高通量组学技术的兴起为研究包括复杂疾病研究等提供了大数据的支持,这些不同来源、不同层面、不同尺度的数据组成生物医学等的多元异质大数据,具有很强的时空动态性。这些特性使得我们迫切需要研究数据时空特性的动力学分析理论和系统科学方法,如基于动力系统的临界点预警方法、基于吸引子低维特性的时间序列预测理论、基于嵌入理论的因果关系推断算法、基于深度学习的非线性数据融合方法等。这些基于动力学的数据科学新理论与系统科学新方法能够帮助理解和预测复杂系统的动态发展,有助于分析复杂动态过程和机制,加速包括生物医学及人工智能等研究领域的步伐。这些方法和理论可广泛应用于癌症转移与复发,公共卫生实时监测、亚健康状态预警、时间序列预测、AI研究等方面,对动力学和系统科学驱动的数据科学理论和算法发展有重要的推动作用。 |