报告题目: 基于图算法创新的蛋白残基突变预测
报告人：李金艳（深圳理工大学教授）
报告地点：文波楼401会议室
摘要: 蛋白和蛋白相互绑定的接触面中的特别氨基酸子集对蛋白复合物的绑定能量和结构亲和力起决定性作用。这些氨基酸被称为绑定热点区域（binding hotspots）。研究发现，绑定热点区域都会被一个形成O-环结构的氨基酸子集紧密覆盖。我在这里讲述怎样用“水挤水密”双疏水理论描述绑定热点区域，以及怎样使用图论算法找到蛋白复合物中的绑定热点区域和O-环结构。进一步，我将讲述怎样把O-环结构中的某些氨基酸突变成为绑定热点区域的新的一部分，使得整个蛋白复合物的绑定更强。同时，我也介绍DeepDirect新算法。这些理论和算法对蛋白药物和工业用酶蛋白的设计和优化带来益处。
报告人简介: 李金艳，博士生导师、深圳理工大学计算机科学与控制工程学院杰出教授、中国科学院深圳先进技术研究院研究员、2022年国家高层次海外重点人才，全球前2%顶尖科学家。曾全职在悉尼科技大学、南洋理工大学、资讯与通信研究院等澳大利亚和新加坡著名高校及科研单位从事教学和科研工作近30年。长期致力于数据挖掘和生物信息前沿课题相关研究和创新。提出了“显露模式”理论和挖掘算法、水挤水密“双疏水”生物假说、最大二分子图和闭模式之间的一到一映射关系。在机器学习和生物信息学领域的顶级期刊和国际会议上发表200多篇高质量学术论文，其中原创论文单篇引用达1500余次。主持国家自然科学基金、澳大利亚和新加坡国家科研基金多项。荣获“亚洲技术革新金奖”、“数据科学创新奖”等。近期对生物序列大数据互参考“链式”压缩、基于对抗学习的蛋白亲和力突变预测以及高通量测序错误“字符串梯式”纠错提出了高性能算法。对病毒泛宏基因组序列的高效精准组装、多成分信使核糖核酸疫苗和多成分灭活疫苗的设计和优化尤为专注。荣膺国防科技大学应用数学学士学位、河北工业大学计算机工程硕士学位、墨尔本大学计算机科学与软件工程博士学位等。
