报告人介绍：

王永雄教授现职斯坦福大学统计系教授、生物医药数据科学系教授。他在威斯康星大学得到博士学位，曾先后任教于芝加哥大学、香港中文大学、UCLA及哈佛大学。从2004年起任斯坦福大学教授，并于2009-2012期间任斯坦福大学统计系系主任。

王教授的研究成果包括：1）在数理统计领域，他澄清了在一般空间上筛最大似然估计方法的大样本性质; 2）在贝叶斯统计领域，他发展了采样算法并应用到贝叶斯推理的方法上; 3）在计算生物学，他开发了微数组基因表达数据和RNA测序数据分析的基本模型和方法。

王教授于1993年获统计学“COPSS Award”(每年一位获奖者)。他在2009年当选为美国国家科学院院士、2010年当选为中央研究院院士、2015年被任命为港科院创院院士之一。在2009 - 2015年期间、他担任美国国家科学院院刊在系统生物学部分的主编。

多年来，王教授一直热心支持中国的高等教育和学术研究，他目前担任清华大学杰出访问教授、北京大学统计科学中心国际顾问委员会主席、和中央研究院统计科学研究所咨询委员会主席。

王教授的研究团队也曾多次参与科技成果转化，他们的的技术至今已衍生了数间在基因和医学数据领域的初创公司、其中Bina科技于2015年被罗氏收购。

报告摘要：

Genome interpretation is the problem of predicting how an individual’s genome may affect his or her development and health. With population-scaled database of personal genomes and associated biometrics and clinical features, one may be tempted to approach this problem via statistical machine learning methods developed for common AI applications such as computer vision and natural language processing. In this talk I will explain why a more sophisticated approach is needed, and will outline what I believe would be the appropriate approach. I will also discuss the nature and the current status of several key technologies in genome-, cell- and tissue-biology necessary for the implementation of this approach.

报告时间：

2018年11月22日（周四）下午3点

报告地点：

四牌楼校区大礼堂二楼报告厅

东南大学生物科学与医学工程学院