报告题目：尿路上皮癌ADC药物靶点与载荷选择成败与思考

报告时间：10月19日  9:00

报告地点：4107

报告摘要：尿路上皮癌已于近年来告别传统化疗，全面迈入抗体药物偶联剂（antibody-drug conjugate，ADC）时代。以PD-1（programmed cell death-1）抑制剂为代表的免疫治疗于近十年进入抗肿瘤临床应用的黄金期。ADC药物与免疫治疗的联合取得历史性的疗效突破，打破了过去30年传统化疗的标准地位，成为晚期尿路上皮癌一线治疗的新标准。ADC药物具有经典的三大药物结构，包括antibody（抗体）、linker（链接子）、payload（有效载荷），并由链接子将抗体与载荷进行链接。ADC进入人体内后通过抗体有效识别带靶标（target）的肿瘤细胞，裂解链接子后，投放载荷（毒性药物）对肿瘤细胞进行精准杀伤。对ADC靶标和载荷进行合理选择在很大程度上决定了抗肿瘤治疗的成败。但在ADC临床应用和科研转化中仍存在诸多问题尚待解决，包括：需要发掘在肿瘤细胞表面更加特异性表达的靶标以进一步提高治疗精准性、明确何种载荷与免疫治疗更能产生有效协同作用、如何克服ADC原发和继发耐药、针对不同靶标和载荷的ADC如何进行排兵布阵等。对ADC作用机制的理解和对临床问题的精准掌握，将有助于我们展开深入的耐药机制研究，为进一步提高ADC药物疗效找到突破口。

报告人简介：

李思明

北京大学肿瘤医院泌尿肿瘤内科副主任医师，肿瘤学博士

北京高博医院黑色素瘤及泌尿肿瘤内科学术副主任

美国麻省总医院(MGH)访问学者

北京癌症防治学会头颈部恶性黑色素瘤专业委员会副主任委员

中国临床肿瘤学会（CSCO）肾癌专家委员会委员

中国抗癌协会泌尿男生殖系肿瘤委员会（CACA-GU）少见肾癌协作组联络秘书

《中华生物医学工程杂志》中青年编委

《Frontiers In Oncology》 Review Editor

《Melanoma Research》、《Journal of Immunology Research》、《Journal of Oncology》、《BioMed Research International》杂志审稿人

致力于泌尿生殖系统肿瘤及黑色素瘤的化疗、靶向、免疫治疗及转化研究，作为主要Key Sub-Investigator承担多项泌尿系统肿瘤、黑色素瘤的靶向及免疫新药I-III期临床试验

以第一作者身份于JITC、Oncogene、ASO、BMC Cancer、BJO、Urological Oncology等期刊发表多篇SCI论文。学术论文摘要被2011、2014及2023年美国临床肿瘤学会（ASCO）年会、2017年黑色素瘤研究学会国际大会（SMR）暨世界黑色素瘤大会（WCM）、2022年ASCO泌尿生殖系统肿瘤大会（ASCO-GU）收录

报告题目：膀胱癌中靶向FGFR3的机遇和挑战

报告时间：10月19日  9:00

报告地点：4107

报告摘要：膀胱癌是泌尿外科最常见的肿瘤之一。在中国，膀胱癌发病率位居泌尿生殖系肿瘤首位。膀胱癌的治疗始终面临着巨大的挑战，浸润性肿瘤以根治性膀胱全切术为标准治疗方式，肿瘤复发转移后远期生存差。铂类为主的一线化疗仅有一半患者耐受，且有效率约为50%。免疫治疗和靶向治疗（小分子抑制剂及抗体偶联药物）的出现革新了治疗模式，明显提高了疾病客观缓解率。作为膀胱癌重要的致癌驱动基因，65% 的非肌层浸润性膀胱癌及 15% 的肌层浸润性膀胱癌携带有成纤维细胞生长因子受体 3（Fibroblast growth factor receptor 3, FGFR3）突变，这些激活型突变及其通路在肿瘤发生和维持肿瘤恶性增殖方面作用显著。多个临床试验数据表明靶向FGFR3在膀胱中具有较好的应用前景，进一步明确FGFR3下游信号通路及其调控网络，能帮助我们更好的理解 FGFR3 依赖的膀胱癌发生发展的机制，为探索联合靶向FGFR3的综合治疗方案提供科学依据。

报告人简介：石铭俊，首都医科大学附属北京友谊医院泌尿外科，MD, PhD，副教授/副研究员/主治医师，法国居里研究所博士、博士后。法国南锡Brabois医院实习医师，国家公派留学人员 (法语、英语)，主持国自然青年项目（结题）、面上项目（在研），海外高层次人才-北京项目 (青年)、北京市医师科学家、医管局青苗人才项目、友谊青才计划、友谊种子计划。受聘为北京癌症防治泌尿肿瘤青年学术专委会常务委员、中国医师协会泌尿外科分会国际协作组组员、中国人工智能协会智慧医疗专委会委员、中国医药教育协会肿瘤临床科研创新发展专委会委员、中国医药教育协会医疗机器人发展促进分会委员、中国老年保健协会泌尿系统增龄性疾病防治分会委员、北京围手术期医学研究会委员、国际膀胱癌联盟(IBCN) 成员、全法中国科技工作者协会终身会员。受邀成为Bladder杂志、Current Urology杂志及Phenomics杂志的青年编委，第一作者在European Urology (3篇，IF=24)、Military Medical Research (1篇，IF=22.9)、Genome Medicine（1篇，IF=15）、Clinical Chemistry等顶级杂志发表SCI 论文多篇。副主编及参编论著3部、授权发明专利5项、授权软著2项、第三完成人制定北京市地方标准1项。

报告题目：复杂基因调控网络的随机动力学

报告时间：10月19日  9:00

报告地点：4107

报告摘要：基因表达与基因调控是细胞内最重要的动力学过程，对细胞分化、细胞增殖、细胞凋亡、信号传导、压力响应，以及疾病的发生发展有着决定性的影响。近二十年来，基因调控网络随机动力学的理论与实验都取得了突破性进展。在本次汇报中，我将介绍本团队在随机基因调控网络的最新进展，包括严格数学理论、新型统计推断方法与高效高精度计算方法。

报告人简介：贾晨，北京计算科学研究中心特聘研究员，博士生导师，国家海外高层次青年人才。2009年与2015年先后于北京大学数学科学学院取得学士与博士学位，后赴美分别在德克萨斯大学达拉斯分校与韦恩州立大学做博士后，2019年回国并入职计科中心。主要从事应用数学、数学生命科学、随机过程的研究，利用前沿数学理论发展随机基因调控网络与随机生化反应网络的严格数学理论、新型统计推断方法与高效计算方法。主持国家自然科学基金面上项目，参与国家自然科学基金重点项目与国际合作项目。以第一作者或通讯作者发表学术论文50余篇，多项研究发表在PRL、PRX、Nature子刊、Cell子刊、SIAM汇刊等相关领域内的权威杂志上。

报告题目：Dissecting spatiotemporal single-cell transcriptomics data by combining dynamical systems models and generative AI

报告时间：10月19日  9:00

报告地点：4107

报告摘要：Reconstructing cellular dynamics from sparsely sampled single-cell sequencing data is a major challenge in biology. Classical dynamical models, despite their superior interpretability and predictive power for perturbation analysis, meet with challenges due to the curse of dimensionality and insufficient continuous-time observations. Can we revitalize models in the era of single-cell data science, by taking advantage of Artificial Intelligence?

  In this talk, I will introduce our recent efforts to dynamically integrate sampled cell state distributions, combining dynamical systems models and generative AI. I will begin by presenting a framework that employs flow-based generative models to uncover the underlying dynamics (i.e. PDEs) of scRNA-seq data, and demonstrate the development of a dimensionless solver capable of inferring continuous cell-state transitions, as well as proliferation and apoptosis, from real datasets. For spatial transcriptomics, we have further extended this framework by developing stVCR, which addresses the critical challenge of aligning snapshots collected from (1) different biological replicates and (2) distinct temporal stages. stVCR enables interpretable reconstruction and simulation of cell differentiation, growth, and migration in physical space, aligning spatial coordinates from transcriptomic snapshots—effectively generating a "video" of tissue development from limited static "images." This approach will be illustrated through applications in axolotl brain regeneration and 3D Drosophila embryo development. To further infer stochastic dynamics from static data, we explore a regularized unbalanced optimal transport (RUOT) framework and its theoretical connections to the Schrödinger Bridge and diffusion models. I will also introduce how to incorporate cellular interactions in such models, and discuss the design of efficient generative deep-learning solvers designed with applications in single-cell transcriptomic data analysis.

报告人简介：周沛劼，北京大学前沿交叉学科研究院国际机器学习研究中心和定量生物学中心研究员、博士生导师，博雅青年学者，国家级青年人才。2014年和2019年在北京大学数学科学学院获得计算数学学士和博士学位，导师为李铁军教授，获北京大学优秀博士论文奖。2020-2023年任美国加州大学尔湾分校数学系访问助理教授，合作导师为聂青教授。研究领域为计算系统生物学，主要科研兴趣为单细胞数据和人工智能方法驱动的复杂生物系统建模与计算，研究成果发表在Nature Methods, Nature Climate Change, Nature Communications, Nature Machine Intelligence, Nature Genetics, Physical Review X, Molecular Systems Biology, Advanced Science等重要交叉学科期刊以及ICLR, NeurIPS等人工智能顶级会议，并担任Nature Methods, PNAS, Nature Communications等多个期刊审稿人。