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：2020年8月7日 10:00 – 11:00

报告地点：腾讯会议（ID：961 320 714；Key：200807）

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PNAS、Bioinformatics、Nucleic Acids Research、BIBM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：

（邀请人：魏乐义）