Seminar "Bioinformatics with AI: what changes, what doesn’t – a metabolic-disease multi-omics story"

Thời gian: 09:00, 05/11/2026 (thứ Năm)

Địa điểm: Giảng đường 1, Trường Đại học Khoa học tự nhiên, ĐHQG-HCM, 227 Nguyễn Văn Cừ, Phường Chợ Quán, TP HCM

Khách mời: TS. Trần Thượng Vân Du - Chuyên gia Sinh học tính toán cấp cao tại Vital-IT, SIB Swiss Institute of Bioinformatics, Thụy Sĩ

Ngôn ngữ: Tiếng Việt  

Link đăng ký tham dự: https://forms.gle/kDbwM8ioiyYRz2bN9  

Giới thiệu khách mời: TS. Trần Thượng Vân Du hiện là Chuyên gia Sinh học tính toán cấp cao tại Vital-IT, SIB Swiss Institute of Bioinformatics, làm việc tại Lausanne, Thụy Sĩ. Ông tốt nghiệp ngành Khoa học máy tính tại École Polytechnique (Pháp), nhận bằng Ingénieur Polytechnicien và bằng Thạc sĩ năm 2007; từng là Giảng viên thỉnh giảng về Tin sinh học tại Đại học Chicago (Hoa Kỳ); nhận bằng Tiến sĩ Khoa học máy tính năm 2011 tại École Polytechnique, Pháp. Ông thực hiện nghiên cứu sau tiến sĩ về dự đoán microRNA và phân tích transcriptomics tại Đại học Paris-Sud và CNRS, Pháp. Hướng nghiên cứu hiện nay tập trung vào phát triển các phương pháp tính toán có khả năng mở rộng và diễn giải được cho các hệ sinh học phức tạp, đặc biệt trong privacy-preserving federated analytics, integrative multi-omics analysis, bioinformatics, AI/ML và multimodal data integration. Ông cũng tham gia nhiều consortium nghiên cứu quốc tế, các hoạt động đào tạo qua ELIXIR, đồng thời là phản biện và thành viên ban biên tập của nhiều tạp chí khoa học.

Tóm tắt báo cáo: Artificial intelligence is rapidly transforming bioinformatics practice, from code generation and literature synthesis to the analysis of complex biological data, raising the question of which aspects of research it truly changes and which remain the domain of the researcher. Drawing on multi-omics studies of metabolic disease, we examine where AI can support, and where it cannot replace, key steps of the analytical workflow. Particular attention is given to sensitive clinical data, for which federated analysis enables collaborative research without data transfer; the same principle of keeping data at their source applies to the responsible use of AI tools. We discuss common pitfalls of AI-assisted analysis, including fabricated references, plausible but erroneous code and data leakage between training and test sets, together with practical strategies for verification, data protection and reproducibility. We argue that, while AI substantially accelerates bioinformatics research, sound study design, critical interpretation and scientific accountability remain the responsibility of the researcher.