Skip to content

Upcoming

Lloc: Biblioteca de la secció d'Estadística de la Facultat de Biologia (Edifici Aulari)

An ontology to represent food intake data and associate it with metabolomic data. Pol Castellano

Currently, nutrition research generates a lot of complex data hard to analyze and associate with other data or omics such as metabolomics. By itself, metabolomics is closely linked to nutrition. However, it is still difficult to associate these two types of data. One reason for this difficulty is the heterogeneity found in the information provided by participants in nutritional studies about what they have eaten. In order to manage this heterogeneity we have decide to build an ontology, describing foods in a hierarchichal way that enables a common description of food intake. This ontology contains formal naming, definition of the categories, properties, and relations between the concepts of two types of data, food and related metabolites.

The ontology presented is called FBOnto and is made of two sub-ontologies. The first ontology describes foods: from simple such as fruits and vegetables to more complex foods such as ratatouille. The second ontology describes metabolites, grouped in their different chemical classes. The nodes or elements of these two sub-ontologies are connected by the properties of each one, so that if a metabolite is in different foods, it will connect with all of them. This ontology allows us to visualize data in a bidirectional way, going from metabolomics to nutritional data or vice versa. In addition, this ontology can also be useful for other analyses such as enrichment analysis or a novel concept, food-enrichment analysis.

Keywords: Ontology, Metabolomics, Nutrition, Bioinformatics

Lloc: Aula C5016 de la planta 0 de l'edifici C5 del Campus Nord

Introducció a la inferència causal. A Ruiz de Villa

Una de les parts més importants en l'anàlisi de dades és estimar quin efecte han tingut certes decisions. La manera més eficient és dur a terme experiments (Randomized Controlled Trials). Tot i així, aquests poden esdevenir molt costosos, no ètics o inviables. A més a més, moltes vegades ja tenim dades i en voldríem treure algun profit. Malauradament, l'anàlisi directa de dades no experimentals pot portar, inclús en casos molt senzills, a conclusions errònies o culs de sac. Un exemple destacat n'és la paradoxa de Simpson. Alguns d'aquests problemes es poden adreçar si s'inclouen elements de causalitat en l'anàlisi. La causalitat ha sigut subjecte d'estudi pels filòsofs des de fa segles. Als anys 80 es va començar a formalitzar des del punt de vista estadístic. Actualment la modelització de la causalitat té tres fonts científiques diferents: computacionals, biomèdiques i economètriques. En aquesta xerrada veurem alguns exemples on modelitzant la causalitat s'obtenen conclusions força diferents a quan no es fa servir. També veurem quan és necessària, quins riscos té i quin tipus de llenguatge i eines en fa ús.

Sketch: Aleix Ruiz de Villa és doctor en matemàtiques per la UAB, ex director de data science de LaVanguardia.com, SCRM (responsables de l'app de mòbil en Lidl) i Onna. Fundador del Barcelona Data Science and Machine Learning Meetup (2014) i cofundador del grup d'usuaris de R de Barcelona (2011-2017)

Lloc: Biblioteca de la secció d'Estadística de la Facultat de Biologia (Edifici Aulari)

Title. M Casals i K Langohr

Abstract

Lloc: Aula C5016 de la planta 0 de l'edifici C5 del Campus Nord

Title. Rosa Lamarca

Abstract

Title. S Pérez-Hoyos

Abstract

Lloc: Biblioteca de la secció d'Estadística de la Facultat de Biologia (Edifici Aulari)

Title. F Oliva, S Civit i E Vegas

Abstract

 

Análisis de mediación en ensayos controlados aleatorizados. Sandra Bertran

Los resultados de un ensayo clínico controlado muestran el efecto de la intervención sobre la variable resultado, pero, no solo es importante el efecto de la intervención, sino saber si existen variables que se encuentren en el camino causal entre la intervención y la variable resultado que puedan tener un efecto. El análisis de mediación nos permite explorar los caminos directos e indirectos entre la intervención y la variable resultado, explicando la naturaleza de la relación entre ambas variables.

Lloc: Aula C5016 de la planta 0 de l'edifici C5 del Campus Nord

Meeting restricted to GRBIO members

Title. Per confirmar

Abstract

Lloc: Biblioteca de la secció d'Estadística de la Facultat de Biologia (Edifici Aulari)

Title. Jordi Ocaña

Title. Eduard Molins

Abstract

Lloc: Aula C5016 de la planta 0 de l'edifici C5 del Campus Nord

Meeting restricted to GRBIO members

Title. Per confirmar

Abstract