首页 大会新闻 会议日程 演讲嘉宾 组织机构 参会指南 资料下载 合作单位 往届回顾 酒店预订
EN 登录 论坛申请 个人报名 团体报名
大会新闻
CNCC news
生命在于计算“人工智能时代下的精准医疗和生物医药大数据” 时间: 2019-10-14

本论坛将于CNCC2019第二天(10月18日)在苏州金鸡湖国际会议中心A105会议室举行,共邀清华、湖南大学、中南大学、上海交通大学、香港城市大学、中科院等机构的专家与你探讨。

论坛简介:

精准医学的核心是通过分析大量样本的基因组、电子病历、诊疗数据、医学影像数据等多组学数据和表型数据获得对疾病更精准的认识。国家开展精准医学大数据的研究是实施健康中国战略的重要措施,建立疾病预警、诊断、治疗、预后分析技术体系,形成重大疾病精准防诊治方案。近年来,国家通过973、863 计划和基金支持,在此基础上开展精准医学大数据有效挖掘与关键信息技术重点研发,对实现精准医学专项总体目标至关重要。论坛将围绕精准医学与医疗大数据的核心问题展开讨论,涉及个性化医疗与个体用药,复杂疾病的遗传学机制,“精准医学”的IT系统,基因测序海量数据的有效利用,生物医疗大数据与云计算等。

论坛主席

彭绍亮

彭绍亮,湖南大学"岳麓学者"三级教授,博导,国家超级计算长沙中心副主任,湖南大学教育舆情研究中心副主任(兼)。长期从事高性能计算、大数据、生物信息、人工智能、区块链等技术研究,国防科技大学"天河"生命科学方向负责人,国防科技大学/华大基因兼职教授,鹏城实验室智慧医疗平台课题负责人。出版专著7部,发表学术论文上百篇,单篇论文他引超过2307次。主持参与天河系列超级计算机应用软件研发工作,国家科技部、自然科学基金委重点项目,973/863项目等13项。获军队科技进步一等奖1项,CCF科学技术奖自然科学二等奖,2016年荣立三等功。是中央军委科技委生物交叉立项专家组成员、国家科技部/工信部/教育部会评专家、中国计算机学会理事(2016-2019)、CCF计算机应用和生物信息专委副主任、YOCSEF长沙主席(2016-2017)和总部AC委员(2017-)、CCF高性能计算、大数据、区块链专委委员、CCF杰出会员和杰出讲者、湖南省生物信息学会理事长、CCF2016大数据技术大会程序委员会主席、CCF大数据学术大会程序委员会副主席、第4届全国计算生物学学术会议大会主席、第17届APBC亚太地区生物信息会议程序委员会主席,担任3个SCI期刊和多个EI期刊主编副主编等。

周水庚

复旦大学计算机学院教授/博导,上海市智能信息处理重点实验室副主任,曾任复旦大学计算机科学与工程系副主任。曾短期访问新加坡国立大学、南洋理工大学、香港大学、香港中文大学和名古屋大学等。致力于运用数据库、数据挖掘和机器学习等方法解决生物计算问题。主要研究成果发表于数据库、人工智能和生物信息学等领域的相关国际期刊(包括Nature Communications,NAR,Bioinformatics,IEEE/ACM TCCB,VLDBJ,EEE TKDE等)和学术会议(包括ISMB,RECOMB,SIGMOD,SIGKDD,VLDB,ICDE,AAAI和IJCAI等)。目前为中国计算机学会杰出会员、生物信息学专业组主任委员、数据库专委会委员和大数据专家委员会委员;国际信息处理联合会(IFIP)“智能生物信息学与生物医学系统”分会共同主席;IEEE/ACM会员。担任IBW2013、APBC2014和GIW2016等生物信息学国际会议/研讨会组委会主席和程序委员会主席以及一系列生物信息学国际学术会议程序委员。

讲者和报告简介

张学工

报告一:机器学习能为人类细胞图谱计划做什么?

报告人:张学工,清华大学

报告摘要:以深度学习为代表的机器学习技术是当今人工智能领域最受关注的核心,各行各业对机器学习与大数据结合的应用充满了期待。机器学习是一大类方法与技术的总称,包括统计模式识别、神经网络、支持向量机、深度学习、概率学习等等,经过几十年曲折的发展,形成了几种主要的方法和理论体系,在不同应用场景下展现出各自优势与特点。在人工智能研究热潮高涨的同时,人们对人工智能中机器学习的发展历史和方法体系也存在一些不同认识。本报告将尝试回顾机器学习的发展历程和主要体系,并就机器学习在生物信息学中已有和未来的应用进行讨论。

报告人简介:张学工, 1989年毕业于清华大学自动化系,1994年获模式识别与智能系统博士学位,2001-2002年赴哈佛公共卫生学院进修。现为清华大学自动化系教授、生命学院和医学院兼职教授,清华大学学术委员会委员、自动化系学术委员会主任,北京信息国家研究中心生物信息学研究部主任。是国家杰青获得者、973首席科学家,国家级精品课主讲人,国家教学成果奖获得者,全国优秀科技工作者,国家创新群体负责人。张学工是中国人工智能学会常务理事、生物信息学与人工生命专委会主任,中国生物工程学会常务理事、生物信息学与计算生物学专委会常务副主任,CCF高级会员。主要研究方向包括机器学习、智能健康与生物信息、人类细胞图谱等。

魏冬青

报告二:人工智能与精准新药发现

报告人:魏冬青,上海交通大学

报告摘要:基因突变包括单核苷酸多态性(SNP)、核苷酸序列重复、插入以及缺失等,其可能会引起编码蛋白的氨基酸序列改变,导致蛋白结构变化而影响活性,也有一些位于调控区的基因突变可能引起功能蛋白表达量的差异。现已发现多种编码药物代谢酶、转运蛋白以及作用靶点蛋白(如受体)的基因存在着基因多态性,其中药物代谢酶基因多态性可能影响到药物吸收、分布、代谢和排泄的药动学过程,导致患者出现严重毒性反应或治疗无效。研发了分子模拟与计算机辅助药物设计软件SAMM,构建细胞色素P450酶多态性基因型-表型相关性数据库。把深度神经网络、支持向量机、随机森林、贝叶斯等非线性方法开发了统计预测模型以及基于web的软件工具并应用到小分子药物与多靶标以及蛋白机器的关联,药物构效关系,药物代谢以及毒理和基因表型相关性的研究中。开发了多靶标药物筛选、SNPs及ADMET 在线预测平台, 并将其应用到各种典型体系,对个性化药物用药有一定的指导意义。

报告人简介:魏冬青,上海交通大学生命学院生物信息与生物统计系以及微生物代谢国家重点实验室长聘教授。Nature-Springer SCI期刊"Interdisciplinary Sciences – Computational Life Sciences"主编, “J. Mol. Graph and Modeling”, "Molecular Simulation",“Scientific Reports”等10家杂志编委。发表SCI文章300多篇, 主编专著9部,SCI引用 超过 7000次, H因子50。获得横山亮次(Yokoyama Ryōji)奖,上海交大科学技术奖,中华医学奖,上海市科学进步一等奖, 计算机协会自然科学二等奖和上海市优博导师称号。

王建新

报告三:基于人工智能的生物医学组学大数据处理初探

报告人:王建新,中南大学

报告摘要:随着生物分析和计算技术的快速发展以及医疗信息化水平的不断提高, 生物医学领域产生了大量的数据,促进了生物医学大数据的形成,也使得生物医学的研究由原来的假设驱动向数据驱动的方式进行转变。生物医学大数据蕴含了极其丰富的信息和知识,是关乎国家持续发展、人类生存与健康的重要战略资源。然而,生物医学数据具有明显的高维、海量以及多源异类异构的特点,传统的分析方法已经难以适应生物医学大数据分析的需求,这使得生物医学大数据的分析与应用成为了当前国内外一个极具挑战性的问题。以深度学习为代表的人工智能技术的兴起给生物医学大数据的分析应用带来了新的曙光,成为了感知生物医学大数据跃动的脉搏,洞悉和发掘生物医学大数据神秘丰富的内在世界的重要手段和工具。我们将在分析生物医学大数据的主要来源以及相关特点的基础上,与大家分享交流目前人工智能技术在电子健康档案、医学影像数据以及生物组学数据的分析应用等方面的相关研究工作和挑战,并就生物医学人工智能应用中存在的主要问题进行简要地分析和探讨。

报告人简介:中南大学计算机学院院长、教授、博士生导师,医疗大数据应用技术国家工程实验室副主任,国务院学位委员会第七届学科评议组(计算机科学与技术)成员、国务院政府特殊津贴获得者、ACM Sigbio China主席、中国计算机学会生物信息学专业组副主任委员。国家973计划前期研究专项项目“信息处理算法及物理实现”首席科学家。从事生物信息学、计算机优化算法、网络优化理论等相关的研究工作。近5年来,主持国家自然科学基金重点项目、国家973等科研课题10余项,获授权发明专利15项,在Bioinformatics、TON、TCOM、TCBB、JCSS、Algorithmica、ISMB等刊物和国际会议上发表论文200多篇,出版专著3部,获得省部级科技奖励4项。

曾坚阳

报告四:Artificial Intelligence for Drug Discovery

报告人:曾坚阳,清华大学

报告摘要:The emergence of large-scale genomic, chemical and pharmacological data provides new opportunities for drug discovery and repositioning. In this talk, I will present our recent progress on applying artificial intelligence (AI) and machine learning approaches for drug-target interaction prediction and drug repositioning (i.e., finding the new uses of old drugs). First, we develop a new machine learning pipeline, called DTINet, to predict novel drug-target interactions (DTIs) from a constructed heterogeneous network, which integrates diverse drug-related information. Second, we propose DeepCPI, a new framework that combines feature embedding (a technique of representation learning) with deep learning for predicting compound-protein interactions at large scale. In addition to comprehensive computational tests on real biological data, we have we have experimentally validated a number of new interactions predicted by our methods for several important protein targets, including COX proteins, and the GPCR proteins GLP-1R and RXFP4. Both our computational and wet-lab experimental results suggest that our proposed AI driven methods can offer a useful and powerful pipeline for drug development and drug repositioning at large scale.

报告人简介:曾坚阳,清华大学交叉信息研究院,长聘副教授,博士生导师,入选中组部“青年千人计划”。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,在杜克医学院从事博士后研究。于2006年获得国际会议International Conference on Parallel and Distributed Computing, Applications and Technologies (PDCAT'05)的最佳论文奖。于2012年被卡内基梅隆大学(Carnegie Mellon University)评为Finalist for a Lane Fellowship in Computational Biology。获得“全国大学生挑战杯优秀指导教师”的称号。相关研究成果被生物信息领域的核心期刊GPB(Genomics, Proteomics and Bioinformatics)评为2018年度“中国生物信息学十大进展”。

孙燕妮

报告五:基于深度学习的长读取宏基因组功能分析

报告人:孙燕妮,香港城市大学

报告摘要:Pacific BioSciences开发的单分子实时测序(SMRT)(以下称为PacBio测序)可以产生比二代测序技术(如Illumina)更长的序列。长序列能够简化复杂基因组的后续拼装,从而获取更加完整的基因组。目前三代测序已经在基因组测序、甲基化研究、突变鉴定等方面有成功的应用实例。

在这个报告中,作者着重介绍其研究组在对用三代测序进行宏基因组数据功能分析方法上的一些工作。虽然PacBio测序长度大大增加,但是读取中的高错误率,特别是插入和删除错误对宏基因组学的功能分析带来新的计算挑战。即使是专为高错误率的长序列读取而设计的最佳单基因组组装工具,也无法针对宏基因组学数据产生理想结果。我们将介绍如何利用已知的参考蛋白组数据,并结合深度学习方法来进行更准确的宏基因组数据功能分析。

报告人简介:孙燕妮目前是香港城市大学电子工程系副教授。她于2008到2018年在美国密西根州立大学计算机系任助理教授和副教授。她于美国圣路易斯华盛顿大学计算机科学和工程系取得博士学位,在西安交通大学计算机系取得本科和硕士学位。她的研究方向是生物信息学中的方法和软件开发,特别是宏基因组学的数据分析,非编码RNA的注释等。她在2010年获得美国NSF CAREER Award。

李亦学

报告六:肝癌的生物信息学以及多组学研究

报告人:李亦学,中科院上海马普计算生物学研究所

报告摘要:我国肝脏疾病发病率高,相对生存率差 ,治疗困难。我们整合肝癌多组学数据,识别肝癌各个层面的候选驱动基因,利用贝叶斯网络模块的方法计算各层面的候选基因对肝癌表达的调控作用,全面识别肝癌的驱动基因,根据结果对肝癌病人分型,希望增进对肝癌的了解从而辅助肝癌治疗。

报告人简介:李亦学,博士毕业于德国海德堡大学理论物理研究所(Heidelberg University, Heidelberg,Germany),博士后研究员任职于欧洲分子生物学实验室(EMBL),现为中科院上海马普计算生物学研究所研究员,博士生导师,中科院特聘研究员,中国科学院上海生命科学研究院营养与健康研究所生物医学大数据中心主任,上海生物信息技术研究中心主任,上海生物信息学会理事长,国家蛋白质科学重大研究计划专家组专家,国家生物安全重点专项专家组专家,国家精准医学重点专项专家组专家,上海交通大学教授,复旦大学遗传学教育部协同创新中心前沿生物技术部主任。曾任国家“十五” 863计划生物和农业技术领域生物信息技术主题专家组组长,国家“十一五” 863计划生物医药技术领域专家组专家。国家蛋白质科学研究重大专项《模式生物和细胞等功能系统的系统生物学研究》、《代谢生理活动与病理过程中信号转导网络的系统生物学研究》两任专项项目首席科学家。作为通讯和共同通讯作者共发表科学论文300篇以上,引用12500次以上。


电话:010-6260 0336
邮箱:cncc@ccf.org.cn
地址:北京市海淀区科学院南路6号
联系我们
参会报名:010-6260 0336
论坛、活动:010-6256 2503-22
合作与展位:010-6256 2503-27
微信公众号
版权所有 中国计算机学会 技术支持:北京中科辅龙信息技术有限公司 联系电话:(86-10)62600336 京公网安备11010802017125号

京公网安备 11010802032778号