导航

  • 个人资料
  • 个人概况
  • 研究方向
  • 招生与培养
  • 开授课程
  • 科研项目
  • 学术成果
  • 荣誉及奖励
头像

史兴杰

  • 个人资料

    • 部门： 统计学院、统计交叉科学研究院
    • 性别： 男
    • 专业技术职务： 副教授
    • 毕业院校： 上海财经大学
    • 学位： 博士
    • 学历： 研究生
    • 联系电话：
    • 电子邮箱： xjshi@fem-dot-ecnu-dot-edu.cn
    • 办公地址： 理科大楼A-1516
    • 通讯地址： 上海市中山北路3663号华东师范大学经济与管理学部
    • 邮编： 200062
    • 传真：

    工作经历

    • 2023.06 - 华东师范大学 统计学院

    • 2021.06 - 华东师范大学 统计交叉科学研究院


    教育经历

    • 2009.09 - 2014.09 上海财经大学统计与管理学院统计学博士

    • 2012.09 - 2014.05 美国耶鲁大学生物统计系联合培养

    个人简介


    史兴杰，统计学院、统计交叉科学研究院副教授，博士生导师。2014年获得上海财经大学统计学博士学位，期间2012.9-2014.5在耶鲁大学生物统计系联合培养。主要研究方向是组学遗传学数据融合、生物医学大数据统计建模、统计计算。在Nucleic Acids Research、Nature Communications、Bioinformatics等期刊发表学术论文30余篇，主持国家自然科学基金2项和上海市面上项目1项。国际统计学会当选会员、中国现场统计研究会理事。


    GitHub主页：https://xingjieshi.github.io/



    社会兼职

    • 国际统计学会推选会员（ISI Elected member）

    • 中国现场统计研究会理事

    • 中国优选法统筹法与经济数学研究会数据科学分会理事

    • 现场统计研究会环境与资源统计学会理事


    研究方向

    主要包括生物医学大数据融合和海洋大数据融合的统计机器学习方法。


    在生物医学领域，随着高通量测序技术的应用，生物医学大数据的涌现为验证旧发现、发现新规律和产生新知识提供了前所未有的机遇。面对大规模、高通量、高噪声的数据挑战，我们采用统计机器学习方法结合生物信息学技术，融合组学与遗传学大数据，实现从细胞到组织的生物学功能在时空尺度上的解析。


    同时，我们最近开始探索海洋大数据融合，通过研究数据融合和统计机器学习方法，将多源现场观测和海洋模式相结合，建立高时空分辨率的三维温盐流场数据集，服务于西太多圈层相互作用数据集成研究。



    招生与培养


    欢迎加入我们！

     

    硕/博研究生

    不要求具备生物相关的专业知识和经验，但需要您对生物统计有浓厚的兴趣。请将您的简历发送给我们。

     

    在读本科生

    欢迎华东师范大学的在读本科生以研究助理的方式参与我们的研究：独立研究、本科生创新创业训练培育项目（创新训练类）、卓越学术计划项目、兼职科研项目，或者暑期全职科研项目。如果您有兴趣，请发送标题为“本科生研究助理申请：[您的姓名]”的电子邮件。在邮件正文中包括以下内容：

    1.       简要介绍您自己，包括您的专业、您打算投入的时间、以及为什么对课题组的研究方向感兴趣。

    2.       附上您的简历（文件名为[您的姓名]_CV.pdf）。简历中应包括您的相关工作经验（如果有）、相关课程成绩、总绩点、获奖情况、课外活动/爱好和其他技能。

     

    申请者应具备以下条件：

    1.     修了统计学、数学和计算机科学的相关课程。

    2.     熟悉以下至少一种编程语言：R、Python、C++、MATLAB。

    3.     对申请大学生创新创业训练计划（大一、大二和大三学生）以及读研（大四学生）具有浓厚的兴趣。

     

    我们一定会额外考虑积极和优秀的申请人！如果我们对您的申请感兴趣，会与您联系并安排交流。我们将讨论合适的科研项目和背景知识，以便您能迅速上手。



    开授课程

    本科生：

    • 数理统计

    • 统计软件


    研究生：

    • 机器学习


    科研项目

    1. 国家自然科学基金委重大研究计划集成项目“西太平洋多圈层相互作用数据集成研究”（92358303），2024.01-2026.12，主要参与者，在研。

    2. 上海市“科技创新行动计划”计算生物学重点专项“精准医学大数据共性统计学习理论、算法与应用”（23JS1400500），2023.12-2026.11，项目高级研究人员，在研。

    3. 国家自然科学基金面上项目“大规模遗传变异和生存表型关联分析中的统计方法研究”（12171229），2022.01-2025.12，项目负责人，在研。

    4. 国家重点研发计划“油气管网安全运维的大数据分析理论、算法及应用”（2021YFA1000100），2021-2026，项目骨干成员，在研。

    5. 上海市面上项目“空间转录组学数据的聚类方法研究”（22ZR1420500），2022.04-2025.03，项目负责人，在研。

    6. 国家自然科学基金青年项目“高维单调转移模型的变量选择及其在违约风险评估中的应用” （71501089），2016.01-2018.12年，项目负责人，已结题。

    学术成果

    （#并列一作，*通讯作者，s指导的学生）

    1.   Shi, X.*,#; Yang, Y.#; Ma X.S; Zhou Y.; Guo Z.; Wang C.; Liu J.* (2023) Probabilistic cell/domain-type assignment of spatial transcriptomics data with SpatialAnno, Nucleic Acids Research, gkad1023

    2.     Zhang, X.S; Liu, X.; Shi, X.* (2023) Model Selection for Varying Coefficient Nonparametric Transformation Model, Econometric Journal, 26(3), 492-512

    3.     Zhang, X.S; Shi, X.*; Liu, Y.; Liu, X.; Ma, S. (2023) A General Framework for Identifying Hierarchical Interactions and Its Application to Genomics Data, Journal of Computational and Graphical Statistics, 32(3), 873-883

    4.      Liu W.; Liao X; Luo Z.; Yang Y.; Lau M.; Jiao Y.; Shi X.; Zhai W.; Ji H.; Yeong J.; Liu J. (2023) Probabilistic embedding, clustering, and alignment for integrating spatial transcriptomics data with PRECAST, Nature Communications, 14(296), doi: 10.1038/s41467-023-35947-w

    5.      Liu, W.; Liao, X.; Yang, Y.; Lin, H.; Yeong , J.; Zhou, X.*; Shi,X. *; Liu J.* (2022) Joint dimension reduction and clustering analysis of single-cell RNA-seq and spatial transcriptomics data, Nucleic Acids Research, 50(12), gkac219

    6.      Yang, Y.#; Shi, X.#; Zhou, Q.; Sun, L.; Yeong, J.∗, Liu, J.∗ (2022) SC-MEB: spatial clustering with hidden Markov random field using empirical Bayes, Briefing in Bioinformatics, 23(1): bbab466

    7.      Cheng, Q.; Qiu, T.; Chai, X.; Sun, B.; Xia, Y.; Shi, X.*; Liu, J.* (2022) MR-Corr2: A two-sample Mendelian randomization method that accounts for correlated horizontal pleiotropy using correlated instrumental variants, Bioinformatics, 38(2): 303-310

    8.      Shi, X. and Chai, X. and Yang, Y. and Cheng, Q. and Jiao, Y. and Chen, H. and Huang, J. and Yang, C. and Liu, J. (2020) A tissue-specific collaborative mixed model for jointly analyzing multiple tissues in transcriptome-wide association studies. Nucleic Acids Research, 48(19): e109 [SCI, Impact Factor: 17]

    9.      Cheng Q., Yang Y., Shi X., Yeung K., Yang C., Peng H., Liu J. (2020). MR-LDP: a two-sample Mendelian randomization for GWAS summary statistics accounting for linkage disequilibrium and horizontal pleiotropy. NAR Genomics and Bioinformatics, 2(2):lqaa028

    10.   Shi, X. and Ma, S. and Huang, Y. (2020). Promoting sign consistency in the Cox proportional hazards curemodel selection.Statistical Methods in Medical Research,29(1):15-28. [SCI]

    11.   Yang Y., Shi X., Jiao Y., Huang J., Chen M., Zhou X., Sun L., Lin X., Yang C. and Liu J. (2020) CoMM-S2: a collaborative mixed model using summary statistics in transcriptome-wide association studies. Bioinformatics, 36(7): 2009-16[SCI]

    12.  Liao X., Chai X., Shi X., Chen L., Liu J.(2020) The statistical practice of the GTEx Project: from single to multiple tissues. Quantitative Biology [SCI]

    13.   史兴杰，王赛旎，李扬. (2020). 高维数据的稳健二分类方法. 统计研究.37(9):95-105

    14.   张晶，方匡南*，张喆，史兴杰，郑陈璐. (2020). 基于稀疏结构连续比率模型的消费金融风控研究. 统计研究. 37(11):57-67

    15.   Shi, X. and Yang Y. and Jiao Y. and Cheng C. and Yang C. and Lin X. and Liu J. (2019). VIMCO: variational inference for multiple correlated outcomes in genome-wide association studies. Bioinformatics, 35(19), 3693-3700. [SCI]

    16.   S. Wang, X. Shi, M. Wu, and S. Ma (2019) Horizontal and vertical integrative analysis methods for mental disorders omics data. Scientific Report, 9(1):13430 [SCI]

    17.   孙怡凡，吴梦云，史兴杰. (2019).高维大数据基因网络中的社区发现——以NC方法为例. 统计研究, 36(3), 124-128.

    18.   Shi, X., Huang, Y. and Huang, J and Ma, S. (2018). A forward and backward stagewise algorithm for nonconvex loss functions and adaptive lasso. Computational Statistics and Data Analysis, 124, 235-251.

    19.   Chai, H*. and Shi, X.* and Zhang, Q and Zhao, Q and Huang, Y and Ma, S. (2017). Analysis of cancer gene expression data with an assisted robust marker identification approach. Genetic Epidemiology,41, 779– 789. [SCI]

    20.   Liu, J. and Yang, C. and Shi, X. and Li, C. and Huang, J. and Zhao, H. and Ma, S. (2016). Analyzing Association Mapping in Pedigree‐Based GWAS Using a Penalized Multitrait Mixed Model. Genetic Epidemiology, 40(5), 382-393. [SCI]

    21.   Jiang, Y*. andShi, X. * and Zhao, Q. and M. Krauthammer and BE Rothberg and Ma, S. (2016). Integrated analysis ofmultidimensional omics data on cutaneous melanoma prognosis. Genomics,107(6), 223-30.

    22.   Shi, X. and Zhao, Q. and Huang, J. and Xie, Y. and Ma, S. (2015). Deciphering the association between gene expression and copy number alteration using a sparse double Laplacian shrinkage approach. Bioinformatics, 31(24), 3977-3983. [SCI]

    23.   Shi, X. * and Yi, H* and Ma, S. (2015). Measures for the degree of overlap of gene signatures and applications to TCGA. Briefings in Bioinformatics,16(5), 735-744.  [SCI]

    24.   Wu, C. and Shi, X. and Cui, Y. and Ma, S. (2015). A penalized robust semiparametric approach for gene–environment interactions. Statistics in Medicine, 34(30), 4016-30. [SCI]

    25.   Zhao, Q.* and Shi, X.* and Xie, Y. and Huang, J. and Ben-Chang Shia and Ma, S. (2015). Combining Multidimensional Genomic Measurements for Predicting Cancer Prognosis: Observations from TCGA. Briefing in Bioinformatics, 16(2), 291-303. [SCI]

    26.   Zhao, Q. and Shi, X. and Huang, J. and Liu, J. and Li, Y. and Ma, S. (2015). Integrative analysis of -omics data using penalty functions. WIREs Computational Statistics,7(1), 99-108.

    27.   Shi, X. and Liu, J. and Huang, J. and Zhou, Y. and Ben-Chang Shia and Ma, S. (2014). Integrative Analysis of Cancer Prognosis Data with Contrasted Group Bridge Penalization. Genetic Epidemiology, 38(2), 141-151.  [SCI]

    28.   Shi,X. and Liu, J. and Huang, J. and Zhou, Y. and Xie, Y. and Ma, S. (2014). A Penalized Robust Method for Identifying Gene-Environment Interactions. Genetic Epidemiology, 38(3), 220-230.   [SCI]

    29.   Shi, X. and Shen, S. and Liu, J. and Huang, J. and Zhou, Y. and Ma, S.(2014). Similarity of Markers Identified from Cancer Gene Expression Studies: Observations from GEO. Briefing in Bioinformatics, 15(5), 671-684. [SCI]



    荣誉及奖励

    上海市优秀博士学位论文

    首届《统计研究》优秀论文三等奖

    “第十一届全国大学生市场调查与分折大赛总决赛”一等奖的优秀指导教师