当前位置:主页 > 新闻中心 > 学术活动预报 >

Big Data Sciences for Precision Medicine

更新时间:2015-06-19 点击:

讲座名称 Big Data Sciences for Precision Medicine
讲座时间 2015-06-24 10:00:00
讲座地点 新科技楼609
讲座人 Xiaobo Zhou
讲座人介绍

正教授,生物信息中心主任和首席科学家, 中国千人计划国家特聘专家 从事专业: 生物信息学,大数据分析,系统生物学,生物医学成像分析 目前工作单位: Wake Forest University School of Medicine。
 
教育背景
   1998      博士      北京大学      应用数学
   1995      硕士      北京大学      应用数学
   1988      学士      兰州大学      应用数学
   工作经历
   2013—现在, 维克森林大学, 终身正教授, 生物信息首席科学家, 生物信息学中心主任
   2011—2013, Methodist Hospital, 终身正教授, 生物信息首席科学家,生物信息中心主任
   2007—2011,康乃尔大学,Methodist Hospital, 终身副教授,生物信息学首席科学家
   2003—2007,哈佛大学医学院和Brigham & Women’s Hospital, 研究员和助理教授
   2001—2003,得克萨斯A&M大学, 博士后研究员
   2000—2000,美国密苏里大学Columbia分校, 博士后研究员
   1998—2000,清华大学自动化系, 博士后研究员
   1999—2000,华为技术有限公司-北京3G无线通信部, 开发组高级技术经理
   1992—1998,北京大学数学系, 研究助理和教学助理
   1988—1992,重庆18冶建筑公司培训中心, 讲师
   周博士目前是美国著名的私立大学维克森林大学 (US news排名在23-27)的终身正教授,生物信息与系统生物研究中心主任,生物信息学首席科学家。他目前领导五个实验室的研究工作。整个美国团队共有30多名研究人员。周博士长期从事数据挖掘,生物信息学,系统生物学,和生物医学成像的研究并作出了卓有显著的贡献。他和他的同事们开创了高含量的细胞成像信息学领域以及系统生物学中的多尺度建模领域。他是可以联合基因组学,蛋白质组学,细胞成像, 组织和器官水平成像和建模,以及提高临床诊断和治疗的极少数科学家之一。周博士在大数据挖掘,云计算,人工智能,机器学习,生物信息学,系统生物学,系统医学,生物医学成像,信号处理,图像处理和模式识别,药物靶标预测, 新一代测序数据分析,磷蛋白质组学的信号通路研究, 细胞与细胞的相互作用建模, 癌症干细胞小环境建模, 免疫系统建模,肾组织再生医学系统建模研究,計算机辅助的手術治疗,器官移植的免疫排斥反应的系统建模,以及系统建模指导下的药物治疗系统等有着多年的研究经验。
   他发表了近200多篇期刊论文,其中不少发表在他的领域中的顶尖期刊上如Science,Nature Series, Proc. of IEEE,IEEE Transactions,Cancer Research,Nucleic Acids Research,Biomaterials,Bioinformatics等。基本上所有的期刊都是SCI检索的。总影响因子超过了500。他的论文在过去的五年被引用次数超过了4000次. 他另外出版了10本书籍章节,会议论文100多篇,和2本专著。他的个人化治疗的大数据库系统和多次度模型优化的骨再生系统具有很大的市场价值,目前正在申请专利。自2005年来,周博士从美国NIH获得了超过3000万美元的研究经费。其中包括三个NIH R01(PI)两个 NIH U01(PI),和6个 NIH R01(Co-PI)。周博士还组织了美国NIH U54癌症干细胞系统建模研究中心的建设 (Co-PI),以及基于学习的临床大数据卫生系统的网络研究中心(site PI of PCORI with Harvard)。
讲座内容
  The explosive growth of biomedical Big Data provides enormous opportunities to revolutionize current clinical practices & biomedical research if the accompanying challenges of heterogeneity in those data can be addressed with novel informatics technologies. Needs of knowledge in translational research & clinical practice & knowledge provided by data-driven informatics technologies are often inconsistent, & new strategies & pipelines are required to bridge this gap. To address these challenges, we are developing the Big Data for Personalized Medicine (BD4PM) system, a biomedical Big Data informatics platform that allows fast adaptation of novel datasets by systematic data harmonization & knowledge management mechanisms, & expedites personalized medicine by providing user-oriented toolkits established on a scalable translational knowledge library. Our working hypothesis is that the similarity of signatures shared by patients & cell lines can reveal the underlying mechanisms of drug responses, & thus can be used in integrated models to optimize personalized medicines. We seek to investigate & develop a complete set of tools & resources that will enable signatures to be most effectively extracted from big data & applied to personalized medicine. Specifically, we unite information fusion & knowledge maturation strategies to address the challenges of data heterogeneity so that large scale signature extraction becomes feasible. We then develop novel algorithms to extract structured signatures from the integrated data to enable knowledge discovery. Finally, we investigate signature-based approaches to integrate advanced multi-scale models for personalized medicine. Through these innovative strategies, we will provide the biomedical science community with a complete set of tools & resources that allow researchers to develop & grow biomedical signatures as critically important knowledge for significant discoveries & in the process bridge key gaps between the growing amount of biomedical Big Data & the needs of translational research. 

西电主页 回到首页 联系我们 西电导航 English Version
Copyright ©2005-2016 oice.xidian.edu.cn All rights reserved. 西安电子科技大学国际合作与交流处 版权所有
联系电话:029-8820 2220\4801\2221\2844 传真:029-88201620 电子邮箱:fao@xidian.edu.cn
地址:陕西省西安市太白南路2号 邮编:710071
电子工程学院网络信息中心设计维护seewebmaster@163.com