應偉德國際1946bv官網的邀請，中國人民大學姜昊教授于2024年10月19日上午9點在中關村校區主樓317會議室做了題為《稀疏多模態數據融合優化》的學術報告。報告會由郭思尼老師主持，學院眾多師生參加了本次報告會。
姜昊教授的報告圍繞單細胞多模態數據的融合與優化展開，重點解決了單細胞數據異質性分析和多組學數據整合的挑戰。通過創新的算法和技術路線，旨在提升對生命過程、細胞類型的精確理解，并推動科學在單細胞測序、干細胞研究等方面的進展。
據姜昊教授介紹，單細胞測序技術自2009年問世以來，迅速應用于生命科學的各個領域。通過對單個細胞進行測序，科學家們能夠更深入地理解細胞的發育過程及其復雜的功能網絡。尤其是近年來，隨著測序成本的降低和技術的成熟，單細胞測序已經成為研究多細胞生命體的重要工具。然而，如何應對單細胞數據中存在的異質性、稀疏性以及噪聲問題，仍然是該領域的一大挑戰。本次報告的亮點之一，是提出了基于核非負矩陣分解（KNMF）的異質性分析方法。這一方法結合了高階加權集成學習策略，顯著提高了單細胞RNA測序數據的處理能力。此外，研究團隊還通過多模態高階鄰域拉普拉斯矩陣優化，實現了對不同組學數據的有效融合。該方法可以更好地分析單細胞中的細胞關系，從而得到更為精確的聚類結果。通過在多個數據集上驗證了新方法的有效性，包括神經元細胞、胚胎干細胞和外周血單個核細胞等數據集。實驗結果表明，KNMF方法在細胞類型識別的準確性和穩健性方面表現優異，與現有的主流算法（如SC3、SIMLR等）相比，具有明顯的優勢。
這一創新技術的應用前景十分廣闊。在細胞類型識別方面，新方法尤其適用于異質性較高的癌癥細胞研究，可幫助科學家更好地理解腫瘤內不同細胞群體的功能差異。此外，姜昊教授團隊還通過該方法發現了與特定疾病相關的生物標志物，如與小腸再生相關的干細胞類型和與癌癥細胞增殖相關的關鍵基因。未來，這一方法有望廣泛應用于多模態組學數據的分析，幫助科學家更精確地解析細胞在不同生物條件下的功能狀態。
匯報人簡介：
姜昊，中國人民大學數學學院教授、 博士生導師，擔任中國運籌學會女性工作委員會副秘書長、中國生物信息學（籌）生物信息學算法研究專業委員會秘書長、中國工業與應用數學會數學與生命科學專業委員會委員，主要從事機器學習、 數據挖掘、計算生物信息學、基于學習的建模、優化和控制等方面的研究工作，主持、完成國家自然基金項目 3項，并以核心成員身份參與國家自然科學基金重大研究計劃集成項目。在 Pattern Recognition， IEEE Transactions on Neural Networks and learning Systems，Bioinformatics, Briefings in Bioinformatics, Information Sciences， Applied Mathematical Modeling, Applied Soft Computing 等國際權威期刊和會議發表論文 50 余篇。
