10月17日，来自科罗拉多大学的Lawrence Hunter教授在逸夫楼C314做了一场《基于知识的基因组数据分析》的精彩报告，来自我校信息学院、理学院和华中师范大学等单位的部分师生老师参加了讨论，并在会后进行了热烈的讨论。

Lawrence Hunter教授现在是科罗拉多大学丹佛分校安舒茨校区药学院教授，同时是科罗拉多大学波尔多分校计算机学院教授，是科罗拉多大学计算生物科学项目的主席。他1989年于耶鲁大学获得计算机博士学位，后工作于National Institution of Health等部门，直至2000年任职科罗拉多大学至今。1997年，他创建了国际计算生物学学会(ISCB，The International Society for

Computational Biology)并担任首届主席，被认为是生物信息学的早期创始人之一，并编写了经典教材《Artificial Intelligence and Molecular Biology 》，在认知科学、自然语言处理、知识表示、知识可视化、药物设计等多个交叉领域有研究积淀。

生物信息数据挖掘就如同在茫茫大海中钓鱼，各个不同组学数据如同不同型号与质地的鱼网，数据整合的目的就是编制一张跨组学的大网，可以进行协同捕获。报告中，Lawrence Hunter从基因组和数据库的海量数据规模出发，提出数据库整合的必要性，并介绍了基于术语的众多生物信息数据库的整合思路。以基因、药物、表型等为主要对象，他整合了包括PharmGKB，DrugBank，DGidb，UniProt等20多个生物数据库和GO、HPO等十余个术语数据集，开发了一套建立在逻辑智能体系上的数据库知识系统整理工具，用来梳理多个数据库中SNP变异、基因、药物、疾病等不同数据之间的关联。他以p53与细胞凋亡的非独断性关联为例，解释了整合不同生物信息数据库时面临的挑战，以及知识挖掘系统的设计思路；并以预测系统Missing edge为例来讲述了药物互作网络的预测和药物新用的推断等应用。

会后，听众就网络推断算法选取、参数设置、长非编码RNA的数据库整合、3D基因组数据整合等问题，与教授进行了深入的讨论。来自外校其他专业的同学与报告人讨论了非生物专业如何切入生物知识网络这些交叉研究课题，他都给了一些中肯的建议。