7月8日至10日，应中国科学院大学数学科学学院的邀请，美国耶鲁大学公共健康学院教授马双鸽博士在中国科学院大学雁栖湖校区开设了夏季学期课程《癌症基因数据分析的统计前沿方法》。
3天的时间里，马老师讲述了癌症基因的生物学背景以及目前处理癌症基因数据的主要方法。课程的开始，马老师向同学们介绍了科学界对于癌症的最新研究成果以及癌症基因数据的特点，然后马教授讲述了FDR（False Discovery Rate）方法在癌症基因识别中的应用。对于DNA基因数量很大而能获得的样本量很少的问题，马老师向大家讲解了近一二十年在统计学领域中发展起来的高维数据分析方法，这包括Lasso、Bridge、TGCR、SCAD、Group Lasso、Supervised screening等。结合实际案例，马老师详细介绍了这些方法在癌症基因数据分析中的应用。课程最后马老师对该领域的统计前沿方法进行了总结，并对统计方法在癌症基因数据中的应用前景进行了展望。
马老师的课程深入浅出，逻辑性强，并与实际例子结合紧密，课后还与同学们进行了深入的交流。参与这门课程的主要是统计学专业与生物学专业的同学。通过这门课程的学习，大家开阔了眼界，提高了自身的研究能力，相信对日后的科研工作将有一定的帮助。马老师对于科研工作的热情与认真也深深激励了在座的同学。
马双鸽教授于1999年毕业于中国科学技术大学少年班，并于2004年获得威斯康星大学统计学博士学位，2006年任职于耶鲁大学，现为耶鲁大学公共健康学院的Associate Professor。马双鸽教授于2007年获得了ISI（International Statistical Institute）的Elected Member，2013年获得了ASA（American Statistical Association）的Fellow。马双鸽教授的研究主要集中于生物信息、生存分析、半参数统计、高维数据降维及癌症、精神疾病以及健康经济等方面。目前他所提出的方法对于鉴别癌症与精神病致病基因及治疗方法的选择具有重要意义，在癌症基因组学、心血管疾病、精神障碍疾病方面得到了实际应用。
作者：王国华
