报告题目：基于机器学习的纳米生物技术

报告人：黄兴禄 教授

邀请人：王飞虎 博士

报告时间：10月20号 16：00-17:40

腾讯会议ID： 225775684

会议密码：7036

简介摘要

机器学习（machine learning, ML）是人工智能的核心，其相关技术已应用在生命数据的量化处理和医学的自动化诊断等方面。纳米生物技术具有典型的多学科交叉的特点，随着研究的深入，自身也遇到一些函待解决的关键科学问题。最近，我们利用机器学习技术尝试解决纳米生物医学领域的若干问题，主要包括两方面的代表性工作：机器学习赋能纳米酶的理性设计、机器学习赋能量化纳米材料的肿瘤血管渗透性。（1）机器学习赋能纳米酶的理性设计：目前纳米酶材料的合成主要以“试错”（trial-and-error）方式进行，为此，我们以全链接深度神经网络模型为基础，通过挖掘文献中纳米酶材料的相关信息，构建了纳米酶类酶活性预测的机器学习模型。以此模型为基础，通过结合合成生物学相关技术，指导设计了各种基因工程化铁蛋白纳米酶，用于肿瘤、组织损伤等疾病的治疗。（2）机器学习赋能量化纳米材料的肿瘤血管渗透性。肿瘤血管是否存在高的渗透性（即EPR效应），近年来饱受争议，这也是肿瘤药物递送领域中最重要的关键科学问题之一。为此，我们将生物合成的基因工程化铁蛋白纳米探针，并与机器学习的图像分割技术结合，首次建立了一种高通量定量肿瘤单血管渗透性的新技术，即Nano-ISML，通过对30多种肿瘤模型的研究系统揭示了肿瘤血管渗透的异质性问题。在此技术帮助下，我们也揭示了血管内皮细胞渗透异质性形成的生物学机制，并提出了纳米药物分类设计的新策略。这些研究进展不仅展示了机器学习在纳米生物医学领域的深度应用，而且还开发了一系列基于机器学习的示范性纳米生物新技术。

报告人简介

黄兴禄，教授、博士生导师。南开大学生命科学学院、药物化学生物学国家重点实验室PI。国家“四青”人才，南开大学百名青年学科带头人（A类）。2010年博士毕业于中科院理化技术研究所，之后，分别在美国国立卫生研究院（NIH）和约翰霍普金斯大学（JHU）从事博士后研究工作，2018年加入南开大学。团队目前的主要研究方向包括：（1）利用合成生物学、机器学习等前沿技术，研究和解决纳米生物学领域所涉及的若干关键科学问题；（2）基于合成生物学理念和技术，设计和开发纳米药物用于肿瘤、再生医学等相关疾病的治疗。以通讯/第一作者发表论文30余篇，包括PNAS、Science Adv、Adv Mater等，研究方向涉及生物医学、合成生物学、材料学、计算机科学等跨学科前沿领域。

供稿单位：学术报告与研讨会 授课组

作者：王飞虎

审核：汤耀辉