2023多组学与科研技术大会(广州站)

大会前言

    由观科研、迈赛客、博后之家、多组学科研、喀斯玛平台、广州新式会展服务有限公司联合组织的2023多组学与科研技术大会(广州站),将于2023年10月28-29日隆重举办。本次大会的创办人拥有多年从事科研服务经验,深度了解科研行业。大会致力于多组学与科研学术探讨和最新研究成果分享,推动技术服务单位与各大高校、医院、研究所的实验室的零距离学术交流、应用、学术探讨,共同打造一个属于科研人自己的行业峰会。

    现诚挚邀请各大科研服务机构人员和高校、医院、研究所的等科研人员共同出席本次大会,届时将会有邀请到100+行业知名的学术专家、100+企业单位、1500+高校学生出席,共同探讨学术经验和最新科研课题,携手促进多组学与科研技术发展。

2023多组学与科研技术大会(广州站)-CSDN博客

2023多组学与科研技术大会(广州站)会议议程

10月28日  上午   微生物组学与转录组学论坛

09:00-09:10 

嘉宾入席、主持人开场

09:10-09:20 

开幕式致辞

嘉宾:潘星华—南方医科大学基础医学院学术委员会委员,广东省单细胞技术与应用重点实验室主任

09:20-09:40 

主题:呼吸道微生物组的决定与塑造

嘉宾:丁涛—中山大学教授

09:40-10:00 

主题:肠道生态与健康

嘉宾:谢黎炜—广东省科学院微生物研究所、华南应用微生物国家重点实验室、南方医科大学教授

10:00-10:20

主题:健康功能微生物定向捕获与开发利用

嘉宾:谢新强—广东省科学院微生物研究所研究员  

10:20-10:40

茶歇

10:40-11:00 

主题:肠道真菌与人体健康 

嘉宾:左涛—中山大学胃肠病学研究所、中山大学附属第六医院研究员

11:00-11:20 

主题:转录组个性化整合挖掘与高通量药物靶标筛选   

嘉宾:张文亮—广州医科大学教授

11:20-11:40 

主题:单细胞转录组测序解析皮肤创伤后瘢痕形成的分子机制

嘉宾:邓成成南方医科大学皮肤病医院副研究员

11:40-12:00 

主题:内质网蛋白质稳态与脂质异位沉积   

嘉宾:石国军—中山大学附属第三医院、广东省糖尿病防治重点实验室教授

12:00-12:10 

主题:科研电商促进科研采购管理规范化

嘉宾:林涛—广州喀斯玛惠通科技有限公司总经理

10月28日  下午   表观遗传组学与基因组学论坛

13:28-13:50

嘉宾入席、主持人开场

13:30-13:50

主题:肿瘤代谢酶表观修饰调控与化学干预

嘉宾:山长亮—南开大学教授

13:50-14:10

主题:深度挖掘微生物组的综合R包—Microbiotaprocess

嘉宾:余光创—南方医科大学教授

14:10-14:30

主题:RNA表观遗传修饰在膀胱癌发生发展中的机制

嘉宾:应小玲—广州医科大学附属第二医院副教授

14:30-14:50

主题:微生物组与表观遗传组互作机制研究

嘉宾:汪肖云—华南师范大学生命科学学院教授

14:50-15:10

茶歇

15:10-15:30

主题:肿瘤微环境调节表观遗传与结直肠癌靶向耐药

嘉宾:王文宇—中山大学附属第六医院副研究员

15:30-15:50

主题:全脑原位神经再生基因疗法改善AD模型小鼠认知功能

嘉宾:吴政—暨南大学教授

15:50-16:10

主题:医学生命组学数据质量控制的实践与思考

嘉宾:杜红丽—华南理工大学教授

16:10-16:30

主题:Drug resistance Mycobacterium tuberculosis and discordance in rifampicin resistance,  diagnosis in clinical isolates

嘉宾:穆罕默德·塔希尔·可汗—河南仲景中医药产业研究院研究员,巴基斯坦拉合尔大学助理教授

10月29日  上午   甲基化与单细胞组论坛

09:08-09:10

嘉宾入席、主持人开场

09:10-09:30

主题:去甲基化酶在早期胚胎发育中的作用

嘉宾:暨南大学神秘嘉宾

09:30-09:50

主题:脑脊液cfDNA甲基化在儿童脑瘤中的应用

嘉宾:李佳—广州医科大学呼吸疾病国家重点实验室教授

09:50-10:10

主题:DNA甲基化调控非人灵长类大脑衰老过程

嘉宾:林莉—暨南大学、粤港澳中枢神经再生研究院副研究员

10:10-10:30

主题:Infection immunity and vaccine immunity of COVID-19

嘉宾:余山河—上海交通大学附属瑞金医院副研究员

10:30-10:50

主题: Single cell genomics are making promises in auto-immune diseases and hematological diseases

嘉宾:蔡志刚—天津医科大学教授

10:50-11:10

主题:单细胞测序解析鳞状细胞皮肤癌的发生发展

嘉宾:李昕—中山大学教授

11:10-11:30

主题:Single-Cell   Transcriptome Analysis Reveals Aggravation of Vascular Calcification by SMC-specific   TET2 Deficiency

嘉宾:曾智—南方医科大学珠江医院教授

11:30-11:50

主题:单细胞测序在肿瘤免疫微环境中的应用

嘉宾:陈德猛—中山大学附属第一医院研究员

11:50-12:10

主题:多组学整合及数字中药技术体系的构建及应用

嘉宾:官道刚—南方医科大学教授

12:10-12:30

主题:基于重亚硫酸盐的中通量单细胞简化代表性DNA甲基化测序技术及应用

嘉宾:张君孝—广州序科码生物技术有限公司副总经理、序科码生物医学研究院副院长

10月29日  下午   蛋白代谢组学与空间转录组学论坛

13:28-13:30

嘉宾入席、主持人开场

13:30-13:50

主题:RNA-蛋白相互作用在细胞命运转变、病理和生理下的功能和机制(暂定)

嘉宾:鲍习琛—中国科学院、广州生物医药与健康研究院研究员

13:50-14:10

主题:翻译组技术及应用

嘉宾:谢志—中山大学中山眼科中心,中山大学健康医疗大数据国家研究院,广东省生物信息学会教授

14:10-14:30

主题:空间代谢组引领的创新多组学技术发展与应用

嘉宾:舒烈波—上海鹿明生物科技有限公司博士

14:30-14:50

主题:Phospholipids metabolism and cell fate decision

嘉宾:钟文彬—广州医科大学教授

14:50-15:10

主题:脂代谢异常与肿瘤发生发展

嘉宾:李凯—中山大学附属第六医院副研究员

15:10-15:30

主题:空间转录—表观组技术简介及应用

嘉宾:张腾波—上海达撤生物科技有限公司博士

15:30-15:50

茶歇

15:50-16:10

主题:MISAR-seq空间多组学技术,解密小鼠脑发育的时空谱系

嘉宾:江伏青—中国科学院,广州生物医药与健康研究院博士

16:10-16:30

主题:利用图神经网络的人工智能模型探索空间转录组学

嘉宾:宋乾乾—美国佛罗里达大学助理教授

注:会议议程以现场发布为准

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值