Many scientific systems of interests can be modeled as a network. On
 the other hand, the best way to understand the specialty and the 
 importance of an individual is placing it into a proper network. A network 
 is represented as an (un)directed graph, where nodes or vertices stand for  individuals while edges or arcs for the relationship between pairs of nodes. 
 Static network analysis is to identify important elements (node or edge) in 
 networks, based on only the topology of networks. To measure the importance 
 of an element (node or edge), various centrality metrics have been proposed 
 in past years. In this talk, after reviewing several commonly used centrality 
 metrics I will present some applications of static network analysis in identification
 of essential proteins, drug targets and disease genes from biomolecular networks.

主講人簡介：

    吳方向教授于1998年獲西北工業大學控制理論與控制工程專業博士學位，2004年獲加拿大莎省大學(University of Saskatchewan)生物醫學工程專業博士學位；現為莎省大學全職教授，生物醫學工程研究生院院長；擔任7個國際雜志的編委會成員，IEEE Fellow，加拿大注冊專業工程師；主要研究方向為：系統生物學、基因組和蛋白質組數據分析、生物系統識別與參數估計、蛋白質相互作用網、以及控制理論在生物系統中的應用等；承擔多項加拿大國家級科研項目，在國際知名期刊Proteomics，BMC Systems Biology，Briefings in Bioinformatics和Scientific Report等以及各種會議上共發表論文200余篇。

歡迎廣大師生積極參與！