分子生物学中复杂数据的若干统计分析方法

分子生物学已经积累了且继续产生着大量的数据。这些数据维数高、噪声强、结构复杂、相依性强、污染严重、数据类型也很复杂。从这样的海量数据中提取新的生物学知识是当今科技界面临的巨大挑战之一，也是发展统计学的极好机遇。完全由我国自主测定的籼稻基因组数据是宝贵的资源财富。本项目拟以该数据为主要背景，研究若干重要的生物学问题和其中的统计方法，包括：基因识别中剪切位点及其他调控基因表达信号的建模和预测；基于mRNA抽样数据和微阵列数据的基因表达数据分析；基于单核苷酸多态性研究其邻近核苷酸效应和单体型结构；并在上述分子生物学问题的研究过程中，吸取统计学和计算机科学两类方法的长处，改进和发展高维复杂数据的深度函数、离群点检测、以及稳健聚类和判别等统计方法和有关的计算方法。