1. Họ và tên nghiên cứu sinh: Trần Ngọc Hà
2. Giới tính: Nam
3. Ngày sinh: 01/06/1984
4. Nơi sinh: Thái Nguyên
5. Quyết định công nhận nghiên cứu sinh số 1118/QĐ-CTSV ngày 24/12/2012 của Hiệu trưởng Trường Đại học Công Nghệ
6. Các thay đổi trong quá trình đào tạo: Không
7. Tên đề tài luận án: Một số thuật toán dóng hàng các mạng protein
8. Chuyên ngành: Khoa học máy tính.
9. Mã số: 62.48.01.01
10. Cán bộ hướng dẫn khoa học: PGS.TS Hoàng Xuân Huấn và GS.TS Thái Trà My
11. Tóm tắt các kết quả mới của luận án
Luận án đề xuất các thuật toán dóng hàng cho 2 bài toán “Dóng hàng nhiều mạng các vị trí liên kết protein” và “Dóng hàng toàn cục hai mạng tương tác protein-protein”. Cụ thể như sau:
· Đề xuất ba thuật toán dựa trên tối ưu đàn kiến và lược đồ memetic cho bài toán dóng hàng nhiều mạng các vị trí liên kết protein, bao gồm ACO-MGA, ACO-MGA2 và ACOTS-MGA. Thuật toán ACO-MGA là phiên bản đầu tiên xây dựng dựa trên thuật toán tối ưu đàn kiến để giải bài toán dóng hàng nhiều đồ thị. Các thực nghiệm trên bộ dữ liệu mô phỏng đã cho thấy hiệu quả nổi trội của thuật toán này so với các thuật toán trước đó là GAVEO và Greedy. Thuật toán ACO-MGA2 và ACOTS-MGA là các thuật toán xây dựng theo lược đồ memetic, các thuật toán này tính toán thông tin heuristics hiệu quả hơn ACO-MGA và sử dụng thuật toán tìm kiếm cục bộ hoặc tìm kiếm Tabu linh hoạt nên cho chất lượng lời giải tốt hơn các thuật toán hiện thời khi tiến hành thực nghiệm trên các bộ dữ liệu thực.
· Đề xuất ba thuật toán cho bài toán dóng hàng toàn cục mạng tương tác protein-protein, bao gồm thuật toán heuristics FASTAN và hai thuật toán tối ưu đàn kiến: ACOGNA và ACOGNA++. Thuật toán FASTAN là thuật toán theo hướng tiếp cận heuristic, có thời gian chạy nhanh và chất lượng lời giải tốt hơn các thuật toán trước đó. Thuật toán ACOGNA dựa trên phương pháp tối ưu đàn kiến cho chất lượng lời giải tốt hơn hẳn các thuật toán trước đó theo các tiêu chuẩn GNAS và EC. Thuật toán ACOGNA++ sử dụng thông tin heuristics linh hoạt và có thể thay đổi tiêu chuẩn tối ưu theo các hàm mục tiêu khác nhau nên cho kết quả tốt hơn hẳn các thuật toán khác theo 3 tiêu chuẩn GNAS, EC và S3.
12. Khả năng ứng dụng trong thực tiễn:
Các đề xuất trong luận án không chỉ có ý nghĩa đối với sinh học phân tử mà còn góp phần tạo tiền đề cho các ứng dụng tin-sinh trong công nghệ sinh học nước nhà. Các kết quả nghiên cứu hỗ trợ cho lĩnh vực sinh học và y dược học trong phân tích và dự đoán chức năng của các protein, nghiên cứu đặc điểm tiến hóa giữa các loài, điều chế thuốc.
13. Những hướng nghiên cứu tiếp theo:
Nghiên cứu sâu hơn về các phương pháp tính toán mềm khác và song song hóa các thuật toán để cải tiến các thuật toán đề xuất nhằm giảm thời gian chạy.
Đối với bài toán dóng hàng các mạng các vị trí liên kết protein, liên hệ với các cơ sở nghiên cứu y-sinh để cùng phát triển các nghiên cứu mang tính ứng dụng. Tập trung nghiên cứu việc ứng dụng bài toán này vào việc nghiên cứu thuốc.
Đối với bài toán dóng hàng mạng tương tác protein, nghiên cứu để mở rộng việc áp dụng các thuật toán đề xuất cho bài toán dóng hàng đồng thời nhiều mạng tương tác protein-protein, hay bài toán dóng hàng các mạng động.
Ngoài ra, có thể nghiên cứu ứng dụng các thuật toán đề xuất vào trong các bài toán thời sự trong lĩnh vực mạng xã hội.
14. Các công trình đã công bố có liên quan đến luận án:
i. Trần Ngọc Hà, Đỗ Đức Đông, Hoàng Xuân Huấn (2013), “An Efficient Ant Colony Optimization Algorithm for Multiple Graph Alignment”, Proceedings of International Conference on Computing, Management and Telecommunications (ComManTel),Ho Chi Minh City, Vietnam, pp. 386-391. (Scopus)
ii. Trần Ngọc Hà, Đỗ Đức Đông, Hoàng Xuân Huấn (2014), “A Novel Ant Based Algorithm for Multiple Graph Alignment”,Proceedings of the 2014 International Conference on Advanced Technologies for Communications, pp. 181-186. (Scopus)
iii. Đỗ Đức Đông, Trần Ngọc Hà, Đặng Thanh Hải, Đặng Cao Cường, Hoàng Xuân Huấn (2015), “An efficient algorithm for global alignment of protein-protein interaction networks”, Proceedings of the 2015 International Conference on Advanced Technologies for Communications, pp. 332-336. (Scopus)
iv. Trần Ngọc Hà, Hoàng Xuân Huấn (2015), “Một thuật toán tối ưu đàn kiến dóng hàng toàn cục mạng tương tác protein”,Kỷ yếu Hội nghị Quốc gia lần thứ VIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR 2015), Ha Noi, Viet Nam, tr. 471-477.
v. Ha Tran Ngoc, Huan Hoang Xuan (2016), “ACOGNA: An Efficient Method for Protein-Protein Interaction Network Alignment”, Proceedings of the The Eighth International Conference on Knowledge and Systems Engineering (KSE 2016), pp. 7-12.
vi. Ha Tran Ngoc, Hien Le Nhu, Huan Hoang Xuan (2018), “A new memetic algorithm for multiple graph alignment”, VNU Journal of Science: Computer Science and Communication Engineering, vol 34, no 1, pp 1-9.
