报告题目：
利用深度迁移学习预测癌症药物治疗中单细胞水平的药物反应
报告内容：
由于个体及癌细胞亚型间的异质性，当前的癌症药物治疗存在低疗效和高复发率的问题。这种异质性导致了单个细胞对药物的分化反应，是基于传统转录组测序（bulk RNA-seq）数据进行的预测无法识别出的。单细胞转录组测序(scRNA-seq)技术的发展为发现癌症亚群对特定药物反应的异质基因表达提供了前所未有的机会。为此，该项目提出了scDEAL，一个利用大规模bulk细胞系数据在单细胞水平上预测癌症药物反应的深度迁移学习框架。scDEAL的亮点在于使用自适应神经网络协调药物相关的bulk RNA-seq与scRNA-seq数据，并通过迁移学习把在bulk RNA-seq数据上训练的模型用以预测单细胞RNA-seq中的药物反应。该模型解决了在现有药物治疗相关单细胞转录组数据资源不足的情况下模型训练的问题。scDEAL的另一个特点是整合梯度特征解释来推断耐药机制的特征基因。通过对六套scRNA-seq数据集上的基准测试，以及三个专注于药物反应标签预测、基因特征识别和伪时间的案例分析，证明了模型的准确性及可解释性。
主讲嘉宾：
马安骏，俄亥俄州立老员工物医学信息系研究员。其主要研究方向是研究基于单细胞多组学的大数据分析、基因调控预测、以及相关深度学习算法模型的开发，应用领域涉及癌症免疫、细胞老化、人体肿瘤微环境微生物预测和耐药性预测。其在Nature Communications，Nature Immunology，Trends in Biotechnology，Bioinformatics等杂志上发表论文35篇，引用超1000次。
会议时间：2022/12/17 09:00
会议地址：腾讯会议676-225-351
