交流分享
当前位置:首页 > 学生思政 > 交流分享
赴加拿大温哥华不列颠哥伦比亚大学交流的心得——李文超
时间:2019-10-05 来源:研究生思政办 编辑:yjsszcse 访问次数:197

本人于2019826日至28日参加生物信息学与神经科学会议(International Conference on Informatics and Neuroscience, ICoBN),会议在加拿大温哥华不列颠哥伦比亚大学举办,组织方为IASED(The International Academy of Science and Engineering for Development)。此次会议面向生物信息学与神经科学领域的研究者,共同交流与探讨当前研究进展与未来发展方向。会议内容包含全体会议、领域知名学者的主题演讲、分会场讨论等各项议程。

在听取会议的诸多报告中,受益颇多。Prof. Wenbing Zhao对当前其实验室正在开展的关于在护理医学中的护理过程行为准确度判定的项目做了详细的报告。采用了“传感器感知-行为环境检测-判定”的分层模型,能够辅助医务人员对当前病人的状态以及护理标准度给出相应的判断Prof. Hesham H. Ali介绍了生物信息学中大数据的研究进展及未来发展方向,将生物与数据结合,推动了医疗及药学研究的创新。在生物信息的应用中,对比了hypothesis-drivendata-driven方法,由于生物技术的发展,大量的生物数据已经不适合使用前者方法进行分析,尤其在几十万个基因中,对每个基因进行假设验证是不现实的。而data-driven是根据数据进行系统性的研究。同时,教授也指出了当前的研究难点和热点问题,比如数据生成与数据分析的不均衡问题,不同算法在不同数据下的可实现度难题,以及数学模型与生物特性的结合有效性等问题。

根据会议议程,本人于827日下午5点进行了分会场汇报,主题为“ICGNI: ICA-based clustering with GBDT Network Inference using single-cell expression data”。计算生物学中,基因调控网络的结构推理是当前的研究热点亦是难点之一。随着高通量技术的发展,涌现出大量的生物数据,单细胞数据包含丰富的生物信息,通过对其挖掘可以探索未知细胞的秘密,推动生物学家在疾病诊断和药物研发中的研究。本报告介绍的方法首先通过ICA对生物数据进行维度转换,并且将独立成分看作独立的生物过程,在设定的阈值下将基因划分至不同的生物过程中,一般的聚类方法不同,该方法可以实现模块的overlapping。其次,采用GBDT对网络进行模块内的结构推理,并在此基础上将所有的调控因子TF选择出来通过Lasso回归的方式建立模块之间的联系,同时可以确定每个模块的hub genes。在方法分析与性能评价中,选择了三组分别来源于小鼠细胞及人类细胞的单细胞数据,将该方法与同领域其他方法相比,具有较好的推理准确度。ICGNI方法与其他方法相比具有一定的优势,AUPR等指标还需有进一步的提高,这也是对于单细胞的研究还有更多的未知需要探索。

与会期间,较全面地了解了在生物信息学以及神经科学中不同的研究发展方向以及研究难点,对今后个人的研究有许多启发。在当前的研究中主要是运用一种生物数据进行网络推理、辨识等工作,而Prof. Hesham H. Ali指出单一生物数据通常是不充足的。会议午餐期间与分会场主题汇报的Dr. Chiman Kwan交谈了如何开展科研工作,他对我的英语口语表达练习也针对性地提出了一定的建议与指导;与Prof. Wenbing Zhao交流了在科研学习中如何发掘未知问题,并且要对自己研究问题的意义与价值具有明确的分析。

会议召开地点为加拿大温哥华不列颠哥伦比亚大学,会议期间,游览了大学校园,其建筑风格比较现代化并且紧邻许多海滩,欣赏了海边日落。温哥华隶属于加拿大不列颠哥伦比亚省,东靠落基山脉,西至太平洋,是一座极具特色的城市。第一次乘坐温哥华公交车时发现乘客在下车时会向司机表示感谢;每隔一个街区就会有大大小小的各式公园;还有公交、地铁、海上巴士共同构成的方便快捷交通网络。

最后也感谢学院及导师对于我本次参会的支持与帮助,与会期间通过交流及汇报中锻炼了英语沟通表达能力,在未来的科研生活中以及认清自己的不足之处及发展方向。


 

图片2.png 图片3.png

图片1.png 图片4.png