资讯
展览资讯 大型展会 灯光节 大型盛典 赛事 中标捷报 产品快讯 热门话题 艺术节 活动 演出 新闻 数艺报道 俱乐部签约
观点
大咖专访 观点洞察 书籍推荐 吐槽 设计观点 企业访谈 问答 趋势创新 论文 职场方法 薪资报价 数艺专访
幕后
幕后故事 团队访谈 经验分享 解密 评测 数艺访谈
干货
设计方案 策划方案 素材资源 教程 文案资源 PPT下载 入门宝典 作品合集 产品手册 电子书 项目对接
  • 0
  • 0
  • 0

分享

人工智能学院生物信息学专题报告(第12场)——俄亥俄州立大学马安骏研究员学术报告

原创 2022-12-16


人工智能学院生物信息学专题报告(第12场)

马安骏

俄亥俄州立大学


  报告题目 

利用深度迁移学习预测癌症药物治疗中单细胞水平的药物反应

 报告简介 

由于个体及癌细胞亚型间的异质性,当前的癌症药物治疗存在低疗效和高复发率的问题。这种异质性导致了单个细胞对药物的分化反应,是基于传统转录组测序(bulk RNA-seq)数据进行的预测无法识别出的。单细胞转录组测序(scRNA-seq)技术的发展为发现癌症亚群对特定药物反应的异质基因表达提供了前所未有的机会。为此,该项目提出了scDEAL,一个利用大规模bulk细胞系数据在单细胞水平上预测癌症药物反应的深度迁移学习框架。scDEAL的亮点在于使用自适应神经网络协调药物相关的bulk RNA-seq与scRNA-seq数据,并通过迁移学习把在bulk RNA-seq数据上训练的模型用以预测单细胞RNA-seq中的药物反应。该模型解决了在现有药物治疗相关单细胞转录组数据资源不足的情况下模型训练的问题。scDEAL的另一个特点是整合梯度特征解释来推断耐药机制的特征基因。通过对六套scRNA-seq数据集上的基准测试,以及三个专注于药物反应标签预测、基因特征识别和伪时间的案例分析,证明了模型的准确性及可解释性。

 主讲嘉宾 

马安骏,俄亥俄州立大学生物医学信息系研究员。其主要研究方向是研究基于单细胞多组学的大数据分析、基因调控预测、以及相关深度学习算法模型的开发,应用领域涉及癌症免疫、细胞老化、人体肿瘤微环境微生物预测和耐药性预测。其在Nature Communications,Nature Immunology,Trends in Biotechnology,Bioinformatics等杂志上发表论文35篇,引用超1000次。

 报告时间 

2022年12月17日上午9:00

 报告地点 

腾讯会议676-225-351

 主办单位 

人工智能学院




吉林大学|人工智能学院

吉林省长春市|吉林大学中心校区

正新楼|7F


阅读原文

* 文章为作者独立观点,不代表数艺网立场转载须知

本文内容由数艺网收录采集自微信公众号吉林大学人工智能学院 ,并经数艺网进行了排版优化。转载此文章请在文章开头和结尾标注“作者”、“来源:数艺网” 并附上本页链接: 如您不希望被数艺网所收录,感觉到侵犯到了您的权益,请及时告知数艺网,我们表示诚挚的歉意,并及时处理或删除。

数字媒体艺术 新媒体艺术 科技艺术 学术报告

13983 举报
  0
登录| 注册 后参与评论