报告人：王岩

报告时间：2023年7月10日9:00—10:30

报告地点：米兰(中国)信息工程学院副203会议室

报告人简介：

王岩，吉林大学计算机科学与技术学院教授、博士导师，受聘吉林大学“唐敖庆学者”英才教授，吉林省拔尖人才(D类)，吉林大学人工智能学院兼职教授，计算机学会CCF高级会员、CCF生物信息专委委员，中国生物工程学会CSB计算生物学与生物信息学专业委员会委员，吉林省大数据智能计算重点实验室副主任。

主持在研和完成国家自然科学基金面上项目、国家863项目子项、国家自然科学基金青年基金、吉林省重点科技攻关项目、吉林省面上基金项目等国家及省部级项目10余项，主持获得2022年吉林省中青年科技创新创业卓越人才项目资助。获得吉林省自然科学奖一等奖1项、吉林省高等教育教学成果奖二等奖1项、全国商业科技进步奖一等奖4项。

在生物信息学、机器学习、人工智能、计算智能算法、大数据挖掘分析等领域取得了一系列研究成果。近年来在Nucleic Acids Research、Briefings in Bioinformatics、Bioinformatics、Information Sciences、Applied Soft Computing、IJCAI、BIBM等国内外有影响的学术刊物和会议上发表论文60余篇，其中SCI检索论文30余篇；拥有专利4项、软件著作权15项；编著《肿瘤信息学》、《Java程序设计》第一、二版等3部译著和教材。

报告摘要：

转录因子与疾病的发生和发展密切相关，对转录因子绑定位点motifs的识别和分析是人类疾病研究的前沿性问题。随着高通量测序技术和深度学习的发展，为信息化motifs的识别和分析提供了大量数据和技术基础。在对海量的高通量测序数据进行motifs识别和分析时，深度学习技术已经获得了比传统方法更大的优势。本报告探讨了深度学习技术在motifs识别和分析中的应用，并介绍了课题组基于图神经网络和共存概率在ATAC-seq数据集上识别多motifs的最新研究进展。