{dede:global.cfg_webname/}
  • English
  • 官方微信
  • 首页
  • 栏目名称
    • 测试
  • 第二个
  • 首页
  • 学院概况
    • 学院简介
    • 历史沿革
    • 机构设置
    • 现任领导
    • 历任领导
    • 联系我们
  • 师资队伍
    • 全职教工
    • 讲座 兼职教授
    • 重要人才计划
    • 退休人员名单
  • 人才培养
    • 本科生培养
    • 硕士生培养
    • 博士生培养
  • 科学研究
    • 学术交流
    • 重点学科
    • 科研机构
    • 科研团队
    • 科研成果
    • 讨论班
  • 党团建设
    • 党建动态
    • 工会活动
    • 团学工作
  • 理论学习
    • 主题教育
  • 合作交流
    • 国际合作
    • 校际合作
    • 校企合作
  • 招生就业
    • 招生信息
    • 就业信息
    • 招生宣传
  • 校友之家
    • 校友组织
    • 校友基金
    • 校友活动
    • 百年院庆
    • 校友动态
  • 院务信箱

学术交流

  • 学术交流
  • 重点学科
  • 科研机构
  • 科研团队
  • 科研成果
  • 讨论班

学术交流

迈向可解释的细胞命运建模:融合深度学习与机制模型的单细胞多组学驱动方法

日期:2025-05-21  作者:  点击:[]

题    目:迈向可解释的细胞命运建模:融合深度学习与机制模型的单细胞多组学驱动方法

主讲人:张家军 教授

单    位:中山大学

时    间:2025年5月24日 10:00

地    点:学院南阶教室


摘    要:细胞命运建模是理解多细胞生物发育与表型多样性的核心课题。我们围绕单细胞多组学数据的建模与推断,开展了涵盖转录机制与谱系结构的两项研究。第一项工作针对单细胞数据高维、静态且潜藏复杂机制的特点,提出一种融合深度学习与机制建模的框架,用于构建可解释的转录动力学模型。该方法基于可扩展的机制层次结构,通过神经网络从单细胞转录组数据中高效推断转录爆发参数,揭示药物刺激下的关键调控模式。第二项工作聚焦细胞谱系树的重建,设计了一种整合谱系条形码与转录组数据的算法,系统解决条码污染、缺失与推断偏差等挑战,并在模拟数据与真实胚胎数据中展现出优越性能。总体而言,两项研究共同推动了机制驱动与数据驱动融合的可解释细胞命运建模新范式的建立。


简    介:张家军,中山大学数学学院教授、博士生导师,长期致力于数学与生命科学的交叉研究,主要研究方向包括计算系统生物学与人工智能。近年来在PNAS、Physical Review Letters、eLife、Genome Research、Nucleic Acids Research 和Research 等国际重要学术期刊发表多篇高水平研究论文。主持国家自然科学基金面上项目等多项科研课题,并作为骨干成员参与国家重点研发计划及国家自然科学基金重点项目等重大科研项目。现任中国工业与应用数学学会数学生命科学专业委员会副秘书长、中国运筹学会计算系统生物学分会副秘书长、广东省计算数学学会副理事长兼秘书长、中国生物信息学学会(筹)理事,以及多个相关学术组织的常务理事或理事。曾获2020年世界华人数学家联盟最佳论文奖。


上一条:Multivariate two-sample tests via random projection 下一条:Data organization limits the predictability of binary classification

【关闭】

友情链接

  • 学校教务处
  • 学校党委办公室
  • 学校校长办公室
  • 清华大学数学系
  • 浙江大学数学科学院
  • 上海大学数学系
版权信息