“定量生物学2024: 生物医学大数据与人工智能”国际会议成功举办

2024-07-19 12:00:00

北京时间2024年7月15-18日,由北京大学定量生物学中心、北京大学成都前沿交叉生物技术研究院和四川省人民医院共同主办的“定量生物学2024:生物医学大数据与人工智能”(Quantitative Biology 2024: Biomedical Data and AI)国际学术会议在四川成都金牛宾馆成功举办。会议邀请了来自中国、美国、英国、加拿大等海内外29位相关领域的杰出学者进行了精彩纷呈的学术报告,现场260余人参会。本次会议得到了北大-清华生命科学联合中心、北京大学研究生院、北京生物信息学研究会、帝肯(上海)实验器材、北京和丰兴业、安捷伦科技(中国)、MCE(中国)、瑞沃德生命科技的共同支持。

会议合影

7月15日上午9:00会议正式开始,开幕式由韩敬东教授主持,北京大学定量生物学中心主任汤超院士和四川省人民医院副院长傅启华教授向大会致开幕辞。汤超指出“定量生物学”系列会议每年都会有一个不同的主题,而此次是第三次聚焦AI,这体现了其重要性,希望通过会议中的讨论和头脑风暴碰撞出新的思维火花,为医疗大数据的研究注入新的能量。傅启华简要介绍了四川省人民医院并期望本次会议能为医疗领域带来新的创新。

汤超致开幕词

傅启华致开幕词

学术报告围绕“生物医学大数据与人工智能”主题,讨论领域国际前沿进展。来自美国芝加哥大学的Vincenzo Vitelli教授介绍了通过细胞或者组织的分子成分来推断性质的最新研究进展。来自复旦大学的冯建峰教授对于目前脑科学中存在的多尺度的时空数据分析方法及其应用进行了总结,并介绍其所开发的用于估计神经元工作网络的新方法。来自北京大学的陈良怡教授介绍了课题组研发的微型介观镜COMET,并用其观测分析不同刺激条件下脑系统的变化。来自北京大学的韩敬东教授分享了利用AI研究衰老生物学的最新进展,包括在单细胞及个体水平定量刻画衰老的新算法。

下午,来自北京大学的来鲁华教授介绍了蛋白质可成药靶点预测算法和最近开发的基于深度学习的新算法,以及如何利用AI辅助发现新的蛋白质fold和理解序列-结构-功能的关系。来自四川大学的杨胜勇教授介绍了基于受体的PockerFlow算法用于在靶蛋白活性口袋内直接生成全新结构配体分子,并且用先验知识引导训练,为快速发现药物先导化合物提供了新工具。来自美国麻省理工学院的Sergey Ovchinnikov教授讨论了以往蛋白质序列设计中的不足,并指出使用Hallucination在序列空间中采样并使用神经网络来优化,可以极大缩短设计时间并产生有意义结构的序列。来自加拿大韦仕敦大学的Pingzhao Hu教授利用Domain adaption方法解决了分布偏移问题,实现了从肿瘤细胞系学习并迁移到预测人类肿瘤样本中cancer dependency map。

茶歇过后,来自英国桑格研究所的Mohammad Lotfollahi研究员介绍了单细胞图谱构建和多模态、多尺度对齐算法,加速了疾病进程中的关键细胞身份鉴定和生物学进程理解。来自美国Iambic Therapeutics的乔卓然研究员介绍了一种用于预测蛋白质-配体复合物结构的计算方法NeuralPLexer,为药物设计带来了新工具。来自昌平实验室的刘思睿博士介绍了一种用于蛋白质-蛋白质对接的计算框架,在多种下游任务中超越已有方法。最后来自北京大学的博士生朱泽峰介绍了一种简化的蛋白质表示方法FoldPolicy,实现了仅从蛋白质的一级序列构象分布生成蛋白质结构。

7月16日上午,清华大学张学工教授分享了其所开发的基于单细胞转录组学的基础模型scFoundation和scMulan,并提出了构造数字生命系统(dLife)的构想。来自中国科学院自动化研究所的杨戈教授介绍了其研究团队对于定量表征分析细胞内相互作用的图像分析技术开发进展,及单细胞基础模型(GeneCompass)进展。来自中科院数学与统计科学研究院的张世华教授分享了其将AI与空间转录组学相结合的研究进展。最后来自美国麻省理工学院的Pulin Li研究员和来自北京大学的高歌教授分别分享了可以追溯细胞信号传导历史的工具IRIS和结合多组学及建模方法的监督语言模型(RLM)。

下午,来自同济大学的刘琦教授介绍了所开发的多个计算工具来应对标签不完整、标签不确定以及标签不正确的情况,并利用多模态数据和转录组数据增强TCR测序数据的分析。来自北京大学医学部的谢正伟研究员介绍了DLEPS算法用于预测药物靶点,鉴定出的多种疾病治疗药物已证实在小鼠模型上有效。来自北京大学的裴剑锋研究员基于生成式模型结合小分子结构信息和药效团信息开发了TranPharmer,后续又开发了PharmGPT,能够有效的设计药物小分子。来自加拿大温尼伯大学的Qian Liu博士结合quantile regression方法,开发了新一代细胞类型解卷积算法,达到了SOTA标准,实现了对肿瘤组织中免疫环境的解析。

茶歇过后,来自北京科学智能研究院的温翰研究员将大语言模型的训练范式应用于RNA序列分析,开发了Uni-RNA——RNA序列大模型,成功预测了RNA的二级结构信息。来自南方科技大学的戴紫薇研究员用热力学模型模拟生物体内如何通过分配有限的酶预算实现最大化代谢通量,并用深度学习模型弥补数据不足。来自四川大学的张曜耀博士用四川大学华西第二医院妇产科的临床资源对胚胎等样本进行了多组学测序,建立了一个包括单细胞转录组和空间转录组等数据的数据库,促进了对出生缺陷和不孕不育等问题的理解。来自北京大学成都前沿交叉生物技术研究院的杨宁博士介绍了随机梯度下降中固有噪声增加了系统进入更平缓的解谷的难度,这种模式与Waddington的细胞命运决策景观有一一对应。

7月17日上午,来自哈佛医学院的Yang-Yu Liu教授总结了深度学习在理解微生物复杂系统的重要性,并概括了该领域的发展方向。而来自北京大学的李志远研究员分享了其挖掘微生物基因组数据到构建铁载体的过程,并揭示了致病微生物间和非致病微生物间铁载体的互作差异。来自美国凯斯西储大学的Fulai Jin教授介绍了其开发的DeepLoop算法从而更为高效地解析HiC测序结果中的3D结构和基因调控机制。最后,来自美国加州大学旧金山分校的李浩教授分享了其研究团队所筛选的逆转衰老因子(rejuvenating factor)以使细胞恢复活力的方法。

经过两天半丰富的学术报告和活动,“定量生物学2024: 生物医学大数据与人工智能”国际会议圆满落幕。本次会议共评选出5名“最佳海报奖”获得者,由欧阳颀院士和韩敬东教授为获奖者颁奖。韩敬东教授代表组委会对与会嘉宾、工作人员和志愿者表示了衷心的感谢。

颁奖仪式合影

韩敬东教授致闭幕词

组委会、工作人员和志愿者合影