应北京大学“大学堂”顶尖学者讲学计划的邀请，国际著名统计学家、美国艺术与科学院士、美国国家科院士、加州大学伯克利分校统计系郁彬教授，于2018年4-5月来北京大学讲学。讲学期间，郁彬发表了数据科学相关的两场系列演讲。本次活动由北京大学统计科学中心、国际合作部承办，光华教育基金会提供资助。

郁彬1984年毕业于北京大学数学系，2006年当选Guggenheim Fellow ，2009-2012年担任加州大学伯克利分校统计系系主任，2012年她受邀作伯努利协会的图基纪念演讲（Tukey Memorial Lecturer），2012年获得泛华统计协会首届许宝騄奖，是三位获奖者之一。郁彬是AAAS（American Association for the Advancement of Science）、IEEE（Instituteof Electrical and Electronics Engineers）、IMS（Instituteof Mathematical Statistics）和ASA（American Statistical Association）会士，担任2013-2014年度数理统计协会（IMS）主席，并于2013年度当选美国艺术与科学（American Academy of Arts and Science）院士，2014年当选美国国家科院士。

郁彬在统计理论、高维数据分析、机器学习等方面成绩斐然，享有很高的国际声誉。她对交叉学科研究既广泛又深入。郁彬一直关心北大统计学科的发展，指导多名数学科学青年教师和研究生；她担任北京大学统计科学中心科学委员会主任，是北大微软统计和信息技术实验室的创办者和主任之一，为北大统计学科建设、发展、人才培养作出了巨大贡献。

4月25日晚7点，郁彬的第一场讲座“数据科学三原则：可预测性、可计算性和稳定性”在理教103举行，讲座由北京大学数学科学院长陈大岳教授主持。郁彬介绍了数据科学三原则，即“可预测性、可计算性和稳定性”。郁彬首先高屋建瓴地解释了这三原则之间错综复杂的联系和它们的重要性。她通过两个神经科学的交叉学科项目来展示数据科学的三原则：第一个项目是使用核磁共振的脑信号来重构电影，郁彬团队通过加入稳定性的预测模型，获得了比以往效果更好的图像反演效果；第二个项目是使用可预测的迁移学习和稳定的深度图像来刻画脑区域的V4区域，V4区域一直是脑神经科学重点研究的对象，郁彬通过与脑神经科学家合作，发现了对V4区域脑神经能发生刺激的特定图像类型。郁彬表示，这两个项目的成功离不开数据科学的三原则。

5月9日，第二场讲座开始前，一场小型交流会在理教103教室举行。来自校内外的师生齐聚一堂，互相交流，增进了解。晚上7点，讲座在统计科学中心联席主任陈松蹊教授的主持下拉开序幕。郁彬本场讲座的题目是“用迭代随机森林算法发现具有预测性的稳定高阶交互作用”。郁彬首先在讲座中介绍了有关基因组学的背景知识，她指出，基因组学已经完全改革了生物学，这一学科研究整个转录组、全基因组结合位点的蛋白质和其它分子的过程。然而，理解这些高级相互作用是如何驱动基因表达的，仍然是一个重大的统计挑战。郁彬的研究团队基于随机森林和随机交互树，并通过大量生物启发的仿生仿真，开发了迭代的随机森林算法（iRF）。iRF训练特征加权集成的决策树来检测稳定的、高阶交互作用，该算法的计算复杂度和随机森林相似。郁彬介绍了两个预测项目来展示iRF算法的有效性：早期的果蝇胚胎的增强子活性项目和人源细胞系原代转录单选择性剪接项目。在果蝇中，iRF稳定地发现了20对转录因子的相互作用，其中80%此前已被报道证实是有着物理的相互作用。此外，三级交互作用，例如，在Zelda（ZLD），Giant（GT）和Twist（TWI）之间显示有高阶的交互作用，郁彬把自己的研究结论与生物学家合作，将对这三者之间的交互作用做更多的后续实验。在人源细胞系项目中，iRF重新发现了H3K36me3在染色质介导剪接调控中的核心作用，并且发现了有趣的五阶和六阶交互作用，研究结果表明多价核小体在剪接调控中的特定角色。通过从计算中识别交互作用，iRF打开了探寻分子机制下的基因组生物学。

讲座现场

本次郁彬讲学计划的两场讲座共吸引了来自校内外300余名师生参加，来自统计、计算机、工程、生物信息学、神经科学等不同学科背景的老师和同学相聚一堂，展开深入交流，沟通成果，增进友谊，讲学活动取得了圆满成功。

编辑：麦洛

责编：白杨