等学术期刊上发表了超过230篇SCI论文；曾荣获教育部和安徽省自然科学一等奖各1项、人工智能学会科技进步一等奖奖1项；担任国家科技创新 2030—新一代人工智能重大项目“面向复杂数据处理的新型神经网络模型研究”项目首席专家；担任期刊IEEE/ACM Transactions on Computational Biology & Bioinformatics等杂志编委。

报告题目：DNN Based Computational Analyses for Biological Binding Motifs

摘要：Transcription factor/Translation factor (TF) play a central role in gene regulation. Knowing the binding specificities of TFs is essential for developing models of the regulatory processes in biological systems and for deciphering the mechanism of gene expression. In this talk, I will first present the fundamental issue for motif prediction of biological sequences, then systematically present motif prediction of biological sequences in combination with the popular emerging technology “Deep Neural Networks”. Firstly, several classical models for deep neural network and the research status of biological sequence motif prediction will be briefly introduced, and the existing shortcomings of deep-learning based motif prediction is discussed, some motif prediction methods including high-order convolutional neural network architecture, weakly-supervised convolutional neural network architecture, deep-learning based sequence + shape framework and bidirectional recurrent neural network for DNA motif prediction are briefly overviewed. Secondly, some latest results are importantly presented. Finally, some new research problems in this aspect will be pointed out and over-reviewed.

李烨

中国科学院深圳先进技术研究院研究员，数字所所长

讲者介绍：中国科学院深圳先进技术研究院研究员，数字所所长，英国工程技术学会会士（IET Fellow），英国皇家公共卫生学会会士（RSPH Fellow）,健康大数据国地联合工程中心主任，深圳市鹏城学者。2008年作为海外引进人才在中国科学院深圳先进技术研究院全职工作，近年来围绕可穿戴泛在感知、健康大数据智能计算理论与技术，共发表文章150余篇，其中SCI检索论文50余篇，IEEE期刊论文25篇。担任Information Fusion期刊和Physiological Measurement期刊编委、IEEE JBHI, IEEE Sensors J. 等特刊编辑，并多次担任IEEE/ACM普适计算和生物医学信息技术领域重要国际会议如PICom、BodyNet、EMBC、BSN&BHI、UIC的组织委员会成员或分会主席，组织了首届深圳医疗健康大数据创新应用国际大赛。被授权国内外发明专利46件，9件转化到国内外企业，获3个医疗器械注册证和1项欧盟CE认证，主笔电子健康相关国家/行业标准3项，获广东省科学技术奖技术发明二等奖、深圳市抗击疫情先进集体、中华医学会卫生管理奖等。

报告题目：健康大数据智能计算

摘要：大数据与人工智能在医疗健康领域的影响日益突出，其价值挖掘及应用对推动卫生事业发展意义重大。首先，以心脑血管疾病为代表的慢性疾病已成为我国居民的头号杀手，高危人群数量达数亿之多，急性事件医院外的短期预测是防控工作中最大的挑战；其次，随着我国城市化进程的推进，人口流动急剧增加，以新冠为代表的重大突发传染病传播扩散风险日趋巨大，一旦爆发对社会经济造成的冲击后果极其严重。报告将面向心脑血管疾病与传染病防控的重大需求，介绍健康大数据动态集成、特征挖掘、风险预测等方面的系列关键技术，提出针对多模态生理特征、血流动力学特征、城市人群行为活动等新型健康数据特征提取的方法，研究高精度的疾病风险预测模型，形成大数据智能分析系统，并针对临床需求实现应用。

高欣

沙特阿卜杜拉国王科技大学计算机科学系终身正教授

讲者介绍：现任沙特阿卜杜拉国王科技大学计算机科学系终身正教授，博士生导师，并担任KAUST计算生物学研究中心副主任，KAUST智慧医疗中心副主任，及KAUST结构和功能生物信息学研究小组负责人。致力于为生物和医疗的一系列开放性问题研发创新性的算法和人工智能方法，包括三代测序，蛋白质结构测定，分子功能标注，系统生物学，合成生物学，生物医疗影像，医疗大数据挖掘，及临床分子诊断等。在生物信息和机器学习领域的国际顶级期刊和会议上发表论文270多篇，引用4600次。他共计主持了超过1.2亿人民币的科研项目，是超过50个美国及国际专利的第一发明人。是Journal of Translational Medicine，BMC Bioinformatics，Quantitative Biology，Journal of Bioinformatics and Computational Biology，Genomics，Proteomics & Bioinformatics等期刊的副主编。

报告题目：Towards understanding complex diseases from a pan-disease view through ultra-large-scale biomedical data mining

摘要：Human diseases are traditionally studied—clinically, genetically and epidemiologically—as singular, independent entities. This lack of context limits the capacity of biomedical science to transfer insights discovered about certain diseases to similar others, or to sustain human health and treat human illnesses as dependent states of a complex, dynamic system. In this talk, I will introduce our work on constructing a novel disease representation by embedding all pathologies jointly, from time-stamped clinical records about more than 151 million unique Americans, as points in a continuous, high-dimensional space, where diseases with similar etiology and manifestations lie in close proximity to one another. I will illustrate the value of this novel disease space through three applications: 1) estimation of genetic parameters, including heritability and genetic correlations; 2) classification of diseases; and 3) discovery of new genetic associations through genome-wide association study of newly-defined human quantitative traits.

李敏

中南大学计算机学院教授、副院长

讲者介绍：中南大学计算机学院教授、博士生导师、副院长，主要从事生物信息学与数据挖掘研究，主持国家自然科学基金重点项目、优秀青年项目、面上等国家和省部级科研课题十余项。担任湖南省人工智能与医学大数据国际联合实验室主任、生物信息学湖南省重点实验室副主任、中国计算机学会生物信息学专委会委员、中国人工智能学会-生物信息学与人工生命专业委员会常务委员等学术职务，担任《Current Protein & Peptide Science》、《International Journal of Data Mining and Bioinformatics》、《Interdisciplinary Sciences: Computational Life Sciences》等期刊编委，担任ISBRA2019、ICPCSEE2017等国际会议的程序委员会主席。

报告题目：基因组数据分析中的计算问题与挑战

摘要：基因组组装是基因组学中最重要的研究内容之一，也是众多下游应用研究的基础。基因组模式挖掘，如碱基修饰检测、重复区发现和结构变异检测等，对进一步理解生命机制和疾病的发生具有重要意义。该报告从高通量基因组测序数据的特点出发，以基因组从头组装与三维结构解析为例，探讨面向生物特征的算法设计问题。最后，将针对最新的三代测序数据特征讨论基因组数据分析的未来研究方向与主要挑战。

蔡宏民

华南理工大学计算机科学与工程学院教授，CCF生物信息学专业委员会常委委员

讲者介绍：华南理工大学计算机科学与工程学院教授、博士生导师。2016年破格晋升博士生导师，同年破格晋升教授。系京都大学客座教授，中国计算机学会生物信息学专业委员会委员、常委委员；系多个国际会议如ISBI，ISBRA，ICIC，BIBM，GIW，MICCAI, AAAI的PC Member；系国际会议如ICDKE 2012，ICBBB2021，ICBBB 2022的会议主席；系广东省转化医学眼科分会副主委、广东省精准医学应用学会-数字智能化分会副主任委员、广东省生物医学工程学会智能医学影像分会副主任委员。他长期参与生物医学图像和生物信息处理方面的研究工作，在医学图像分析与理解、生物信息分析、多源数据融合、模式识别和数据挖掘等领域积累了丰富的研究经验，在相关杂志如IEEE T-PAMI, IEEE T-CyberN, IEEE T-Image Proc., IEEE T-Medical Imaging, Neuroimage, Bioinformatics, Briefings in Bio. 发表 SCI/EI论文 100+篇，其中通讯作者和第一作者 SCI/EI 论文 100+篇；近5年内共发表多源样本数据的整合分析理论和应用研究相关 SCI/EI论文67 篇，ESI 高被引论文1篇，近5年论文IF总和超过200。

报告题目：多源生物医学数据的整合分析理论和应用研究

摘要：新一代测序技术的普及和单细胞测序技术的迅速发展，衍生出不同尺度下的多组学数据；各种新型成像技术的高速发展，衍生出不同成像条件下的多模态影像数据。此类多源数据具有小样本、高维度、多模态、跨尺度和多属性缺失等问题，整合分析此类多源异构数据具有重要的科学意义，能为数基生命计算和医疗辅助诊断等提供计算工具。我们实验室以多源异构数据整合理论为研究中心，建立了基于矩阵表达的小样本张量谱聚类理论框架和基于网络表达的多源网络整合理论框架，实现多源信息的有效融合。以实现面向医疗和健康的数据挖掘为研究目标，针对两个重要数据来源：基因组学数据和医学影像，开展微观多组学和宏观影像组相关应用分析。