講座報告主題：融合先驗信息的兩階段基因選擇方法及其應用
專家姓名：王沛
日期：2023-11-23 時間：18:30
地點：騰訊會議：602-663-5703
主辦單位：數學科學學院
主講簡介：王沛，河南省特聘教授，河南大學教授，博導。從事系統生物學、生物統計學、網絡生物學等方面的研究。出版Springer專著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.等上發表學術論文60余篇，學術引用1300余次。主持國家自然科學基金項目2項, 參與國家科技重大專項子課題1項，參與國家基金項目5項；獲得河南省優青基金，入選河南省高校科技創新人才，河南省高校青年骨干教師；主持獲河南省科技進步獎1項，河南省教育廳科技成果一等獎2項，開封市青年科技獎1項等。澳大利亞皇家墨爾本理工大學訪問學者和香港城市大學訪問研究助理。IEEE Senior Member，中國工業與應用數學會復雜網絡與復雜系統專委會委員、數學生命科學專委會委員，中國指揮與控制學會網絡科學與工程專委會委員，中國人工智能學會生物信息學與人工生命專委會委員等。研究專長：高維生物醫學數據的建模與統計分析、多層網絡理論及其生物應用、復雜網絡構建、統計分析、復雜網絡中的關鍵節點識別、生物網絡的建模與動力學分析、混沌動力系統分析、混沌系統最終界估計。
主講內容簡介：組學數據的特征選擇已被廣泛應用于識別癌癥驅動基因。雖然研究者們已經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動基因作為先驗知識。本報告介紹我們課題組近期提出的兩類融合先驗信息的兩階段基因選擇理論及其應用。第一類方法是首先通過組LASSO、主成分或因子分析等把先驗基因提供的信息融合為少數的幾個綜合變量，然后再以這些綜合變量作為響應，建立一系列的LASSO懲罰回歸模型，實現關鍵基因的篩選。第二類方法是首先把先驗基因逐個作為響應，構建LASSO懲罰的回歸模型篩選備選基因；然后以備選基因作為協變量，建立LASSO懲罰的邏輯回歸模型，同時實現關鍵基因的篩選和樣本的分類。在轉錄組、單細胞組等各類癌癥組學數據中的仿真以及與多種已有方法的對比表明，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準確率，并具有魯棒性。本報告介紹的方法可以更加準確地找到與特定疾病或生物過程相關的更廣泛的基因，從而深入理解疾病發生和發展機制，并為疾病診斷、治療和藥物研發提供更加可靠的基礎。
歡迎師生參加！
