报告承办单位:数学与统计学院

报告题目：生物医学高通量测序数据定量分析的数理基础—从条件数谈起

报告人姓名：王定杰

报告人单位：武汉大学

报告人职称：研究员

报告时间：2026年10月9日 15：30

报告地点：理科楼A200

邀请人：郑忠辉

报告摘要：高通量测序技术深刻推动了生物医学研究的发展，但如何从测序读段中获得可靠的定量结果，仍是一个基础性的数学与计算挑战。本报告以转录本异构体定量为切入点，从条件数的概念出发，探讨基于测序数据进行定量推断的数理基础。重点阐述异构体之间的相似性如何导致丰度估计问题的病态性，进而影响估计结果对数据扰动的敏感程度，并分析测序读长如何影响数据所蕴含的定量信息。围绕这一数学视角，报告首先介绍我们近期参与长读长RNA测序基因组注释评估计划（LRGASP）联盟的研究工作。该研究系统评估了转录本识别与定量方法，揭示了长读长测序带来的机遇及现有分析方法的局限。随后，报告将介绍一个刻画长读长数据对转录组定量分析贡献的数学框架，为理解长读长数据在何种条件下、为何能够改善异构体丰度估计提供理论依据。在此基础上，进一步介绍定量分析工具miniQuant：该工具通过基于机器学习的模型融合短读长与长读长测序数据，以提高异构体定量的准确性。本报告将矩阵条件数分析、统计建模与算法开发相结合，阐明如何利用数学分析指导不同测序技术的优势互补，为复杂生物系统与生物医学问题的定量研究提供方法支撑.

报告人简介：王定杰，2009级数学与应用数学专业校友，现任武汉大学武汉数学与智能研究院研究员、博士生导师，国家级人才，武汉大学弘毅青年学者。2013年获长沙理工大学获理学学士学位，2019年获武汉大学获理学博士学位，此后在美国俄亥俄州立大学与密歇根大学安娜堡分校从事博士后研究工作近五年（2019–2024）。加入武汉大学前，曾任香港理工大学应用数学系研究员。主要从事数学、人工智能与生物医学的交叉研究，聚焦长读长测序数据的统计建模与算法开发，围绕“基因异构体可识别度量、融合定量建模、转座元件多尺度表征”等关键科学问题开展了系列研究工作，相关研究成果以第一作者或通讯作者（含共同）发表于Nature Methods、Nature Biotechnology、Nature Communications和iMeta等国际知名学术期刊。现任iMeta、Genomics, Proteomics & Bioinformatics和GigaScience青年编委，并担任Nature Biotechnology、Genome Biology、Advanced Science、Bioinformatics、Communications Biology、Artificial Intelligence Review等多个国际期刊审稿人。