摘要: 人体内数以万亿计的细胞可以看作是基本的但也是必不可少的生物学单位。传统细胞分离和测量方法存在分辨率较低的问题，限制了我们在分子层面对细胞特异性的理解。近年来，单细胞测序技术的建立与快速发展有助于识别不同状态条件下细胞组成与其分子系统状态。新兴的单细胞数据为解析生物/医学异质性条件下的生物系统变化创造了条件，但也对分析方法提出了新的要求。这次报告将首先对单细胞RNA测序数据的分析流程做小结；然后，阐述现有单样本网络模型的异同，及其在单细胞数据分析中的适用性；最后，通过若干单细胞数据分析实例介绍针对具体生物学问题的生物网络建模及其在单细胞层面的复现。

报告人简介：曾涛博士主要研究方向是计算系统生物学、机器学习、生物信息学、转化医学等。近年来，围绕“生物标志物的网络建模、大数据识别、生物医学智能应用”展开了一系列研究工作；提出网络标志物，动态网络标志物，个体化网络标志物等一系列模型和算法，从计算系统生物学角度为个性化医疗提供了理论与实践基础。主持过多个国家、上海、中科院科研项目的工作开展；作为研究骨干参与国家重点研发计划2项以及中科院战略性先导科技专项2项。目前已发表60余篇学术论文，累计影响因子280，H-index为15；承担研究生“生物信息学”课程讲授（2013~2020年）。