7月19日下午，浙江大学蒋杭进教授、浙江工业大学张贵军教授、广西大学钟诚教授在数学与数据科学学院钱伟长楼201报告厅分别作了题为“可解释机器学习算法及其在生命健康中的应用”“蛋白质复合物结构与动态构象预测”和“机器学习和深度学习驱动的生物信息计算研究初探”三场专题学术报告。本次活动由陈兴教授主持，学院部分教师与研究生到场参与交流。
讲座伊始，陈兴教授对三位专家的莅临致以热烈欢迎与诚挚谢意。他指出，人工智能与生命科学的深度融合正持续催生全新研究范式，可解释机器学习、蛋白质结构预测及智能生物信息计算等方向，已成为当前生物信息学领域的核心研究热点。本次系列学术报告聚焦学科前沿，期待通过专家分享最新研究成果与学术思考，进一步营造浓厚学术氛围，助力生物信息学相关团队科研创新能力提升。
报告会上，蒋杭进教授围绕可解释机器学习算法在生命健康领域中的应用展开介绍。蒋教授首先介绍了课题组面向生物医学大数据特征筛选提出的深度学习方法，该方法利用卷积神经网络、重要性映射网络与掩码机制，实现了关键变量的自动筛选。随后展示了该方法在多个生命科学问题中的应用，指出该方法能够发现传统差异表达分析难以识别的重要生物学特征，为生命健康领域的数据分析提供了全新的思路。
张贵军教授聚焦蛋白质复合物结构预测与动态构象预测，介绍了课题组近年来取得的研究进展。张教授首先回顾了AlphaFold系列模型的发展历程，指出当下蛋白质结构研究正从静态结构预测向动态构象模拟延伸，重点介绍了团队在蛋白质复合物建模、模型质量评估等方向的成果，以及利用人工智能方法探索蛋白质动态构象变化、挖掘隐藏结合位点的最新进展，强调未来蛋白质结构研究需进一步结合实验数据，实现静态结构预测与动态过程模拟的深度融合。
钟诚教授分享了团队在机器学习与深度学习驱动生物信息计算方向的系列研究，覆盖药物-靶点关联预测、化合物-蛋白质相互作用预测、非编码RNA与疾病关联预测、植物抗性蛋白预测等多个场景。他结合自身科研经历指出，生物信息学是高度交叉的学科，需将数据构建、算法设计与实验验证有机结合，同时积极借鉴网络分析、推荐系统、图计算等领域的方法，共同推动生命科学研究向前发展。
报告结束后，三位教授与现场师生展开深入交流，围绕人工智能算法、生物信息计算、生命健康前沿研究等议题展开热烈研讨，细致解答师生提出的各类问题。本次学术报告内容扎实、前沿性突出，既拓宽了在场师生的学术视野，也进一步推动了人工智能与生命健康交叉领域的学术互动，为学院相关学科的建设发展提供了新的思路与启发。
蒋杭进教授作报告
张贵军教授作报告
钟诚教授作报告
陈兴教授致欢迎辞
