摘要：高通量测序技术为我们提供了前所未有的机遇，使我们能够系统而全面地描绘存在于肠道、口腔、肺部及多种组织中的数以万计的微生物。基于这些不同微生物物种的丰度数据，统计学方法能够帮助我们从中识别出与健康结局和医疗干预相关的关键微生物物种。然而，微生物数据本身极其复杂：它具有成分性（给出的是相对丰度而非绝对丰度）、稀疏性（零值比例高达 50–90%）、高维特征，并且——最关键的是——高度易受广泛的实验偏倚影响。

在本次报告中，我将介绍我们团队开发的一系列统计方法及其在多种研究场景中的应用，包括差异丰度分析、存在–缺失分析、中介效应分析、网络分析、配对数据分析（如治疗前后）以及多平台数据的整合分析。与现有方法相比，我们的方法在控制错误发现率的同时，能够实现更高的灵敏度，从而加速寻找用于疾病预测和诊断的微生物标志物，以及用于药物开发的微生物靶点。

报告人：胡懿娟，北京国际数学研究中心和北大医学部生物统计系教授。在北京大学数学科学学院获得学士学位（2005），在美国北卡教堂山大学获得生物统计学博士学位（2011）。在美国埃默里大学历任助理教授、副教授和教授。于2024年7月全职回国。致力于开发生物统计学中高维度、高噪声组学数据的统计理论和方法，特别针对微生物组数据和遗传数据中的高维假设检验、稳健推测、缺失/偏差数据等问题。代表工作发表于Journal of American Statistical Association (JASA) , Proceedings of the National Academy of Sciences(PNAS) , Microbiome,  American Journal of Human Genetics (AJHG) 等期刊。