- 题目：CGM 第124期: GWAS summary statistics: a powerful resource for biomedical research
- 时间：美国中部时间 2020年11月19日（星期四）8AM（北京时间11月19日 9PM）
- 地点：Tecent and Bilibili live stream
- 主讲人：沈侠教授2007年本科毕业于中国人民大学统计学院，2012年于瑞典乌普萨拉大学获得生物信息学博士学位。曾任英国爱丁堡大学医学院和瑞典卡罗琳斯卡医学院两所世界知名院校助理教授兼博士生导师，现就任于中山大学生命科学学院。研究成果发表于 Nature Genetics、Nature Communications、American Journal of Human Genetics、PLOS Genetics等国际知名期刊，受到生物统计与统计遗传学领域的高度认可，曾在海外主持多项有国际竞争力的科研项目。沈教授团队开展广泛的国内外交叉学科合作，致力于从多种生物组学大数据分析中挖掘出新颖且具有高影响力的研究成果。
中文摘要
全基因组关联研究（GWAS）已经成功地发现了许多与复杂性状和疾病相关的遗传变异，提供了十分丰富的关联统计资源。 本次介绍利用关联数据的统计方法的发展，包括我们最近用于遗传性和遗传相关性估计的全新方法 —“HDL”。
参考文献
Ning Z, Pawitan Y, Shen X (2020). High-definition likelihood inference of genetic correlations across human complex traits. Nature Genetics, 52: 859–864. Luo R, Zheng C, Yang H, Chen X, Jiang P, Wu X, Yang Z, Shen X, Li X (2020). Identification of potential candidate genes and pathways in atrioventricular nodal reentry tachycardia by whole-exome Sequencing. Clinical and Translational Medicine, 10: 238-257. Wu D, Yan J, Shen X, Sun Y, Thulin M, Cai Y, Wik L, Shen Q, Oelrich J, Qian X, Dubois KL, Ronquist KG, Nilsson M, Landegren U, Kamali-Moghaddam M (2019). Profiling surface proteins on individual exosomes using a proximity barcoding assay. Nature Communications, 10, 3854.