用于高通量组学数据分析的改进统计方法 _高通量组学数据分析

高通量组学技术彻底改变了生物和生物医学研究，产生了大量的组学数据。为此，已经开发了管理和分析组学数据的计算工具，如何以最佳方式处理和解释组学数据存在巨大挑战。Wenjiang Deng 致力于开发用于组学数据分析的新统计方法和算法，使用模拟和真实癌症数据来测试这些方法。

文章插图
你能描述一下你论文中的一些结果吗?
是的，在我的第一项研究中，我们确定了几个与高危神经母细胞瘤患者生存相关的基因，邓文江博士说。MEB医学流行病学和生物统计学系学生。神经母细胞瘤是五岁以下儿童中最常见和最致命的癌症。我们相信，我们的研究结果将为患者的治疗和管理提供重要的证据。我们的结果对于了解疾病的生理机制也很有意义。
你是怎么选择研究这个特定领域的?
我们生活在“大数据”时代，高通量测序数据是生命科学中占主导地位的“大数据” 。当我第一次听到组学数据的概念时，就被它的庞大体量和在医学研究中的巨大潜力所震撼。现在生成测序数据很容易，但我们仍然需要高效准确的工具来分析它们，所以我决定在博士期间研究算法的发展。学生。
你接下来会做什么?
【用于高通量组学数据分析的改进统计方法】辩护结束后，我会在MEB呆一段时间来整理我的手稿。然后我将前往中国深圳，开始在一家旨在开发癌症早期诊断新方法的生物技术公司工作。我希望我们在那里的工作将为人类的整体健康做出贡献。