W 2017 roku po 35 latach wróciła tradycja organizowania seminarium wydziałowego dla pracowników i studentów WMI UWr. Jego kolejne posiedzenie odbędzie się 23 VI o 12:30 w sali 119 Instytutu Informatyki UWr. Prelegentem będzie Olga Vitek (Khoury College of Computer Sciences,  Northeastern University USA), która wygłosi wykład Statistical methods to increase the accuracy and the interpretability of quantitative proteomic investigations. Przed seminarium dziekan zaprasza na poczęstunek.

Seminarium organizowane jest od semestru letniego 2017 z inicjatywy dziekana Wydziału Matematyki i Informatyki UWr Tomasza Jurdzińskiego, raz w miesiącu we wtorek. Jego celem jest prezentacja kierunków badań prowadzonych przez pracowników Wydziału w sposób elementarny, dostępny dla niespecjalistów oraz studentów. Wykład trwa 45 minut, a przez kolejny kwadrans odbywa się dyskusja. Organizatorami spotkań są obecnie Artur Jeż (II UWr) oraz Błażej Wróbel (IM UWr). Seminarium jest kontynuacją tzw. Matematycznych Wtorków, cotygodniowych środowiskowych spotkań wrocławskich matematyków, których celem był przegląd publikacji.

Streszczenie bieżącego wykładu:
Proteins are the main functional molecules in cells and play a central role in understanding disease mechanisms, identifying drug targets and evaluating the effects of therapeutic interventions. Proteomic experiments aim to measure, on a large scale, which proteins are present in a biological sample and how their abundance changes across conditions, such as healthy versus diseased tissues, treated versus untreated cells or different stages of a drug-discovery experiment. As a result, modern proteomic technologies generate large, noisy, and highly structured data sets that require careful quantitative analysis. Although statistical methodology in proteomics is often associated mainly with hypothesis testing, its role in understanding proteomic data is much broader. In this lecture we will discuss how statistical ideas contribute to proteomic data analysis in three complementary ways. First, statistical models provide principled methods for aggregating many low-level measurements, such as peptide-ion or fragment intensities, into accurate summaries at the protein level. This may be viewed as an estimation problem in which repeated, heterogeneous, and partially missing measurements must be combined while accounting for measurement error and systematic variation. Second, flexible statistical models can improve the detection of changes in protein abundance in complex experimental settings. This is particularly important when the experimental design goes beyond standard two-group comparisons, for example in screening experiments whose goal is to identify proteins affected by a chemical or biological perturbation. Third, statistical methods help connect observed quantitative changes with broader scientific knowledge. In this way, they support not only prediction or detection, but also interpretation: they help identify patterns in the data, relate them to known biological mechanisms, and lead to more meaningful scientific conclusions. The lecture will illustrate these ideas using recent methodology implemented in the MSstats software framework, with examples from quantitative proteomic experiments, including chemoproteomic screens. The emphasis will be on the statistical and computational principles underlying the methods, rather than on proteomic details.

Poprzednie posiedzenia

1. 25 IV 2017 - Ludomir Newelski (IM UWr) - Język a struktura
2. 30 V 2017 - Witold Charatonik (II UWr) - W poszukiwaniu rozstrzygalnych logik
3. 18 IX 2017 - Kate Juschenko (Northwestern University, USA) - Cycling amenable groups and soficity
4. 7 XI 2017 - Jacek Świątkowski (IM UWr) - Grupy hiperboliczne, brzeg w nieskończoności i kompakty Markowa
5. 19 XII 2017 - Leszek Pacholski (II UWr) - Kilka kontrowersyjnych uwag o polskiej nauce
6. 20 III 2018 - Grzegorz Karch (IM UWr) - O odkryciach Alana Turinga w biologii
7. 5 VI 2018 - Jarosław Byrka (II UWr) - Klastrowanie oczyma algorytmika
8. 13 IX 2018 - Magnus Halldorsson (Uniwersytet w Reykjaviku) - The algorithmic study of wireless networking
9. 27 IX 2018 - Roger Cooke (Politechnika w Delft, Holandia) - The Confidence Trap: dysfunctional dialogues about climate
10. 18 X 2018 - Włodzimierz Zadrożny (University of North Carolina at Charlotte) - Topology and Sheaves for Natural Language Understanding
11. 6 XI 2018 - Elvezio Ronchetti  (University of Geneva) - An Introduction to the Basic Concepts of Robust Statistics
12. 22 I 2019 - Piotr Śniady (IM PAN) - Zaproszenie do kombinatoryki asymptotycznej
13. 9 IV 2019 - Waldemar Hebisch (IM UWr) - Poszukiwanie gwiazd okresowych (poświęcone pamięci Zbigniewa Kołaczkowskiego)
14. 30 IV 2019 - Marek Cygan (UW) - Machine learning in robotic manipulation
15. 29 X 2019 - Andreas Thom (Technische Universität Dresden) - Sofic approximations — what’s the problem?
16. 17 XII 2019 - Paweł Gawrychowski (II UWr) - Struktury danych dla grafów planarnych
17. 25 II 2020 - Henryk Michalewski (UW) - Uczenie maszynowe i dowodzenie twierdzeń
18. 3 III 2020 - Ivo Sbalzarini (Technische Uniwersität Dresden) - New computing enables new biology, which inspires new computing
19. 12 X 2021 - Motiejus Valiunas (IM UWr) - Finite Coxeter groups and applications to viruses
20. 1 IV 2022 - Wolfgang Nagel (TU Dresden) - Artificial Intelligence, Data Analytics and High Performance Computing
21. 10 V 2022 - Paweł Woźny (II UWr) - O wielomianach Bernsteina, bazach dualnych i ich zastosowaniach
22. 21 VI 2022 - Błażej Wróbel (IM UWr) - Punkty kratowe i sumy trygonometryczne w wysokich wymiarach
23. 21 IV 2023 - Jerzy Marcinkowski (II UWr) - Towards Multiset Semantics Database Theory: How I Learned to Stop Worrying and Love Linear Algebra
24. 25 IV 2023 - Sławomir Solecki (Cornell University, USA) - Opisowa teoria mnogości i przekształcenia zachowujące miarę probabilistyczną
25. 20 VI 2023 - Thomas Kühne (Uniwersytet w Paderborn, Niemcy) - Breaking the exaflop barrier for ab-initio molecular dynamics simulations
26. 3 X 2023 - Anand Pillay (University of Notre Dame) - Structural identifiability, differential algebra, and model theory
27. 12 XII 2023 - Andrzej Żuk (Universite Paris 7) - Od równań różniczkowych do grup
28. 27 II 2024 - Maciej Piróg (II UWr) - Algebry szyte na miarę efektów
29. 23 IV 2024 - Takahiro Hasebe (Hokkaido University) - Construction of the distance function with an elliptic PDE
30. 21 V 2024 - Marta Kwiatkowska (Oxford University) - When to trust AI: advances and challenges for certification of neural networks
31. 24 IX 2024 - Alexander Dranishnikov (University of Florida) - On topological complexity of robot motion planning
32. 25 III 2025 - Małgorzata Bogdan (IM UWr) - Techniki regularyzacyjne w statystyce wielowymiarowej
33. 15 IV 2025 - Michael Hecht (CASUS - Center for Advanced Systems Understanding Goerlitz, IM UWr) - The Fast Newton Transform: Interpolation in downward closed spaces reaching the optimal geometric approximation rates for Bos-Levenberg-Trefethen functions
34. 13 V 2025 - Lei Chen (WM Chińskiej Akademii Nauk) - Actions of homeomorphism groups on manifolds
35. 17 VI 2025 - Marc Hallin (Université Libre de Bruxelles) - The long quest for quantiles and ranks in Rd and on manifolds
36. 2 XII 2025 - Bartosz Naskręcki (WMI UAM Poznań) - Matematyka i informatyka w czasach sztucznej inteligencji
37. 14 IV 2026 - Cynthia Rush (Department of Statistics, Columbia University), Is It Easier to Count Communities Than Find Them?
38. 23 VI 2026 - Olga Vitek (Khoury College of Computer Sciences,  Northeastern University USA), Statistical methods to increase the accuracy and the interpretability of quantitative proteomic investigations