学术科研

胡学海谈深度学习及其在转录因子结合序列特异性预测上的应用

发布日期:2016-04-29 发表者:辛西 浏览次数:

4月29日上午10时,我院胡学海副教授做客“信息逸站”,在逸夫楼314会议室面向全院师生作了一场题为“基于深度学习的转录因子结合位点的预测”的学术报告。

首先,胡学海阐述了监督学习与非监督学习的区别——在传统神经网络方法基础上发展出来的深度学习这种半监督的新兴机器学习方法,不需要过多的先验知识和人工干预,可以自动学习到数据本身的特征,并通过组合低层特征形成更加抽象的高层特征而达到精准预测的目的。

紧接着,胡学海介绍了深度学习方法在各个研究领域中的广泛应用。他提到,深度学习最初在做图像识别领域获得成功,随着不断的发展与创新,它逐渐被应用到药物活性预测、非编码DNA突变对功能的影响、转录因子结合序列特异性等研究领域。目前应用最多的一个深度学习方法即是卷积神经网络(Convolutional neural networks,简称CNNs)模型。讲到此处,胡学海借用一个精准区分某种萨摩耶与白狼的生动案例来帮助大家理解其原理。目前,这种方法已被应用到新型自动化机器人、无人驾驶等产业领域,并将会有更大的发展前景。

随后,胡学海展示了基于ChIP-Seq和HT-SELEX两类实验数据,结合CNNs算法预测转录因子结合序列特异性的研究过程与预测结果。通过对比传统方法,深度学习方法获取了更高的预测准确性。最后,他简要分析了CNNs的算法框架和流程,并阐释了利用此种方法的合理性和优越性。

报告结束,各位师生就深度学习算法细节和应用前景等感兴趣的内容与胡学海副教授展开了深入探讨和交流。

Baidu
sogou