报告题目: 空间转录组学研究中的贝叶斯整合型区域分割
报告人：罗翔宇（中国人民大学统计与大数据研究院长聘副教授）
报告时间：2024年9月26日 14:30
报告地点：腾讯会议 262-527-885
摘要: 空间转录组学是最近最潮流的新兴生物技术，此技术可以同时测量基因表达并保留空间位置信息，这为表征细粒度组织结构开辟了一条新途径。我们提出一种名为 BINRES的非参数贝叶斯方法，通过整合研究过程中生成的三种类型的数据（基因表达、空间坐标和组织学图像）来对组织切片进行区域分割。与仅部分利用这三种数据模式的现有统计模型相比，BINRES能够捕获更微妙的区域，并且比基于神经网络的区域分割方法更具可解释性。具体来说，基于非参数空间先验，BINRES 不需要预先指定的区域编号，并且可以自动学习区域个数。 BINRES还将图像和基因表达结合在贝叶斯共识聚类框架中，从而以数据自适应的方式灵活调整其聚类标签贡献权重。模拟研究和对三个小鼠空间转录组数据集的实际应用都表明，BINRES 优于竞争方法，并可以轻松实现综合分区的不确定性量化。
报告人简介: 罗翔宇，中国人民大学统计与大数据研究院长聘副教授、博士生导师。2018年博士毕业于香港中文大学统计系。研究方向包括贝叶斯统计、生物信息学、统计计算等。罗翔宇以第一或通讯作者在JASA、AOAS、Nature Communications等国际统计或生物信息学期刊发表多篇研究论文。因在批次效应纠正上的贡献，罗翔宇获得美国统计学会颁发的W. J. Youden Award in Interlaboratory Testing。主持国自科面上和青年项目。
