2019年生物科学论坛第七十一期——占 助理教授
报告题目９/span>基于现代高通量生物组学测序研究的下一代统计关联分析方泔/span>
?/span>呉/span>亹/span>９/span>占翔（宾夕法尼亚州立大学（/span>
旵/span>间：2019平/span>12朇/span>26日（星期四）上午10:00
?/span>点：生物楻/span>313会议宣/span>
报告人简介：
占翔，男，宾夕法尼亚州立大学助理教授。本科毕业于北京大学数学科学学院，博士毕业于宾夕法尼亚州立大学统计系，现于宾夕法尼亚州立大学药学院任教，从事生物统计学和生物信息学方面的统计模型方法和计算算法的研究，近年来的研究侧重于设计和提出关于微生物组学和宏基因组学数据的新的统计分析方法和模型。共发表SCI论文20余篇。其?/span>2017年于〉/span>Biometrics》发表的文章被国际生物测量学会（International Biometrics Society）评丹/span>2017-2018年度〉/span>Biometrics》领域内十大高影响力文章之一。发表的其他文章多次获评为美国基因协会（Genetics Society of America）和国际基因流行病学协会＇/span>International Genetic Epidemiology Society）的朇/span>/季度高光文章＇/span>Highlight of Month/Issue）、/span>
报告摘要９/span>
下一代生物测序技术在各种生物组学（基因组学，转录组学，蛋白质组学，新城代谢组学和宏基因组学）的发展推动了人类在分子生物水平的细致刻画。在各种各样的生物组学研究中，一种流行的分析方法是关联性分析。这种分析尝试建立疾病和生物组学之间的关联性，作为疾病分子生物学研究的第一步。尽管十分流行，生物组学关联性分析始终没有足够成熟，完成由组学测量到基于生物组学的个性化治疗的飞跃。这其中的一个主要原因在于生物组学数据计算和统计分析中的困难和挑戗/span>,包括：高维数据，稀疏性，相对弱的信号，小样本，以及变量之闳/span>的复杂关系。以宏基因组学数据为例，本次报告中，我们会讨论几组最新的统计方法用以克服上述分析困难和挑战。和传统方法相比，我们新提出的方法更具功效也更为稳健，同时具备统计严谨性和生物相关性。通过数据模拟实验和真实数据应用，我们将展示新方法的高效性和实用性、/span>
欢迎各位老师、同学参加！
本次论坛联系亹/span>：邬荣领教授
