Dr Bartosz Wilczyński
Uniwersytet Warszawski

Sieci bayesowskie to narzędzie pozwalające opisywać modele zawierające wiele zmiennych z nietrywialną strukturą zależności. Modele takie zyskują w ostatnich latach na popularności w zastosowaniu do opisu bardzo różnych zjawisk i procesów od procesów biznesowych, przez zjawiska społeczne do problemów w skali molekularnej. Z punktu widzenia matematyka i informatyka, wiele elementarnych zagadnień dotyczących sieci bayesowskich stanowi wciąż otwarte pole do badań, z punktu widzenia zastosowań, obecnie stosowane narzędzia pozwalają na wykorzystanie sieci bayesowskich, jako efektywnego narzędzia do analizy danych eksperymentalnych. W swoich wykładach przedstawię kolejno:

1. Podstawowe definicje i formalne założenia modelu sieci bayesowskich oraz zaprezentuję klasyczne wyniki w zakresie odtwarzania sieci na podstawie rozkładu i z próby (eksperymentu),
2. Zastosowanie sieci bayesowskich do opisu sieci regulacji genów. Jedno z najbardziej naturalnych zastosowań sieci bayesowskich, gdzie każda zmienna losowa odpowiada stanowi jednego z genów danego organizmu i nasze zadanie polega na rekonstrukcji struktury sieci na podstawie danych o ekspresji genów,
3. Zastosowanie sieci bayesowskich do klasyfikacji obszarów regulatorowych w oparciu o dane chromatynowe: niedawno opublikowane wyniki naszych nadań, gdzie sieci bayesowskie są wykorzystywane w sposób mniej kanoniczny.

Bibliografia:

[1] B. Wilczynski, YH.Liu, ZX.Yeo, EEM Furlog
Predicting spatial and temporal gene expression using an integrative model of transcription factor occupancy and chromatin state, PLcS Computational Biology, 2012.