• 统计研究中心
当前位置: 首页> 系列讲座> 正文

北京大学席瑞斌教授:生物医学大数据的统计分析

光华讲坛——社会名流与企业家论坛第 5616 期

生物医学大数据的统计分析

主讲人北京大学席瑞斌教授

主持人统计学院林华珍教授

时间2021年1月4日(周一)下午3:00-4:00

直播平台及会议ID腾讯会议,293 380 936

主办单位:统计研究中心和统计学院 科研处

主讲人简介:

席瑞斌,北京大学数学科学学院、统计科学中心研究员。2009年毕业于美国圣路易斯华盛顿大学,同年以助理研究员身份加入哈佛大学医学院从事生物医学信息学方面的研究。20129月加入北京大学。席瑞斌教授的主要研究方向是癌基因组及高通量测序数据计算分析、基因组大数据的统计分析、 贝叶斯统计及高维统计。席瑞斌教授近年来有40多篇文章发表于高水平的学术期刊,包括Nature, Nature Genetics, Science Translational Medicine, Cell Research Nature Communications, PNAS, Genome Research, Nucleic Acid Research, Bioinformatics, Biometrika, IEEE Transactions on Knowledge and Data Engineering, Bayesian Analysis, BMC Bioinformatics等。席瑞斌教授先后主持或参与过科技部973项目、国家重点研发项目、基金委重点项目及基金委面上项目等多个科研基金项目。详情请见其个人主页:https://www.stat-center.pku.edu.cn/zxry/zxjy/xrb/1227402.htm

内容提要:

   随着高通量组学技术的快速发展,生物医学研究已经进入了大数据时代。这些高通量组学技术特别是高通量测序技术已经在生物医学研究和临床实践中广泛应用,现代精准医学的发展也与这些高通量组学技术的发展密切相关。然而,这些新型生物医学数据的也对统计分析提出了巨大的挑战,在数据清洗、降维、去噪、数字特征提取、整合分析等方面都亟需发展新的统计方法。在本报告中,主讲人将介绍他们在过去几年中在高通量组学数据的方法和应用中所做出的一些工作,并着重介绍发展的基于单细胞测序数据探测基因融合的方法。


上一条:加州大学伯克利分校丁鹏副教授:Multiply robust estimation of causal effects under principal ignorability

下一条:南京审计大学吕绍高教授:Nonparametric optimality for large compressible deep neural networks under quadratic loss functions