講座報(bào)告主題：融合先驗(yàn)信息的兩階段基因選擇方法及其應(yīng)用
專(zhuān)家姓名：王沛
日期：2023-11-23 時(shí)間：18:30
地點(diǎn)：騰訊會(huì)議：602-663-5703
主辦單位：數(shù)學(xué)科學(xué)學(xué)院
主講簡(jiǎn)介：王沛，河南省特聘教授，河南大學(xué)教授，博導(dǎo)。從事系統(tǒng)生物學(xué)、生物統(tǒng)計(jì)學(xué)、網(wǎng)絡(luò)生物學(xué)等方面的研究。出版Springer專(zhuān)著1部；在IEEE Trans. Cyber., IEEE Trans. BioCAS, IEEE J. Biomed. Health Informat., IEEE/ACM TCBB, Informat. Sci., Knowl.-based Syst., Neurocomput., BMC Plant Biol., iScience, Plant Physiol., Nonlinear Dyn.等上發(fā)表學(xué)術(shù)論文60余篇，學(xué)術(shù)引用1300余次。主持國(guó)家自然科學(xué)基金項(xiàng)目2項(xiàng), 參與國(guó)家科技重大專(zhuān)項(xiàng)子課題1項(xiàng)，參與國(guó)家基金項(xiàng)目5項(xiàng)；獲得河南省優(yōu)青基金，入選河南省高?？萍紕?chuàng)新人才，河南省高校青年骨干教師；主持獲河南省科技進(jìn)步獎(jiǎng)1項(xiàng)，河南省教育廳科技成果一等獎(jiǎng)2項(xiàng)，開(kāi)封市青年科技獎(jiǎng)1項(xiàng)等。澳大利亞皇家墨爾本理工大學(xué)訪(fǎng)問(wèn)學(xué)者和香港城市大學(xué)訪(fǎng)問(wèn)研究助理。IEEE Senior Member，中國(guó)工業(yè)與應(yīng)用數(shù)學(xué)會(huì)復(fù)雜網(wǎng)絡(luò)與復(fù)雜系統(tǒng)專(zhuān)委會(huì)委員、數(shù)學(xué)生命科學(xué)專(zhuān)委會(huì)委員，中國(guó)指揮與控制學(xué)會(huì)網(wǎng)絡(luò)科學(xué)與工程專(zhuān)委會(huì)委員，中國(guó)人工智能學(xué)會(huì)生物信息學(xué)與人工生命專(zhuān)委會(huì)委員等。研究專(zhuān)長(zhǎng)：高維生物醫(yī)學(xué)數(shù)據(jù)的建模與統(tǒng)計(jì)分析、多層網(wǎng)絡(luò)理論及其生物應(yīng)用、復(fù)雜網(wǎng)絡(luò)構(gòu)建、統(tǒng)計(jì)分析、復(fù)雜網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)識(shí)別、生物網(wǎng)絡(luò)的建模與動(dòng)力學(xué)分析、混沌動(dòng)力系統(tǒng)分析、混沌系統(tǒng)最終界估計(jì)。
主講內(nèi)容簡(jiǎn)介：組學(xué)數(shù)據(jù)的特征選擇已被廣泛應(yīng)用于識(shí)別癌癥驅(qū)動(dòng)基因。雖然研究者們已經(jīng)提出了一系列的方法，但已有的基因選擇方法較少考慮將已知的癌癥驅(qū)動(dòng)基因作為先驗(yàn)知識(shí)。本報(bào)告介紹我們課題組近期提出的兩類(lèi)融合先驗(yàn)信息的兩階段基因選擇理論及其應(yīng)用。第一類(lèi)方法是首先通過(guò)組LASSO、主成分或因子分析等把先驗(yàn)基因提供的信息融合為少數(shù)的幾個(gè)綜合變量，然后再以這些綜合變量作為響應(yīng)，建立一系列的LASSO懲罰回歸模型，實(shí)現(xiàn)關(guān)鍵基因的篩選。第二類(lèi)方法是首先把先驗(yàn)基因逐個(gè)作為響應(yīng)，構(gòu)建LASSO懲罰的回歸模型篩選備選基因；然后以備選基因作為協(xié)變量，建立LASSO懲罰的邏輯回歸模型，同時(shí)實(shí)現(xiàn)關(guān)鍵基因的篩選和樣本的分類(lèi)。在轉(zhuǎn)錄組、單細(xì)胞組等各類(lèi)癌癥組學(xué)數(shù)據(jù)中的仿真以及與多種已有方法的對(duì)比表明，所提出的方法可以有效的選擇癌癥信息基因，顯著提高基因選擇的精度以及樣本分類(lèi)準(zhǔn)確率，并具有魯棒性。本報(bào)告介紹的方法可以更加準(zhǔn)確地找到與特定疾病或生物過(guò)程相關(guān)的更廣泛的基因，從而深入理解疾病發(fā)生和發(fā)展機(jī)制，并為疾病診斷、治療和藥物研發(fā)提供更加可靠的基礎(chǔ)。
歡迎師生參加！
