人类身体上栖息着数以万亿计的微生物，已被证实与多种疾病的发生发展密切相关。识别与疾病关联的微生物特征在疾病早期诊断、治疗及预后等方面具有重要的价值。测序技术的发展为疾病相关微生物特征的识别带来了新的机遇。本报告首先介绍一种基于图优化模型挖掘与疾病相基因模块的启发式算法。该算法通过寻找微生物表达矩阵中的局部低秩子矩阵，并且使这些子矩阵和衡量基因排列保守性的超级操纵子间的连通分支数量最多，实现与疾病相关的基因模块的识别。接着介绍一个用于识别肿瘤组织中癌症相关微生物群落的异质图注意力神经网络模型。该模型引入了异质图来表示微生物物种间的进化和代谢关系及微生物与宿主间的关系。基于异质图，利用依赖节点和边类型的注意力机制进行节点特征更新，并通过优化样本分类结果揭示微生物群落和样本表型之间的相关性。最后，通过选择统计显著的、具有高注意力得分的物种得到每种癌症相关的微生物群落。

刘丙强，山东大学数学学院教授、博士生导师、副院长，获评山东大学杰出中青年学者、教育部青年长江学者、山东省泰山学者青年专家。主要从事数学与生物医学交叉研究。主持国家重点研发计划、基金委面上项目、山东省杰出青年基金等科研项目。担任中国运筹学会理事、中国工业与应用数学学会数学生命科学专委会委员、中国数学会生物数学专委会委员、中国计算机学会生物信息学专委会委员、山东数学会副秘书长、山东省生物信息学会副理事长、Computational Biology and Chemistry副主编等学术职务。