摘要
结合生物医学数据与网络可以为我们提供前所未有的洞见，深入了解疾病发生的机制。此外，在开发新的治疗或预防策略时，量化生物网络复杂结构在疾病期间的变化也是至关重要的问题。尽管现有研究已经发展了众多逆向工程生物网络（译者注：即运用数学物理等知识根据网络功能来研究功能背后网络结构的方法）的方法，但这些方法通常使用多个实验样本来估计单个“总体”网络，无法捕捉到人群层面的异质性。在本报告中，我将回顾我们小组开发的一种估算样本特异性网络的方法。然后，我将演示如何利用这种方法将基因调控网络的变化与患者信息联系起来，支持新兴的基于网络科学的精准医疗领域的发展。

讲者介绍
Kimberly Glass是复杂网络和基因组数据分析方面的专家。她于2010年从马里兰大学获得物理学博士学位。在2010年至2014年期间，Glass博士在达纳·法伯癌症研究所和哈佛大学公共卫生学院担任博士后研究员，在这期间她接受了计算生物学的培训。在博士后期间，她发展了数种用于推断和分析基因调控网络的计算和数据整合方法。2014年，Kimberly加入了哈佛医学院教学附属医院布列根和妇女医院查宁网络医学部（the Channing Division of Network Medicine）担任教职，继续从事系统医学和网络方法的研究。她当前的研究重点是如何在调控网络环境中整合和解释多种生物数据类型，以及如何理解这些网络中所代表的生物机制。她还在探索网络科学在精准医学中的潜在应用，利用网络科学方法来理解复杂疾病的易感性、严重性和治疗方法。

注册链接

https://iu.zoom.us/webinar/register/WN_kj-cg_saTmi4oQERGNX8Lg#/registration