Để chia sẻ các kết quả nghiên cứu, tăng cường giao lưu, kết nối giữa các nhóm, Trường CNTT&TT tổ chức seminar định kỳ hàng tháng.
Seminar tháng 3 sẽ được tổ chức vào 11.30-12.30 ngày thứ năm, 28/3/2024.
Thông tin bài trình bày.
Người trình bày 1: GS. Nadia Lahrichi (Polytechnique Montréal, Canada)
Tiêu đề: The operating room planning problems and beyond (Bài toán lập lịch cho các phòng phẫu thuật)
Tóm tắt: Bài trình bày sẽ giới thiệu những nghiên cứu gần đây nhất về lập kế hoạch phẫu thuật trong phòng mổ. Bài toán này xem xét: chọn bệnh nhân (từ danh sách chờ) vào danh sách phẫu thuật cho một khoảng thời gian đã chọn và chỉ định ngày, phòng phẫu thuật và khung thời gian cho từng chuyên khoa. Bài trình bày sẽ mô tả hai dự án ở các bệnh viện lớn ở Montréal. Cả hai dự án đều xem xét sự không chắc chắn và dự báo một cách tiếp cận khác để xử lý. Kết quả nghiên cứu cho thấy việc ưu tiên bệnh nhân dựa trên thời gian chờ đợi sẽ làm tăng chất lượng của lịch trình nhưng không làm giảm tỷ lệ lấp đầy của phòng phẫu thuật cũng như tỷ lệ lấp đầy giường.
Abstract: In this talk, I will discuss the most recent developments on the master surgical planning problem in the operating room. Patient case mix and bed utilization are integrated to the problem to have a finer estimation of the use of resources. This problem consists of selecting patients (from the waitlist) to be on the operating list for a selected horizon, and assigning a day, an operating room, and a time block to each specialty. Both surgical wards and the ICU are considered. I will describe two case studies from large teaching hospitals in Montreal. Both projects consider uncertainty and forecast a different approach to handle it. We show that prioritizing patients based on wait times only increases the quality of the schedule without decreasing the occupancy rate of the OR, nor the occupancy of beds.
Người trình bày 2: TS. Nguyễn Thái Dương (University of California, San Diego, Hoa Kỳ)
Tiêu đề: Thuật toán gióng hàng thời gian lưu cho dữ liệu phổ khối lượng (Algorithms for Retention Time Alignment of Mass Spectrometry Data)
Tóm tắt: Phổ khối lượng (Mass Spectrometry – MS) đã trở thành công cụ hữu hiệu cho các nghiên cứu về protein thông lượng cao. Tuy nhiên, ngay cả với những tiến bộ gần đây, việc sử dụng MS để định lượng protein vẫn có những lo ngại về độ tin cậy, vì việc này bị ảnh hưởng bởi nhiều yếu tố khác nhau như sự khác biệt trong thiết lập thực nghiệm. Do vậy, trong nghiên cứu protein quy mô lớn, gióng hàng thời gian lưu (Retention Time – RT) là một bước rất quan trọng nếu muốn các lượt chạy phổ khối lượng có thể đối sánh được với nhau. Để thực hiện tác vụ này, nhiều phương pháp gióng hàng đã được đề xuất nhưng thường không thể hoạt động với dữ liệu protein lớn, chứa hàng nghìn hoặc hàng triệu lượt chạy. Một số phương pháp nhanh nhưng phức tạp hoặc không được thiết kế tốt để căn chỉnh cho nhiều loại mô và mẫu thí nghiệm khác nhau.
Nghiên cứu này đề xuất một phương pháp gióng hàng thời gian lưu có thể giải quyết hiệu quả được những vấn đề trên. Thứ nhất, đề xuất tận dụng số lượng lớn các lượt chạy/mẫu MS có sẵn có từ các kho dữ liệu protein công cộng để xây dựng các giá trị RT tham chiếu cho các peptide xuất hiện với tần suất cao. RT tham chiếu của các peptide này được đóng vai trò như các điểm neo, nghĩa là dùng để thiết lập các tương quan RT cơ sở và hỗ trợ gióng hàng RT. Thứ hai, đề xuất một thuật toán gióng hàng nhanh bằng cách sử dụng các RT tham chiếu đã được xây dựng – để điều chỉnh thời gian lưu của các peptide trong các lượt chạy đầu vào theo thang thời gian tham chiếu. Phương pháp gióng hàng đề xuất có thể hoạt động trên quy mô hàng triệu lượt chạy MS và trung bình đã giảm được sự biến thiên của thời gian lưu xuống 3,6 lần và lên tới 6,8 lần khi gióng hàng các lượt chạy cách xa nhau trong các bộ dữ liệu đánh giá. Hiệu quả của phương pháp này là tốt hơn 4,9-65,9% so với các phương pháp cơ sở.
Abstract: Mass spectrometry (MS) has been the main technology for high-throughput proteomics studies. However, even with the recent advancement, the reliability of using MS for quantitative proteomics measurements is still a concern, as this is affected by various factors such as experimental setting and laboratory environment difference. Thus, in large-scale proteomics, retention time (RT) alignment is an indispensable step since we would like to make MS runs comparable. To perform the task, many alignment methods have been proposed but they are usually not scalable for large proteomics data, which contains thousands or millions of runs. Some of the methods are fast but are complicated or not well designed for aligning a broad range of different tissues and samples, e.g. they require a user selection of an individual and appropriate run as the reference for other runs to be aligned to.
In this work, we propose a scalable approach for retention time alignment that can solve these issues. First, we leverage the availability of the large number of MS runs/samples from public proteomics data repositories to build reference RT values for high-frequency precursors. The reference RTs of these precursors can serve as anchor points, i.e. to establish base RT correspondences and guide RT alignments. Second, we propose an ultra-fast RT alignment using these constructed reference RTs to adjust the retention times of peptides in any input run to the reference time scale. Our alignment can scale for millions of MS runs and reduce retention time variation by 3.6 times on average and up to 6.8 times for aligning distant runs in evaluation datasets. Its variation reduction is 4.9-65.9% better than the baseline alignments.
Đăng ký tham dự tại
https://forms.office.com/r/LmmTxGNCTs
