报告题目： 基于多视图网络表征学习的药物发现方法研究

报告人: 王小奇

主持人： 张贵军

报告时间： 2023年11月8日  16:10-17:10

报告地点： 信息楼B202

报告摘要：

近些年来，以深度学习为代表的人工智能技术正在推动着药物研发的技术变革，尤其是基于生物网络的表征学习技术在药物发现领域中显示出了广阔的应用前景。然而，生物网络中实体之间的异质性、多尺度、多视图关系以及稀疏的标签，阻碍了表征学习在药物发现中的进一步应用。因此，本报告提出多视图的网络表征学习方法，促进精准药物的发现。首先，提出了一种有监督的多视图注意力框架捕获药物和细胞系以及它们内部特征之间的多尺度关系，促进抗癌药物反应预测，并针对肺癌细胞系NCI-H23，预测的八种药物在体外细胞实验中表现出了高敏感值。其次，在多任务学习的框架下，从生物医学网络的结构、语义、属性等多个角度出发，设计了6种自监督任务以及15种多任务组合，提出了基于图注意力的多任务对抗学习框架生成分子表征，并系统地评估不同的多任务自监督模型在药物发现应用中的差异性。最终，发现多视图的自监督任务组合能够获得最高的药物预测性能。

报告人简介

王小奇，西北工业大学计算机学院副教授，硕士生导师。2019年获得浙江工业大学控制科学与工程专业硕士学位（师从张贵军教授），2023年获得湖南大学计算机科学与技术专业博士学位（师从彭绍亮教授）。主要从事深度学习、生物信息、AI药物发现、数据挖掘等方面的研究。以第一作者在Nature Machine Intelligence, Bioinformatics, Briefings in Bioinformatics, IEEE/ACM TCBB, IEEE BIBM等顶级期刊/会议发表论文数篇，获得2019年浙江省优秀硕士学位论文奖，授权发明专利十余项，研发的药物发现平台被评为国家重点研发计划项目亮点成果，源码和数据在国家基因组科学数据中心被下载2200余次，相关研究受到国家自然科学基金委、测序中国等数十家新媒体的报道。作为课题骨干先后参与国家重点研发计划、自然科学基金重点项目等科研项目。