近日，实验室邀请了武汉大学田天教授分享《空间组学中的多任务人工智能算法开发》的讲座。此次讲座由彭杨教授主持。

空间测序技术的发展快速推动了生物医学研究，但是对数据分析和建模仍然是计算上的挑战。空间组学是继单细胞测序技术之后的又一个生物技术研究热点，与单细胞组学数据不同，空间组学增加了空间位置信息，旨在3D环境中绘制细胞的分子生物学信息，用于揭示细胞空间分布关系对疾病的影响。虽然相邻的细胞更可能有相似的状态，而生物组织中具有复杂、多样化的空间结构。因此对空间信息正确的解码和建模，对数据分析有重大影响，也为相关研究提供理论和技术支持。

此次讲座，田教授主要介绍了团队新开发的算法spaVAE，该算法能基于空间信息对离散的reads（单次测序所得到的碱基序列）进行建模，降噪效果显著，换而言之，田教授团队开发的算法能根据空间位置信息对原始数据进行矫正，能减少降噪过程的失真率和提高空间分辨率，挖掘更多的生物学信息。为了加深参会师生对算法的理解，田教授分享了目前和各个团队合作构建的不同模型，例如针对差异基因进行构建的spalDVAE模型，针对ATAC-seq数据进行构建的spaPEAKVAE模型，和针对蛋白水平进行构建的spaMultiVAE模型。

讲座结束后，田教授与参会师生围绕如何分析空间转录组数据、算法的底层结构等科学问题进行了深入交流，参会师生对人工智能算法有一定的认识并拓宽了视野，为今后的研究提供了新的思路和方法。

讲者介绍

田天，武汉大学教授、博导、国家级高层次人才，本科毕业于武汉大学，后前往纽约大学攻读计算机科学硕士学位，在新泽西理工大学获得计算机科学博士学位，在宾夕法尼亚大学Hakon Hakonarson课题组从事博士后研究。课题组致力于生物大数据的人工智能算法开发，围绕“生物组学数据中的高噪音、高维度、多组学融合、批次多样性等计算挑战”的关键科学问题，开发了一系列创新人工智能算法。同时将创新算法应用于实验数据挖掘与分析进而帮助解决重大生物医学问题。近年来共发表SCI学术论文30余篇，包括 Nature Methods、Nature Machine Intelligence、Nature Communications、Genome Research、EBioMedicine等，合作成果发表于Nature Medicine、Cancer Discovery、PNAS等，Google Scholar总引用3100余次。担任 Frontiers in Genetics和BMC Bioinformatics等期刊编辑，并在Briefs in Bioinformatics、Neural Networks等多个期刊担任审稿人。