报告题目：基于大数据分析和智能算法的长链非编码RNA及代谢物生物信息学研究

主讲人：赵琪（辽宁科技大学）

报告邀请人：贾藏芝教授

报告时间：2023年3月2日 周四11:00-12:00

报告地点：(网络报告) 腾讯会议：907-610-244

会议链接：https://meeting.tencent.com/dm/gylxBxXcDx9a

报告摘要： 非编码RNA是近年来疾病研究领域的热点之一。长链非编码RNA发挥作用的一个重要途径便是与相应的RNA结合蛋白进行结合。因此，探究长链非编码RNA与蛋白质的相互作用具有重要的生物学和医学意义。尽管目前存在一些研究长链非编码RNA与蛋白质相互作用的理论模型，但是它们都存在几点共同的缺陷限制了它们的预测性能。我们应用整合策略方法研究长链非编码RNA与蛋白质相互作用，该策略将多种机器学习算法基于多种特征组合方案训练的模型进行整合。整合模型相比现有模型具有更广泛的适用性，能够更加全面地揭示潜在的长链非编码RNA与蛋白质相互作用关系。同时整合策略中利用随机配对方法构建负数据集能够进一步降低模型的假阳性率，从而提高模型预测的准确性和可靠性。新陈代谢是生物体不断用新物质取代旧物质的过程。它在维持人类生命和机体生长繁殖等方面发挥着重要的作用。诊断时，可将这些代谢物指数作为判断人类是否患有某种疾病的标准之一。传统的生物学实验可以检验一些假设并验证代谢物与疾病之间的关系，但这样的实验通常是费时费力的。因此，开发一种新的计算方法来预测两者的相互关联是至关重要的。我们提出一种基于图卷积网络的深度学习算法GCNAT。首先将已知的代谢物-疾病关联、代谢物-代谢物相似性和疾病-疾病相似性集成到一个异构网络中，并将图卷积操作应用于网络中，学习代谢物和疾病的嵌入。其次，GCNAT利用图注意力网络对多个卷积层的嵌入进行组合，并计算相应的注意系数，为每层的嵌入分配不同的权值，以便于更好的捕获邻居节点的信息。最后，通过对最终的合成嵌入进行解码和评分，得到了预测结果。研究表明，GAGCN在代谢物与疾病的关联预测方面具有一定的有效性与可靠性。

个人简介：赵琪，辽宁科技大学计算机与软件工程学院教授，博士生导师，理学博士，厦门大学博士后。美国密歇根州立大学数学系联合培养博士，以色列特拉维夫大学、意大利国际理论物理中心及爱尔兰都柏林大学爱尔兰系统生物学研究所访问学者。研究方向：生物信息学，智能计算方法与大数据分析，生物医药大数据的统计挖掘等。发表论文79篇，其中第一或通讯作者SCI检索论文53篇。截至目前论文被引用2091次，h指数24。获得2016年度IET Systems Biology最佳论文奖。2018年作为团队成员获得辽宁省普通高等教育本科教学成果奖二等奖。2020年作为第三完成人获得中国自动化学会自然科学奖二等奖。辽宁省百千万人才工程万人层次，沈阳市拔尖人才，中国计算机学会高级会员。担任十余个SCI期刊的副主编或编委。