W dniach 9-13 czerwca Instytut Matematyczny UWr będzie gościł prof. Iulianę Ionita-Lazę z Mailman School of Public Health na Columbia University (USA). Wizyta odbywa się w ramach programu IDUB Visiting Professors – krótkie wizyty.
W czwartek 12 czerwca prof. Ionita-Laza wygłosi wykład otwarty zatytułowany
Quantile regression in genomics: a new lens for genetic discovery and phenotype prediction.
Wykład odbędzie się o godzinie 14:15 w sali 119 Instytutu Informatyki UWr przy ul. Joliot-Curie 15.
Streszczenie:
Genome-wide association studies (GWAS) have been instrumental in uncovering genetic links to biomarkers and molecular traits that are relevant to health and disease. However, many genetic effects vary across individuals and contexts—they may be stronger in some subgroups and weaker or absent in others. Despite this, most GWAS still rely on methods that assume uniform effects across the entire population.
This talk introduces quantile regression as a flexible alternative to traditional approaches. Unlike standard models that focus only on average effects, quantile regression examines how genetic variants influence different parts of the outcome distribution. This makes it possible to detect associations that are especially relevant for high-risk individuals, even if they have little impact on the average outcome. The method also helps account for subtle differences in genetic background across individuals.
Quantile regression is also applied to improve genetic risk prediction. Standard polygenic risk scores estimate the expected value of a trait based on genetic data. In contrast, quantile regression allows for prediction of the full conditional distribution of the trait, offering a more nuanced view of individual risk. When used together with conformal prediction methods, this approach can provide valid prediction intervals—ranges where a person’s trait value is likely to fall with high probability. Applications to real data on biomarkers and molecular traits will illustrate these ideas.
Biogram:
Profesor Ionita-Laza prowadzi badania na styku statystyki i genomiki. Jej szczególne zainteresowania dotyczą opracowywania metod statystycznych i uczenia maszynowego do analizy danych genomowych o wysokiej wymiarowości. Zajmuje się również zastosowaniami tych metod w badaniach nad genetycznymi podstawami złożonych chorób i cech, takich jak zaburzenia ze spektrum autyzmu, schizofrenia czy choroba Alzheimera.
Pełni funkcję współdyrektorki programu Career MODE – finansowanego przez NIH programu mentorskiego dla młodych naukowców z dziedziny nauk biomedycznych. Kieruje także inicjatywą Genomics@Columbia, której celem jest integracja interdyscyplinarnej grupy badaczy z różnych wydziałów Uniwersytetu Columbia, posiadających kompetencje w zakresie statystycznej i obliczeniowej genomiki oraz innych dziedzin omics, biologii obliczeniowej, informatyki biomedycznej, a także zainteresowanych pogłębianiem wiedzy o biologii i zdrowiu człowieka. Jej badania są finansowane ze środków NSF i NIH, a wyniki publikowane są w najbardziej prestiżowych czasopismach naukowych, w tym Nature Genetics, Proceedings of the National Academy of Sciences, Journal of the American Statistical Association.