楊躍東，男，博士，2017年起擔任中山大學數據科學與計算機學院教授、博士生導師、國家超算廣州中心副總工程師、學院智慧型健康醫療中心副主任， 國家海外高層次青年引進人才，廣東省“珠江人才”創新團隊核心成員，主持或參與國家自然科學基金面上項目、及多項國家重點研發和廣東省重點研發項目，曾作為co-PI承擔兩項澳大利亞國家研究基金。楊躍東安徽無為人，先後於中國科學技術大學獲得學士（2000年）和博士（2006年）學位，此後分別於美國印地安那大學(2006-2013)和澳大利亞格里菲斯大(2013-2017)進行多年生物信息學研究，主要運用SVM、隨機森林，以及CNN/RNN/GNN等最新深度學習方法用於生物組學大數據的分析預測，曾經多次在國際蛋白質結構預測、基因功能預測比賽中名列前茅；已開發十幾項生物信息學軟體，被國際上廣泛使用。在領域頂級雜誌上已發表80多篇SCI論文，引用2000多次，兩篇入選ESI高引用論文。研究主要是融合生物組學和醫療健康大數據，結合高性能計算、人工智慧、及大數據分析技術，系統闡釋生命本質和疾病機制，研發新型藥物和診斷醫療方法，並負責在“天河二號”超級計算機上開發生物健康醫療套用高性能計算及大數據云平台。
基本介紹
- 中文名：楊躍東
- 國籍：中國
- 畢業院校：中國科學技術大學
- 學位/學歷：博士
- 專業方向：計算生物學
- 任職院校：中山大學
研究領域,人物經歷,教育背景,工作經歷,海外經歷,獲獎榮譽,科研項目,學術兼職,教授課程,代表論著,
研究領域
圖神經網路、生物信息計算、藥物智慧型設計
研究方向包括：
1、基於人工智慧的生物大分子結構、功能、及藥物分子預測；
2、結合人工智慧和多組學數據融合的疾病診斷與預後分析；
人物經歷
教育背景
1996.9-2000.6，中國科學技術大學，學士
工作經歷
2017.5，中山大學數據科學和計算機學院 & 國家超算廣州中心， 教授、博士生導師
兼國家超算廣州中心副總工程師
海外經歷
2013.6-2017.7，澳大利亞格里菲斯大學信息學院&糖組學研究所，研究員
2011.3-2013.6，美國印第安納大學信息學院&藥學院，研究助理教授
2006.9-2011.3, 美國印第安納大學信息學院&藥學院，博士後
獲獎榮譽
國家海外高層次青年引進人才，廣東省“珠江人才”團隊核心成員
科研項目
1. 國家海外高層次青年引進人才，200萬、主持
2. 基於深度學習的蛋白質空間結構預測方法研究，自然科學基金面上項目 (61772566)、2018-2021、60萬、主持
3. Novel antimicrobial target discovery by an integrated approach. 澳大利亞 ARC (LP150100137), 2015-2017 、24.1萬澳元 、co-PI
4. Developing species-specific, structure-targeting peptides as a novel class of antibiotics. 澳大利亞NHMRC (1121629), 2017-2019、60.7萬澳元、co-PI
學術兼職
F1000論文推薦專家 （Associate Member）
BMC Bioinformatics(IF=2.4) 編委
Biomed Research Int, 客座編輯 (2015)
程式委員會委員：PRICAI-13, IFIP-9
教授課程
生物信息學、離散數學
代表論著
1.S Zheng#, Y Li#, S Chen, J Xu* and Yuedong Yang*. Predicting Drug Protein Interaction using Quasi-Visual Question Answering System. Nature Machine Intelligence 2020;2(1):134-140.
2. R. Heffernan, K. Paliwal, J. Lyons, A. Dehzangi, A. Sharma, J. Wang, A. Sattar, Yuedong Yang* and Y. Zhou*. Improving prediction of secondary structure, local backbone angles, and solvent accessible surface area of proteins by iterative deep learning. Scientific Reports 2015; 5:11476 (Citations=260).
3. Heffernan R, Yuedong Yang*, Paliwal K, Zhou Y*. Capturing Non-Local Interactions by Long Short-Term Memory Bidirectional Recurrent Neural Networks for Improving Prediction of Protein Secondary Structure, Backbone Angles, Contact Numbers, and Solvent Accessibility. Bioinformatics 2017；33 (18), 2842-2849. (Cited: 150)
4. J Hanson, Yuedong Yang*, K Paliwal, Y Zhou*. Improving protein disorder prediction by deep bidirectional long short-term memory recurrent neural networks. Bioinformatics 2017. 33 (5), 685-692 (Cited: 140; ESI高引).
5. Yuedong Yang, Faraggi E, H Zhao, Zhou Y. Improving protein fold recognition and template-based modeling by employing probabilistic-based matching between predicted one-dimensional structural properties of the query and corresponding native properties of templates. Bioinformatics 2011 Aug 1;27(15):2076-82. (Cited：280; ESI高引)
6. Yuedong Yang, J Gao, J Wang, R Heffernan, J Hanson, K Paliwal, and Y Zhou. Sixty-five years of long march in protein secondary structure prediction: the final stretch? Brief in Bioinformatics 2017, bbw129 (cite:120; ESI高引)
7. G Taherzadeh, Y Zhou, AW Liew, Yuedong Yang*. Structure-based prediction of protein-peptide binding regions using Random Forest. Bioinformatics 2017 btx614 .
8. Zhao H#, Yuedong Yang#, Hai Lin, Xinjun Zhang, Matthew Mort, David N. Cooper, Yunlong Liu*, and Yaoqi Zhou*. DDIG-in: discriminating between disease-associated and neutral non-frameshifting micro-indels. Genome Biology. 2013 Mar 13;14(3):R23.(# co-first author; IF=14).
9. M. Atack#, Yuedong Yang#, Kate L. Seib, Yaoqi Zhou, Michael P. Jennings*. A survey of Type III restriction-modification systems reveals numerous, novel epigenetic regulators controlling phase variable regulons; phasevarions. Nucleic Acid Res 2018. (IF=10.2)
10. T Litfin, Y Zhou*, Yuedong Yang*. SPOT-Ligand 2: Improving structure-based virtual screening by binding-homology search on an expanded structural template library. Bioinformatics 2017 Apr 15;33(8):1238-1240.
