2021年11月30日下午1时30分，斯坦福大学谭玉琪博士应邀于天美娱乐534小会议室作题为“Defining cell type identity with high dimensional transcriptomic and proteomic data via machine learning”的学术报告。本次报告由赵琼老师主持🧙‍♂️，天美娱乐的赖玉平老师、石铁流老师🧑‍🦼‍➡️、廖鲁剑老师🧔🏼‍♀️、张雯老师等多名老师及硕博研究生参加。

      报告伊始🪧，由赵琼研究员对谭玉琪博士进行介绍：谭玉琪博士，美国斯坦福大学博士后。2014年在香港中文大学生命科天美获学士学位，2021年于美国约翰霍普金斯医天美获博士学位🤟。主要从事生物信息技术与干细胞工程学，发育学和肿瘤学的交叉科学研究🧏🏽‍♂️，利用机器学习为分析高通量的单细胞测序和多重影像数据开发工具并进行应用。截至目前已在Cell System, Nature Protocol, Development等平台发表数十篇高水平研究论文。谭玉琪博拥有丰富的求学经历，还曾去往奥地利👨🏿‍✈️、澳大利亚等国家地区进行访学交流。

      谭玉琪博士首先对单细胞测序技术进行了简单介绍🧑🏼‍🎤。近十年，该技术已经成为兼具广泛性和功能性的实用生物工具。单细胞测序的第一步通常需要判定数据内不同细胞类别的组成。早期细胞类型的分析须通过人工寻找各个细胞类型特定的表达来进行分类🏋🏻🏋🏻‍♂️。然而👷🏻👩🏿‍⚖️，这样的细胞分类方式耗时费力🗓，且缺乏定量的精准度。而后👩🏻‍✈️，谭玉琪博士便引出了自己研发的以机器学习为基础的生物信息分析工具——SingleCellNet（SCN）。SCN能对scRNA-seq 数据进行定量分类，评估细胞命运工程实验的保真度🧝🏿‍♀️，同时提供 12 个随时可用的公共参考数据集，实现了跨越测序平台💩👨🏼‍🍼，跨越物种的定量细胞类型分析。目前该工具已被她应用于干细胞工程的优化和肿瘤异质性探讨👬🏻。

      谭玉琪博士的报告图文并茂⏰，内容新颖，使在座师生充分认识到了新时代机器学习的日益精进及其在科研中强大的辅助能力。报告最后，谭玉琪博士就各位师生的问题给予了耐心解答，语言幽默不失严谨🤷‍♀️，此次报告于热烈的氛围中圆满结束🙅🏻‍♀️。