Семинары 2025

Семинар НУЛ Искусственного интеллекта для вычислительной биологии

Дата: 13.03.2025

Тема: "Quantum Machine Learning in 2025: Myths & Facts"

Докладчик: Сулимов Павел, Senior Quantum AI Researcher at Institute of Computer Science, Zurich University of Applied Sciences

Анотация: Classical deep learning is currently on a big hype, making a great path in last decade from GANs and AlphaGo to AI models with reasoning. But can we do even better, e.g. by enhancing AI with 100-year-old technology like quantum mechanics? What if we add phenomena like superposition, entanglement, and quantum parallelism into neural network, call it quantum neural network, and ... why should it be better than the classical one?

At the seminar we'll cover the basics of quantum machine learning, understanding the main analogies and differences with classical AI, and look into the advantages (like applications in drug discovery, financial markets, large images analysis etc.) and difficulties (like error mitigation, hardware limitations etc.). Some of the information on the Internet is true, some is not - but don't worry, except from just discovering myths and legends, we'll also "touch" the real IBM quantum computer, and see how it can be used already now.

Запись семинара доступна по ссылке.

Дата: 09.04.2025

Тема: "False discovery rate control in large-scale hypothesis testing".

Докладчик: Кертес-Фаркаш Аттила, заведующий Научно-учебной лаборатории искусственного интеллекта для вычислительной биологии

Abstract: In the talk we will discuss False Discovery rate (FDR) control procedures, including the Benjamini-Hochberg protocol, the target-decoy competition-based methods, and some more advanced ones for multiple hypothesis testing, when hypothesis can be grouped. We also discuss their statistical power.

Ссылка на видеовстречу

Дата: 16.04.2025

Тема: "Точный расчет p-значения для данных тандемной масс-спектрометрии с высоким разрешением"

Докладчик: Бхимани Кишанкумар Рамешбхаи, Научный сотрудник.

Анотация: В исследовательском докладе Кишана будет освещено, как мы идентифицируем пептиды из данных масс-спектрометрии высокого разрешения. Во-первых, была разработана более быстрая версия алгоритма XPV, которая ускорила время выполнения для идентификации пептидов. Во-вторых, метод XPV был адаптирован к данным высокого разрешения (HR-XPV), что повысило точность p-значений и уменьшило количество ложных совпадений. В-третьих, был создан новый алгоритм под названием SeVa для обнаружения вариаций отдельных аминокислот, что помогает находить мутировавшие пептиды в сложных образцах. Эти достижения делают анализ пептидов более надежным, особенно в крупномасштабных протеомных и MS/MS исследованиях.