2022.11.01 基于机器学习的分子识别模式解析

2022-10-28 19:22:45

北京大学定量生物学中心

学术报告

: 基于机器学习的分子识别模式解析

报告人: 曾坚阳,长聘副教授

清华大学交叉信息研究院

: 111日(周二)16:00-17:00

: 吕志和楼B101

主持人: 韩敬东 教授

:

鉴定和预测分子之间的识别模式是生物学和药学领域的重要科学问题。DNARNA、蛋白质等生物大分子之间的相互作用是生命活动的基础,而大分子靶点与小分子化合物的相互作用是小分子药物研发的关键。近年来,高通量实验技术和海量生物数据的涌现以及先进人工智能技术的兴起,为深入探索分子间的识别机制提供了一个崭新的机会,但同时也对计算模型提出了新的挑战。围绕从海量生物数据中解析分子间识别模式这一目标,我们从信息整合、特征提取、异构网络等多维度出发,开发了多个先进的机器学习方法用以解析大分子间、小分子-蛋白间的识别模式,理解全基因组尺度的基因表达调控机理,准确预测药物-靶点互作,进而提高药物发现效率。

报告人简介:

曾坚阳现任职于清华大学交叉信息研究院,长聘副教授,博士生导师,国家杰出青年科学基金获得者。于1999年和2002年分别获得浙江大学的学士和硕士学位。2011年,在美国杜克大学(Duke University)获得计算机科学博士学位。2011年至2012年期间,在杜克大学计算机科学系和杜克医学院从事博士后研究。2012年作为中组部海外青年人才计划被引进清华大学交叉信息研究院。长期致力于人工智能/机器学习和生命科学的交叉学科研究。共发表学术论文80余篇,其中通讯作者论文包括Nature Machine Intelligence Nature CommunicationsNature Computational SciencePNAS Cell SystemsNucleic Acids ResearchSTTTProtein & Cell等,合作作者论文包括Nature等。成果获得ESI高引论文、"吴文俊人工智能自然科学"三等奖、"中国生物信息学十大进展" "中国生物信息学十大算法和工具"、世界人工智能大会青年优秀论文、国际会议ICIBM 2019最佳论文等。担任国际期刊IEEE/ACM Transactions on Computational Biology and Bioinformatics的编委、计算生物学领域的国际顶级会议ISMBRECOMB程序委员会委员。