报告题目一：基因调控的人工设计
报告人：汪小我（清华大学）
主办单位：信息与计算机工程学院
报告时间：2019年11月15日（周五），14:30--15:30
地点：成栋楼928会议室
报告内容：合成生物学技术的出现为我们改造和设计细胞内的基因调控网络创造了可能。而深度学习强大的特征提取和表示能力为我们解析复杂的基因组调控信息提供了新的手段。如何通过人工智能来建立生物元件、模块的理性设计方法，实现人工生物系统的精确控制是我们面临的挑战与机遇。利用深度神经网络的特征表示和生成能力，我们设计一批全新的基因启动子序列，并且其中部分启动子的表达强度超过了已知的表达强度最高的天然启动子。这表明人工智能方法具有产生大量全新的高品质人工合成基因调控元件的潜力。
报告人简介：汪小我，清华大学自动化系长聘副教授，博士生导师。先后于2003年和2008年在清华大学自动化系获工学学士学位和工学博士学位，并曾赴美国冷泉港实验室（2007-2008）和加州大学伯克利分校（2012-2013）访问学习。2008年起在清华大学留校任教，历任讲师、副教授、长聘副教授。主要研究方向为模式识别、生物信息学、合成生物学。在美国科学院院刊PNAS、Bioinformatics等国际刊物发表论文40余篇，被SCI他引3000余次。担任中国生物工程学会青年工作委员会主任、中国人工智能学会生物信息学与人工生命专委会副主任、中国自动化学会青工委常委等。曾获全国优秀博士学位论文奖、国家自然科学基金优秀青年基金、教育部新世纪优秀人才、中国自动化学会青年科学家奖等。
报告题目二：DNA甲基化调控致癌基因活性的模式研究
报 告 人：苏建忠（温州医科大学）
主办单位：信息与计算机工程学院
报告时间：2019年11月15日（周五），15:30--16:30
地点：成栋楼928会议室
报告内容：DNA甲基化改变可以直接调控癌基因转录,可以用于癌症早期发现和表观遗传治疗。但精确鉴定不同癌症类型的DNA甲基化标记物，直接揭示其对癌症相关基因表达调控作用的因果关系是研究难点。我们研究发现泛癌超高甲基化的峡谷区与基因激活(而不是抑制转录)显著相关，且高度富集在Homeobox基因和致癌基因上利用长基因组区域DNA甲基化编辑工dCas9-SunTag-DNMT3A进行甲基化修饰编辑，成功发现Homeobox基因体重新甲基化能够直接导致基因表达上调，并且发现DNA甲基化和染色质修饰协同调控的新模式，从而提出激活Homeobox基因转录的表观遗传调控新途径。
报告人简介：苏建忠，温州医科大学教授，博士生导师，温州医科大学生物医学大数据研究所所长，中国科学院大学温州研究院研究员，国家“青年千人计划”特聘教授。主持浙江省“杰出青年基金”，国家“自然科学面上项目”，国家“自然科学基金重点项目”（子课题）等科研课题多项。2013年博士毕业哈尔滨工业大学数学系，2014-2018年在美国贝勒医学院李蔚教授实验室进行博士后训练。主要从事生物医学大数据分析算法算法开发，癌症表观遗传机制与液体活检分子标志物鉴定，致盲性眼科图像智能诊断等方面的研究工作。开发在线算法工具和数据库8个，发表高水平SCI论文50余篇（累计影响因子300余点）。其中近5年第一或通讯作者（含共同）在Nature Genetics、Nature Communications、Genome Biology及Nucleic Acids Research等国际高水平期刊发表研究论文10余篇，参与生物医学信息学论著一项。
报告题目三：Computational methods to elucidate chromatin topological structures using 3D genomic maps
报告人：张世华（中国科学院数学与系统科学研究院）
主办单位：信息与计算机工程学院
报告时间：2019年11月15日（周五），16:30--17:30
地点：成栋楼928会议室
报告内容：The chromosome conformation capture (3C) technique and its variants have been employed to reveal the existence of a hierarchy of structures in three-dimensional (3D) chromosomal architecture, including compartments, topologically associating domains (TADs), sub-TADs and chromatin loops. In this talk, I am going to introduce three methods on deciphering 3D genomic maps: (1) a mixed-scale dense convolutional neural network model (HiCMSD) to enhance low-resolution Hi-C interaction map for deciphering accurate multi-scale topological structures; (2) a generic and efficient method to identify multi-scale topological domains (MSTD), including cis- and trans-interacting regions, from a variety of 3D genomic datasets; (3) a powerful and robust circular trajectory reconstruction tool CIRCLET without specifying a starting cell for resolving cell cycle phases of single cells by considering multi-scale features of chromosomal architectures.
报告人简介：张世华，中国科学院数学与系统科学研究院研究员、中国科学院随机复杂结构与数据科学重点实验室副主任、中国科学院大学岗位教授。主要从事优化、统计、机器学习与生物信息学交叉研究，主要成果发表在Advanced Science、Nature Communications、Nucleic Acids Research、Bioinformatics、IEEE TPAIM、IEEE TKDE、IEEE TFS、AoAS等杂志。目前担任BMC Genomics等杂志编委。曾荣获中国青年科技奖、国家自然科学基金优秀青年基金、中组部万人计划青年拔尖人才。
您当前所在位置：