报告题目：序列图像化（Seq2image）：从基因组序列到图像表征的智能分析方法及其应用

摘要：基因组序列分析长期依赖简约化的统计模型，面对复杂生物序列时往往力不从心。本报告提出序列图像化（Seq2image）新范式：将一维生物序列与领域知识编码为二维图像，借助成熟的图像处理算子与深度神经网络实现从整体论视角的端到端分析。基于该范式，团队研发了复杂结构变异检测方法 SVision、面向新生突变与体细胞变异的多基因组比较方法 SVision-pro，以及群体规模泛基因组结构变异表征方法 Swave；进而通过建模序列远端互作与演化历史，提出高精度从头基因注释方法 ANNEVO，速度较经典流程提升逾百倍。作为应用示范，团队利用千余物种 Hi-C 数据追溯三维基因组架构的演化规律，揭示动物界棋盘式区室化增强而植物以全局折叠为主的不同演化轨迹，阐明基因组架构从可塑性到功能特化的转变机制。

报告人简介：叶凯，西安交通大学自动化学院教授，博导，获国家杰出青年科学基金，科技部重点研发专项，国自然重点项目等资助。本科和硕士分别毕业于武汉大学生命科学学院和药学院，博士(cum laude - 优等)毕业于荷兰莱顿大学计算机学院；博士后阶段师从Rolf Apweiler教授，在欧洲生物信息学研究所实现生物信息学研究对象从蛋白质序列到基因组的转变。其后，分别在荷兰莱顿大学医学中心和美国圣路易斯华盛顿大学基因组研究所任助理教授，开发了以Pindel、MSIsensor为代表的系列基因组变异检测方法，受邀参加**基因组(The 1000 Genomes Project)、肿瘤基因组路线图计划(The Cancer Genome Atlas, TCGA)等多项国际基因组项目。2016年初，叶凯教授全职回国，在西安交通大学电信学部组建信息学与生命科学相结合的交叉学科团队，聚焦人工智能技术，深入研究结构变异的检测、表征和功能。叶凯教授在Cell、Science、Nature、Nat Biotechnol、Nat Med、 Nat Genet等期刊发表SCI论文100余篇，其中ESI高被引论文14篇，热点论文1篇，SCI他引34000余次。

报告时间及地点：2026年7月26日10：00；理学楼609