(sci)Berloga Всех Наук и Технологий

2022-07-09 22:23:25 Видео записи недавно прошедших докладов по биоинформатике и дата сайнс
(ставьте лайки и подписывайтесь на новый Ютуб канал ) :

Кирилл Половников (СколТех) «Non-backtracking walks reveal compartments in sparse chromatin interaction networks»
Видео:


Абстракт: https://t.me/sberlogabig/104
Материалы: https://t.me/sberlogabio/34196

Алена Коршунова (МГУ) «Молекулярная биология для небиологов»
Видео:


Абстракт: https://t.me/sberlogabig/100
Материалы: https://t.me/sberlogabio/33594

Игорь Пивоваров (МФТИ) «Текущее состояние ИИ в России»
Видео:


Абстракт: https://t.me/sberlogabig/102
Материалы: https://t.me/sberlogasci/3179

Подписывайтесь на Ютуб канал: https://www.youtube.com/channel/UC9MxSFavwyx2Cjcp3_BviyQ Открыть/Комментировать

2022-07-07 11:01:39 @SBERLOGABIG online seminar on bioinformatics and data science:
Кирилл Половников (СколТех) «Non-backtracking walks reveal compartments in sparse chromatin interaction networks»
Пятница 8 июля, 19.00 по Москве

Доклад основан на одноименной работе в Nature 2020.

Chromatin communities stabilized by protein machinery play essential role in gene regulation and refine global polymeric folding of the chromatin fiber. However, treatment of these communities in the framework of the classical network theory (stochastic block model, SBM) does not take into account intrinsic linear connectivity of the chromatin loci. Here we propose the polymer block model, paving the way for community detection in polymer networks. On the basis of this new model we modify the non-backtracking flow operator and suggest the first protocol for annotation of compartmental domains in sparse single cell Hi-C matrices. In particular, we prove that our approach corresponds to the maximum entropy principle. The benchmark analyses demonstrates that the spectrum of the polymer non-backtracking operator resolves the true compartmental structure up to the theoretical detectability threshold, while all commonly used operators fail above it. We test various operators on real data and conclude that the sizes of the non-backtracking single cell domains are most close to the sizes of compartments from the population data. Moreover, the found domains clearly segregate in
the gene density and correlate with the population compartmental mask, corroborating biological significance of our annotation of the chromatin compartmental domains in single cells Hi-C matrices.

Ссылка на зум будет доступна на канале: https://t.me/sberlogabig перед началом доклада - присоединяйтесь. Открыть/Комментировать

2022-07-07 11:01:23 Открыть/Комментировать

2022-07-05 12:23:03 @SBERLOGABIG online seminar on data science:
Игорь Пивоваров (МФТИ) «Текущее состояние ИИ в России»
Четверг 7 июля, 19.30 по Москве
(Внимание - время нестандартное!)

Вводное слово: Максим Савченко (Сбер)

В докладе будет рассмотрено текущее состояние отрасли ИИ в России по науке, бизнесу, инвестициям, образованию, а также тренды и факторы влияющие на будущее отрасли. Доклад будет сделан по материалам Альманаха “Индекс ИИ России-2021”.

О докладчике: И.Пивоваров - создатель регулярного публичного отчета по ИИ в России: Альманах “Искусственный интеллект” (www.aiReport.ru), организатор конференцию по ИИ - OpenTalks.AI, и телеграм канала @OpenTalksAI (подписывайтесь!)

Ссылка на зум будет доступна на канале: https://t.me/sberlogabig перед началом доклада - присоединяйтесь. Открыть/Комментировать

2022-06-28 19:28:08 Продолжаем серию "учебных" лекций:
@SBERLOGABIG online seminar on bioinformatics:
Алена Коршунова (МГУ) «Молекулярная биология для небиологов»
Пятница 1 июля, 19.00 по Москве

Лекция составлена для практических нужд быстро, но качественно, систематизировать знания тех, кто знаком с основами мол.биол, но не занимался «мокрой» биологией. Изначально материал лекции создан для введения студентов-биофизиков различных курсов в нашу лабораторию. Если в вашей голове при словах «молекулярная биология» и «работа в «мокрой» лаборатории» хаотично всплывают термины, как на картинке слева, а еще вы знакомы с языками программирования, то лекция как раз для вас. Цель лекции – упорядочить знания, вспомнить и закрепить основы мол.биол так, чтобы вы могли ими свободно пользоваться. Ну, и еще мы обсудим, чем же все-таки отличается молекулярная биология от генной инженерии.

О докладчике: Алена Коршунова - с.н.с ЦТП ФХФ РАН, лаборатория биофизики цитоскелета; н.с. кафедра биофизики, физический факультет МГУ. Сайт лаборатории http://microtubuleslab.com/

Ссылка на зум будет доступна на канале: https://t.me/sberlogabig и группе: https://t.me/sberlogabio перед началом доклада - присоединяйтесь. Открыть/Комментировать

2022-06-28 19:28:05 Открыть/Комментировать

2022-06-26 19:58:06 Видео записи недавно прошедших докладов по биоинформатике и дата сайнс
(ставьте лайки и подписывайтесь на новый Ютуб канал ) :

Андрей Зиновьев «Domain Adaptation Principal Component Analysis (DAPCA): новый линейный метод для доменной адаптации»
Видео:


Абстракт: https://t.me/sberlogabig/94
Материалы: https://t.me/sberlogabio/32843

Катерина Нуждина «Гены детям не игрушка»
Видео:


Абстракт: https://t.me/sberlogabig/92
Материалы: https://t.me/sberlogabio/32842

Подписывайтесь на Ютуб канал: https://www.youtube.com/channel/UC9MxSFavwyx2Cjcp3_BviyQ Открыть/Комментировать

2022-06-25 19:53:15 Позвольте представить вам подборку интереснейших каналов по дата-сайнс, подписывайтесь:

@dataviznews - один из лучших каналов по визуализации данных, его ведет Никита Рокотян, соавтор Cosmograph — самый быстрый Force Layout для графов в вэбе,
взгляните на эту красоту: https://t.me/dataviznews/444

@OpenTalksAI - новости в сфере AI ( Artificial Intelligence), от организаторов ежегодной конференции: https://opentalks.ai/
и создателей регулярного публичного отчета по ИИ в России: Альманах “Искусственный интеллект” (https://www.aireport.ru/)

@nn_for_science - канал о новинках из области машинного обучения, с прицелом на использовании в науке. Михаил Бронштейн стал очень популярен последнее время в мире ДС, а при чем тут киты ? Читайте: https://t.me/nn_for_science/961

@NeuralinkRus - замечательный канал о мозге и нейроинтерфейсах. Три факта о мозге человека, которые вы, вероятно, не знали - взгляните: https://t.me/NeuralinkRus/1674

@start_ds - Start Career in DS - лучший канал для начинающих ДС в телеграмме от Романа Васильева Открыть/Комментировать

2022-06-21 09:56:31 @SBERLOGABIG online seminar on data science and bioinformatics:
Андрей Зиновьев (Institut Curie/Paris Artificial Intelligence Research Institute, France) «Domain Adaptation Principal Component Analysis (DAPCA): новый линейный метод для доменной адаптации»
Пятница 24 июня, 19.00 по Москве

Domain adaptation - это возможность применить алгоритм машинного обучения, тренированный на одних данных, к данным полученным из несколько другого распределения (домена). Классические подходы машинного обучения предполагают, что распределения данных на тренировочной выборке и тестовой одинаковы. Однако, это предположение может быть легко нарушено в реальной жизни, когда обучающая выборка отличается от данных, с которыми должна работать система в условиях эксплуатации. Хуже всего то, что новые данные не имеют известных меток. Такие ситуации типичны и приводят к задаче "Domain adaptation", которая стала популярной в последнее время.

Мы предлагаем метод Domain Adaptation Principal Component Analysis (DAPCA), который обобщает метод Supervised Principal Component Analsysis на случай с исходными размеченными и неразмеченными целевыми доменами. DAPCA находит линейное представление данных, которое учитывает дисперсию исходного и целевого доменов, метки в исходном домене и минимизирует различие распределений признаков представления между двумя доменами. DAPCA можно использовать в качестве полезного этапа предварительной обработки данных для дальнейших задач классификации, когда требуется уменьшение размерности, вместо классического PCA.

Мы тестируем DAPCA на стандартных тестах "Domain adaptation" и показываем его полезность для задачи интеграции данных пациентов при анализе молекулярных профилей отдельных клеток (single cell RNA-seq data).

Пакет доступен на гитхабе https://github.com/Mirkes/DAPCA
(есть имплементации на Python и MATLAB).


Ссылка на зум будет доступна на канале: @sberlogabig перед началом доклада - подписывайтесь! Открыть/Комментировать

2022-06-21 09:56:24 Открыть/Комментировать