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