CCF@U1141：CCF生物信息学专委走进湖南师范大学

CCF走进高校第1141场

敬请关注

由中国计算机学会（CCF）主办，CCF生物信息学专委、湖南师范大学承办的CCF走进高校活动，将于2024年10月17日在湖南师范大学召开，敬请关注。

时间：2024年10月17日（周四）13:30-16:30

活动地点：湖南师范大学信息科学与工程学院中和楼342

报告信息：

报告题目：面向特征的复杂生物医学数据处理方法研究

报告摘要：随着高通量测序技术的日益成熟与测序成本的降低，数据的产生已不再是生命科学领域的主要问题，生物医学数据爆炸性持续增长成为新常态。生物医学大数据的有效处理与分析已成为复杂疾病研究、药物研发等领域的必要手段和重要支撑。然而，这些复杂的生物医学数据不仅数据量巨大，还具有高维、高噪声、多源异构等特点。本报告将针对上述挑战，讨论如何对这些复杂生物医学数据进行有效的特征挖掘，提出面向生物特征的数据处理方法。

报告人简介：

李敏，中南大学计算机学院院长、二级教授、博士生导师，国家“杰青”获得者，主要从事生物信息计算与数字健康方面研究，主持国家重点研发计划课题、国家自然科学基金重点、杰青、优青、面上等项目十余项。针对生物医学大数据处理领域的计算难题，提出了一系列面向生物特征的复杂数据处理理论与方法，在Nature Communications、Genome Research、Genome Biology、Nucleic Acids Research、Bioinformatics等国际期刊和国际会议上发表学术论文100余篇，被Science、Nature等国际顶刊引用，谷歌学术总引用1.2万余次，H指数58，入选计算机科学领域中国高被引学者。研究成果在医学、药学、病毒学等十余个领域得到应用。担任多个国际会议的程序委员会主席和国际期刊编委，获得第十九届中国青年女科学家奖、教育部自然科学奖、湖南省自然科学奖、吴文俊人工智能自然科学奖等。

报告题目：因果学习及其在生物信息学中的应用研究

报告摘要：因果学习旨在挖掘数据背后的深层次因果关系，揭示观察现象的多因素间的调控关系，对于理解观察现象和优化决策过程有着重要意义。本次报告将汇报课题组关于复杂数据因果学习的研究成果，探讨在数据高维、异质、跨机构等复杂场景下的因果结构发现方法以其在生物医学中的应用。

报告人简介：

余国先，山东大学教授，国家重点研发计划项目负责人，山东省杰青，泰山学者青年专家，主要从事人工智能，数据挖掘及其在生物医学数据分析中的应用研究。在国内外重要会议和期刊(KDD,ICDE，IJCAI, TKDE, TNNLS, Bioinformatics,中国科学-信息科学等)发表论文80余篇。承担国家自然科学基金4项，科技部重点研发项目和子课题，阿里巴巴全球研究计划项目等，现担任中国科学基金，计算机科学，IEEE Transactions on Neural Networks and Learning Systems, Fundamental Research, Neurocomputing, Interdisciplinary Sciences: Computational Life Sciences, Frontier in Genetics, Mathematics和Robotics & Intelligence等期刊编委(Associate Editor)。担任Nature子刊,IEEE/ACM Transactions 系列, Bioinformatics等多个国内外著名期刊审稿人。CCF大数据专家委员会、数据库、生物信息学、人工智能与模式识别专委会执行委员；中国人工智能学会生物信息学与人工生命、机器学习专委会委员。

报告题目：基于人工智能的生物大分子冷冻电镜数据处理技术

报告摘要：生物大分子三维结构的高分辨率解析，是生命科学中最具有挑战性的前沿核心问题。当前冷冻电镜三维重构技术已成为当前解析生物大分子三维结构的第一选择。然而，冷冻电镜数据存在高噪声、信息缺失、处理流程复杂等特征，随着数据规模和尺度的持续增大，海量冷冻电镜数据的高效处理已成为当前结构生物学和计算机科学具有挑战性的难点问题之一。本报告将从计算的角度介绍冷冻电镜三维重构存在的挑战性问题，并着重介绍我们在冷冻电镜图像数据处理、高性能计算等方面的研究成果。

报告人简介：

张法，北京理工大学长聘教授，中科院计算所客座研究员，博士生导师。现任IEEE 计算生命科学专委会 (TCCLS)主席，CCF生物信息学专委会副主任。主要从事生物信息学、多模态生物医学数据处理等方面的研究：研发了国内首款冷冻电镜电子断层重构软件-AuTOM，获2021年国际三维模型检索挑战赛冷冻电镜生物图像分类大赛全球第一名；开发了系列医学病理图像分类分级AI处理技术，相关研究成果已在多家医院应用。作为项目负责人和主要参与人承担了多项科技部重点研发专项、国家自然科学基金重点、国际合作重大和专项项目等项目。在Cell Research、Natural Communications、Sciences Advances、Genome Biology等国际期刊和ICCV、ACM-MM、ISMB、MICCAI等顶级国际会议发表论文160余篇，获得医学影像顶会MICCAI 2022 Best Paper。

报告题目：Advancing Unified Deep Learning for Comprehensive Mass Spectrometry Analysis

报告摘要：Tandem Mass Spectrometry (MS/MS) is widely utilized in proteomics for the identification and quantification of proteins, in metabolomics for the profil- ing of small molecules, and in lipidomics for the characterization of lipid species. MS/MS is also essential in drug discovery, biomarker identification, environmen- tal analysis, and forensic science. Despite its broad applicability and effective- ness, current research encounters two main challenges.

First, the increasing volume of peptide MS/MS spectra data demands the development of novel computational methods for swift database searches. We present MS2VEC, an innovative fingerprint embedding model designed for ex- tensive peptide MS/MS spectra library retrieval. This model identifies the re- lationships between distant peaks and integrates position-sensitive fingerprint features. To achieve this, dilated convolutions are used to capture distant as- sociations, and a position-sensitive multi-head attention pooling mechanism is applied to extract fingerprint features.

Due to the scarcity of small molecule MS/MS spectral data, conventional techniques that depend on database comparisons are inadequate for newly iden- tified molecules that are not yet included in the database. To overcome this challenge, we present MS2SMILES, an innovative method that treats hydrogen atoms as implicitly bonded to heavy atoms. This approach is tailored to pre- cisely predict hydrogen atoms in chemical structures, which are not explicitly shown in SMILES.

报告人简介：

崔学峰，现担任山东大学计算机科学与技术学院教授，CCF生物信息学专委会秘书长。他的学术历程起始于加拿大滑铁卢大学David R. Cheriton计算机科学学院，先后取得学士、硕士及博士学位。毕业后，他在沙特阿拉伯的阿卜杜拉国王科技大学（KAUST）担任博士后研究员。2016年，崔学峰进入清华大学交叉信息研究院，成为Tenure-Track助理教授。直至2019年，他正式成为山东大学的正教授。此外，他在2019年荣获了ACM SIGBIO新星奖。

崔博士的主要研究领域是生物信息学，致力于开发机器学习和并行算法，以解决在生物领域中与人类生活息息相关的问题。他已经提出了多种基于深度学习的生物大数据检索和配对算法，例如基于三维结构进行同源蛋白质检索的算法，以及基于目标蛋白质结构进行药物小分子虚拟筛选和对接的算法。他的杰出研究成果已经在"Intelligent Systems for Molecular Biology"（ISMB，生物信息学领域的顶级会议，每年只接收大约40篇论文）上发表过三次，并且多次在"Bioinformatics"、"Genome Medicine"、"Nucleic Acid Research" (NAR)、"ACS Synthetic Biology"等国际知名期刊上发表。此外，他的创新性研究成果还曾一次被"Bio-Techniques"国际媒体报道，两次被"Science X"国际媒体报道。

CCF微信公众号，欢迎关注