Copyright © 第九届全国计算生物与生物信息学大会
Powered by 徐州医科大学
单细胞多组学数据异质性刻画与跨模态转换
口头报告
报告开始：5月14日 16:20:00 （Asia/Shanghai）
报告时间：15min
所在会议：[S3] 分会场三 [S3-2] 单细胞组学技术开发与应用
摘要
单细胞测序使得破译生物体内细胞的类型和构成成为可能，然而单细胞数据通常具有高维度、高噪声等特点，且单细胞多组学测序成本仍相对高昂。针对不同情境下的细胞异质性刻画问题，我们分别提出了基于非监督、弱监督和监督的机器学习方法，充分融合参考数据及细胞图谱，准确刻画细胞异质性并成功应用于多种下游分析。针对单细胞数据跨模态转换问题，我们提出了一种耦合自编码器模型，准确预测组学数据以复现细胞异质性，并有效识别细胞亚群、揭示其生物意义。该方法还能被进一步推广到单细胞数据增强、细胞类型自动注释、单细胞扰动数据预测等任务中。
报告人
陈盛泉
副教授 南开大学2017年7月本科毕业于厦门大学自动化系，2021年12月博士毕业于清华大学自动化系，2022年1月至今为南开大学数学科学学院副教授。主要从事组学数据建模与解析相关研究，主持国家自然科学基金一项，以第一或通讯（含共同）作者身份在Nat. Mach. Intell.、Nat. Commun.等期刊发表论文 9 篇，曾获得4次国家奖学金、清华大学研究生最高学术荣誉“学术新秀”称号，现任自动化学会智能健康与生物信息专业委员会委员、人工智能学会生物信息学与人工生命专委会委员、运筹学会计算系统生物学分会青年理事。