基因大数据中的处理与其相关生物功能的发掘

      于天维博士现任美国埃默里大学(Emory University)生物统计与生物信息学系终身副教授，长期从事算法研究，应用于生物信息学领域的大数据。主要研究方向包括基于质谱的代谢组数据预处理，基因组网络分析，以及探索高维数据中的非线性相关。于博士发表高水平学术论文六十余篇，现任Frontiers in Genetics和Current Metabolomics的编委。

内容摘要：

      生物功能是通过一个复杂的调控网络实现的。疾病可以看作是对生物网络的扰动。在分析高通量数据的过程中, 使用生物网络数据库可以帮助我们将已有的知识和新的数据结合在一起，获取更加可靠的信息。可以找到可靠性更高的生物标记，和与疾病相关的子网络（“网络标记”），从而解释疾病发生和发展的机理。我们探讨两个比较直观的方法。两个方法都用于基因表达数据。一个方法试图寻找与疾病相关的个体网络（ego-network）, 进而找到重要但是不差异表达的基因。另一个方法试图构建差异协同的生物功能区网络, 进而解释疾病在功能区水平上的调控机理。