2016年12月8-10日，BDTC 2016 中国大数据技术大会将在北京新云南皇冠假日酒店隆重举办。本届BDTC 2016为期三天，聚焦行业最佳实践，数据与应用的深度融合，关注热门技术在行业中的实践和应用，除Keynote外，主办方精心策划了16场专题技术和行业论坛，涵盖了大数据分析与生态系统、大数据云服务、HPC大数据、推荐系统、数据安全与隐私保护、人工智能、网络与通讯、政策法规与标准化、工业与制造业、数据库、金融、精准医疗和生物医药大数据、数据开放与政府治理高层沙龙、交通旅游与出行等主题。
目前，大会的全部议程已经出炉，超过130位技术专家将为现场千名以上的大数据行业精英、技术专家及意见领袖带来100多场技术演讲，分享最新技术与实践的洞察与经验，共商大数据时代发展之计。
在备受关注的“精准医疗和生物医药大数据论坛”，无论是讲师阵容还是议题质量都堪称顶级，其学术价值极高，对于从事医疗和大数据领域的研究者来说具有极高的学习价值和参考价值。具体议题和介绍如下：
魏冬青：上海交通大学生命学院，微生物代谢国家重点实验室
讲师简介：魏冬青，国际交叉科学家联合会主席，SCI SpringerSCI期刊”InterdisciplinarySciences–ComputationalLifeSciences”主编，”Molecular Simulation”等10家杂志编委。发表SCI文章250多篇，引用超过5000次，H因子45。获得横山亮次(YokoyamaRyōji)等奖项。长期从事生物信息学研究，开发了分子模拟与计算机辅助药物设计软件SAMM，构建了多个生物信息数据库，在计算机药物设计的研究中取得了突出成绩, 发现并实验验证了花椒素的抗衰老以及对老年痴呆的治疗作用。
议题名称：代谢酶的基因多态性与个性化药物设计
议题介绍：世界各国美国积极推动精准医学的发展，将其上升为国家战略，这标志着国际上在基因资源利用、新药靶点发现、新的诊断治疗方法开发、生物医药新产品研发等的竞争进 入新的阶段，对我国生物医药与健康产业的发展形成严峻挑战。 我国也制定相应的发展战略，以我国常见高发重大疾病及若干罕见病为切入点，构建百万人级自然人群国家大型健康队列和特定疾病队列、多层次精准医疗知识库体系和生物医学大数据共享平台，突破新一代生命组学技术和大数据分析技术，建立创新性的大规模研发疾病预警、诊断、治疗与疗效评价的生物标志物、靶标、制剂的实验和分析技术体系。
细胞色素P450（CYP450）酶家族负责代谢几乎90%当前使用的药物。单核苷酸多态性（SNPs）的变异在人类CYP450基因会产生不同的药效，甚至不良影响，可用于揭示与治疗人类疾病相关的最可能的基因，研究个体基因的特定属性，提供个性化和优化临床治疗。我们专注于CYP450的信息与催化机理，同时其与药物设计的关系， 包括生物信息学研究和在个性化医学框架下对药物代谢的影响， 酶催化代谢反应的野生型和突变型在热力学和动力学方面进行研究， 探讨与确定癌症和自身免疫性疾病治疗的潜在的候选药物的药物发现方法，阐明结合的单核苷酸多态性对酶活性的变化的机制。
我们借助于高性能计算方法与超级计算机快速进展， 开展基于原子水平的蛋白质大规模长时间模拟。而这些蛋白质往往是药物设计的靶标。这样，超算提供了创新药物设计的虚拟现实工具。我们演示一些典型体系的模拟结果以及在老年痴呆药物筛选中的应用。
伯晓晨：军事医学科学院
讲师简介：分别于1996年、1999年和2002年获得国防科技大学自动控制、模式识别和控制科学专业学士、硕士、博士学位，2003年开始从事生物信息学研究工作。现任军事医学科学院研究员、博士生导师、科技处处长。
目前研究方向包括新一代测序技术、系统生物学等。作为负责人和主要研究者先后承担“精准医学研究”国家重点研发专项、国家重大新药创制、863、自然基金重大研究计划、自然基金重点、自然基金面上项目等18项。在Nature、Nature Microbiology、Nucleic Acids Research、Bioinformatics等期刊发表SCI论文50余篇。先后获得军队科技进步一等奖、国家科技进步二等奖、北京市科学技术奖一等奖等奖励。2007年入选北京市“科技新星”， 2012年入选总后科技新星。现兼任北京自动化学会理事、中国药理学会网络药理学专业委员会常务委员等。
议题名称：精准医学大数据管理和共享技术平台
议题介绍：生物大数据正在深刻变革生物医学研究的模式，推动精准医学研究和产业化步入快车道。承载精准医学数据收集、管理、整合职能的大数据中心的建设已经成为精准医学研究不可或缺的基础支撑平台。我国目前面向“精准医学研究”精准医学专项数据汇交、存储、注释、共享、展示等需求，正在建设精准医学数据中心，本报告介绍了该中心建设的具体目标和技术方案，包括：1）满足大数据存储、高性能计算、高并发访问等需求，建立PB 级别分布式大数据存储系统，解决数据安全、异地灾害备份等重大技术问题；2）构建精准医学元数据规范和语义融合框架，建立集成数据汇交系统的精准医学大数据管理平台和协同工作平台，建设重大疾病精准医学数据库群；3）建立精准医学研究相关重要公共数据库本地镜像，实现从基因组、转录组、蛋白组到代谢通路、表型数据的全覆盖，建立中国人组学数据库，构建中国人精准医学组学参照数据集；4）整合精准医学临床大数据与生物学基础数据，建立自动、无缝、高效的PB 级组学数据与临床信息整合、注释系统；5）突破精准医学大数据描述分类、组织索引、关联搜索、以及高效检索等关键技术，建立精准医学大数据中心门户，开发语义关联搜索、高效检索以及可视化展示等应用系统。
魏洪：百世伽科技CDO
讲师简介：魏洪，数学学士；大数据硕士；临床医学博士；前华为技术有限公司P&S Marketing部门首席架构师，现任百世伽（杭州）科技有限公司首席数据官，公司创始人之一。
议题名称：基于大数据的分导诊人工智能机器人
议题介绍： 近年来国家大力推行分级诊疗制度；移动医疗，远程医疗方兴未艾；同时，在临床一线，医疗事故层出不穷，低年资医生受制于医疗资源分布不均衡，医疗水平提高不快，究其根本原因在于优秀的医生不够。建立临床医疗诊断辅助决策平台的主要目的之一就是提高医疗的安全性和诊疗质量，减少医疗差错，增加病人的就诊体验。
公司目前有三个产品，初级产品：智能化无人值守体征采集一体机（目前覆盖16大项，128个小项）中级产品：基于大数据的分导诊人工智能机器人，终极产品：临床医疗诊断辅助决策平台。本次我们带来的是基于大数据的分导诊人工智能机器人介绍。
陈洛南，中国科学院上海生命科学研究院
讲师简介：陈洛南, 1984年获华中科技大学学士学位；1988年获日本东北大学硕士学位；1991年获日本东北大学博士学位。1997年起任日本大阪产业大学副教授；2000年起任美国加州大学洛杉矶分校(UCLA)访问教授；2002年起任日本大阪产业大学教授； 2009年4月起任日本东京大学教授（兼）；2009年10月至今任中科院系统生物学重点实验室执行主任，研究员。现任中国运筹学会《计算系统生物学分会》首任理事长，IEEE-SMC《系统生物学委员会》主席，中日韩国际系统生物学会组织（Trisys）的轮值主席。主要从事计算系统生物学和生物大数据分析的研究工作。近年来，陈洛南在系统生物学等研究领域发表了270篇以上SCI期刊论文及10部以上编著书籍。
议题名称：基于动态网络标志物的“未病”检测理论和方法 (揭示表达暗物质)
议题介绍：众多的证据表明，许多复杂生物过程存在一种普遍临界现象，即由一个相对稳定状态，经过一个临界点后在很短的时间内快速地进入另一个稳定状态。如许多复杂疾病的恶性转化就是这样的一种普遍现象，即病情在很短的时间内从正常状态（包括健康状态、相对稳定状态或疾病的缓慢变化状态），经过一个临界点或关键节点快速进入疾病状态（包括疾病恶化状态）。为了探测这种突变现象及其关键因子，我们提出了动态网络标志物（dynamical network biomarker, DNB），即利用高通量生物数据的动态性质来预测复杂疾病或复杂生物过程临界突变现象及其关键因子的概念和理论。不同于传统的、主要用于检测疾病状态的分子生物标志物，DNB是一种全新的、用于探测疾病突变前临界信号的生物标志物，即检测“前疾病状态”或“未病”而不是“疾病状态”或“疾病早期状态”。DNB具有诸多的优点特征：首先，不需要建立任何模型，是一个model-free的方法；第二，DNB可以在小样本条件下获得疾病突变前的预警信号；第三，DNB是突破稳定状态首先进入疾病状态的主导分子群或生物分子的子网络，即为疾病的主导分子群或关键网络而不是疾病所影响的分子群，因此具有非常重要的生物学意义。我们进一步成功地应用DNB到肺损伤及癌症的前疾病状态和关键因子群的检测。
江瑞：清华大学数据科学研究院医疗健康大数据研究中心
讲师简介：江瑞，1992年进入清华大学，1997年获学士学位，2002年获博士学位。2002-2003在香港科技大学任博士后。2004-2007年在美国南加州大学任博士后。2007-2015年在清华大学自动化系任副教授，2014-2015年在美国斯坦福大学任访问教授。2015年至今任清华大学自动化系特别研究员。江瑞博士从事模式识别、机器学习、统计推断、生物信息学研究十余年，主要研究方向包括定位致病遗传因素的模式识别理论与方法、健康医疗大数据的智能信息处理等。
议题名称：健康医疗大数据的智能信息处理
议题介绍： 2016年堪称我国医疗健康大数据蓬勃发展的元年。在党中央国务院一再强调，健康医疗大数据上升为国家战略高度的大环境下，怎么做好基础研究，最终应用于临床决策、疾病诊断、药物研发等医疗健康产业，为国家战略服务，是当今国内信息与生命科学交叉领域研究人员讨论的热门话题。健康医疗大数据的利用包括底层数据互联互通、中层数据隐私保护、以及上层数据分析利用等多个环节，其核心是通过运用人工智能技术对数据进行加工，获取数据中蕴含的信息，体现数据的价值，所以说健康医疗大数据应用的核心是智能信息处理。本演讲将通过清华大学数据科学研究院医疗健康大数据研究中心近年来在智能辅助诊断、遗传因素定位等方面的最新成果，系统介绍如何对健康医疗大数据进行智能信息处理。
方林：深圳华大基因研究院
讲师简介：方林，2002年浙江大学生物物理学硕士；2012年University of Copenhagen生物系博士。现任深圳华大基因研究院副院长和生物信息中心主管，兼云计算主管和高性能计算主管，国家网格生物网格项目组的核心成员。主持开发生物信息云计算相关的平台软件，为科学家快捷地从事生物信息研究搭建一个高效的计算平台。目前负责建设华大基因高性能计算平台项目，规模达到计算峰值206TFlops，存储规模20PB，作为生物信息领域最大的高性能计算平台，2011和2012年连续两年获得国际数据组织颁发的“高性能计算创新奖”；同时开始主持深圳华大基因研究院100万亿次超级计算机的筹备工作；2012年负责建设华大基因云计算平台，在2012年的Bio－IT国际大会上，获得了绿色云计算最佳实践奖。参与水稻基因组完成图的绘制，家蚕基因组草图和SARS基因组等项目。近几年来在“Science”，“Nature”，“Nucleic Acids Research”，“Cell”，“Plos Biology”，等国际顶级杂志上共发表论文共9篇。软件开发方面，完成WEGO——基于网页的GO注释分析工具的开发，作为通讯作者发表文章在“Nucleic Acids Research”上。
议题简介：精准医疗！还缺什么？
议题简介： 2015年1月，美国总统奥巴马宣布了新的项目——精准医疗计划。2015年3月，我国科技部召开国家首次精准医学战略专家会议，提出了中国精准医疗计划，并计划总投入达600亿元。但是关于精准医学，一直有一些科学家在泼冷水。近期，Ian F. Tannock等发表在《新英格兰医学》上的 《Limits to Personalized Cancer Medicine》指出精准医学在肿瘤治疗上不仅效率低下，而且花费很高； 9月，《自然》杂志一篇标题为《The precision-oncology illusion》的文章更是直指肿瘤精准疗法如同时光机一样痴人说梦。
到底如何才能“精准”的理解精准医学？精准医学在现阶段缺什么，为什么目前还达不到一个很好的效果？《精准医学，还底缺什么？》将从精准医学的科学设计原理，目前存在的问题，特别是核心的数据管理和分享的角度来全放位的讲解精准医学这盘棋。
李洪林：上海市新药设计重点实验室
讲师简介：李洪林，博士，华东理工大学药学院，教授，校特聘教授，博士生导师。现为上海市新药设计重点实验室主任、生物反应器工程国家重点实验室成员、华东理工大学药学学科专业委员会主任。
2000年6月，毕业于大连理工大学化工学院，获学士学位；2005年6月，毕业于大连理工大学工程力学系，获博士学位；2005年7月-2008年5月，在中国科学院上海药物所博士后；2008年5月华东理工大学药学院任教授；2009年3月-2009年6月，美国明尼苏达大学短期访问；2012年3月，受聘华东理工大学特聘教授。他先后获得上海市“青年科技启明星计划”（2010）、 教育部“新世纪优秀人才支持计划”（2010）、国家自然基金委优秀青年科学基金（2012）、上海市“青年科技启明星计划”跟踪（2013）、第十六届“明治生命科学奖”（2013）、第十三届中国青年科技奖（2013）、上海市“曙光计划”（2013）、第十四届霍英东基金（2013）、中组部“万人计划”青年拔尖人才（2014）、科技部创新人才推进计划“中青年科技创新领军人才”（2015）等人才计划资助和奖励。李洪林实验室主要进行靶标识别和药物发现的计算方法及其应用的交叉学科研究。
议题名称：大数据驱动的精准药物设计
议题介绍：在药物发现过程中一般会希望候选药物对靶标具有特异性，但事实上临床使用的多数药物作用在不止一个靶标上，这种作用的混杂性可能带来益处、也可能带来毒副作用。我课题组发展了多种蛋白质靶标与配体多重对映关系预测技术，通过基于化合物结构相似性分析和基于化合物-靶标作用网络分析的化合物与靶标关系预测技术，在此基础发展化合物潜在靶标预测方法以及化合物的毒副作用预测方法，为活性化合物的生物效应评估和老药新用途发现提供预测技术与方法；我们对所发展的药物设计技术进行实际应用，针对恶性肿瘤及糖尿病等疾病相关的药物靶标，结合数据分析开展新型药物的精准设计，发现了多个有发展潜力的先导化合物和候选药物。
王秀杰：中国科学院遗传与发育生物学研究所
讲师简介：王秀杰，中国科学院遗传与发育生物学研究所分子系统生物学研究中心主任、研究员，国家重大科学研究计划项目首席科学家，RNA Biology、BMC Genomics、Journal of Genetics and enomics 等杂志编委。
主要研究方向为生物信息学和系统生物学。致力于发挥计算机在处理大规模生物学数据上的优势, 运用生物信息学和实验生物学相结合的手段, 解析非编码RNA和表观遗传修饰相关的功能与机制。在Cell Stem Cell, Genes & Development, Genome Biology, PNAS等杂志发表通讯或共同通讯作者论文近30篇，另在Nature, Cell Stem Cell等杂志发表合作研究论文50余篇，共被他引近4000次，h指数为34。曾获国家杰出青年科学基金、国家自然科学奖二等奖（第二完成人）、美国杜邦公司青年科学家奖，“中央国家机关五四青年奖章标兵”、“全国青年岗位能手”、“中国青年五四奖章”、“全国五一巾帼标兵”荣誉称号，作为共同完成人获得“中国科学院杰出科技成就奖集体奖”。2014年入选科技部“中青年科技创新领军人才”。2016年入选中组部“万人计划领军人才”。
议题简介： The pluripotency of embryonic stem cells (ESCs) is regulated by multiple layers of factors. At the RNA level, we have identified a cluster of miRNAs whose expression abundance is positively correlated with the pluripotency level of ESCs, and confirmed that one of the functions of these miRNAs is to target the key component of the PRC2 complex therefore to regulate H3K27me3 modification. We also identified a long non-coding RNA which functions as a ceRNA to compete for miRNAs targeting a key pluripotency factor, Nanog. We have proven that ESC-specific transcription factors are capable to produce ESC-specific transcripts with alternative transcription start sites from ubiquitously expressed genes, thus confer ubiquitously expressed genes novel functions to involve in the maintenance of ESC pluripotency. In addition, the m6A modification on mRNAs is also required for reprogramming of MEFs to induced pluripotency stem cells (iPSCs).
裴剑锋：北京大学前沿交叉学科研究院
讲师简介：裴剑锋，博士，北京大学前沿交叉学科研究院特聘研究员，博士生导师。1995年6月，毕业于武汉大学生命科学学院，获学士学位；1998年6月，毕业于中国科学院武汉病毒研究所，获硕士学位；2002年6月,毕业于中国科学院过程工程研究所，获博士学位；2002年10月-2006年8月，北京大学博士后；2006年9月北京大学前沿交叉学科研究院特聘研究员；2005年10月-2006年6月，美国纽约州立大学布法罗分校短期访问。从事药物信息与药物设计研究工作，近年来在国内外著名学术刊物上发表论文40余篇，获第十三届中国药学会青年药物化学奖；主持国家科技重大专项，国家863计划项目，国家科技重点专项项目，国家自然科学基金等项目6项；兼任中国化学会计算机化学专业委员会委员，中国医药生物技术协会生物医学信息技术分会委员，中国药理学会定量药理学委员会青年委员。
议题名称：深度学习及其在化学信息学中的应用
议题介绍：深度学习技术在很多领域取得了巨大的成功，但是在化学信息学中的应用还处于起始阶段。深度学习算法对于化学信息学研究具有显著的优势，可以充分利用到化学信息学大数据。深度学习在化学信息与药物信息研究也存在需要专门解决的关键科学问题，包括发展用于处理非结构化化学数据的深度学习算法；发展适用于分子二维及三维结构信息特征的编码方法和网络结构、超参数优化算法、以及多目标深度学习算法等。我们将堆积自编码、深度递归神经网络、深度卷积神经网络以及多目标深度学习等方法应用于化合物成药性和毒性等预测以及蛋白质-蛋白质相互作用的研究中，不仅获得了高精度的预测模型，还学习到了结构相关的物理化学特征对化合物性质的影响。
陈钢：WeGene CTO, WeGene CTO
个人介绍：陈钢，WeGene联合创始人兼CTO，香港中文大学兼职助理教授，香港医管局大数据顾问。2006年毕业于国防科技大学，2012年获得中南大学计算机博士学位，研究方向为生物信息学。曾担任德克萨斯大学医学部访问学者、深圳华大基因研究员、华大科技副总裁等职务。研究兴趣包括基因组和临床数据分析与可视化，机器学习等。
议题名称：以个人基因组服务为基础的亚洲人基因组数据平台
议题介绍：基因组的研究和应用都依赖于大规模基因组数据和表型数据的积累。WeGene作为国内领先的个人基因组检测和分析服务厂商，已经完成了超过一万份中国人基因组的检测和分析。WeGene希望能对这样快速积累的基因组数据进行深入的分析和挖掘，为用户提供更好的个人基因组服务，同时也为东亚人群的基因组研究提供数据平台。陈钢会介绍WeGene数据平台的概况，以及他们正在进行的基于这个数据平台的产品研发和基础研究项目。
更多讲师信息，更新中……
最后感谢本场论坛主席，来自国防科技大学研究员彭绍亮和中国科学院计算技术研究所生物信息PI赵屹的组织和策划，为大家献上精准医疗和生物医药大数据的盛宴。
更多大会详情，请登录2016中国大数据技术大会官网，目前票务销售火爆，折扣优惠时间即将结束，预购从速。
来源：CSDN
作者：少数pai
链接：https://blog.csdn.net/karamos/article/details/80127125