http://www2.scut.edu.cn/_upload/tpl/08/ae/2222/template2222/main.htmgit
第四屆中國計算機學會生物信息學會議算法
The Fourth CCF Bioinformatics Conference (CBC 2019)數據庫
廣州, 2019年8月23日-25日express
Keynote Speaker編程
方向東 研究員，中國科學院北京基因組研究所研究員、「百人計劃」研究員安全
報告題目：基因組大數據與全民健康
摘要：基於高通量測序的基因組技術近幾年在國內外均獲得了飛速的發展，併成爲精準醫學和智慧健康的核心內容。隨着基因測序的價格愈來愈低，愈來愈多的基因數據積累起來，若是可以及時獲取、結構化整合、快速分析這些數據，而且有效整合臨牀醫療與衛生健康數據，才能開展精準的疾病分類及診斷，實現個性化的疾病防治和健康管理的全新模式。其技術核心是根據個體的基因和表型特徵，早期快速診斷、適時個性化干預、精準有效治療。目前關鍵技術瓶頸是生命健康大數據不能獲得有效利用，其主要緣由在於：數據多元異構、物理分散，亟需集成與融合，須要開發組學和醫療數據集成引擎，創建標準化的、可拓展、可共享的精準醫學大數據平臺；在充分保障健康數據的隱私和安全的前提下，有效實現精準醫學大數據的互聯、互通、互操做。國家主管部門要及時出臺相關的法規和標準，加快建設統一權威、互聯互通的人口健康信息平臺，積極推進並協調多部門信息互通和共享。還須要儘快創建符合精準醫療需求的大型天然人羣和專病隊列、標準化生物標本庫、中國人羣多組學參比數據庫、重大疾病臨牀樣本生命組學數據庫等大數據資源；努力提升海量臨牀醫療數據的集成度和規範化程度，創建並完善融合生命組學數據跨庫關聯技術體系，而且及時歸入精準醫學的評價和治療體系，對不一樣基因型的患者提供個體化診斷及精準藥物治療。
報告人簡介：方向東研究員，第一軍醫大學博士畢業，導師李進教授、戚正武院士。現任中國科學院「基因組科學與信息」 重點實驗室副主任，北京基因組研究所「百人計劃」研究員，北京市「基因組與精準醫學檢測技術」重點實驗室主任， 《發育醫學電子雜誌》主編、Genomics Proteomics Bioinformatics副主編， 還擔任科技部人類遺傳資源管理專家、衛健委遺傳諮詢能力建設專家委員會和中國遺傳學會遺傳諮詢分會專家委員、國家天然科學基金委員會醫學科學部評審組專家。 仍是中國轉化醫學聯盟理事、中華醫學會醫學信息學分會、中國醫藥生物技術協會基因檢測技術分會和生物醫學信息技術專業委員會常務委員等。 SCI期刊Genomics Proteomics Bioinformatics和中國科技核心期刊《發育醫學電子雜誌》副主編、《遺傳》雜誌編委。 主要從事醫學遺傳學和基因組學研究。發表SCI論文60餘篇；主編專著1部；參編專著6部； 得到國家發明專利受權10項、計算機軟件著做權24項、新葯證書1項、省部級科技進步獎3項。 主持國家「十三五」重點研發計劃「精準醫學研究」《精準醫學大數據處理和利用的標準化技術體系建設》項目。網絡
黃德雙 教授，英國利物浦約翰摩爾大學兼職教授、「百人計劃」入選者、IAPR Fellowapp
報告題目：Motif Mining in Biological Sequences by Deep Neural Networks
摘要：Recent biological studies have shown that binding-site motif mining plays a crucial role in the transcription and translation phases of gene expression, so the study of motif will help to understand the complex biomolecular system and explain disease pathogenesis. Generally, how to carry out an in-depth research on motifs through computational methods has always been one of the core issues in the modeling of life system gene regulation processes. In this report, I will first present the fundamental issue for motif prediction of biological sequences, then systematically present motif prediction of biological sequences in combination with the popular emerging technology 「Deep Neural Networks」. Firstly, several classical models for deep neural network and the research status of biological sequence motif prediction will be briefly introduced. Secondly, the existing shortcomings of deep-learning based motif prediction is discussed, and correspondingly a variety of improved motif prediction methods including high-order convolutional neural network architecture, weakly-supervised convolutional neural network architecture, deep-learning based sequence + shape framework and bidirectional recurrent neural network for DNA motif prediction, multi-scale convolution gated recurrent neural network model and improved capsule network for RNA motif prediction, are introduced. Finally, some new research problems in this aspect will be pointed out and over-reviewed.
報告人簡介：黃德雙教授，工學博士，英國利物浦約翰摩爾大學兼職教授，同濟大學特聘教授(二級教授)、博士生導師，中國科技大學博士生導師、兼職教授，2000年度中科院「百人計劃」入選者。 同濟大學認知互聯網國際合做聯合實驗室主任，機器學習與系統生物學研究所所長, 國家天然科學基金委第十四屆專家評審組成員。國際模式識別學會會士(IAPR Fellow)，國際智能計算學術會議Founding Chair，國際神經網絡學會（INNS）常務理事，IEEE高級會員，上海市計算機學會生物信息學專業委員會主任委員。IEEE/ACM Transactions on Computational Biology and Bioinformatics, Neural Networks等國際雜誌編委。已發表學術論文460餘篇，其中收錄論文210餘篇，SCI他引3800餘次，入選2014-2018年度愛思惟爾（Elsevier）Scopus數據庫中國高被引學者榜單（計算機科學卷），出版專著3本，主編論文集49本， 曾獲1997年度第八屆全國優秀科技圖書二等獎 (排名惟一)，2010年度安徽省天然科學一等獎 (排名第一) ，2016年度教育部天然科學一等獎(排名第一)，2018年度吳文俊人工智能科技進步一等獎(排名第一)。 發表在Neural Computation，Digital Signal Processing和Methods上的3篇論文分別被選爲當期的封面。 已申請發明和實用新型專利34項，其中19項已受權，軟件著做權4個。做爲客座編輯，在13種國際SCI雜誌已編輯出版24期刊物。機器學習
李亦學 研究員，中科院上海馬普計算生物學研究所研究員、首席科學家ide
報告題目：肝癌的生物信息學以及多組學研究
摘要：我國肝臟疾病發病率高，相對生存率差 ，治療困難。咱們整合肝癌多組學數據，識別肝癌各個層面的候選驅動基因，利用貝葉斯網絡模塊的方法計算各層面的候選基因對肝癌表達的調控做用，全面識別肝癌的驅動基因，根據結果對肝癌病人分型，但願增進對肝癌的瞭解從而輔助肝癌治療。 臨牀上肝臟受損時肝細胞重編程對肝臟再生有重要貢獻，咱們發現了重要的表觀遺傳因子Arid1a，在肝臟重編程過程當中賦予在靜息條件下重編程富集基因保守的染色質狀態，以應對肝損傷信號快速再生。敲除致使肝細胞重編程缺陷，再生受損、肝功能障礙。但願研究促進基於肝細胞可塑性的再生療法的發展 咱們創建了世界上最大的肝癌細胞系肝癌模型庫（LIMORE），做爲肝癌精確治療研究的模式細胞繫系統，經過這個模式細胞繫系統，咱們還創建了一個具備很好的應用價值的數據庫體系，數據包括該癌細胞系的全基因組變異信息，基因表達信息，肝癌細胞系對絕大多數抗腫瘤藥物的治療效果和耐藥的藥物基因組信息。做爲臨牀精準醫學研究的應用實例，咱們成功地使用LIMORE系統的多組學數據，結合機器學習方法，經過整合分析，發現了一個可用於肝癌治療一線藥物索拉菲尼預後評估的疾病生物標誌物，這是一種分泌蛋白，全面的驗證明驗代表，該疾病生物標誌物能夠做爲索拉非尼預後和療效診斷的伴隨診斷標誌物，具備良好的臨牀應用前景。
報告人簡介：李亦學教授，博士畢業於德國海德堡大學理論物理研究所（Heidelberg University， Heidelberg，Germany），博士後研究員任職於歐洲分子生物學實驗室（EMBL），現爲中科院上海馬普計算生物學研究所研究員，博士生導師,中科院特聘研究員，中國科學院上海生命科學研究院養分與健康研究所生物醫學大數據中心主任，上海生物信息技術研究中心主任，中國生物信息學會（籌）副理事長，上海生物信息學會理事長，國家蛋白質科學重大研究計劃專家組專家，國家生物安全重點專項專家組專家，國家精準醫學重點專項專家組專家，上海交通大學教授，復旦大學遺傳學教育部協同創新中心前沿生物技術部主任。曾任國家「十五」 863計劃生物和農業技術領域生物信息技術主題專家組組長，國家「十一五」 863計劃生物醫藥技術領域專家組專家。國家蛋白質科學研究重大專項《模式生物和細胞等功能系統的系統生物學研究》、《代謝生理活動與病理過程當中信號轉導網絡的系統生物學研究》兩任專項項目首席科學家。做爲通信和共同通信做者在包括 Nature，Science，Nature Communications， Genome Research，Genome Biology，Genome Medicine，Molecular System Biology，Molecular Biology & Evolution，PANS，Diabetes，Molecular Cell Proteomics，Cell Research，Nucleic Acid Research，Bioinformatics，Plos Computational Biology 在內的專業雜誌共發表科學論文300篇以上，引用12500次以上。
劉奕志 教授，國天然基金創新羣體學術帶頭人、973計劃首席科學家、中山大學中山眼科中心主任、眼科學國家重點實驗室主任、眼科醫院院長
報告題目：用人工智能進行常見眼病篩查診斷、風險和預後預測的研究
摘要：全球的盲和視覺損傷患者數量已超過2.5億人。然而由於有經驗的眼科醫生不足，且患者廣泛對疾病缺少認識，許多患者錯過眼病的早期診斷，也少有對疾病發展預後的準確評估。咱們利用近年來高速發展的機器學習新算法，用計算機對眼科診療大數據進行深度學習，構建了白內障圖像識別診療決策雲平臺、青光眼多模態診斷體系、眼底多疾病診斷系統和近視發展預測的一系列人工智能模型，通過內外部的機器數據驗證，準確率都可達到90％以上。咱們的系統已經在臨牀上初步投入使用，並取得了臨牀實踐上的真實反饋。在一項多中心臨牀隨機對照研究中，咱們的小兒白內障診療決策平臺對每位患者的平均診療用時在3分鐘之內，速度遠快於人類專家，而且患者在接受人工智能診療過程當中體現了高度的滿意度。人工智能可輔助或部分代替醫生，經過網絡通信技術，遠程爲廣大患者提供專家級別的篩查、診斷、診療決策、風險評估和預後預測的新型醫療服務。
報告人簡介：劉奕志教授，1991年於中山醫科大學博士畢業；國天然基金創新羣體學術帶頭人、973計劃首席科學家；現任中山大學中山眼科中心主任，眼科醫院院長，眼科學國家重點實驗室主任，中華醫學會眼科分會副主任委員。國務院政府特殊津貼專家，中央保健會診專家。白內障科學科帶頭人。亞太眼科學會常務理事，中華醫學會眼科分會白內障人工晶狀體學組副組長，廣東省醫學會副會長，廣東省醫學會眼科分會主任委員，《Molecular Vision》共同主編，《current Molecular Medicine》雜誌副主編，《中華眼科雜誌》等核心眼科雜誌編委。實現了人類晶狀體再生，開拓了利於內源性幹細胞治療疾病的新方向，以通信做者發表在Nature雜誌，並被Nature Medicine雜誌評爲「2016年度全球醫學八大突破性進展」。創新了系列眼科診治技術：「扭動」白內障粉碎技術在全球普遍應用；曾在 Science 、N Engl J Med 、Lancet 、BMJ 撰寫臨牀述評和技術標準。曾得到「何梁何利」基金科學與技術進步獎、國家科學技術進步二等獎、中國青年科技獎、中央保健先進我的、全國「五一」勞動獎章等榮譽。
王建新 教授，中南大學計算機學院院長，醫療大數據應用技術國家工程實驗室副主任，首席科學家
報告題目：生物醫學大數據處理研究探討
摘要： 隨着生物分析和計算技術的快速發展以及醫療信息化水平的不斷提升, 生物醫學領域產生了大量的數據，促進了生物醫學大數據的造成，也使得生物醫學的研究由原來的假設驅動向數據驅動的方式進行轉變。生物醫學大數據蘊含了極其豐富的信息和知識，是關乎國家持續發展、人類生存與健康的重要戰略資源。然而，生物醫學數據具備明顯的高維、海量以及多源異類異構的特色，傳統的分析方法已經難以適應生物醫學大數據分析的需求，這使得生物醫學大數據的分析與應用成爲了當前國內外一個極具挑戰性的問題。以深度學習爲表明的人工智能技術的興起給生物醫學大數據的分析應用帶來了新的曙光，成爲了感知生物醫學大數據躍動的脈搏，洞悉和發掘生物醫學大數據神祕豐富的內在世界的重要手段和工具。咱們將在分析生物醫學大數據的主要來源以及相關特色的基礎上，與你們分享交流目前人工智能技術在電子健康檔案、醫學影像數據以及生物組學數據的分析應用等方面的相關研究工做和挑戰，並就生物醫學人工智能應用中存在的主要問題進行簡要地分析和探討。
報告人簡介：王建新教授，中南大學計算機學院院長、教授、博士生導師，醫療大數據應用技術國家工程實驗室副主任，國務院學位委員會第七屆學科評議組(計算機科學與技術)成員、國務院政府特殊津貼得到者、ACM Sigbio China主席、中國計算機學會生物信息學專業組副主任委員。國家973計劃前期研究專項項目「信息處理算法及物理實現」首席科學家。從事生物信息學、計算機優化算法、網絡優化理論等相關的研究工做。近5年來，主持國家天然科學基金重點項目、國家973等科研課題10餘項，獲受權發明專利15項，在Bioinformatics、TON、TCOM、TCBB、JCSS、Algorithmica、ISMB等刊物和國際會議上發表論文200多篇，出版專著3部，得到省部級科技獎勵4項。
王魯生 教授，香港城市大學計算機科學系教授
報告題目：New Findings for Rearrangement Events and Efficient Algorithms for Longest Common Subsequence with Distance Constraint
摘要： In this talk, we will discuss two problems in computational biology, new findings for rearrangement events and a new algorithm for the problem of longest common subsequence with distance constraint that runs in time O(mlogn), where m is the number of matched pairs of letters between the sequences and n is the length of the short sequence. Genome rearrangements describe changes in the genetic linkage relationship of large chromosomal regions, involving reversals, transpositions, block interchanges, deletions, insertions, fissions, fusions and translocations etc. By comparisons of strains for the same species, we find that the existence of repeats at the breakpoints of a rearrangement event can make the sequences at the breakpoints remain unchanged before and after the rearrangement events. Thus, the conservation of ends of rearrangement events could possibly be a popular phenomenon in many types of genome rearrangement events. The problem of the longest common subsequence with distance constraint is formulated from mapping long reads to reference genomes. An algorithm with running time O(mlogn) was given 40 years ago for the case, where there is no distance constraint. It seems that the old algorithm cannot be extended to work for the new version. Here we give a different algorithm that can solve the problem in O(mlogn) time. We will also discuss the applications of the algorithm in mapping long reads to reference genomes.
報告人簡介：王魯生教授，香港城市大學計算機科學系教授。在加入香港城市大學前，他曾在加州大學戴維斯分校擔任博士後研究員一年。從事算法、生物信息學、計算生物學、網絡、人工智能等領域的研究工做，在TCBB、Bioinformatics、JCSS、JACM等領域期刊發表論文數百篇。他是IEEE/ACM TCBB、BMC Bioinformatics、International Journal of Knowledge Discovery in Bioinformatics、JCSS的副主編，也是Journal of Bioinformatics and Computational Biology和Journal of Global Optimization的編輯委員會成員。
張曉明 教授，IEEE Fellow、IET/IEE Fellow、BCS Fellow、RSA Fellow、IETI Distinguished Fellow
報告題目：Clustering on Imbalanced Data
摘要：In many practical problems, the number of data forming difference classes can be quite imbalanced, which could make the performance of the most machine learning methods become deteriorate to a certain degree. In general, the problem of learning from imbalanced data is nontrivial and challenging in the field of data engineering and machine learning, which has attracted growing attentions in recent years. In the literature, most of the existing works are focusing on supervised learning only. As far as we know, imbalanced data clustering in unsupervised environment has yet to be well studied. In this talk, we will first formally describe and compare the imbalance problem on supervised and unsupervised learning setting. Then, we describe the key challenge of the problem of clustering on imbalanced data, which is called uniform effect. Accordingly, we propose a solution called SMCL for this problem. The advantages of SMCL are three-fold: (1) It inherits the advantages of competitive learning, and meanwhile is applicable to the imbalanced data clustering; (2) The self-adaptive multi-prototype mechanism uses a proper number of subclusters to represent each cluster with any arbitrary shape; (3) It automatically determines the number of clusters for imbalanced clusters. Empirical studies show the promising results.
報告人簡介：CHEUNG, Yiu-ming（張曉明）教授, 2000年獲香港中文大學計算機科學系博士學位, IEEE Fellow, IET/IEE Fellow, British Computer Society Fellow (BCS Fellow), Fellow of the Royal Society of Arts (RSA Fellow), Distinguished Fellow of International Engineering and Technology Institute, Hong Kong （IETI Distinguished Fellow）,IEEE香港計算智能（前身爲神經網絡）學會始創者及前任主席， 並且也是香港浸會大學計算和理論科學研究所的副所長，現任香港浸會大學終身教授。在相關國際著名期刊及學術會議上發表高水平論文220篇，得到國際會議最佳論文獎4篇、香港浸會大學計算機科學系最佳研究獎、第45屆日內瓦國際發明展上榮獲計算機科學組別優異金獎（即金獎中的最高級別）、瑞士汽車會大獎二項國際大獎、第七屆香港創新科技成就大獎香港創新發明獎金牌、第46屆日內瓦國際發明展評判嘉許特別金獎（即金牌中的最高級別）、羅馬尼亞優異獎，住持承擔香港研究資助局、國家天然科學基金等科研項目20多項，發明專利3項（第一發明人），擔任IJCIAI,ACML,ICIP等多個國際著名會議程序委員會主席、組織委員會主席、分會主席，是湖北省楚天學者及華中科技大學講座教授，是哈爾濱工業大學深圳研究員客座教授，同時是香港研究資助局優配研究金及優質教育基金評審專家、深圳市科技創新委員會以及香港學術及職業資助資歷評委局評委，並擔任多個國際期刊的副主編