中国人民大学姜昊教授应邀作学术报告

应澳门永利唯一官网304的邀请，中国人民大学姜昊教授于2024年10月19日上午9点在中关村校区主楼317会议室做了题为《稀疏多模态数据融合优化》的学术报告。报告会由郭思尼老师主持，学院众多师生参加了本次报告会。

姜昊教授的报告围绕单细胞多模态数据的融合与优化展开，重点解决了单细胞数据异质性分析和多组学数据整合的挑战。通过创新的算法和技术路线，旨在提升对生命过程、细胞类型的精确理解，并推动科学在单细胞测序、干细胞研究等方面的进展。

据姜昊教授介绍，单细胞测序技术自2009年问世以来，迅速应用于生命科学的各个领域。通过对单个细胞进行测序，科学家们能够更深入地理解细胞的发育过程及其复杂的功能网络。尤其是近年来，随着测序成本的降低和技术的成熟，单细胞测序已经成为研究多细胞生命体的重要工具。然而，如何应对单细胞数据中存在的异质性、稀疏性以及噪声问题，仍然是该领域的一大挑战。本次报告的亮点之一，是提出了基于核非负矩阵分解（KNMF）的异质性分析方法。这一方法结合了高阶加权集成学习策略，显著提高了单细胞RNA测序数据的处理能力。此外，研究团队还通过多模态高阶邻域拉普拉斯矩阵优化，实现了对不同组学数据的有效融合。该方法可以更好地分析单细胞中的细胞关系，从而得到更为精确的聚类结果。通过在多个数据集上验证了新方法的有效性，包括神经元细胞、胚胎干细胞和外周血单个核细胞等数据集。实验结果表明，KNMF方法在细胞类型识别的准确性和稳健性方面表现优异，与现有的主流算法（如SC3、SIMLR等）相比，具有明显的优势。

这一创新技术的应用前景十分广阔。在细胞类型识别方面，新方法尤其适用于异质性较高的癌症细胞研究，可帮助科学家更好地理解肿瘤内不同细胞群体的功能差异。此外，姜昊教授团队还通过该方法发现了与特定疾病相关的生物标志物，如与小肠再生相关的干细胞类型和与癌症细胞增殖相关的关键基因。未来，这一方法有望广泛应用于多模态组学数据的分析，帮助科学家更精确地解析细胞在不同生物条件下的功能状态。

汇报人简介：

姜昊，中国人民大学数学学院教授、 博士生导师，担任中国运筹学会女性工作委员会副秘书长、中国生物信息学（筹）生物信息学算法研究专业委员会秘书长、中国工业与应用数学会数学与生命科学专业委员会委员，主要从事机器学习、 数据挖掘、计算生物信息学、基于学习的建模、优化和控制等方面的研究工作，主持、完成国家自然基金项目 3项，并以核心成员身份参与国家自然科学基金重大研究计划集成项目。在 Pattern Recognition， IEEE Transactions on Neural Networks and learning Systems，Bioinformatics, Briefings in Bioinformatics, Information Sciences， Applied Mathematical Modeling, Applied Soft Computing 等国际权威期刊和会议发表论文 50 余篇。