报告题目：基于矩阵完成和网络算法的非编码RNA和疾病关系预测
报告人：杨家亮 美国西奈山医学院高级研究科学家
报告时间：2018年11月27日星期二下午3：00—4：30
报告地点：bat365在线平台网站3401学术报告厅
摘要：近期研究发现非编码RNA在基因调控中起着重大的作用，并和多种疾病息息相关。本报告将介绍两个预测非编码RNA和疾病关系的机器学习算法。BPLLDA首先构建关于长非编码RNA和疾病关系的异质网络，并通过网络顶点间的路径长度预测非编码RNA和疾病的关系。LRMCMDA构建了一个带惩罚项的矩阵完成算法，并通过交叉梯度下降算法求解，以预测小RNA和疾病的关系。交叉验证的结果证明这两个算法优于目前常用的几种计算方法。
报告人：杨家亮（博士）。目前是美国西奈山医学院高级研究科学家，主要方向为关于单细胞测序和疾病的机器学习算法研究。目前已发表SCI学术论文60余篇，其中一作和通讯作者文章30余篇。多篇一作和通讯作者文章发表于生物信息学顶级期刊如Molecular Biology and Evolution、mBio、Bioinformatics等，并参与了两篇Science和一篇Cell Metabolism文章。
