科创中国

新一代信息技术产业,人工智能

图是人工智能领域的重要数据结构和表征形式，作为大图的典型代表，生物网络是研究分子互作及复杂生命系统动态行为的基础，已成为生物大数据挖掘的研究前沿。但是，生物数据量大、高维、多源异质和多尺度等特性使得传统图分析与挖掘方法难以应用，已成为生物大数据时代面临的重要挑战。为此，迫切需要发展更加高效的大图模式分析和挖掘的新理论及新方法，对精确生物网络建模与挖掘、理解复杂生物系统和加速生物医学研究步伐具有重要意义。

该项目的主要创新点包括：（1）针对大规模网络中因果关系模 式隐蔽的关键难题，发展了大图因果关系挖掘理论模型，成功应用于 基因网络中直接调控关系的识别；（2）突破了大图数据挖掘中图匹 配复杂度高的瓶颈，提出了大图匹配和模块挖掘的最优化算法，克服 了大规模基因网络比较时节点和拓扑结构无法兼顾的困难；（3）揭 示了基因网络的动力学模式特征，提出了一种带有时滞效应和加和调 控功能的网络模型，并给出了基因调控网络稳定性的充分条件，为控 制基因调控网络提供了理论基础。 项目的 8 篇代表性论文发表在 PNAS 等国际著名期刊，在国内外 同行中产生广泛影响，得到了多位 IEEE/ACM 会士和各国院士的积 极引用和正面评价。

1 赵兴明 男 1977.09.11 教授 博士 复旦大学 在国家自然基金项目(91130032)资助下，对科学发现点 一和二有突出贡献，发展了大图中因果关系挖掘的理 论模型，提出了分子通路互作网络的概念，提出了药物 效应网络模块的新量化指标和网络模块挖掘的最优化 算法。是代表论文1、2、3 的主要贡献者，并参与了中 科院战略先导科技专项(XDB13040700)的部分研究。 2 李春光 男 1976.02.01 教授 博士 浙江大学 在国家自然基金项目（61171153）资助下，对科学发现 点三有突出贡献，揭示了分数阶网络的动力学特征，给 出了分数阶网络混合状态的条件；提出了一种具有加 和调控功能的基因调控网络随机非线性模型，给出了 基因调控网络稳定性的充分条件，为控制基因调控网 络提供了理论基础。是代表论文6、7、8的主要贡献者。 3 陈洛南 男 1962.12.08 研究员 博士 中国科学院 分子细胞科学 卓越创新中心

点击查看