国内首个“深度学习与精准医疗”培训班，开班在即！

前不久，AlphaGo（阿法狗）与围棋冠军李世石的激战吸引了全球的目光。阿法狗正是通过“深度学习方法”学习了所有围棋高手经历的棋谱，从而在盘面上下出了惊艳的招式。那么，有了深度学习，未来的基因时代会是怎样？深度学习将如何应用在精准医疗领域？

近年来，深度学习迅速成为了机器学习领域最热门的研究分支，并且为很多应用领域（如计算机视觉、语音处理等）带来了革命性的变化。深度学习得到广泛应用的一个关键在于提供了一种端到端的、切合大数据特点的样本（如图像、DNA、文本等）特征表示方法。同样，精准医疗中会涉及很多重要的实体，如基因、蛋白质、药物、疾病等；还涉及到不同的关键人群，如医生、病患等。
如何利于深度学习来挖掘基因与疾病的关联？如何利用深度神经网络来进行精准医疗实体的特征描述？基因测序领域有哪些需要掌握的机器学习方法？如何基于机器学习开发肿瘤研究的新方法？

测序中国邀请了来自国内外曾从事深度学习研究，并很好地应用到精准医学领域的大咖们，举办一次深度学习与精准医疗的学习盛宴，让你身亲感受和学习二者碰撞后的奇妙“反应”！

课程开办时间：2016年6月27日
地点：北京优客工场四季青社区
主办方：测序中国
协办方：志诺维思，艾吉泰康

课程安排（8:10开始签到）
1、张新宇：
第一节：8:40-9:30生物大数据、机器学习、和精准医疗（理论部分）；
第二节：9:30-10:20 GWAS（SNP）和EWAS（methylation）数据的生物标志物（biomarker）分析（应用部分）；
2、凌少平：
第三节：10:20-11:10 如何应对肿瘤异质性对精准医疗提出的挑战？
第四节：11:10-12:00 肿瘤基因组分析及其中的机器学习方法应用实例；
3、屈武斌：
第五节：13:30-14:20捕获测序在精准医疗中的应用；
第六节：14:20-15:10捕获测序中的算法及分析手段；
4、吴偶：
第七节：15:10-16:00深度神经网络与表示学习；
第八节：16:00-16:50精准医疗中的实体表示与病患特征表示；

报名链接：

http://event.31huiyi.com/333395115/index

讲者简介
张新宇
清华大学生物信息学博士及博士后，目前在耶鲁大学医学院任职研究科学家（faculty），主要研究方向为：各类型microarray和NGS高通量数据质控及深入分析，生物大数据整合及biomarker分析，机器学习（深度挖掘）算法和遗传算法应用；具有生物学，计算机科学，生物统计学等交叉学科背景，目前共发表署名SCI文章30多篇，被引用800多次。
凌少平
志诺维思基因科技有限公司创始人兼首席科学家。主要研究方向为肿瘤演化基因组学和生物信息学。近年以第一作者身份在Nature Genetics、PNAS、Molecular Biology & Evolution等权威杂志上发表多篇文章。近期在PNAS发表的论文第一次刻画了肿瘤内部的克隆空间结构，并通过细胞群体遗传理论阐明肿瘤内部的遗传异质性符合随机突变模型（中性理论）的预测，这为解释肿瘤在治疗后频繁复发提供了理论基础。开发了基于二代测序的肿瘤基因组变异分析套件--CasTech （包括CasMap 、CasPoint、CasBreak和CasCNV）, 并已应用于急性白血病、侵袭性NK细胞白血病、结直肠癌、肝癌、垂体瘤等基因组学研究当中。在最近的“国际肿瘤基因组分析金标准”大赛（ICGC-TCGA Dream Somatic Mutation Calling Challenge）中，带领团队代表击败了包括Bina技术公司、哈佛-麻省理工联合布罗德研究所（Broad Institute）和欧洲分子生物学中心（EMBL）等国际知名肿瘤基因组信息团队，夺得点突变分项冠军和结构变异分项亚军。
屈武斌
艾吉泰康生物科技（北京）有限公司，创始合伙人&CIO。主要研究方向为寡核苷酸分子特性的计算机仿真与计算，包括：1）寡核苷酸（引物、探针…）杂交特征的分析与预测；2）PCR引物特异性与敏感性的分析与预测。主持两项国家自然科学基金项目。以第一作者在PCR引物设计方面发表多篇学术论文和专著。
吴偶
博士、副研究员，目前任职于中国科学院自动化研究所模式识别国家重点实验室。作为负责人承担了国家自然科学基金、863计划等多项科研项目，并负责了多项横向研发课题。以第一作者在模式分析、机器学习、数据挖掘及网络挖掘方向上的权威国际学术刊物(ACM TKDD, ACM TWEB, IEEE TKDE, IEEE TNNLS等)与顶级国际学术会议(ICCV, IJCAI, AAA等)上发表多篇学术论文。博士学位论文获中国人工智能学会优秀博士论文提名奖，先后获北京市科学技术奖一等奖、中国专利奖以及北京市发明专利一等奖各一项。近期主要研究方向为面向医学、健康领域的数据挖掘与机器学习。

（转化医学网360zhyx.com）