细胞类型辨识的深度学习方法
编号：94
访问权限：仅限参会人
更新：2022-07-01 13:03:39
浏览：449次
特邀报告
报告开始：暂无开始时间 （Asia/Shanghai）
报告时间：暂无持续时间
所在会议：[暂无会议] » [暂无会议段]
暂无文件
摘要
人体由约50万亿个细胞构成。根据细胞内生物大分子的状态辨识这些细胞的类型不仅是理解人体分化发育等基础生物学问题的基础，还对下游疾病诊断及药物研发等应用具有促进作用。本报告介绍针对细胞类型辨识问题设计的非监督、弱监督和监督学习神经网络理论与方法，包括以下主要内容。首先，针对单细胞数据超高维度极度稀疏特点设计的循环生成对抗网络模型 Roundtrip。其次，基于该模型提出的细胞类型辨识非监督学习方法scDEC。第三，整合海量细胞群测序数据的弱监督学习方法 RA3。最后，基于细胞图谱高精度注释的监督学习方法EpiAnno。这些方法沿着对数据的利用逐渐充分的思路循序渐进地解决细胞类型辨识中的关键科学与技术问题，预期将为细胞图谱的构建提供技术支撑，从而促进基于单细胞测序的生物医学研究。
关键字
单细胞测序，深度学习
报告人
江瑞
副教授 清华大学江瑞，清华大学自动化系长聘副教授。主要研究方向为人工智能、统计推断、智能健康与生物信息。2002年于清华大学获博士学位，曾在香港科技大学和南加州大学从事博士后研究后，在斯坦福大学任访问教授。已在Nature Machine Intelligence, Nature Communications, Proc Natl Acad Sci USA等国际顶级期刊发表学术论文80余篇，多次在ISMB等顶级会议做学术报告和亮点报告，担任多个Nature子刊审稿人。现任中国自动化学会智能健康与生物信息专业委员会副主任。
发表评论