6月10日下午，北京大学博雅特聘教授席瑞斌应邀来到新葡的京集团8814登录入口，作了题为"空间转录组数据的统计分析"的学术报告。学院师生踊跃参加，现场学术氛围浓厚。
报告伊始，席瑞斌教授系统梳理了从bulk测序到单细胞测序、再到空间转录组测序的技术演进。他指出，空间转录组技术能够在保留组织空间信息的同时实现单细胞乃至亚细胞水平的基因表达测量，为生物医学研究提供了强大的技术平台并得到广泛应用，但同时也产生了海量数据，对统计分析提出了诸多挑战。空间转录组数据具有高维、高噪声、高丢失率以及测序点空间稀疏、分辨率偏低等特点，亟需在数据清洗、降维、去噪、特征提取与整合分析等方面发展新的统计方法。
报告主要围绕近期的两项代表性工作展开。席瑞斌教授首先介绍了SpaHDmap 方法，于2026年发表在Nature Cell Biology。该方法将空间转录组数据与组织病理学图像相整合，从而学习到兼具生物学可解释性的超分辨率和去噪的低维表示。论文通过小鼠脑数据、髓母细胞瘤 PDOX 模型数据以及结直肠癌样本等多个实际数据分析，展示了 SpaHDmap 在揭示精细空间结构、发现局部组织亚结构、刻画肿瘤微环境等方面的优越性能，并强调了该方法的可解释性、通用性与稳健性。
席瑞斌教授同时介绍了针对空间转录组数据开发的拷贝数变异检测方法 SpaCNA。讲座阐述了拷贝数变异、结构变异与多种疾病及肿瘤靶向治疗的密切关联，并分析了现有方法的局限。SpaCNA 通过基因表达增强，结合H&E染色图像并使用隐马尔可夫随机场进行拷贝数状态推断，充分利用了空间信息。模拟数据和真实肿瘤数据均表明 SpaCNA 性能优越且稳健。讲座上进一步展示了该方法在结直肠癌中刻画具有不同拷贝数特征的肿瘤亚克隆，以及在头颈鳞癌三维连续切片样本上重构肿瘤演化轨迹的应用，为理解肿瘤异质性、演化机制及潜在治疗与耐药提供了新的视角。
报告结束后，席瑞斌教授与现场师生就空间转录组数据分析中的方法学问题进行了深入交流与讨论，现场互动热烈。本次报告内容兼具统计理论深度与生物医学应用价值，进一步拓展了学院师生在生物统计、生物信息与组学大数据分析领域的研究视野，为相关方向的学术交流与合作搭建了良好平台。
专家简介
席瑞斌，北京大学博雅特聘教授，主持国家杰出青年基金，入选国家海外高层次人才引进计划青年项目，主要研究方向为生物统计、生物信息、大数据以及生命科学中的人工智能。在 Nature、Nature Genetics、Nature Cell Biology、Nature Communications、Science Translational Medicine、PNAS、Biometrika、AOAS、NeurIPS、ICML 等顶级期刊、会议发表文章70余篇，在 Statistical Theory and Related Fields 等杂志担任编委，在现场统计研究会、医学数学专业委员会等学术组织担任秘书长、副会长、常务理事、理事等职务。
