In this talk, I will present a few topics on computational systems biology, i.e., how to quantify disease states, predict disease transitions, and further infer causal relations in biological systems based on big-data with generic principles of nonlinear systems.
1.We develop a model-free method to detect early-warning signals of critical transitions in complex diseases. Specifically, we theoretically derive an index based on a dynamical network biomarker (DNB) that serves as a general early-warning signal indicating an imminent bifurcation or sudden deterioration before the critical transition occurs.
2.We propose a method to predict systems’ low-dimensional dynamics from high-dimensional but short-term data. Intuitively, it can be considered as a transformation from the inter-variable information of the observed high-dimensional data into the corresponding low-dimensional but long-term data, thereby equivalent to prediction of time series data.

报告人简历：陈洛南1984年获华中科技大学电气工程学士学位；1988年获日本东北大学系统科学硕士学位；1991年获日本东北大学系统科学博士学位。1997年起任日本大阪产业大学副教授；2000年起任美国加州大学洛杉矶分校(UCLA)访问教授；2002年起任日本大阪产业大学教授；2007年筹建上海大学系统生物技术研究所并首任所长（兼）；2009年4月起任日本东京大学（兼）研究教授；2009年10月至今任中科院系统生物学重点实验室执行主任，研究员，博士生导师，研究组组长。2009年获中科院-诺和诺德长城教授奖。目前，在计算系统生物学领域的主要国际学术期刊中担任重要工作，Springer《系统生物学百科全书》编辑，IEEE-SMC《系统生物学委员会》主席，中国运筹学会《计算系统生物学分会》理事长。主要从事生物信息学、网络生物学及计算系统生物学等领域的研究工作。