您当前位置: 首页  >  新闻中心  >  学院新闻  >  正文

学院新闻

计算机科学与技术专家讲座系列报道 (黄德双)

发布日期:2019-12-18 发布人: 点击量:

2019年12月11日下午16:30,黄德双教授在吉林大学计算机楼A521作了题为“Motif Mining in DNA Sequences by Deep Neural Networks”的学术报告。

黄德双,同济大学特聘教授(二级教授)、博士生导师,中国科技大学博士生导师、兼职教授,2000年度中科院“百人计划”入选者同济大学认知互联网国际合作联合实验室主任,机器学习与系统生物学研究所所长, 国家自然科学基金委第十四届专家评审组成员, 国家新一代人工智能重大项目首席科学家国际模式识别学会会士(IAPR Fellow),国际智能计算学术会议Founding Chair,国际神经网络学会(INNS)常务理事,中国计算机学会生物信息学专业委员会副主任委员IEEE/ACM Transactions on Computational Biology and Bioinformatics, Neural Networks等国际杂志编委。已发表SCI收录论文220余篇,SCI他引3800余次,入选2014-2018年度爱思唯尔(Elsevier)Scopus数据库中国高被引学者榜单(计算机科学卷),出版专著3本,主编论文集49本,曾获1997年度第八届全国优秀科技图书二等奖 (排名唯一),2010年度安徽省自然科学一等奖 (排名第一) ,2016年度教育部自然科学一等奖(排名第一),2018年度吴文俊人工智能科技进步一等奖(排名第一)。

在报告中,黄德双教授介绍了近年来的生物学研究情况提到位点基序挖掘在基因表达的转录和翻译阶段起至关重要的作用,因此对基序的研究有助于理解复杂的生物分子系统,以及解释疾病的发病机制。一般来说,如何通过计算方法对motif进行深入研究一直是生命系统基因调控过程建模的核心问题之一。基于如上研究背景,黄德双教授首先提出生物序列motif预测的基本问题,然后结合新兴的热门技术“Deep Neural Networks”,系统地讲述了生物序列motif预测。在简要介绍几种典型的深度神经网络模型和生物序列基序预测的研究现状基础上,讨论了基于深度学习的motif预测存在的不足,介绍了各种改进的motif预测方法包括高阶卷积神经网络结构、弱监督卷积神经网络结构、基于深度学习的序列+形状框架以及用于DNA motif预测的双向递归神经网络,介绍了用于RNA motif预测的多尺度卷积门控递归神经网络模型和改进的包膜网络。最后指出了这方面的一些新研究问题,并对其进行了综述。本次报告受到了计算机学院师生的热烈响应和一致好评。