Forschungsseminar der Arbeitsgruppe Data Integration in the Life Sciences (DILiS). Auch offen für Seminarteilnahmen im Masterstudium, Online-Teilnahme möglich. Bitte entnehmen Sie Termine dem aktuellen Plan im Whiteboard! Hinweise zur Teilnahme aus den Slides der ersten Veranstaltung vom 19.4. finden Sie in den Resourcen im Whiteboard.
Wir starten um 12:00 s.t.
Einwahl für das hybride Setting: https://fu-berlin.webex.com/fu-berlin/j.php?MTID=m458617e952766b0c6ac964f9eda39686
Seminarraum vor Ort: T9 Raum 137
Das Seminar bietet Raum für die Diskussion weiterführender und integrativer Datenanalysetechniken, insbesondere Vorträge und Diskussion von laufenden oder geplanten Forschungsprojekten, Neuigkeiten von Konferenzen, Besprechung aktueller Literatur und Diskussion möglicher zukünftiger Lehrformate und -inhalte, und Vorstellungen, sowie Abschlussvorträge zu Abschlussarbeiten oder Projektseminaren. Die Seminarsprache ist weitestgehend Englisch. Gern können interessierte Studierende teilnehmen und unverbindlich vorbeischauen oder ein selbst gewähltes Thema von Interesse für die Arbeitsgruppe vorstellen - bitte kontaktieren Sie mich (katharina.baum@fu-berlin.de) mit Themenvorschlägen. Achtung: Einzelne Termine können ausfallen oder verschoben werden.
Geplante Agenda
Date | Speaker | Topic |
15.03. | Tobias | Defense practice |
22.03. | Tobias | Thesis defence |
29.03. | Easter holiday | - |
05.04. | cancelled | - |
12.04. | DILiS | Girl's day Orga |
19.04. | DILiS & Flavio |
1. Short introduction and guidelines on participating in the seminar 2. Talk by Flavio: Bayesian Modeling of drug-induced liver injury |
26.04 | shifted [time] |
alternative: inaugural lecture of Prof. Baum at 2 pm (c.t.), T9 Gr. Hörsaal, AND/OR |
03.05. | shifted [day&time] | Tue, Apr 29, 2 pm s.t., T9 040: Final presentation Softwareprojekt Bioinfo: ML techniques for biological data, WebexLink: https://fu-berlin.webex.com/fu-berlin/j.php?MTID=m66e777f87e27607c8e90fac9f194facb |
10.05. | DILiS | Introduction of the research at Data Integration in the Life Sciences |
17.05. | SP + DILiS | Software project presentation II (15+5 min) + Discussing a research paper (https://doi.org/10.1038/s41598-020-74921-0) |
24.05. | Pascal Iversen |
Uncertainty-Aware Machine Learning for Increased Reliability in Drug Response Prediction |
31.05. | diverse |
Presentation of goals and first and intermediate results of ongoing Bachelor theses (partly in German, max. 15+5 min each): +10 min Evaluation |
7.6. | Pauline Hiort | ML- and network-based drug combination classification |
14.6. | Sebastian Proft | ML for elucidating rare genetic diseases |
21.6. | Eva Verzani | Quantifying the impact of omics data |
28.6. | Sebastian Wullrich | Overview of Various Methods for Increasing Reliability and Explainability of Neural Networks |
5.7. | all | paper discussion: Machine learning alternative to systems biology should not solely depend on data, https://doi.org/10.1093/bib/bbac436 |
12.7. | Ekaterina Melnikova | Buzzing with Data: Machine Learning Techniques in Honeybee Behavior Analysis |
19.7. | Malte Marian Schlichting | Machine learning in dietary applications with the example of classifying the degree of food processing |
26.7. | Jan Ehlting | Verteidigung Bachelorarbeit: Computergestützte Methodik zur Simulation und Untersuchung struktureller Veränderungen in Proteinnetzwerken |
2.8. | cancelled | summer break |
9.8. | Flavio Morelli |
DepMap and its data |
16.8. | cancelled | summer break |
23.8. | cancelled | summer break |
30.8. | cancelled | summer break |
6.9. | DILiS | AI guidelines for students |
13.9. | Janina Hantke | BA-Vortrag: Analysis of the structure and diversity of electronic health records for their use in research(15 +15 min) |
Mögliche Vortragsthemen - Literaturliste
- A review on graph neural networks for predicting synergistic drug combinations, Springer AI Reviews, 2024 https://link.springer.com/article/10.1007/s10462-023-10669-z
- Genome-scale metabolic reconstruction of 7,302 human microorganisms for personalized medicine, Heinken et al, 2023, Nature Biotechnology. https://www.nature.com/articles/s41587-022-01628-0
- Signaling networks: Information Flow, Computation, and Decision Making, Azeloglu & Iyengar 2015, Cold Spring Harbour Perspectives, 10.1101/cshperspect.a005934
- Optimal fusion of genotype and drug embeddings in predicting cancer drug response; Nguyen et al., Briefings in Bioinformatics, Volume 25, Issue 3, May 2024, bbae227, https://doi.org/10.1093/bib/bbae227
- From cell lines to cancer patients: personalized drug synergy prediction; Kuru et al., Bioinformatics, Volume 40, Issue 5, May 2024, btae134, https://doi.org/10.1093/bioinformatics/btae134
- A framework for understanding label leakage in machine learning for health care; Davis et al., Journal of the American Medical Informatics Association, Volume 31, Issue 1, January 2024, Pages 274–280, https://doi.org/10.1093/jamia/ocad178
- Artificial intelligence-powered pharmacovigilance: A review of machine and deep learning in clinical text-based adverse drug event detection for benchmark datasets; Li et al., Journal of Biomedical Informatics, Volume 152, 2024, https://doi.org/10.1016/j.jbi.2024.104621