报告题目：DeepHiC: Greatly Enhancing Chromatin Interaction Information Using Deep Learning

报 告 人：李春

主办单位：林木遗传育种国家重点实验室

时    间：2019年07月12日（星期五）  9:00

地    点：科技楼主310

报告人简介：李春，美国凯斯西储大学教授。具有近20年的科研和合作经验。主要研究领域是统计遗传学和生物统计，合作领域涉及二类糖尿病，乳腺癌，眼科疾病，遗传药理学，等等。他在统计方法方面的工作主要在有序数据方法和稳健统计方法，工作发于顶级期刊如JASA, Biometrika和Biometrics。他2016年的一篇文章赢得了加拿大统计学会年度论文奖。他在统计遗传方面的工作跨越广泛，从联动分析到全基因组关联分析到高通量测序实验设计和分析，工作发于顶级期刊如American Journal of Human Genetics，Genetic Epidemiology和Bioinformatics。他的合作文章曾发于顶级期刊如Nature Genetics，AJHG和Nature Communications，第一作者文章发于Blood和PLoS Genetics。

他现在的工作包括把机器学习用于研究Alzheimer’s disease，电子医学病历(EHRs)和高通量测序染色体构象捕获(Hi-C)。他现在每年教授研究生课程“机器学习和数据挖掘”。

报告内容简介：Hi-C是近年来常用的高通量测序技术用于研究染色体构像捕获（chromatin conformation capture）。由于其成本较高，通常对人组织生成的Hi-C数据只能在40kb解析度上进行染色体构像分析，如果想近一步比如10kb解析度就需要投入16倍的测序成本。为了提升数据质量，我们利用深度学习方法开发一个新算法，DeepHiC，可以利用已有的数据在10kb解析度上进行染色体构像分析。我们从几个角度来评估我们的算法。从有效测序深度的角度，用DeepHiC提升后的数据的有效测序深度相当于原始测序深度的4倍。从最终染色体构像回路的角度，用DeepHiC提升后的数据探测到的染色体构像回路相当于1.5倍的原始测序深度能够探测到的染色体构像回路。我们的预测模型还可以对不同组织的Hi-C数据有一定的提升。

欢迎各位老师、同学参与交流！

                                                            林木遗传育种国家重点实验室

                                                               2019年7月2日