近日，广东省教育厅公布了2022年度普通高校认定类科研项目立项名单，我院8位老师的项目喜获立项，其中苍爽、陈佳星、李琼、贺平老师获2022年度广东省普通高校特色创新类项目立项，谢芳、王晨豪、郭剑雄、何文猛老师获2022年度广东省普通高校青年创新人才类项目立项。

苍爽博士

统计与数据科学系副教授

项目名称：世界各国健康不平等因素，疫情感染康复率及其防疫政策之间关联的理论研究

项目简介：现如今新冠疫情大流行对健康不平等的影响，以及健康不平等是否导致新冠疫情大流行感染率和死亡率的增加是当前需要解决的重要研究问题，反之亦然。这项研究可以找到现实合理的健康促进目标，特别是识别健康状况不佳的指标。此外，在新冠疫情大流行期间，这将为国家、省和地方的健康和防疫政策提供强有力的参考价值。本研究适合高维时间序列数据的聚类分析。

陈佳星博士

计算机科学系助理教授

项目名称：基于cfDNA的生物标志物检测算法一跨时间健康监测

项目简介：cfDNA（Circulating free DNA or Cell free DNA）是血液中的游离DNA，传统的应用场景包括利用cfDNA进行孕期监测，癌症监测和分型，及术后监测等。2022年，斯坦福的研究团队在Nature Biotechnology上发表文章, 首次提出了从cfDNA预测基因表达的模型，并通过实验验证了它的有效性。在此最新科研成果的基础上，本项目致力于提出基于cfDNA的生物标志物检测算法，并着重探讨它在跨时间健康监测上的模型及可行性。项目优势在于，首先，本健康监测模型所需输入数据cfDNA，可以从血液等人体液体组织中获取，因此在数据获得上相比传统检测手段有优越性。其次，由于cfDNA样本获取的友好性，可以跟踪同一个人在多个不同时间段分别测得，个体跟踪监测增加了数据的时间维度特性，能更大发挥个性化医疗的优势。在人口老龄化问题与癌症死亡率居高不下的大环境下，对cfDNA进行基因表达预测及生物标志物的构建，不仅有利于提高人群的健康水平，也能提高相应的健康监测市场的潜力和经济效益，对社会有重要意义。

李琼博士

统计与数据科学系助理教授

项目名称：图模型在基因统计学中的应用

项目简介：基因网络推断是从真实的基因数据中重建生物信息网络的过程，它可以提供在细胞表达中关于生物基因调控的宝贵信息。本项目力求通过用统计学中概率图模型的方法来表述及推断基因数据中的网络结构。本项目研究的主要内容包括用图模型来刻画各类基因数据，通过图模型的统计算法来选择及估计基因网络中的统计参数，从而获得基因间的相互作用机理及基因间相互影响的代与代之间的因果联系。

贺平博士

统计与数据科学系副教授

项目名称：基于代表点的再抽样技术及其在大数据分析中的应用

项目简介：数据工作者在处理大规模数据时经常面临存储和计算受限的问题，利用抽样技术提高分析大规模数据的效率已引起越来越多的关注。本项目旨在研究考虑到数据分布特征的自适应再抽样方法，以提高大数据统计推断的效率。

谢芳博士

统计与数据科学系助理教授

项目名称：基于深度神经网络的MoM-GAN方法估计污染数据的分布

项目简介：深度神经网络在许多经典的机器学习问题中取得了巨大的成功，例如图像分类，人脸识别等。有研究表明神经网络很容易被低质量的数据所欺骗，而这些低质量的数据往往存在很多异常值或被污染。为了解决这个问题，在深度学习中也应考虑具有鲁棒性的模型或方法。在统计学中，均值的中位数 (Median of mean, MoM) 估计量具有出色的鲁棒性。最近，MoM方法在鲁棒深度学习领域引起了越来越多的关注。本项目致力于结合MoM方法和对抗生成网络（GAN）的特性提出新的名为MoM-GAN的方法，该方法能有效地处理有异常值的数据或被污染的数据。

王晨豪博士

计算机科学系助理教授

项目名称：机器学习算法的公平性研究

项目简介：机器学习算法在日常生活中广泛应用，如商品推荐、自动驾驶、广告投放等等。然而，与人一样，算法也容易受到偏见的影响，从而使其决策“不公平”。没有考虑到公平性的算法和应用程序会对日常生活产生直接影响，因此，机器学习算法的公平性是算法设计和应用中的一个重要因素，近年来受到大量关注。相关研究有助于决策者做出有意识的决策，减少歧视行为，避免对特定人群造成伤害。

郭剑雄博士

计算机科学系助理教授

项目名称：深度强化学习求解社交网络中的组合优化问题

项目简介：随着移动互联网的发展，多种形式的在线交流与内容分享平台以社交网络为基础，构建了人与人之间联系的纽带。基于其巨大的商业价值，影响力最大化问题已成为社交网络领域研究的核心问题，可广泛应用在广告营销、舆情监控、社交推荐等诸多方面。然而，伴随着其具有的难计算性和网络规模日益庞大，传统的基于启发式或近似的组合优化算法设计面临着理论性能已接近极限、时间复杂度高、泛化能力差等诸多瓶颈。因此，寻求更加快捷有效的方法求解满足现代社交网络特点的组合优化问题变得十分重要。本项目从社交网络中的实际需求出发，着眼于用深度强化学习研究影响力最大化，解决将深度强化学习与图神经网络结合的关键技术瓶颈，形成端到端的求解框架，并将其拓展至社交网络中的其他组合优化变体问题。本项目的研究不但有希望解决传统算法的瓶颈，而且还能充实人工智能理论和应用体系，具有显著的学术和经济价值。

何文猛博士

生命科学系助理教授

项目名称：小麦面筋蛋白水解物的苦味掩盖机制探究

项目简介：本研究使用Toxin、IUmami-SCM和BERT4Bitter软件预测小麦面筋蛋白水解物中多肽生物特性、鲜味及苦味特性。经同源建模分析、分子对接分析、和分子动力学分析模拟鲜味和苦味肽与鲜味受体（T1R1/T1R3）和苦味受体（T2R14）的相互作用及其竞争机制，从而阐述苦味掩盖机制。

学院向上述项目负责老师表示热烈的祝贺，希望老师们再接再厉，在做好教学工作的同时，积极申报各级各类科研项目，努力提升科研水平，为学科发展和人才培养质量的进一步提高贡献力量。

来源：理工科技学院