机器学习与数据算法在生物数据分析中的应用

Algorithmic Foundation of Computational Biology

课题背景

1866年，揭示了遗传的基本规律，这是最早运用数理统计于生物实验的一个成功的范例。1889年，在《自然的遗传》一书中，通过对人体身高的方法又获得了新的生命力，应用更为广泛，并在现代科研究指出,子代的身高不仅与亲代的身高相关,而且有向平均值“回归”的趋势，由此提出了“回归”和“相关”的概念和算法，从而奠定了生物统计的基础。

20世纪20年代以来，各种数理统计方法陆续创立，它们在实验室、田间、饲养和临床实验中得到广泛应用并日益扩大到整个工业界。70年代，随着计算机的普及，使本来由于计算量过大而不得不放弃的统计技中占有十分重要的地位。

课题内容

本课题主要目的将提供对分子生物学进行计算机运算的应用研究分析，将会涉及到四个主要分析模型和相关学习方法。同时将对其所涉及到的基础部分进行讨论，并提出详细的生物理论问题和计算机科学以及统计结果所会对其产生的影响，建立建模算法，从而解决所涉及到的问题。

适合人群

▪ 对分子生物学、神经网络、机器学习、算法研究专业感兴趣的高中生、本科生

▪ 修读分子生物学、计算机、机器学习、算法研究、人工智能专业，以及未来希望在生物学、计算机、算法研究等领域从业的学生

▪ 具备一定的生物学和算法背景知识的学生优先

教授介绍

Sorin Istrail

布朗大学计算机科学终身教授

(1)布朗大学首席荣誉教授

(2)布朗大学计算机学院副主席(主管科研)

(3)由于在人类基因组计划中的计算机方面的突出贡献， 曾连续三年获得美国科学奖项之一国家科学基金会二等奖

(4)在2000年破解的三维伊辛模型问题， 获布朗大学终身称号，并以istrail命名美国生物计算实验室

(5)前任Sandia美国国家实验室生物研究系统主任

课程安排与收获

▪ 8周在线小组科研(总课时78小时)

▪ 网申推荐信

▪ 学术评估报告

▪ 项目成绩单

▪ 论文成果

具体报名信息，可咨询在线客服人员！