Richard Bonneau es un biólogo computacional y científico de datos estadounidense cuya investigación principal se encuentra en las siguientes áreas: aprender redes a partir de datos genómicos funcionales, predecir y diseñar estructuras de proteínas y peptiodomiméticas y aplicar la ciencia de datos a las redes sociales. Profesor de la Universidad de Nueva York , tiene nombramientos en el Departamento de Biología, el Centro de Ciencia de Datos y el Instituto Courant de Ciencias Matemáticas .
Bonneau es líder del grupo de Biología de Sistemas en el centro de biología computacional del Instituto Flatiron . Actualmente es director del Centro de Ciencia de Datos de la Universidad de Nueva York .
En el área de la predicción de estructuras, Bonneau fue uno de los primeros autores del código Rosetta, uno de los primeros códigos en demostrar la capacidad de predecir la estructura de las proteínas en ausencia de homología de secuencia. [1] [2] Utilizando World Community Grid de IBM para llevar a cabo el plegamiento de proteomas completos, su grupo también ha aplicado la predicción de estructuras al problema de la anotación del genoma y del proteoma. [3] [4] [5]
Su grupo ha realizado contribuciones clave en las áreas de análisis de datos genómicos, centrándose en dos áreas principales: 1. métodos para la inferencia de redes que descubren la dinámica y la topología a partir de datos y 2. métodos que aprenden grupos co-regulados dependientes de la condición a partir de integraciones de diferentes genómicas tipos de datos. [6]
En 2013, él y sus colegas de NYU comenzaron un proyecto para examinar el impacto del uso de las redes sociales en las actitudes políticas y la participación mediante la aplicación de métodos de una variedad de disciplinas académicas. El proyecto, Social Media and Political Participation (SMaPP), se basa tanto en datos de encuestas como en datos de redes sociales disponibles públicamente para abordar una variedad de preguntas sobre los procesos causales que dan forma a la participación política.
Junto con Vestienn Thorsson, David Reiss y Nitin Baliga, desarrolló Inferelator y cMonkey, dos algoritmos que fueron fundamentales para un esfuerzo por aprender un modelo de genoma completo de la red reguladora de Halobacterium . Baliga y Bonneau utilizaron su modelo para predecir la dinámica transcripcional de todo el genoma de la respuesta de la célula a nuevos entornos (publicación en Cell en diciembre de 2007). Este trabajo representa la primera reconstrucción totalmente basada en datos de una red reguladora de células que incluye el aprendizaje de parámetros cinéticos / dinámicos, así como la topología de la red.