• 科學研究
    報告題目:

    基于圖子空間集成學習的生物實體交互推斷

    報告人:

    蔣興鵬

    報告時間:

    報告地點:

    騰訊會議,會議ID:980 112 279

    報告摘要:

    復雜生物系統由各種生物分子組成,任何一項生物功能都是有很多生物分子共同參與完成的,從復雜網絡的角度研究生物分子的性質、功能是當前生物信息學的重要研究方向。隨著新興生物技術和數據庫技術的迅速發展,產生了海量的組學數據,這為研究人員從分子水平上探索和揭示生命體的各項生命活動提供了豐富的數據來源,也使得構建不同生物分子(或實體)間的相互作用網絡成為可能。整合多組學數據構建生物網絡并推斷不同生物實體的交互關系是網絡生物學的重要研究課題,它可以揭示分子間的各種合作機制,幫助研究者了解生物分子功能,同時還能加深對各種復雜疾病的發生、發展和活動規律的理解。然而,面對海量的生物數據,僅依靠生物實驗來探索交互關系,不僅要耗費大量的人力、物力,還要相當長的時間,利用機器學習模型和計算機技術來解決生物上的問題是當前生物信息的重要研究手段。利用數據挖掘、機器學習等計算手段作為生物實驗的輔助和指導,可以快捷地從海量數據中進行初步篩選,大大的縮短了實驗的時間成本和資源花費。針對當前生物實體交互推斷算法中存在的問題,我們分別研究了基于多核鄰域相似性的網絡構建、基于多網絡融合和鄰域雙向傳播模型,以及基于圖的異構網絡稀疏子空間集成學習模型,并將它們應用到三類重要的生物實體交互推斷問題中。我們提出的模型以生物問題為主要研究對象,在生物實體交互關系推斷問題上取得了較好的應用效果,這些方法也可能適用于其他領域的相關研究。

    手机买彩票