Barbara Engelhardt
La nomination
Équipe de direction de Stratégie pancanadienne en matière d’intelligence artificielle
Membre
Membre du comité consultatif scientifique international
Être humain multiéchelle CIFAR-MacMillan
À Propos
Barbara E. Engelhardt est chercheuse principale aux Instituts Gladstone et professeure au Département des sciences de l’information biomédicale de l’Université de Stanford. Elle détient un baccalauréat en systèmes symboliques et une maîtrise en informatique de l’Université de Stanford, ainsi qu’un doctorat de l’Université de Californie à Berkeley. Boursière post-doctorante auprès de Matthew Stephens à l’Université de Chicago, elle a été professeure adjointe à l’Université Duke de 2011 à 2014, puis, de 2014 à 2022, professeure adjointe, associée et titulaire en informatique à l’Université Princeton.
Elle a travaillé chez Jet Propulsion Labs, Google Research, 23andMe et Genomics plc. Au cours de sa carrière, elle a reçu une bourse de recherche pour les cycles supérieurs de la NSF, la bourse Anita Borg de Google, le prix Walter M. Fitch de la Société de biologie moléculaire et d’évolution (2004), une bourse de recherche Sloan, une bourse CAREER de la NSF et le prix Overton de l’ISCB (2021).
Ses recherches portent sur le développement et l’application de modèles pour l’analyse de données biomédicales structurées. Ces modèles détectent la présence de formes dans les données, prédisent les résultats des interventions sur le système, aident à la prise de décision et hiérarchisent les expériences pour la conception et l’ingénierie des systèmes biologiques.
Prix
- Professeure invitée distinguée Merkin, Caltech (2022-2024)
- Prix Overton, ISCB, 2021
- Bourse CAREER, NSF (2018-2022)
- Bourse de recherche Sloan (2016-2018)
- Prix Walter M. Fitch, Société de biologie moléculaire et d’évolution (2004)
Publications Pertinentes
- Townes, F.W. et Engelhardt, B.E. (2023). Nonnegative spatial factorization for spatial genomics. Nature Methods, 20, 229--238. DOI: 10.1038/s41592-022-01687-w
- Jones, A., Townes, F.W., Li, D. et Engelhardt, B.E. (2023). Alignment of spatial genomics and histology data using deep Gaussian processes. Nature Methods (accepté) bioRxiv:475692
- Dumitrascu, B., Villar, S., Mixon, D.G. et Engelhardt, B.E. (2021). Optimal marker gene selection for cell type discrimination in single cell analyses. Nature Communications, 12:1186. DOI: 10.1038/s41467-021-21453-4