报告人：吴红艳（中国科学院深圳先进技术研究院）

时间：2023年10月19日 08:00-12:00

地址：第一教学楼D1225

摘要：图模型无处不在，可以建模包括互作、空间以及时间在内的重要关系，涉及到几乎所有的学科领域。面对图多样性强、缺乏领域知识以及深度学习模型的黑盒性的挑战，如何提高图计算模型在药物发现领域的精准度，并使得模型具有实践指导意义具有迫切的研究意义。本次报告将详细介绍课题组在图计算优化算法及其在大、小分子药物筛选方面的工作，主要包括：图的过/欠平滑意识自适应模型（Smoothness Sensor），预测抗原抗体相互作用的大分子药物筛选模型（DeepAAI），以及小分子药物优化模型（Graph Polish）等。

简介：吴红艳，中国科学院深圳先进技术研究院高级工程师，博士生导师。深圳市“孔雀计划”海外高层次人才。2011年在东京大学获得博士学位，2011至2015年在日本信息系统研究所生命科学数据库中心（ROIS·DBCLS），担任数据库集成高级技术专家，负责包括DDBJ（三大基因序列数据库之一）在内的全日本生命科学数据的集成融合及工具研发。2016年加入深圳市先进技术研究院，致力于深度图计算算法，以及图计算在健康大数据分析、生命科学领域多组学数据融合等多种场景下的应用，研究提升深度学习模型在多种应用场景的预测精度、泛化性及可解释性。主持国自然面上和青年科学基金项目，核心参与的“深圳卫生信息大数据平台构建及应用”获深圳科技进步二等奖，以第一或通讯作者在Nature Machine Intelligence，IEEE Trans Neural Netw Learn Syst, IEEE Trans Cybernetics，Briefings in Bioinformatics 等重要国际期刊发表论文30余篇；申请专利和软著40余项。

邀请人：何光辉

欢迎广大师生积极参与！