讲座时间：2021.09.09 13:30-14:30

腾讯会议号:683588007

报告人：孙小强（中山大学副教授）

报告题目

高维组学数据驱动的基因调控网络推断与分析

报告内容介绍

基因调控网络的推断与重构是生物信息学和计算系统生物学中的一个基本而重要的问题。然而，从生物组学数据中重构基因调控网络面临以下难题：高维、非线性、时间信息少、因果推断难。在此报告中，我们将尝试回答以下问题：如何从非时序型数据（如单细胞转录组、临床转录组数据）中推断因果调控网络？为此，将介绍我们研发的一种从截面型转录组数据中推断基因调控网络的计算方法。该方法基于图上随机游走推断时序演进轨迹进而建立微分方程模型重构基因调控网络，因而能同时推断拟时间轨迹和基因调控网络；理论分析和数值实验表明该方法对于数据噪声具有良好的稳健性；在单细胞数据集上的测试表明该方法比其它方法具有显著的准确性；在膀胱癌和乳腺癌等临床转录组数据上的应用和验证表明此方法可以有效识别癌症演变的关键调控因子或潜在药物靶点。此外，将探讨高维组学数据驱动的基因调控网络推断与分析中的其它相关问题。

报告人简介

孙小强，中山大学数学学院副教授、博士生导师。研究方向为计算系统生物学和生物信息学，在高维组学数据分析、基因调控网络推断和多尺度动力学建模等方面开展了系列研究。以第一或通讯作者在Biomaterials（2篇）、PLoS Computational Biology（3篇）、Briefings in Bioinformatics（3篇）、等重要期刊上发表论文30余篇。作为主持人先后获得国家自然科学基金面上项目、广东省自然科学基金杰出青年基金项目、中山大学青年教师重点培育项目等科研基金资助；以骨干成员参加国自然重点项目、国家重点研发计划项目等多项。受邀担任专业顶级期刊PLoS Computational Biology的客座编辑和Mathematical Biosciences and Engineering的编委/副主编。