2018年12月7日上午，来自美国波士顿大学医学院(Boston University School of Medicine)的Stefano Monti教授应我校Life Science Research Seminar邀请，来我校为师生做了题为“Integrative Cancer Multi-Omics to Advance Prevention and Therapy”的精彩学术报告。
在癌症等疾病中，由于药物和炎症恶性增值等其他因素的影响, 基因的活性往往在疾病的进展期间发生剧烈改变, 因此基于大数据的方式去找到与疾病发生，发展有相关性的基因表达变化极为关键。但是由于个体间差异性和疾病的分子机理的复杂性，挖掘出那些在疾病中具有至关重要作用的、具有表达相关性的基因族群(gene group)非常困难。
为此，Stefano Monti教授的研究团队构建了一套基于基因表达量的网络分析的数据处理流程，并将此流程应用于致癌化合物预测方面。首先基于差分连通性分析建立化学特异性化合物网络和控制网络因子（即关键因子），根据网络结构方面的相似性挖掘出感兴趣的化合物组模块，之后对模块进行聚类分析，并通过计算网络间的MDC(Module Differential Connectivity，模块差异连通性评分)推得模块内基因的连通率，最后发掘出紧密连接的基因族群和其富集通路。Stefano Monti教授的研究团队利用该方法通过对DrugMatrix和TG-GATEs两个毒理学基因组数据库的数据挖掘，确定了一些基因族群异常扰动的作用模式, 并模拟了一些药品对基因富集通路的分子作用途径。该方法有可以有效预测化合物的致癌性。同样这套方法也可以作为一种在复杂系统中寻找关键差异基因的策略用于其他的疾病模型的研究。
Stefano Monti教授也介绍了许多他实验室的最新软件工具，尤其是可以借助多组学对于转录调控的上游关键DNA突变预测的方法。并在报告后为大家解答了一些工具的基本用途和作用原理，并于会后与生命学院相关的多位教授进行了更深入的学术交流。
【Stefano Monti教授简介】
Stefano Monti教授1991年于意大利乌迪内大学取得计算机科学学士学位，1999年于美国匹兹堡大学获得计算机科学/人工智能博士学位；2000年于美国卡耐基梅隆大学机器人研究所进行机器学习/人工智能相关博士后研究，之后加入波士顿大学。现任波士顿大学医学院计算生物医学系医学生物统计副教授。