时间：2021年12月30日(本周四) 09: 30
地点：望江校区基础教学楼B座318实验室
研读成员：张馨艺、李希垚
Part1
研读成员：张馨艺
分享内容：
[1] Fujiwara T, Wei X, Zhao J, Ma KL. Interactive Dimensionality Reduction for Comparative Analysis[J]. IEEE Transactions on Visualization and Computer Graphics, 2021.
[2] Li Y, Musabandesu E, Fujiwara T, Loge FJ, Ma KL. A Visual Analytics System for Water Distribution System Optimization[C]//IEEE Visualization Conference (VIS) . IEEE, 2021: 126-130.
论文简介：
[1] 寻找数据集组之间的异同是一项基本的分析任务。针对高维数据，我们通常使用降维（DR）方法来寻找每个组的特征。然而，现有的 DR 方法在此类比较分析方面能力和灵活性有限。每种DR方法仅适用于狭窄的分析目标，例如识别最能区分簇的因子。本文提出了一个交互式 DR 框架，将一种新的 DR 方法（ULCA（unified linear comparative analysi））与交互式可视化界面相结合。ULCA 统一了判别分析（LDA）和对比学习（cPCA）两种 DR 方案，以支持多种比较分析任务。我们提出了一种优化算法，为比较分析提供灵活性，使分析师能够以交互的方式改进 ULCA 结果。此外，交互式可视化界面有助于解释和改进 ULCA 结果。最后，我们评估 ULCA 和优化算法的效率，并通过多个基于真实世界数据集的案例分析来证明该框架的实用性。
[2] 优化配水系统 (WDS) 对于最大限度地降低其运营所需的能源成本至关重要。研究人员采用的主要方法是通过检查 WDS 的计算模拟方法来确定水泵控制的最佳方案。然而，由于大量可能的控制组合和 WDS 模拟的复杂性，通过回顾模拟结果来确定最佳泵控制仍然非常重要。为了解决这个问题，我们设计了一个可视化分析系统，帮助理解模拟输入和输出之间的关系，以实现更好的优化。我们的系统结合了可解释的机器学习以及多个链接的可视化，以从复杂的 WDS 模拟中捕获基本的输入-输出关系。我们通过实际案例研究证明我们系统的有效性，并通过专家评审评估其可用性。我们的结果表明，我们的系统可以减轻分析负担并有助于确定最佳运行方案。
Part2
研读成员：李希垚
分享内容：
[1] Tahir M, Tayara H, Hayat M, et al. kDeepBind: Prediction of RNA-Proteins binding sites using convolution neural network and k-gram features[J]. Chemometrics and Intelligent Laboratory Systems, 2021, 208: 104217.
[2] Zhang YW, Wang MB, Li SC. SuperTAD: robust detection of hierarchical topologically associated domains with optimized structural information[J]. Genome Biology, 2021, 22(1): 1-20.
论文简介：
[1] RNA结合蛋白在基因调控、转录等不同的生物学过程中发挥着核心作用。本文提出了一个基于深度学习的RBPs结合位点智能预测模型kDeepBind。我们利用卷积神经网络模型自动学习抽象特征，从识别出的序列中搜寻隐含信息。此外，本文应用k-Gram特征提取技术，并与CNN特征进行拼接。我们用从CLIP-SEQ数据集中获得的RBP结合位点标签，对所提出的预测模型kDeepBind进行了评估。结果表明，本文提出的预测模型的和其他方法相比性能更优。kDeepBind模型将成为RNA-RBPs结合位点预测的学术研究及药物开发的有用工具。
[2] 拓扑关联结构域(TADS)是染色体结构的组织单位。TAD可以包含TAD，从而形成层次结构。TAD的层次结构可以通过从Hi-C数据中构建编码树推断出来。然而，目前计算编码树的方法并不是最优的。在本文中，我们提出了这一计算的优化算法。与两个公共数据集的七种最先进的方法相比，SuperTAD检测到的TAD边界周围的结构蛋白和组蛋白修饰更为丰富，并且在相同的Hi-C矩阵的不同分辨率之间高度一致。
