Estatística e professora na Universidade de Stanford, Susan Holmes é conhecida pelo seu trabalho na aplicação de estatísticas multivariadas não paramétricas, métodos de bootstrapping e visualização de dados à biologia. Usa estatísticas computacionais, em particular, métodos não paramétricos intensivos de computador, como bootstrap e MCMC, para fazer inferências sobre uma variedade de fenómenos biológicos complexos, interações entre o sistema imunológico e o cancro, resiliência e deteção de biomarcadores no microbioma humano e resistência a medicamentos no HIV. Frequentemente usa e contribui para a matemática fundamental. Um dos seus trabalhos notáveis é sobre a geometria do espaço árvore, introduzindo uma distância entre árvores filogenéticas para formar um complexo Cat (0). Obteve o seu doutoramento em 1985 pela Universidade de Montpellier II, esteve como investigadora titular no INRA durante dez anos, lecionou no MIT, Harvard, e foi professora associada de biometria em Cornell antes de se mudar para Stanford em 1998.
ENSPM 2021 Presentation
Title: Statistics and Geometry for biological systems
Abstract: Distances are an essential component of modern multivariate statistics and bioinformatics.
One can do statistics in spaces of complex objects such as trees, networks, shapes and images.
However geometry is not enough as the real data are never uniformly distributed on latent manifolds but occur with varying densities which are hard to capture when the data are sparse.
Using prior information one can incorporate data and construct posterior distributions along nonlinear dimensions and provide meaningful approximations to complex data even in non-Euclidean settings.
I will provide examples of using both mathematical and computational tools to understand trajectories followed by the human microbiome and maybe even an understanding of how food ingredients are hared across the world.
This contains joint work with Lan Huong Nguyen, Elisabeth Purdom, Christof Seiler,
Nina Miolane, Claire Donnat and Kris Sankaran.