2019年12月11日下午16:30，黃德雙教授在伟德国际BETVlCTOR計算機樓A521作了題為“Motif Mining in DNA Sequences by Deep Neural Networks”的學術報告。
黃德雙，同濟大學特聘教授(二級教授)、博士生導師，中國科技大學博士生導師、兼職教授，2000年度中科院“百人計劃”入選者，同濟大學認知互聯網國際⏭➰聯合實驗室主任，機器學習與系統生物學研究所所長, 國家自然科學基金委第十四屆專家評審組成員, 國家新一代人工智能重大項目首席科學家，國際模式識别學會會士(IAPR Fellow)，國際智能計算學術會議Founding Chair，國際神經網絡學會（INNS）常務理事，中國計算機學會生物信息學專業委員會副主任委員，IEEE/ACM Transactions on Computational Biology and Bioinformatics, Neural Networks等國際雜志編委。已發表SCI收錄論文220餘篇，SCI他引3800餘次，入選2014-2018年度愛思唯爾（Elsevier）Scopus數據庫中國高被引學者榜單（計算機科學卷），出版專著3本，主編論文集49本，曾獲1997年度第八屆全國優秀科技圖書二等獎 (排名唯一)，2010年度安徽省自然科學一等獎 (排名第一) ，2016年度教育部自然科學一等獎(排名第一)，2018年度吳文俊人工智能科技進步一等獎(排名第一)。
在報告中，黃德雙教授介紹了近年來的生物學研究情況，提到位點基序挖掘在基因表達的轉錄和翻譯階段起到至關重要的作用，因此對基序的研究有助于理解複雜的生物分子系統，以及解釋疾病的發病機制。一般來說，如何通過計算方法對motif進行深入研究一直是生命系統基因調控過程建模的核心問題之一。基于如上研究背景，黃德雙教授首先提出生物序列motif預測的基本問題，然後結合新興的熱門技術“Deep Neural Networks”，系統地講述了生物序列motif預測。在簡要介紹幾種典型的深度神經網絡模型和生物序列基序預測的研究現狀基礎上，讨論了基于深度學習的motif預測存在的不足，介紹了各種改進的motif預測方法，包括高階卷積神經網絡結構、弱監督卷積神經網絡結構、基于深度學習的序列+形狀框架以及用于DNA motif預測的雙向遞歸神經網絡，介紹了用于RNA motif預測的多尺度卷積門控遞歸神經網絡模型和改進的包膜網絡。最後指出了這方面的一些新研究問題，并對其進行了綜述。本次報告受到了計算機學院師生的熱烈響應和一緻好評。
