beat365中文在线官网 刘镇 报道
近日，beat365中文在线官网周兴才教授团队的研究成果在统计学国际顶级期刊 Journal of the American Statistical Association（JASA）在线发表。论文题为"Fairness-Aware Gaussian Graphical Regression Models with Application to Brain Co-Expression QTL Studies"。
JASA与JRSSB、Biometrika、AOS并称为统计学四大顶级期刊，是统计理论与方法领域最具影响力的国际学术期刊之一。此次发表，是继今年2月周兴才教授团队在人工智能领域顶级期刊 IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）发表主成分分析（PCA）研究成果之后，团队在统计学科方法研究领域的又一重要突破。半年内连发两篇国际顶刊，彰显了团队在统计理论与人工智能交叉领域的持续创新力。
在生物医学大数据研究中，不同人群（如不同种族或地域群体）之间往往存在遗传差异。传统统计模型在分析基因网络时，通常只关注网络结构本身，容易忽略不同亚群体之间的公平性，导致某些群体的遗传特征被掩盖，影响研究结论的准确性。
针对这一难题，周兴才教授团队提出了“公平感知高斯图回归模型”（Fair RegGGMs）。该方法在传统模型中引入公平性机制，在保持统计推断准确性的同时，使不同群体的基因网络都能得到公平表示。文中系统建立了Fair RegGGMs的统计学习理论；应用胶质母细胞瘤GBM数据验证了其方法的有效性，并挖掘了传统方法未能发现的相关基因调控关系，为理解GBM中的亚群体特异性遗传调控机制提供了新的视角。
作者简介
周兴才：beat365中文在线官网教授，博士生导师。
许子楠：周兴才教授硕士研究生，将于今年9月入学攻读博士学位（导师周兴才教授）。
姜蓓：加拿大阿尔伯塔大学教授，本文通讯作者。
孔令龙：阿尔伯塔大学教授，本文合作作者。
论文信息Xingcai Zhou, Zinan Xu, Bei Jiang & Linglong Kong (2026). Fairness-Aware Gaussian Graphical Regression Models with Application to Brain Co-Expression QTL Studies. Journal of the American Statistical Association. https://doi.org/10.1080/01621459.2026.2688572
