讲座报告主题：融合先验信息的两阶段基因选择方法及其应用
专家姓名：王沛
日期：2023-11-23 时间：18:30
地点：腾讯会议：602-663-5703
主办单位：数学科学学院

主讲简介：王沛，河南省特聘教授，河南大学教授，博导。从事系统生物学、生物统计学、网络生物学等方面的研究。出版Springer专著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.等上发表学术论文60余篇，学术引用1300余次。主持国家自然科学基金项目2项, 参与国家科技重大专项子课题1项，参与国家基金项目5项；获得河南省优青基金，入选河南省高校科技创新人才，河南省高校青年骨干教师；主持获河南省科技进步奖1项，河南省教育厅科技成果一等奖2项，开封市青年科技奖1项等。澳大利亚皇家墨尔本理工大学访问学者和香港城市大学访问研究助理。IEEE Senior Member，中国工业与应用数学会复杂网络与复杂系统专委会委员、数学生命科学专委会委员，中国指挥与控制学会网络科学与工程专委会委员，中国人工智能学会生物信息学与人工生命专委会委员等。研究专长：高维生物医学数据的建模与统计分析、多层网络理论及其生物应用、复杂网络构建、统计分析、复杂网络中的关键节点识别、生物网络的建模与动力学分析、混沌动力系统分析、混沌系统最终界估计。

主讲内容简介：组学数据的特征选择已被广泛应用于识别癌症驱动基因。虽然研究者们已经提出了一系列的方法，但已有的基因选择方法较少考虑将已知的癌症驱动基因作为先验知识。本报告介绍我们课题组近期提出的两类融合先验信息的两阶段基因选择理论及其应用。第一类方法是首先通过组LASSO、主成分或因子分析等把先验基因提供的信息融合为少数的几个综合变量，然后再以这些综合变量作为响应，建立一系列的LASSO惩罚回归模型，实现关键基因的筛选。第二类方法是首先把先验基因逐个作为响应，构建LASSO惩罚的回归模型筛选备选基因；然后以备选基因作为协变量，建立LASSO惩罚的逻辑回归模型，同时实现关键基因的筛选和样本的分类。在转录组、单细胞组等各类癌症组学数据中的仿真以及与多种已有方法的对比表明，所提出的方法可以有效的选择癌症信息基因，显著提高基因选择的精度以及样本分类准确率，并具有鲁棒性。本报告介绍的方法可以更加准确地找到与特定疾病或生物过程相关的更广泛的基因，从而深入理解疾病发生和发展机制，并为疾病诊断、治疗和药物研发提供更加可靠的基础。

欢迎师生参加！