近日，yl34511线路中心刘金星教授在人工智能领域国际顶级期刊《IEEE Transactions on Cybernetics》（IEEE TCYB）和《IEEE Transactions on Neural Networks and Learning Systems》（IEEE TNNLS）上接连发表题为“NCPLP: A Novel Approach for Predicting Microbe-Associated Diseases With Network Consistency Projection and Label Propagation”，“Predicting miRNA-disease associations through Deep Autoencoder with Multiple Kernel Learning”和“A New Graph Autoencoder-Based Consensus-Guided Model for scRNA-seq Cell Type Detection”论文。yl34511线路中心为论文的第一署名单位，刘金星教授为论文的通讯作者。

IEEE TCYB期刊是人工智能领域最具影响力的国际学术刊物之一，SCI一区，当前影响因子19.118，在Automation & Control Systems类别排序1/65，Computer Science, Cybernetics类别排序1/24。IEEE TNNLS期刊由美国电气和电子工程师协会创办，是人工智能领域顶级期刊之一，SCI一区，当前影响因子14.255，在Computer Science, Hardware&Architecture类别排序1/54。

大量临床研究证实了微生物与疾病之间存在着密切关系。因此，推断潜在的微生物与疾病关联的工作变得尤为重要。NCPLP: A Novel Approach for Predicting Microbe-Associated Diseases With Network Consistency Projection and Label Propagation一文提出了一种基于网络一致性投影和标签传播（NCPLP）的新方法来预测微生物-疾病关联。首先，该模型利用医学主题词表和16S rRNA基因序列来分别计算疾病语义相似度和微生物功能相似度；其次，增加了网络一致性投影部分，以此获得微生物空间和疾病空间的网络投影分数；最终，通过标签传播方法来准确预测与疾病相关的微生物。（https://ieeexplore.ieee.org/abstract/document/9244089）

miRNA与疾病关联是预防、诊断和治疗复杂疾病的一个重要组成部分。Predicting miRNA-disease associations through Deep Autoencoder with Multiple Kernel Learning一文提出了一种利用具有多核学习的深度自动编码器的新型深度学习方法来预测MDA。首先，DAEMKL应用多核学习方法来分别构建miRNA相似性网络和疾病相似性网络；其次，将集成的miRNA特征表示和疾病特征表示输入到深度自动编码器中；最终，通过重构误差方法来预测新的MDA。（https://ieeexplore.ieee.org/abstract/document/9635589）

为了有效地利用单细胞数据并更好地探索细胞间的异质性，A New Graph Autoencoder-Based Consensus-Guided Model for scRNA-seq Cell Type Detection一文提出了一种新的基于图自动编码器（GAE）的共识引导模型（scGAC）。首先，通过GAE进行特征学习来生成新的特征矩阵，接着进行基于距离融合方法的相似性学习。其中，学习到的相似性矩阵被反馈给GAE，以指导其特征学习过程。scGAC模型可以准确地识别关键特征并有效地保存数据的内部结构，提高了细胞类型识别的准确性。（https://ieeexplore.ieee.org/abstract/document/9833540）

刘金星教授是yl34511线路中心人工智能团队负责人。该团队聚焦“健康中国”国家战略和“精准医疗”大科学计划，积极对接山东省十强产业的“新一代信息技术”和“医养健康”两大产业，开展健康大数据特别是疾病遗传与临床大数据的智能计算相关理论、算法和软件的研究。该团队已承担国家自然科学基金10项、累积横纵向经费千余万元，在国内外高水平期刊和学术会议上发表论文150余篇，其中SCI TOP论文50余篇。