报告题目：Defining cell type identity with high dimensional transcriptomic and proteomic data via machine learning

报 告 人：谭玉琪 博士

主 持 人：赵琼 研究员

地    点：生命科学学院543小会议室

时    间： 2021年11月30日 13：30

报告人简介：

谭玉琪博士，美国斯坦福大学博士后。2014年在香港中文大学生命科学院获学士学位，2021年于美国约翰霍普金斯医学院获博士学位。谭玉琪博士主要从事生物信息技术与干细胞工程学，发育学和肿瘤学的交叉科学研究，利用机器学习为分析高通量的单细胞测序和多重影像数据开发工具并进行应用。谭玉琪博士已发表十多篇高水平研究论文 (Cell System, Nature Protocol, Development etc). 

报告摘要：

单细胞测序近十年内已经成为非常通用且强大的生物工具，分析单细胞测序的第一步通常需要判定数据内不同细胞类别的组成。早期的细胞类型的分析是通过人工寻找各个细胞类型特定的表达来进行分类。然而，这样的细胞分类方式非常费时费工，且缺乏定量的精准度。于是，报告人研发了一个以机器学习为基础的生物信息分析工具，singleCellNet，来实现跨越测序平台，跨越物种的定量细胞类型分析。报告人将这个工具应用于干细胞工程的优化和肿瘤异质性探讨。应用相似的机器学习的原理，报告人成功地将细胞分类分析进一步地延展至多重成像的数据分析。