Bárbara Engelhardt

Barbara Elizabeth Engelhardt es una científica informática estadounidense y especialista en bioinformática . Como profesora en la Universidad de Stanford , su trabajo se ha centrado en modelos de variables latentes , análisis exploratorio de datos genómicos y QTL . ^{[ 1 ]} En 2021, recibió el Premio Overton de la Sociedad Internacional de Biología Computacional .

Engelhardt obtuvo una licenciatura en sistemas simbólicos y una maestría en informática de la Universidad de Stanford . Recibió un doctorado en 2008 de la Universidad de California, Berkeley, bajo la supervisión de Michael I. Jordan . ^{[ 3 ]} 

Engelhardt trabajó como investigadora postdoctoral en la Universidad de Chicago en el Departamento de Genética Humana con Matthew Stephens de 2008 a 2011. ^{[ 4 ]}   Se unió a la Universidad de Duke en 2011 como profesora asistente en el Departamento de Bioestadística y Bioinformática. Se unió a la Universidad de Princeton como profesora asistente en 2014 y fue ascendida a profesora asociada con titularidad en 2017. ^{[ 5 ]} En agosto de 2022, se mudó a California, donde actualmente ocupa el cargo de profesora en la Universidad de Stanford y en el Instituto Gladstone de Ciencia de Datos y Biotecnología . ^{[ 6 ] [ 7 ]}

Después de graduarse de Stanford, Engelhardt trabajó en el Laboratorio de Propulsión a Chorro en el grupo de Inteligencia Artificial durante dos años, trabajando en la planificación y programación de naves espaciales autónomas. ^{[ 8 ]} Como estudiante de posgrado en Berkeley, desarrolló modelos estadísticos para la anotación de la función de proteínas y marcos estadísticos para el razonamiento sobre ontologías . ^{[ 9 ] [ 10 ]} Durante su investigación postdoctoral, desarrolló modelos de análisis factorial disperso para la estructura de la población ^{[ 11 ]} y modelos bayesianos para pruebas de asociación. ^{[ 12 ]}

En su puesto docente, la mayor parte de la investigación de Engelhardt se centró en el desarrollo de modelos de variables latentes y análisis exploratorio de datos para datos genómicos, ^{[ 13 ]} y también en modelos estadísticos para pruebas de asociación en QTL de expresión . ^{[ 14 ]} Como miembro del Consorcio de Expresión de Tejido Genotípico (GTEx), su grupo fue responsable del descubrimiento y análisis de trans-eQTL en los datos GTEx v6 ^{[ 15 ]} y v8. ^{[ 16 ]}

Tras obtener la titularidad, la investigación de Engelhardt en estos modelos de variables latentes se ha ampliado para incluir la secuenciación de células individuales, con especial énfasis en la transcriptómica espacial. ^{[ 17 ]}   También ha trabajado en el diseño experimental bayesiano utilizando problemas de bandidos multi-brazos contextuales, y ha adaptado este trabajo al problema de las especies novedosas para fundamentar la recopilación de datos de células individuales para la construcción de atlas. ^{[ 18 ]} Su trabajo también se ha extendido al aprendizaje automático para registros electrónicos de salud. ^{[ 19 ] [ 20 ]}

El trabajo de Engelhardt ha aparecido en la revista Quanta Magazine . En 2017, dio una charla TEDx titulada: «No el qué, sino el por qué: aprendizaje automático para comprender la genómica». ^{[ 21 ]}