Thông tin luận án TS của NCS Nguyễn Huy Tình

Tên đề tài luận án: Phát triển và đánh giá các phương pháp ước lượng mô hình thay thế axit amin cho các tập dữ liệu có kích thước lớn

1. Họ và tên nghiên cứu sinh: Nguyễn Huy Tình                             2. Giới tính: Nam

3. Ngày sinh: 26/01/1988                                                        4. Nơi sinh: Hà Nội

5. Quyết định công nhận nghiên cứu sinh số: 45/QĐ-CTSV, ngày 12 tháng 01 năm 2023 của Hiệu trưởng Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.

 6. Các thay đổi trong quá trình đào tạo: Đổi tên đề tài luận án sau báo cáo seminar cơ sở (ghi các hình thức thay đổi và thời gian tương ứng) 

7. Tên đề tài luận án: Phát triển và đánh giá các phương pháp ước lượng mô hình thay thế axit amin cho các tập dữ liệu có kích thước lớn (tên luận án chính thức đề nghị đánh giá luận án)

8. Ngành đào tạo: Khoa học máy tính                       9. Mã số: 9480101

10. Cán bộ hướng dẫn khoa học: GS.TS Lê Sỹ Vinh
                                                     TS. Đặng Cao Cường
                                                     (ghi rõ chức danh khoa học, học vị, họ và tên)

Thông tin luận án TS của NCS Nguyễn Huy Tình (tiếng Anh)

11. Tóm tắt các kết quả mới của luận án:

– Luận án đề xuất quy trình đánh giá phương pháp ước lượng mô hình thay thế axit amin từ dữ liệu mô phỏng.

– Đề xuất phương pháp ước lượng mô hình thay thế axit amin sử dụng đa ma trận cùng với thuộc tính thời gian không thuận nghịch.

– Đề xuất phương pháp lựa chọn mô hình phù hợp nhất cho một sắp hàng cho trước dựa trên học sâu.

12. Khả năng ứng dụng trong thực tiễn: (nếu có) Ứng dụng trong các bài toán nghiên cứu và xây dựng cây phân loài dựa trên dữ liệu sắp hàng axit amin

13. Những hướng nghiên cứu tiếp theo: (nếu có) áp dụng các phương pháp ước lượng và lựa chọn mô hình trên dữ liệu thật

14. Các công trình đã công bố có liên quan đến luận án: (liệt kê các công trình theo thứ tự thời gian)

– N. H. Tinh, C. C. Dang, and L. S. Vinh, “Rooting Phylogenetic Trees from Protein Alignments,” in Proceedings – International Conference on Knowledge and Systems Engineering, KSE, Oct. 2023, pp. 1–5. doi: 10.1109/KSE59128.2023.10299425.

– N. H. Tinh, C. C. Dang, and L. S. Vinh, “Estimating amino acid substitution models from genome datasets: A simulation study on the performance of estimated models,” J. Evol. Biol., vol. 37, no. 2, pp. 256–265, 2023, doi: 10.1093/jeb/voad017.

– N. H. Tinh, C. C. Dang, and L. S. Vinh, “QMix: An Efficient Program to Automatically Estimate Multi-Matrix Mixture Models for Amino Acid Substitution Process,” J. Comput. Biol., vol. 31, no. 8, pp. 703–707, 2024, doi: 10.1089/cmb.2023.0403.

– N. H. Tinh and L. S. Vinh, “Improving the study of plant evolution with multi- matrix mixture models,” Plant Syst. Evol., vol. 310, 2024, doi: 10.1007/s00606- 024-01896-0.

– N. H. Tinh and L. S. Vinh, “An efficient deep learning method for amino acid substitution model selection,” J. Evol. Biol., vol. 38, no. 1, pp. 129–139, 2024, doi: https://doi.org/10.1093/jeb/voae141. 

– N. H. Tinh, C. C. Dang, and L. S. Vinh, “nT4X and nT4M: Novel Time Non- reversible Mixture Amino Acid Substitution Models,” J. Mol. Evol., 2025, doi: https://doi.org/10.1007/s00239-024-10230-8.