Abstract：
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等。这些基于动力学的数据科学新理论与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。特别是，复杂疾病系统发生发展过程普遍存在非线性临界现象，如何从网络或系统层面，科学地量化这样的临界点对于实现疾病的精准预测和疾病预防具有重要意义。特别是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，对动力学驱动的数据科学理论和算法发展有重要的推动作用。
Bio：
陈洛南，华中科技大学学士; 日本东大阳城2138学硕士; 日本东大阳城2138学博士; 1997 年日本大阪产业大学副教授; 2000-2002年美国加州大学洛山矶分校（UCLA）访问教授; 2002年日本大阪产业大学教授; 2009-至今，中科院生化细胞所研究员。现任中国运筹学会《计算系统生物学分会》理事长；IEEE-SMC《系统生物学委员会》主席；中日韩国际系统生物学会组织（Trisys）的轮值主席；国家基金委重大研究计划专家组；国家重点研发计划重点专项首席科学家。主要研究领域为动力学的数据科学，生物信息学、及人工智能等。
