学术报告

人工智能在组学数据处理中的应用


报告题目:人工智能在组学数据处理中的应用---非参数数据自适应收缩的批次效应预测方法

报告时间:202087 10:00 – 11:00

报告地点:腾讯会议(ID961 320 714Key200807

报告摘要: 批次效应是影响高通量数据(如RNA测序)测量的主要来源之一,不同的实验平台、实验室条件、不同的样品来源和人员差异都会导致批次效应,这些差异可能混淆数据并导致虚假的结论,批次效应的校正对于组学实验数据尤为重要。进行批次效应校正的关键输入是批次因子的知识,在许多情况下这些知识是未知的或不准确的,隐藏批次因子的检测成为需要解决的重要问题。本次报告将对目前批次效应校正与检测研究中的统计方法、机器学习方法进行梳理。介绍我们应用人工智能方法,从非参数数据自适应收缩角度出发,提出的基于数据自适应收缩和半非负矩阵分解的批次效应检测算法(DASC),并基于此进行的算法并行化与服务器工具的开发(GDASC)。它在识别隐藏的批处理效果方面表现出了优越的性能,并具备检测细微批量效应的能力。

报告人简介: 张瀚,南开大学人工智能学院教授,博士生导师,智能工程系主任,中国自动化学会青年工作委员会常务委员。从事机器学习、健康大数据、生物信息等方向的研究,在组学数据处理、异构组学数据分析、蛋白质序列分析、生物信息工具开发等领域积累了丰富的研究经验。2009-2010年在美国佐治亚大学(UGA)生物信息研究所从事博士后研究。作为访问研究人员在美国莱斯大学(Rice University)、贝勒医学院(BCM)从事机器学习、生物信息的合作研究。受邀访问日本理化学研究所(RIKEN)、山梨大学等研究机构,进行人工智能领域的学术交流。他在相关领域发表论文40余篇,其中十余篇以通讯或第一作者(含并列)发表于PNASBioinformaticsNucleic Acids ResearchBIBM等国际学术期刊与会议上,主持或完成多项国家自然基金项目。

报告人照片:


张瀚


(邀请人:魏乐义)


地址:山东省济南市舜华路1500号  山东大学软件园校区

邮编:250101