报告题目：Deep Learningfor Single-cell Analysis

主讲人：李向涛

工作单位：吉林大学

报告邀请人：贾藏芝教授

报告时间：11月28号周二1:30-3:30

报告地点：#腾讯会议：849-381-974

报告摘要：Single-cell RNA sequencing provides high-throughput gene expression information to explore cellular heterogeneity at the individual cell level.A major challenge in characterizing high-throughput gene expression data arises from challenges related to dimensionality, and the prevalence of dropout events. To address these concerns, we first develop a deep graph learning method, scMGCA, for single-cell data analysis. scMGCA is based on a graph-embedding autoencoder that simultaneously learns cell-cell topology representation and cluster assignments. Then, in another work, a dynamic ensemble pruning framework (DEPF) is proposed to identify and interpret single-cell molecular heterogeneity.

个人简介：

李向涛，吉林大学人工智能学院教授，国家级青年拔尖人才，吉林省优青，吉林省创新拔尖人才，连续三年（2020-2022年）入选斯坦福大学全球前 2%顶尖科学家榜单。近年来，团队通过挖掘生物数据中蕴含的生命范式，解决从基因组学到蛋白质组学等不同层面上的生物学问题，来推动生物学与计算智能的融合，为进一步整合基因组、转录组、蛋白质组等多组学信息理解疾病的发病机理提供基础。主持国家自然科学面上基金和青年基金，吉林省青年和面上基金项目，国防先进技术类项目（创新基金），国防先进技术类项目各一项，纵向经费累积达到400万元。以第一作者或通讯作者在学术期刊上发表相关论文约100篇，中科院一区及生物信息学顶级期刊约50篇，其中在综合类顶级期刊Nature Communications和Advanced Science上发表论文5篇；在生物信息学顶级期刊发表论文20篇，IEEE Trans系列期刊及CCF A类会议发表论文18篇。也是多个国际SCI期刊BMC Biology (Top journal), BMC Bioinformatics (CCF C), BMC Genomics, PeerJ Computer Science等期刊的副主编或编委。