應偉德國際1946bv官網(wǎng)的邀請，中國人民大學姜昊教授于2024年10月19日上午9點在中關村校區(qū)主樓317會議室做了題為《稀疏多模態(tài)數(shù)據(jù)融合優(yōu)化》的學術報告。報告會由郭思尼老師主持，學院眾多師生參加了本次報告會。
姜昊教授的報告圍繞單細胞多模態(tài)數(shù)據(jù)的融合與優(yōu)化展開，重點解決了單細胞數(shù)據(jù)異質(zhì)性分析和多組學數(shù)據(jù)整合的挑戰(zhàn)。通過創(chuàng)新的算法和技術路線，旨在提升對生命過程、細胞類型的精確理解，并推動科學在單細胞測序、干細胞研究等方面的進展。
據(jù)姜昊教授介紹，單細胞測序技術自2009年問世以來，迅速應用于生命科學的各個領域。通過對單個細胞進行測序，科學家們能夠更深入地理解細胞的發(fā)育過程及其復雜的功能網(wǎng)絡。尤其是近年來，隨著測序成本的降低和技術的成熟，單細胞測序已經(jīng)成為研究多細胞生命體的重要工具。然而，如何應對單細胞數(shù)據(jù)中存在的異質(zhì)性、稀疏性以及噪聲問題，仍然是該領域的一大挑戰(zhàn)。本次報告的亮點之一，是提出了基于核非負矩陣分解（KNMF）的異質(zhì)性分析方法。這一方法結(jié)合了高階加權集成學習策略，顯著提高了單細胞RNA測序數(shù)據(jù)的處理能力。此外，研究團隊還通過多模態(tài)高階鄰域拉普拉斯矩陣優(yōu)化，實現(xiàn)了對不同組學數(shù)據(jù)的有效融合。該方法可以更好地分析單細胞中的細胞關系，從而得到更為精確的聚類結(jié)果。通過在多個數(shù)據(jù)集上驗證了新方法的有效性，包括神經(jīng)元細胞、胚胎干細胞和外周血單個核細胞等數(shù)據(jù)集。實驗結(jié)果表明，KNMF方法在細胞類型識別的準確性和穩(wěn)健性方面表現(xiàn)優(yōu)異，與現(xiàn)有的主流算法（如SC3、SIMLR等）相比，具有明顯的優(yōu)勢。
這一創(chuàng)新技術的應用前景十分廣闊。在細胞類型識別方面，新方法尤其適用于異質(zhì)性較高的癌癥細胞研究，可幫助科學家更好地理解腫瘤內(nèi)不同細胞群體的功能差異。此外，姜昊教授團隊還通過該方法發(fā)現(xiàn)了與特定疾病相關的生物標志物，如與小腸再生相關的干細胞類型和與癌癥細胞增殖相關的關鍵基因。未來，這一方法有望廣泛應用于多模態(tài)組學數(shù)據(jù)的分析，幫助科學家更精確地解析細胞在不同生物條件下的功能狀態(tài)。
匯報人簡介：
姜昊，中國人民大學數(shù)學學院教授、 博士生導師，擔任中國運籌學會女性工作委員會副秘書長、中國生物信息學（籌）生物信息學算法研究專業(yè)委員會秘書長、中國工業(yè)與應用數(shù)學會數(shù)學與生命科學專業(yè)委員會委員，主要從事機器學習、 數(shù)據(jù)挖掘、計算生物信息學、基于學習的建模、優(yōu)化和控制等方面的研究工作，主持、完成國家自然基金項目 3項，并以核心成員身份參與國家自然科學基金重大研究計劃集成項目。在 Pattern Recognition， IEEE Transactions on Neural Networks and learning Systems，Bioinformatics, Briefings in Bioinformatics, Information Sciences， Applied Mathematical Modeling, Applied Soft Computing 等國際權威期刊和會議發(fā)表論文 50 余篇。
