报告题目1：生物数据分析中的数据挖掘方法

　　报 告 人：于建涛

　　报告内容：计算生物学是分子生物学与信息科学、统计学相结合发展的新兴学科。如何开发适合解决特定生物问题的计算方法是计算生物学家的主要任务。本报告将围绕蛋白质相互作用预测、下一代测序数据分析等问题，阐述其中所涉及到的数据挖掘方法、统计学方法等，并讨论这些计算方法如何更好地为解决特定的生物问题而服务。

　　报告题目2：蛋白质复合物监督聚类挖掘方法研究

　　报 告 人：刘全中

　　报告内容：蛋白质复合物表示一组高度交互、相互调控、相互作用的蛋白质，它不仅可以用来预测蛋白质功能、疾病基因以及基因的突变，而且能帮助我们理解和解释特定的生物学变化过程。近年来，实验产生了大量的不同物种的蛋白质互作网络数据集，蛋白质相互作用网络可以模拟为一种图结构，其中蛋白质表示图的结点，蛋白质之间的交互表示图的边。一个蛋白质复合物对应蛋白质相互作用网络中一个连通子图，近年来研究界提出了很多挖掘蛋白质复合物算法，绝大部分的算法是一种非监督的聚类算法，这些算法共同的核心思想源于蛋白质是一个稠密的连通子图，设计特定的聚类标准试图搜索稠密连通子图以挖掘蛋白质复合物。但是，常规的聚类算法忽略了蛋白质子图固有的特性，本报告针对此问题，探讨一种监督聚类算法，整合蛋白质复合物子图固有的特征，设计新的监督聚类算法更好的解决常规聚类算法存在问题。

　　报告题目3：高通量数据的特征选择

　　报 告 人：耿耀君

　　报告内容：随着高通量检测技术的不断进步，在生命科学领域，基因表达数据，单核苷酸多态性（SNP）数据等高通量数据不断涌现。这些数据为我们从多种层面去认识疾病发生的机理，同一物种不同种群间的差异等问题提供了详细的资料。但是这些数据中基因或SNP的个数远远超过了样本的个数，如何在成千上万个基因或SNP中找出与疾病相关的基因和SNP是非常迫切需要解决的问题。报告将介绍两种解决此问题的方法。

　　报告题目4：Analysis of retained introns in Arabidopsis using machine learning methods

　　报 告 人：毛锐

　　报告内容：One of the important modes of pre-mRNA post-transcriptional modification is alternative splicing. Alternative splicing allows creation of many distinct mature mRNA transcripts from a single gene by utilizing different splice sites. In plants like Arabidopsis thaliana, the most common type of alternative splicing is intron retention. Many studies in the past focus on positional distribution of retained introns (RIs) among different genic regions and their expression regulations, while little systematic classification of RIs from constitutively spliced introns (CSIs) has been conducted using machine learning approaches. We used random forest and support vector machine (SVM) with radial basis kernel function (RBF) to differentiate these two types of introns in Arabidopsis.

　　报告题目5：生物网络模式数据发现算法

　　报 告 人：赵建邦

　　报告内容：代谢网络以模块化方式实现系统功能，特定功能的模块在拓扑上相对保守，存在于不同物种的代谢网络中。本报告将围绕代谢网络数据进行模式挖掘，包括模体以及功能模块的搜索问题。并探讨动态数据模式识别及其在代谢网络上的应用。

　　报告时间：10月30日  下午14:10

　　报告地点：信息工程学院二楼副203报告厅

　　报告人简介：

　　于建涛，工学博士，研究方向为机器学习方法与生物信息学。2011年7月获哈尔滨工业大学人工智能与信息处理专业博士学位，2001年12月至2014年7月在美国内布拉斯加-林肯大学植物科学创新中心从事下一代测序数据分析的博士后研究工作。在Bioinformatics（SCI影响因子5.3）、电子学报等国内外较高水平期刊上发表文章，参与过美国比尔盖茨基金等国内外重点科研项目，具有较强的交叉学科背景知识。

　　刘全中，博士。研究方向：数据挖掘、生物信息。在基因表达谱分类、信息基因选择、疾病相关的基因表达模式挖掘方面发表学术论文7篇。

　　耿耀君，工学博士，2013年3月毕业于西安电子科技大学，计算机应用技术专业。研究方向：模式识别，基因选择。

　　毛锐，女，陕西三原人。硕士研究生毕业于西安交通大学软件工程专业，现任西北农林科技大学信息工程学院讲师，在职博士。主要研究方向：数据挖掘方法在生物信息中的应用；可变剪切序列和结构的特征分析；自动化测试平台和工具

　　赵建邦，2011年12月毕业于西安电子科技大学计算机应用专业，获工学博士学位。主要的研究方向是：复杂网络模式数据挖掘、系统发生分析。

　　欢迎广大师生参加。

信息工程学院
2014年10月29日

编辑：0