生命中心举办2017年度第4次PI学术交流活动

2017年12月21日，生命中心在北京大学静园一院201会议室举办了本年度第四次、也是最后一次PI学术交流活动。根据近年来大数据与人工智能连续取得突破性进展及快速发展的趋势，中心两校学术交流委员会经讨论后将本次交流的主题定为了“人工智能与大数据”。近50位中心PI参加了活动。

首先，来自清华大学交叉信息研究院的曾坚阳教授介绍了其课题组在利用机器学习算法预测小分子药物靶点和老药新用方面的研究进展。在药物靶点的预测中，如何有效利用已有的药物、靶点互作网络信息，整合不同的异构网络是一个难点问题。曾坚阳老师介绍了课题组最近提出的基于网络扩散的机器学习算法。该算法使用特征学习方法，学习每一个药物及基因拓扑性质的低维表示，从而有效整合了信息并降低噪音，并提升了预测的准确性。为了进一步加强对小分子的特征表示，课题组又提出了第二种基于深度学习的预测算法。作为新一代的机器学习高效算法，深度学习在人工智能的各个领域都展现出了强大的建模能力。在课题组的早期工作中，也已经将其运用于RNA生物学、冷冻电镜颗粒识别等生命科学相关问题中。在本工作中，实验表明：基于深度学习的算法可以高效编码与学习小分子的化学结构信息和蛋白质的序列信息，并利用这些信息进行靶点预测。同时，曾坚阳课题组已经与相关生物实验室合作，证明该算法成功预测了一类新的靶向GPCR小分子化合物的生物活性。曾坚阳最后总结了这两种不同药物靶点预测算法的异同，并对未来人工智能进一步应用在生物医药领域做了展望。

接下来，北京大学健康医疗大数据研究中心、北京大学第一医院肾内科、北京大学肾脏疾病研究所的张路霞教授为中心PI们作了题为“健康医疗与大数据深度融合推动领域发展——现状与未来”的报告。张路霞首先为大家介绍了健康医疗大数据发展的态势与现状，包括大数据的定义与3V特征；健康医疗大数据的主要来源；国际健康医疗大数据在临床医疗、卫生管理等领域的应用；中国健康医疗大数据的发展战略以及所面临的一些挑战。接下来，张教授还为大家介绍了医疗健康大数据在肾脏疾病领域的应用尝试。肾脏疾病领域以往缺乏大人群的研究和全国性的监测体系，已有的数据和研究多集中在各种肾炎与尿毒症上。在此背景下，中国肾脏疾病数据网络（CK-NET）应运而生。它整合多源肾脏疾病数据、契合国家健康医疗大数据发展战略，借力国家级数据平台，与健康医疗大数据领域前沿技术深度融合，构建中国肾脏疾病大数据平台。它不仅为肾脏疾病各个层面的决策提供依据、为深入研究肾脏疾病奠定基础，而且参与并助力国家肾脏疾病防控策略制定，培养肾脏疾病大数据跨界领军人才，打造国内领先、国际一流的专科重大慢病大数据中心。目前借助平台的研究成果，中国肾脏疾病年度报告已经全文在 《American Journal of Kidney Diseases》杂志上发表，“Big Data and medical research in China”已被《British Medical Journal》杂志接收。此外，张教授还介绍了结合机器学习算法对肾脏疾病数据进行分析的研究实例，如利用Network Diffusion Model进行肾脏疾病区域医疗中心建设政策建议及政策仿真研究，基于机器学习的肾脏疾病诊疗决策支持、医疗保险控费研究,肾脏疾病影像的人工智能识别（尿沉渣，肾脏病理）等。最后，张教授为大家简单介绍了北京大学健康医疗大数据研究中心，希望通过交流能促进今后的合作。与会PI们就肾炎与糖尿病肾病的关系，电子医疗档案(EMR)、电子健康档案（EHR）与个人健康管理系统（PHR），以及未来健康医疗大数据重点应用领域等方面与张老师进行了更深入和热烈的探讨。

在年底辞旧迎新的特别时刻，生命中心PI学术交流在热烈的气氛中，为2017年度的交流活动画上了圆满的句号。