第九届中国计算机学会生物信息学会议-Day1

8月10日，中国计算机学会主办，CCF生物信息学专业委员会和吉林大学承办的“第九届中国计算机学会生物信息学会议（CBC 2024）”在吉林省长春市华友开元名都酒店举行。此次会议旨在为从事生物信息学研究的专家、学者和学生提供一个学术交流平台，促进我国生物信息学领域的学术交流与合作研究。23级硕士生管弦、甘霖前往吉林长春线下学习并交流。

开幕式

会议开幕式由吉林大学梁艳春教授主持，吉林大学常务副校长蔡立东、CCF生物信息专委会主任高琳、CBC2024大会主席张法分别发表致辞。他们的讲话深刻阐述了大会的重要性和目标，为与会者提供了明确的指导方向和深刻的思想启迪。

会议报告

血管信息与健康工程

报告人：顾宁院士

心脑血管疾病是全球健康的主要威胁，预防和及时诊治血管突发事件、延缓血管病变与老化是当前血管健康工程面临的重大挑战。顾宁院士引出“血管信息与健康工程”概念，血管信息工程通过多尺度、多物理场的血管信息采集与分析建模，结合病理信息进行模型验证与化，构建心脑血管疾病的临床辅助决策支持系统，提供了心脑血管疾病诊治的创新性解决案。在影像处理方面，基于人工智能开发了全身血管分割系统，结合无监督学习和域自适应迁移学习技术，对铁剂增强的血管图像进行高精度的三维重建和分割。在生物信息领域，结合基因组、转录组等多组学数据，研发影像多组学关联分析算法，为早发动脉粥样硬化等疾病的风险预指明新的方向。

基因转录调控系统的AI建模与可解释分析

报告人：伯晓晨教授

生命体是一个精细有序且极具复杂性的系统，其内部的基因转录调控系统堪称细胞中最为精巧的调控机制。尽管这一机制的解析充满挑战，伯晓晨教授在其报告中对基因转录调控系统的人工智能建模与可解释性分析进行了深入的探讨。利用可解释人工智能技术，伯晓晨教授的团队取得了一系列重要成果：成功实现了对高分辨率DNA高级结构的观测与重建，构建了复杂的转录因子调控网络，深入解析了与DNA损伤紧密相关的染色质结构单元，并挖掘了基于生物知识的基因表达调控路径。这些成果不仅凸显了可解释人工智能技术在基因转录调控系统研究中的关键作用，也为生物信息学的未来研究提供了新的思路和方向。

蛋白受体与功能小分子交互的智能识别方法研究

报告人：郭菲教授

郭菲教授主要探讨了蛋白质结构识别和功能识别。蛋白质是生命活动的主要载体，特定的生物功能是通过分子间相互作用实现的。如何利用多源信息建立计算模型已成为研究蛋白质-分子相互作用机制的关键。郭菲教授团队率先建立了QS信号分子与受体蛋白结合的智能识别模型，研究了QS受体与QSI分子的结合机制，计算了QS受体口袋的相似度，设计了机器学习模型筛选广谱QSI分子。研究工作探索了海量蛋白质数据中隐藏的生物学特征和变化规律，建立了集成多种信息的智能计算模型，准确识别了功能蛋白与特定分子之间的相互作用，为蛋白质组学研究提供了有效途径，为探索疾病机制和发现药物靶点提供了关键技术。

特征选择融合的转录因子结合位点算法研究与应用

报告人：刘振栋教授

刘振栋教授将生物信息中转录因子结合位点预测的主要困难归结于两点，分别为“特征选择融合”与“预测模型构建”。为解决特征选择和融合的问题，刘振栋教授通过组合特征编码来有效提高特征提取能力，融合DNA形状数据以捕获原始特征中更多的差异性信息。对于预测模型构建问题，刘振栋教授团队使用机器学习相关方法克服了传统预测算法的弊端，并利用带权多粒度扫描策略和注意力机制提升了预测算法结果的精度，提升了转录因子的结合位点的预测效率，可为生物医药及其应用提供理论指导。