信息学院举办“CCF走进高校——湖南师范大学”系列活动

（通讯员：谢东霖 李姗姗）2024年10月17日，由中国计算机学会（CCF）主办，CCF生物信息学专业委员会、湖南师范大学承办的“CCF走进高校（CCF@U第1141场）”活动在湖南师范大学成功举行。

本次活动邀请了多位生物信息学领域的专家参与，包括CCF生物信息学专委会副主任、北京理工大学张法教授，中南大学李敏教授，秘书长、山东大学崔学锋教授，以及专委执行委员、山东大学余国先教授。出席活动的还有湖南师范大学纪委书记姚春梅教授，信息科学与工程学院党委书记李常枫，副院长唐文胜、肖林教授，以及信息科学与工程学院的师生代表，共计100余人。整场活动由肖林副院长主持。

会议伊始，姚春梅书记致欢迎辞，热烈欢迎CCF生物信息学专委会专家的到来，并表示希望与CCF及生物信息学专委会建立长期联系与深入交流，为计算机博士点及相关学科专业的建设与发展提供宝贵经验。接着，与会专家简要介绍了CCF生物信息学专委会的情况，并分享了所在高校在博士点建设方面的经验。

在随后的学术报告环节中，张法教授作了题为“基于人工智能的生物大分子冷冻电镜数据处理技术”的报告，详细探讨了该技术在生物研究中的应用。紧接着，余国先教授以“因果学习及其在生物信息学中的应用研究”为题，分享了因果学习的最新进展。崔学锋教授则带来了题为“Advancing Unified Deep Learning for Comprehensive Mass Spectrometry Analysis”的报告，介绍了深度学习在质谱分析中的创新应用。最后，李敏教授主讲“面向特征的复杂生物医学数据处理方法研究”，深入探讨了生物医学数据的处理技术。

此次报告会吸引了2023级和2024级本科生、研究生及相关教师的参与，为学术交流提供了良好的平台，促进了生物信息学领域的知识传播与合作。

在第一场学术报告中，张法教授针对生物大分子冷冻电镜数据处理技术展开了深入的探讨。生物大分子三维结构的高分辨率解析，是生命科学中最具有挑战性的前沿核心问题。张教授指出，目前冷冻电镜数据存在高噪声、信息缺失、处理流程复杂等问题，随着数据规模和尺度的持续增大，海量冷冻电镜数据的高效处理已成为当前结构生物学和计算机科学具有挑战性的难点问题之一。张教授强调，生物大分子冷冻电镜数据处理技术的不断进步，将为未来的生命科学研究开辟新的方向和可能性。他呼吁学术界和工业界加强合作，共同推动这一领域的发展，为人类健康和科学进步做出贡献。

第二场学术报告中，余国先教授向我们讲述了因果学习以及其在生物信息学中的应用研究。他首先阐释了因果学习的基本原理，包括如何通过数据推断变量之间的因果关系，这一方法不仅有助于理解复杂系统中的相互作用，还能为决策提供科学依据。随后，余教授分享了因果学习在生物信息学中的具体应用案例，通过实例向大家介绍了如何利用因果模型分析基因表达数据，从而揭示基因之间的调控关系。余教授的讲解逻辑严谨，通俗易懂，不仅增进了大家对因果学习的理解，也激发了我们对生物信息学研究的浓厚兴趣。

第三场学术报告，崔学峰教授首先向大家介绍了Tandem Mass Spectrometry（MS/MS）在蛋白质组学的广泛应用，该技术用于蛋白质的鉴定和定量，并且在药物发掘、生物标记物鉴定、环境分析和法医学中也是必不可少的。随后，崔教授又指出目前的研究面临两个主要挑战。首先，MS/MS数据量的增加要求开发新的计算方法来快速检索数据库。其次，由于小分子MS/MS光谱数据的稀缺性，依赖于数据库比较的传统技术对于尚未包含在数据库中的新鉴定分子是不够的。为了解决这两个问题，崔教授的团队提出了一种创新的指纹嵌入模型S2VEC，该模型有效提高了检索数据库的速率，并提出了MS2SMlES方法用于精确预测化学结构中的氢原子。

第四场学术报告中，李敏教授指出，随着高通量测序技术的日益成熟与测序成本的降低，数据的产生已不再是生命科学领域的主要问题，生物医学数据爆炸性持续增长成为新常态。如何有效处理与分析海量的医学数据已成为复杂疾病研究、药物研发等领域的亟需解决的问题。针对此问题，李教授提出了利用机器学习和深度学习技术进行特征选择和提取的方法。通过多层次的特征学习可以更好地捕捉数据中的结构信息，进而提升特征提取的效果。此外，李教授强调，特征挖掘的结果必须与生物学背景相结合，以此来更加有效地提升模型的解释性和应用价值。

在每场报告结束后，同学们与专家们都进行了深入的互动，气氛热烈而富有启发性。四位老师的独特视角和丰富经验都引发了同学们的深思与讨论，大家纷纷积极提问，分享自己的看法和感受。对于同学们提出的问题，老师们都进行了耐心地解答，并结合实际案例进行了详细分析。四位老师提醒同学们在设计实验时保持灵活性和创新思维，科学研究往往需要不断调整和优化设计，以应对意外的结果和挑战。鼓励同学们投入到全球科学研究的浪潮中，不仅要关注科学的进展，更要思考如何为社会的可持续发展做出贡献。

CCF生物信息学专委会简介：

生物信息学是一门融合了信息科学和生物学的跨学科领域，致力于利用计算机算法、数据库、机器学习和人工智能等先进技术，来解决生物学领域的各种复杂问题。通过开发高性能的软件工具、数据库系统和计算平台，生物信息学为突破重大生命科学难题和推进生物工程项目提供了强大的技术支撑。

随着计算科学与生命科学的日益融合，以及生物大数据时代的到来，生物信息学专业委员会应运而生。该委员会的成立旨在聚集国内外生物信息学领域的研究力量，提升我国在该领域的研究水平和国际影响力。同时，委员会也致力于促进国内外生物信息学同行之间的学术交流与合作，加强学术界与产业界的紧密联系，探索生物信息学教育的创新模式，培养具有跨学科背景和创新能力的高端人才。

通过生物信息学专业委员会的不懈努力，我国将在这一前沿交叉领域取得更多突破性进展，为人类健康和生命科学的发展做出更大贡献。

编辑：谢东霖 李姗姗

一审：崔玉茹
二审：钟坚成
三审：肖林