南开大学机器人与信息自动化研究所 天津市智能机器人技术重点实验室
Institute of Robotics and Automatic Information System Tianjin Key Laboratory of Intelligent Robotics
2016年春季先进机器人与MEMS技术系列学术讲座
Seminar Series：Advanced Robotics & MEMS

报告题目：面向精准医学的多组学联合肿瘤标志物识别的生物信息学方法

时间：2016-03-28 周一 上午10:30-11:30.
地点：信息东楼105教室

个人简介：

王红强，中国科学院合肥研究院生物分子信息系统实验室主任，研究员，博导。2005年12月获中国科学技术大学模式识别与智能系统专业工学博士学位。2006年1月至2008年12月先后为香港理工大学Research Associate、香港城市大学Research Fellow。2009年3月至2011年8月在美国佐治亚大学（University of Georgia）生物信息研究所做博士后研究。他主要从事机器学习与智能算法等领域的工作，长期致力于生物信息学、癌症建模等方面的研究，发表SCI、EI等学术论文50多篇。近年来在生物信息学领域取得多项成果，以第一作者或通讯作者在Bioinformatics、Pattern Recognition等专业领域顶级期刊上发表5篇以上论文，主持多项NSFC等国家科研项目，提出了多种生物分子信息系统的分析与建模方法，开发了肿瘤个性化精准用药分析云平台等医疗软件系统，并在临床开展应用，他还任世界中医药联合会网络药理学专业委员会常务理事。

报告摘要：

随着高通量生物技术不断发展，多种类型的生物组学数据大量产生。有效地集成分析这些组学数据破解生命秘密成为机器学习与生物信息领域的热点。报告将针对组学数据的集成分析领域，介绍我们近期在方法与实验上取得的进展。主要包括如下工作：高通量数据meta分析方法。该方法将联合矩阵分解技术（NMF）与基因调控模型相结合，有效揭示了生命分子活动在不同遗传分子水平上的系统一致性。实验表明，该技术对肿瘤标记物的识别性能远优于现有方法。研究结果证实影响高通量meta分析的主要因素为数据依赖性和异质性。这两者可将现有分析方法分为三组，其性能从高到低具有显著的区别。结合非小细胞肺癌（NSCLC）的多组学数据，该方法已识别出多种已知的甲基化驱动致癌基因，发现了新的NSCLC标记物，并可用于开发新的NSCLC甲基化药物。这一成果发表于生物信息领域著名期刊Bioinformatics上；也有效地拓展了机器学习方法的应用研究。