报告摘要

空间组学技术在2020年被Nature Methods评选为年度技术，是当前生物信息领域最前沿的技术，为组织在空间上研究生命运转机制提供了数据支撑。而深度学习是当前人工智能比较重要的研究方向。如何通过数学理论将深度学习与空间组学数据进行深度绑定，在解决深度学习框架可解释性的同时，破解生物信息领域前沿的实际问题的是当前数学理论研究亟需解决的问题。针对空间组学数据面临着捕获率低与噪音巨大等技术限制，如何构建空间深度学习模型解析组织功能结构；针对单细胞数据的调控网络推断方法满足不了空间组学诉求，如何利用数据流模型理论，搭建由不同深度学习架构组成的多模态基础流模型，绘制生命宏观表型与微观表型在组织2D与3D时空上的生命活动等等。本报告从空间组学的数据特性与深度学习理论出发，阐述了针对空间组学的实际问题构建全新的空间深度学习理论框架，为当前人工智能技术在空间组学上落地使用提供了一个范式。

个人简介

张传超，国科大杭州高等研究院助理研究员，主要从事前沿的单细胞时空组学研究，包括面向时空组学的调控网络推断、细胞行为模式解析、多模态数据整合和3D数字重塑生命系统等理论体系构建与应用研究。主持国家自然科学基金项目1项，参与多项国家重点、重大研发计划。近年来在The Innovation，Communications biology，Small Methods，Briefings in Bioinformatics，Bioinformatics等生物信息类重要SCI期刊上发表论文30多篇，并担任Genome Biology, Nature Communications, Nature Computational Science等主流期刊的审稿人。

报告时间：2025年5月17日 8:00-12:00

报告地点：北衡楼1421