专场介绍 | 第12届中国R会议（北京）生物信息专场

2019 年 5 月 3 日 R语言中文社区

本次会议由统计之都主办，中国人民大学统计学院、中国人民大学应用统计科学研究中心、狗熊会协办，并得到 RStudio、人民邮电出版社、图灵教育、中国人民大学出版社的赞助支持以及 IT 大咖说独家视频支持。本届会议涵盖了多个学科领域，我们真诚地期待您的到来，一同感受数据科学为这个时代带来的惊喜与挑战。

下面为您奉上本次R会议生物信息专场演讲介绍：

生物信息专场介绍

连明

机器学习在生物信息中的应用

个人简介

本科毕业于天津医科大学，生物信息学专业。目前就读于中科院北京基因组研究所，基因组学方向，硕士二年级，研究涉及药物基因组，宏基因组，转录组和机器学习。

报告摘要

简述目前机器学习在生物信息学领域的一些典型和成功的案例，比如无监督聚类算法在宏基因组、单细胞测序数据中的应用，传统机器学习分类算法在临床样本诊断中的应用，等等。另外会结合本人在项目研究中遇到的一些问题，谈谈自己的经验教训，例如，数据拿到手之后为什么不应该直接就开始建模，而是应该先对数据的一些分布特点进行观察，等等。

张韬

Platform-independent approach for cancer detection from gene expression profiles of peripheral blood cells

个人简介

张韬，男，中国科学院北京基因组研究所，生物信息学专业硕士研究生。

发表论文：

(1) Yadong Yang#, Tao Zhang#, Rudan Xiao#, Xiaopeng Hao, Huiqiang Zhang, Hongzhu Qu, Bingbing Xie, Tao Wang and Xiangdong Fang: Platform-independent approach for cancer detection from gene expression profiles of peripheral blood cells. Briefings in Bioinformatics 2019, doi: 10.1093/bib/bbz027. (IF= 6.302)

(2) 张韬, 杨亚东, 方向东. 应用于精准医学研究的转录组可变剪接分析[J]. 发育医学电子杂志, 2016, 4(2):78-84.

授权专利：

(1) 2017109863490. 一种获取外周血基因模型训练数据的方法及装置。方向东，杨亚东，张韬. 2017.

报告摘要

肿瘤是系统性疾病，在肿瘤发生发展过程中，除病灶位置外，外周血中多种细胞的表达量也发生变化，这使得我们有机会通过外周血在分子层次实现对肿瘤的追踪。过往研究发现血小板转录组在预测肿瘤中的作用，但限于标准化方法不统一、数据集小等原因，取得的模型很难扩展到独立的数据集中。我们一方面整合外周血全细胞转录组，最大程度地降低了单一细胞类型受特定环境影响所导致的非特异性变化，另一方面开发了创新性的秩归一化方式以屏蔽不同转录组检测平台、不同批次之间的噪音，并通过人工智能方法实现高维数据特征筛选和模型构建，大幅提升了可整合的数据量和肿瘤分类效果。这是首次通过大规模人群的外周血转录组数据来区分正常人和乳腺癌患者。

李发金

Analysis for Ribosome Profiling Data

个人简介

李发金，清华大学生命学院二年级博士生，主要研究方向为蛋白质的翻译调控。

报告摘要

Ribosome profiling is a technology used for sequencing the mRNA fragments protected by ribosomes during the process of decoding by translation, through which we could identify the potential translated regions on mRNA, measure the protein synthesis and find out some translation events ignored by other proteomic technologies such MS. In my speech, I will introduce some details about ribosome profiling technology and some methods our lab developed before used for analysis for ribosome profiling data.

侯春宇

利用蛋白质组学和生物信息学研究PKCζ相互作用蛋白网络

个人简介

侯春宇，北京大学医学部第一临床医学院，张宁教授实验室博士一年级学生，攻读肿瘤学博士。硕士毕业于天津医科大学，师从张宁教授。主要研究方向为肿瘤的转移。在硕士期间，以第一作者发表SCI文章2篇，获得2017年研究生国家奖学金，天津医科大学优秀毕业生的称号。

报告摘要

乳腺癌是一种威胁性极强的恶性肿瘤，严重影响女性健康。对晚期的乳腺癌患者来说，转移仍然是临床上病人死亡的主要原因。蛋白激酶C ζ（Protein kinase C ζ，PKCζ）是非典型蛋白激酶C的异构体，是癌症中的关键调节因子。然而，PKCζ蛋白分子在调控肿瘤发生和转移的分子和细胞机制尚未完全了解。在这项研究中，我们结合蛋白质组学和生物信息学的方法分析建立了PKCζ的相互作用蛋白质（Protein - protein interaction，PPI）网络，进一步了解PKCζ在乳腺癌中的生物学作用。

伊现富

Genome-wide and cell type-specific pattern of transcriptional regulators cooperation in 3D chromatin

个人简介

伊现富，天津医科大学教师。2012年毕业于中国科学院上海生命科学研究院，获遗传学博士学位，2012年至今于天津医科大学担任生物信息学专业教师。教学方面致力于生物信息学专业必备技能和组学数据分析的教授，力图通过浅显易懂的讲解引领初学者入门并喜爱上生物信息学专业，所有教学资料共享在GitHub中（https://github.com/Yixf-Education ）。科研方面主要从事组学数据的整合与分析、肿瘤等复杂疾病的研究，目前已在Nucleic Acids Research等杂志上发表多篇文章。

报告摘要

The intact cooperation of transcriptional regulators (TRs), including transcription factors, histone modifying enzymes and chromatin remodellers, precisely determine gene expression in the cell nucleus. Deciphering the relationship among these TRs in the context of 3D chromatin and specific cell type will facilitate the understanding of transcriptional regulation. In this study, we present a computational analysis to comprehensively investigate TR cooperations by integrating genome-wide Hi-C and 266 TRs ChIP-seq data in K562. We uncover lots of previously reported and unknown TR cooperations in 3D gene regulation. To generalize the analysis for cell types with limited TRs ChIP-seq data, we develop a novel strategy that incorporates Dnase I hypersensitive site, sequence modtif and TR co-expression network to predict TR cooperations in particular cell type. Using Hi-C data from 7 human cell lines, we discover many shared and unique combinatory roles of TRs in sustaining different patterns of super enhancer, chromatin state and gene expression. Benifit from 3D genome data of ES, NPC and CN cell types, we evaluate our strategy and get several solid TR cooperations during mouse neural development. Our strategy can be used on any tissue or cell type, and the results will be an invaluable resource for transcriptional regulation research.