杨跃东

所属研究所、院系: 
数据科学与计算机学院
职称: 
教授
E-mail: 
yangyd25 _AT_ mail.sysu.edu.cn
办公地点: 
超算中心404
教师简介: 

       杨跃东博士,2017年起担任中山大学数据科学与计算机学院教授、博士生导师,兼国家超算广州中心副总工程师,入选第14批国家青年“千人计划”,广东省“珠江人才”创新团队核心成员,主持一项国家自然科学基金面上项目,曾作为co-PI承担两项澳大利亚国家研究基金。杨跃东毕业于中国科学技术大学,于2000年和2006年分别获得学士和博士学位,此后分别于美国印地安那大学(2006-2013)和澳大利亚格里菲斯大学(2013-2017)进行多年结构生物信息学研究,大量运用SVM、随机森林等传统学习技术,以及CNN/RNN等最新深度学习技术用于生物数据的分析处理,曾经多次在国际蛋白质结构预测和功能预测比赛中名列前茅;已成功开发十几项生物信息学软件,被国际上广泛使用。在领域顶级杂志上已发表70多篇SCI论文,SCI他引1000多次,一篇入选ESI高引用论文。目前研究主要是利用高性能并行计算及深度学习等最新计算机技术研究生物和医学大数据,包括生物大分子的结构和相互作用预测、高性能计算机的药物筛选、致病基因突变、及医学多模态数据分析,并负责在“天河二号”超级计算机上开发生物医学应用的高性能计算平台。

研究方向包括:

1)基于深度学习技术的生物大数据处理;

2)基于深度学习技术的医疗大数据处理;

3)医学信号、图像数据分析处理

长期招聘博士后、副研究员及研究员,有一定的编程及数据分析能力,具有以下任一研究背景:(1)计算机或数学背景, 特别是有机器学习和优化求解相关经验;(2)生物信息学、生物统计学、基因组学、或医疗健康数据分析;(3)生物大分子模拟、药物虚拟筛选等计算化学或计算物理背景。

 欢迎各类交叉学科背景、有志于开展相关研究的研究生、博士申请。

研究领域: 

深度学习、数据挖掘及机器学习、大数据分析、生物信息学、智能医疗

教育背景: 

2000.9-2006.6,中国科学技术大学,博士

1996.9-2000.6,中国科学技术大学,学士

工作经历: 

2017.5至今,中山大学数据科学和计算机学院 & 国家超算广州中心, 教授、博士生导师

“千人计划”青年专家、广东省“珠江人才”团队核心成员、中山大学“百人计划”引进人才

海外经历: 

2013.6-2017.7,澳大利亚格里菲斯大学信息学院&糖组学研究所,研究员

2011.3-2013.6,美国印第安纳大学信息学院&药学院,研究助理教授

2006.9-2011.3, 美国印第安纳大学信息学院&药学院,博士后

科研项目: 

1. 中组部第14批青年“千人计划”、2018

2. 基于深度学习的蛋白质空间结构预测方法研究,自然科学基金面上项目 (61772566)、2018-2021、60万、主持

3. 高性能计算应用支撑平台 、广东省“珠江人才” 创新团队 (2016ZT06D211)、2017-2022、2000万、核心成员

4. Novel antimicrobial target discovery by an integrated approach. 澳大利亚 ARC (LP150100137), 2015-2017 、24.1万澳元 、co-PI

5. Developing species-specific, structure-targeting peptides as a novel class of antibiotics. 澳大利亚NHMRC (1121629), 2017-2019、60.7万澳元、co-PI

主要学术兼职: 

F1000论文推荐专家 (Associate Member)

BMC Bioinformatics (IF=2.4) 编委

Biomed Research Int, 客座编辑 (2015)

程序委员会委员:PRICAI-13, IFIP-9

教授课程: 

生物信息学

代表性论著: 

文章详细列表见:

google scholar: http://scholar.google.com.au/citations?hl=en&user=AfjwTKoAAAAJ

Scopus: https://www.scopus.com/authid/detail.uri?authorId=8439078900

  1. 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=107).
  2. G Taherzadeh, Y Zhou, AW Liew, Yuedong Yang*. Structure-based prediction of protein-peptide binding regions using Random Forest. Bioinformatics 2017 btx614 (IF=7.3).
  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 Apr 18. doi: 10.1093/bioinformatics/btx218. (IF=7.3).
  4. J Hanson, Yuedong Yang*, K Paliwal, and Y Zhou*. Improving protein disorder prediction by deep bidirectional long short-term memory recurrent neural networks. Bioinformatics 2017. 33 (5): 685-692. (IF=7.3).
  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. (IF=7.3; Google Citations=177; ESI highly cited)
  6. Yuedong Yang, Zhou Y. Specific interactions for ab initio folding of protein terminal regions with secondary structures. Proteins. 2008 Aug;72(2):793-803. (Citations=154)
  7. 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 (IF=5.2)
  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=11.9).
  9. JM. 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. (IF=7.3).
  11. R. Heffernan, K. Paliwal, J. Lyons, A. Dehzangi, A. Sharma, J. Wang, A. Sattar, Y. Zhou* and Yuedong Yang*. Highly accurate sequence-based prediction of half-sphere exposures of amino acid residues in proteins. Bioinformatics 2016; 32(6):843-9. (IF=7.3 ).