特邀讲者

高琳，女，博士，二级教授，西安电子科技大学计算机科学与技术学院。计算机学会“生物信息专委员会 ”副主任，人工智能学会“生物信息学与人工生命专业委员会”副主任，运筹学会“计算生物信息学分会”常务理事。西安电子科技大学第八届学术委员会委员。在生物数据分析与挖掘、模式识别与机器学习、图论与组合优化方面进行了长期研究，承担了多项国家自然科学基金重点、重大研究计划和面上等项目，获陕西省自然科学技术一等奖，电子学会自然科学技术二等奖，在Nature Communications ,Nucleic Acids Research、Bioinformatics、Briefings in Bioinformatics及Human Molecular Genetics等期刊发表论文100余篇。

报告题目：Multi-Omics Integration for Cancer Related Pattern Discovery
摘要：The mechanism, diagnosis and prognosis of cancer is one of the core researches problem in life science and related multidisciplinary domain. The challenge is that the progression process of a cancer is a highly dimensional, time varying, and dynamic system. How do we discover cancer-causing patterns, cancer subtyping and finally associate these patterns with cancer initiation, progression and therapy. The system biology and complex network provide new insight for cancer. With increasing amounts of multi-omics/single-cell multi-omics data becoming available, we can construct the computational model of those kinds of data by network. In this talk, I will investigate network models for different patterns for cancer with multi-omics data integration. The key methodological challenges face in computational disease modeling.

张岩，哈尔滨工业大学生命科学与技术学院教授，计算生物学研究中心主任。中国细胞生物学会功能基因组与系统生物学分会理事，中国抗癌协会肿瘤标志专委会肿瘤测序与大数据分析专家委员会主任委员，中国计算机学会生物信息学专委会委员。中国生物医学工程学会数字医疗与医疗信息化分会委员。硕士及博士就读于日本新泻大学，2006年留学回国一直从事生物信息学领域的教学及科研工作。研究方向涉及到临床医学数据、肿瘤生物学、发育生物学等领域的数据分析及技术平台开发。系列研究成果发表在《Nucleic Acids Research》、《Molecular Oncology》、《Development》、《Epigenomics》、《Briefings in Bioinformatics》、《Database》等杂志上。

报告题目：面向表观基因组数据的生物特征识别及应用
摘要：随着基因组测序技术的发展，为表观基因组在生理、病理过程中动态变化的研究甚至是解析表观基因组的微进化过程带来了希望。人类基因组中特征性DNA甲基化标记和组蛋白修饰、RNA修饰的不断发现和精确解析有助于逐步完善对于表观遗传调控机制的认识，以便深入理解细胞系/组织表型以及疾病表型的形成机制。本课题组围绕不同的DNA甲基化检测技术的数据，开发了用于差异DNA甲基化筛选的工具及基因的甲基化功能分析工具。针对全基因组DNA甲基化、组蛋白修饰、RNA修饰等数据开发了一系列分析方法，挖掘到疾病相关的生物特征。此外，整合疾病的临床信息和生物特征通过构建机器学习的预测模型可用于筛选疾病诊断和预后评估的关键因素。因此从海量数据中挖掘影响不同表型相关的表观遗传特征，可促进DNA甲基化等生物标志物的应用及转化。

 张道强，南京航空航天大学计算机科学与技术学院、人工智能学院教授，副院长，国家科技部中青年科技领军人才，“万人计划”青年拔尖人才，国家优秀青年基金获得者，江苏省333工程中青年领军人才；担任中国图学学会图学大数据专委会副主任、中国图象图形学会理事、中国人工智能学会机器学习专委会常委、中国计算机学会人工智能与模式识别专委会委员、江苏省人工智能学会医学图像处理专委会主任。主要研究方向为人工智能，机器学习，模式识别，医学图像分析，在相关领域发表学术论文200 余篇，被SCI 收录100 余篇。部分第一／通讯论文发表在领域内重要国际期刊，如IEEE TPAMI、IEEE TMI、IEEE TIP、Neuroimage、Human Brain Mapping、Medical Image Analysis等，以及重要国际会议，如NIPS、MICCAI、IJCAI、AAAI、CVPR、KDD等。据Google Scholar 统计，论文已被国际同行引用11400 余次。目前担任《Pattern Recognition》、《Journal of The Franklin Institute》、《PLOS ONE》、《自动化学报》等期刊编委，担任国际学术会议IDEAL’16、MLMI’13/14程序委员会主席。研究成果获教育部自然科学二等奖（第一完成人）和一等奖（第四完成人）等，以及国际会议PRICAI’06 、STMI’12、BICS’16 和MICCAI'9最佳（学生）论文奖。2014-2019 连续6年入选Elsevier 中国高被引学者榜。

报告题目：遗传影像学及其在疾病诊断与预后预测中的应用
摘要：近年来，随着信息化在医学领域的不断深入，生物医疗行业产生的多源大数据急剧增加。考虑到脑疾病，癌症等疾病的复杂性，仅仅利用单源的基因或病理影像数据对其进行分析很难得到满意的诊断或风险预测结果。因此，整合复杂异构的基因影像数据、分析疾病的形成机理并将其进一步应用于个性化医疗已经成为“医疗行业大数据革命”关注的热点。在本报告中，我们将首先简要介绍遗传影像学的基本概念，然后重点介绍我们组近几年在基于机器学习的遗传影像学分析方面的相关工作，并着重介绍在脑疾病诊断以及癌症预后预测方面的应用。
        

余国先，山东大学软件学院教授，博(硕)士生导师，主要从事机器学习及其在生物医学数据分析中的应用研究。在国内外重要期(KDD, AAAI, IJCAI, ICDM, TKDE, TNNLS, TCYB, Bioinformatics, TCBB, 中国科学-信息科学等)发表论文80余篇。主持(完成)国家自然科学基金3项(面上、应急管理、青年)，担任KDD, NeurIPS, AAAI, IJCAI, CIKM, WSDM, BIBM, ECAI等重要国际学术会议AC/SPC/PC, Genome Biology, IEEE/ACM Transactions 系列, Bioinformatics, Briefings in Bioinformatics等多个国内外著名期刊审稿人。CCF生物信息学专委会委员, 人工智能与模式识别专委会委员；中国人工智能学会生物信息学与人工生命专委会委员, 机器学习专委会委员。

报告题目：面向生物分子功能预测的弱监督学习及拓展
摘要：生物分子功能的准确标注是生物大数据分析的核心任务之一。生物数据普遍具有异质性、大量弱关联、功能标注信息不完整、还在存在一定的噪声标注等弱监督特性。针对上述问题，我们将从同质网络整合建模、异构网络协同整合和弱监督学习等角度着力，围绕蛋白质/lncRNA/可变剪接异构体的功能预测问题展开研究，并将上述生物数据挖掘问题拓展到更为开放的弱监督学习场景。本报告将介绍我们团队在生物数据整合分析，本体知识库建模，弱监督学习等领域的研究工作。