学术报告报告主题: Dissecting spatiotemporal single-cell transcriptomics data by combining dynamical systems
models and generative AI
报 告 人: 周沛劼 教授
报告时间： 2025年10月12日（星期日）上午10:00-11:00
报告地点： 37号楼（清清文理楼）3A02
邀 请 人: 刘锐 教授、陈培 教授
欢迎广大师生前往！
数学学院
2025年10月11日
报告摘要：
Reconstructing cellular dynamics from sparsely sampled single-cell sequencing data poses significant challenges, particularly for classical dynamical models constrained by high dimensionality and limited temporal resolution. In this talk, I will present our recent efforts to integrate dynamical systems theory with generative AI, leveraging flow-based models to infer underlying cellular dynamics from single-cell transcriptomic data. We have developed dimensionless solvers for continuous cell-state transitions, and advanced frameworks such as stVCR for aligning and reconstructing spatial transcriptomic dynamics. Further, we explore regularized unbalanced optimal transport and its theoretical links to Schrödinger Bridge and diffusion models, enabling interpretable modeling of stochastic cell-state transitions. Our diverse methods integrate dynamical modeling with generative AI in single-cell biology, providing deeper insights into complex cellular dynamics.
报告人介绍：
周沛劼，北京大学前沿交叉学科研究院国际机器学习研究中心和定量生物学中心研究员、博士生导师，博雅青年学者，国家级青年人才。2014年和2019年在北京大学数学科学学院获得计算数学学士和博士学位，导师为李铁军教授，获北京大学优秀博士论文奖。2020-2023年任美国加州大学尔湾分校数学系访问助理教授，合作导师为聂青教授。研究领域为计算系统生物学，主要科研兴趣为单细胞数据和人工智能方法驱动的复杂生物系统建模与计算，研究成果发表在Nature Methods, Nature Climate Change, Nature Communications, Nature Machine Intelligence, Nature Genetics, Physical Review X, Molecular Systems Biology, Advanced Science等重要交叉学科期刊以及ICLR, NeurIPS等人工智能顶级会议，并担任Nature Methods, PNAS, Nature Communications等多个期刊审稿人。