观察到的情况现在癌症相关的研究问题可以描述为“崩溃的理解。“最近开发的技术,如基因组测序、测量多个oncomarkers, DNA甲基化形象,基因组,转录组的病理组织提供大量的数据。尽管重大进展在理解的许多研究问题相关的癌症,我们仍然远离癌症的解决问题。其中的一个原因是,目前比实际上可以是数据分析。除了有大量,这个数据也非常异构而言,它所包含的类型的信息(定性、定量和口头描述),这使分析变得更复杂,需要多尺度和复杂的分析。

解决问题的癌症数据的分析需要利用现代和先进的数据分析方法开发的系统生物学和控制论和解释影响建模的基本遗传网络,但临床医生和社区应用数学家之间的差距仍然很大,阻碍了全面进步在数据分析中的应用。进一步情况是复杂的,当一个人试图连接模型的癌症的发病和发展真正的临床数据,或使用非线性动力学来解释oncopathologies的发现。

这个特殊的问题,我们强烈欢迎评论处理非常广泛的潜在规模和基本假设目前的癌症研究,论文描述数据分析研究中,机器学习算法的发展,和造型复杂的基因调控动力学,目的是汇集不同的社区,如应用数学家和物理学家们开发新的数据分析和建模方法,并与生物学家和临床医生应用科学家一起工作。

潜在的主题包括,但不限于:

• 癌症数据挖掘、筛选和处理数据
• 描述不同的数据分析方法,多尺度造型,大数据分析,将各种异构信息
• 分析多个和纵向oncomarkers早期诊断
• 表观遗传的研究数据(如DNA甲基化概要文件)及其腐败癌症
• 造型基因调控网络和细胞信号网络的癌症
• 设计合成基因网络可能有用的临床应用
• 方法模拟癌症发展过程