网络（network）是一种刻画复杂结构的理想工具，被广泛应用于各个领域，比如和现代人几乎形影不离的互联网、社交网络，当前炙手可热的神经网络等，它们都是基于网络的复杂系统。网络蕴含着巨大价值，以社交网络为例，基于观测到的网络去挖掘其背后的群体，从而实现精准触及、精准营销，创造商业神话。我们人体也可以通过网络来进行刻画，比如基因网络。基因网络遍及人体内部，肉眼不能捕捉，观察更无从谈及，然而，我们可以藉由收集到的各个基因表达样本，将基因间的相互作用串联起来，由点及面，织就一张神奇的基因网络。

2023年4月13日，来自厦门大学经济学院统计学与数据科学系和王亚南经济研究院的双聘教授张庆昭教授应邀莅临欧洲杯竞猜平台临床研究中心并做学术报告。张教授长期专注于高维数据分析、多元数据融合、函数数据分析、图模型等领域，他的此次报告聚焦“Regulation-incorporated Gene Expression Network-based Heterogeneity Analysis”，基于基因网络做异质性分析，以期为精准医疗助力。

张教授以图模型为切入，介绍了统计学中常见的两种图模型：Unconditional network (WGCNA)和Conditional network (Gaussian Graphical Model)。图模型作为一种为了挖掘数据之间的网状关系结构而产生的模型，广泛应用于基因表达类型的数据中。近年来，基于基因表达的异质性分析成为了一个研究方向，研究表明，基于网络的分析从系统的角度出发，将基因之间的相互联系纳入考量，可以比单纯的统计分析获得更多的信息，尤其在肿瘤研究领域。以乳腺癌为例，作为女性最常见的恶性肿瘤之一，肿瘤内异质性高，传统上基于免疫组化特征，可将乳腺癌患者归为4种不同亚型，不同亚型的病理学特征和预后结构都存在着差异。基于基因网络做异质性分析，正是以此为驱动来理解肿瘤的生物学机制并为临床个性化诊疗方案提供策略。张教授及其团队提出了Mixture of Conditional Gaussian Graphical Model，以一种高维惩罚融合方法，通过算法仅用一步就可以确定样本组的数量和参数值，在高维环境下具有估计、选择和分组一致性的特点。大量模拟也验证了该方法具有实际的优越性。

互动环节，现场与会者与张教授就报告内容进行积极交流，也对图模型有了更深刻的理解。