报告题目：机器智能赋能药物发现
时 间：2021年01月21日（周四）上午10:00
地 点：南楼3层会议室
报 告 人：曾坚阳 长聘副教授
主 持 人：王 浩 研究员
报告摘要：
近年来，大规模基因组学、化学和药理学数据不断累积，为新药研发和药物重新定位相关研究提供了新的契机。 在本次报告中，我将介绍本课题组最近的研究进展，主要包括两个将人工智能（AI）和机器学习算法应用到药物研发过程中的成功案例，一是实现了大规模预测药物-靶标相互作用，即小分子虚拟筛选；二是实现了药物重新定位，即找到旧药物的新用途。首先，我们开发了名为DTINet的机器学习模型，整合蕴含丰富药物、靶点相关信息的异构网络，并有效预测新的药物-靶标相互作用，为药物重定位提供了新思路。其次，我们提出了结合表示学习和深度学习的预测框架DeepCPI/MONN，可用于预测大规模小分子-蛋白质相互作用。我们的计算和湿实验室实验结果都表明，我们的AI驱动模型可以为新药研发和大规模药物重新定位提供强大而有效的辅助工具。
报告人简介：
曾坚阳，现任职于清华大学交叉信息研究院，长聘副教授，博士生导师。于1999年和2002年分别获得浙江大学的学士和硕士学位。2011年，在美国杜克大学(Duke University)获得计算机科学博士学位。2011年至2012年期间，在杜克大学计算机科学系和杜克医学院从事博士后研究。2012年作为海外人才被引进清华大学交叉信息研究院。长期致力于开发先进的机器学习和人工智能技术，应用于药物发现和基因组学研究。共计在国际核心期刊和会议上发表论文60余篇，其中通讯作者论文包括Nature子刊Nature Communications、Nature Machine Intelligence、Cell子刊Cell Systems、PNAS、Nucleic Acids Research等，合作作者论文包括Nature期刊等。相关研究成果获得ESI高引论文、2019“吴文俊人工智能自然科学”三等奖、2018年度和2019年度“中国生物信息学十大进展”、 2019年度“中国生物信息学十大算法和工具”、2020年度世界人工智能大会青年优秀论文、国际会议ICIBM 2019、PDCAT2005最佳论文等。担任国际期刊IEEE/ACM Transactions on Computational Biology and Bioinformatics的编委。多次在计算生物学领域和人工智能的国际一流会议ISMB、RECOMB、IJCAI上担任程序委员会委员。
欢迎大家前来交流和讨论！
