CCF生物信息学专业组升级为专业委员会

2019 年 1 月 25 日 中国计算机学会

经CCF第十一届常务理事会第七次会议通过,CCF生物信息学专业组升级为生物信息学专业委员会。


在2019年1月20日召开的CCF第十一届常务理事会第七次会议上,通过了《关于生物信息学专业组升级为生物信息学专委会的申请》。CCF生物信息学专业组升级为生物信息学专业委员会。


CCF生物信息学专业组自2016年6月19日成立以来,在凝聚生物信息学研究力量,促进国内外生物信息学同行的交流,提升我国在生物信息学领域的影响等方面做了大量的工作。


1、CCF生物信息学专业组迅速发展壮大。专业组从2016年6月19日成立时的45名委员迅速发展到143名委员(2017年10月12日),已经聚集了国内从事生物信息学研究的绝大部分知名高校、科研院所和相关企业,涵盖了计算机、自动化、数学、生物、医学等相关领域,已成为国内生物信息学最具影响的组织之一。



2、CCF生物信息学会议影响日益扩大。专业组已经发起并成功组织了三届中国计算机学会生物信息学会议(简称CBC),分别是:2016年11月在重庆举办第一届CBC会议,2017年10月在长沙举办第二届CBC会议,2018年10月在西安举办第三届CBC会议。每届会议均邀请多位国内外知名学者及产业界人士作大会报告,每届会议录用的论文均被推荐到国外知名SCI期刊(包括Neurocomputing、Genes等)和国内计算机顶级期刊(中国科学、计算机学报和计算机研究与发展);每届会议均有超过300名专家、学者和业界人士齐聚一堂。中国计算机学会生物信息学会议已成为国内参加人数最多、影响力最大的生物信息学会议。


3、CCF生物信息学专业组国际影响力日益增强。专业组非常重视同国际生物信息学同行的交流与合作。专业组承办和协办了多个国际生物信息学会议,并和多个国际知名期刊建立了合作关系,例如:自2018年起生物信息学会议(CBC)录用的英文论文将全部推荐到MDPI旗下的国际知名期刊Genes(影响因子3.19)上。


4、积极参与CCF的相关活动。专业组积极参与CCF的相关活动,自成立以来组织了近10余次“CCF@高校”活动,邀请了30余位国内外生物信息学的知名学者向广大高校师生介绍了生物信息学最新的研究成果和研究动态,总计有2000多人参加了相关活动。专业组还积极组织和参与了CNCC的专题论坛,在CNCC2016上独立组织了“生命在于计算-精准医疗和生物大数据”专题论坛,在CNCC2017上联合其他专委会组织了“第四届智能健康医疗论坛”,总计有500多人参加了论坛活动,为CCF和生物信息学领域在国内的影响和推广做出了贡献。



5、积极促进国内外生物信息学同行的交流。专业组一直在努力创建计算科学与生命科学的交流平台,重视并积极促进国内外生物信息学同行的交流与合作。自成立以来组织了10余次与生物信息学相关的前沿交叉研讨会,就生物信息学领域当前的研究热点和发展趋势进行了深入的交流与探讨,为凝聚我国生物信息学的研究力量、增进计算机科学与生物医学的深度交叉起到了积极的促进作用。


作为CCF唯一的一个同生物医学领域相结合的专业组,CCF生物信息学专业委员会旨在凝聚生物信息学研究力量,提高我国生物信息学研究水平;促进国内外生物信息学同行的交流与合作,提升我国在生物信息学领域的影响与声誉;增进计算科学与生命科学的交叉融合,强化生物信息学学术界与工业界的互补合作;探索生物信息学教育新思路,培养生物信息学创新人才。


中国计算机学会

微信号:ccfvoice           

长按识别二维码关注我们


CCF推荐


精品文


点击“阅读原文”查看专委信息



登录查看更多
2

相关内容

信息学又称信息科学、资讯科学,旧称情报学(外来语),主要是指以信息为研究对象,利用计算机及其程序设计等技术为研究工具来分析问题、解决问题的学问,是以扩展人类的信息功能为主要目标的一门综合性学科。 >
2019中国硬科技发展白皮书 193页
专知会员服务
78+阅读 · 2019年12月13日
中国多媒体大会(ChinaMM 2020) 征文通知
专知
16+阅读 · 2020年3月27日
【紫冬快讯】自动化所雷震获国际生物特征识别青年学者奖
中国科学院自动化研究所
7+阅读 · 2019年6月7日
2019年CCF专委学术活动计划(首批)发布
中国计算机学会
6+阅读 · 2019年3月2日
征稿通知 | 2019 年全国知识图谱与语义计算大会(CCKS2019)
开放知识图谱
89+阅读 · 2019年1月11日
会议征文|第一届中国模式识别与计算机视觉学术会议
中国人工智能学会
5+阅读 · 2017年12月6日
Arxiv
108+阅读 · 2020年2月5日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Area Attention
Arxiv
5+阅读 · 2019年2月5日
dynnode2vec: Scalable Dynamic Network Embedding
Arxiv
13+阅读 · 2018年12月6日
Arxiv
6+阅读 · 2018年11月29日
Arxiv
5+阅读 · 2018年5月1日
Arxiv
6+阅读 · 2018年4月23日
VIP会员
相关VIP内容
2019中国硬科技发展白皮书 193页
专知会员服务
78+阅读 · 2019年12月13日
相关论文
Arxiv
108+阅读 · 2020年2月5日
Optimization for deep learning: theory and algorithms
Arxiv
102+阅读 · 2019年12月19日
Area Attention
Arxiv
5+阅读 · 2019年2月5日
dynnode2vec: Scalable Dynamic Network Embedding
Arxiv
13+阅读 · 2018年12月6日
Arxiv
6+阅读 · 2018年11月29日
Arxiv
5+阅读 · 2018年5月1日
Arxiv
6+阅读 · 2018年4月23日
Top
微信扫码咨询专知VIP会员