报告题目:Computational detecting disease molecular markers
主 讲 人:邹权
报告时间:5月24日9:30—11:00
报告链接: https://meeting.tencent.com/s/kanw1DntYyXv
(腾讯会议,会议ID: 363 278 666)
报告摘要:疾病的分子标志物对疾病诊断,甚至“未病”检测都有重要的作用。疾病的分子标志物需要根据海量的临床数据,通过统计方法进行筛选。受限于高质量的临床数据,医生们希望通过计算的方法缩小标志物的筛选范围,进而精确、快速的找到疾病标志物,甚至“未病”标志物。目前除了根据高质量数据统计检测标志物以外,计算挖掘疾病基因标志物主要依靠网络推断和机器学习方法。本次报告主要介绍一种融合了多种统计手段的高维数据降维策略,及在肿瘤标志物上的应用。
个人简历:邹权,2009年于哈尔滨工业大学计算机学院获得博士学位。2018年调入电子科技大学基础与前沿研究院,任教授、博士生导师。主要研究方向为生物信息学、机器学习和字符串算法。目前担任SCI期刊Current Bioinformatics主编和多个SCI期刊的编委;入选科睿唯安2018、2019年全球高被引学者;2019年获得国家自然科学基金优秀青年基金资助;其中代表作发表在Bioinformatics、PLOS Computational Biology、RNA等知名学术期刊上。相关论文被多篇Nature 子刊引用;率先采用MapReduce并行框架和字符串算法突破了多序列比对难题的计算瓶颈,相关软件被美国、欧洲、印度科学院院士高度评价,并受到中科院官网、新浪科技等媒体报导;提出的集成分类算法不但是学术期刊Neurocomputing官网下载次数最多的热点论文之一,而且得到产业化应用,用于百度贴吧的反作弊系统,受到百度主题研究项目资助和百度公司官方报导。
理学院
2020年5月19日