2023年3月13日，中国科学院数学与系统科学研究院张新雨研究员访问我中心，与中心教员座谈，并做特邀报告，报告的题目是Optimal Weighted Random Forests。
2023年2月，清华大学统计学研究中心侯琳副教授课题组在Nature Communications上发表了题为Quantifying portable genetic effects and improving cross-ancestry genetic prediction with GWAS summary statistics的研究论文[1]，课题组2022届郭瀚民博士为该文的共同第一作者，侯琳副教授和威斯康辛大学麦迪逊分校吕琼石助理教授为该论文的共同通讯作者，威斯康辛大学麦迪逊分校的缪嘉诚为共同第一作者，宋格非、赵梓杰为本文的共同作者。
多基因风险评分是基于全基因组关联分析实验的复杂疾病遗传风险预测算法，对疾病的精准预防和治疗有重要应用价值。现有方法主要基于欧洲人群的全基因组关联分析研究，相应模型在欧洲人群中有较好的预测效果，但在其他人群中预测效果欠佳。研究团队针对跨种族遗传风险预测问题开展研究,首先发展了挖掘种族间局部遗传相关性的统计方法，进一步提出基于相关性区域注释的贝叶斯多基因风险评分方法，实现跨种族疾病遗传信息迁移；经模拟数据和实际数据验证，该方法可以显著提高疾病风险预测的准确性。此外，研究团队还开发了实现上述算法的软件包X-Wing[2]，将该方法应用于英国、日本等生物样本库（UK Biobank, Biobank Japan）。测试结果显示，该方法可以显著提高样本中的非欧人群遗传风险预测准确性，对改善种族间遗传资源不平衡的现状具有重要意义。
2023年3月7日，武汉大学焦雨领副教授访问我中心，与中心教员座谈，并做学术报告，报告的题目深度学习的理论探究：逼近、估计、优化与表示。
近日，清华大学统计学研究中心邓柯副教授与清华大学地球系统科学系的专家团队以及来自欧洲、中国、美国的多个研究团队合作，将国际航空旅行数据与经典的流行病传播模型相结合，对 2020年初新冠疫情的全球传播进行了定量研究。研究论文在国际顶级综合性期刊Proceedings of the National Academy of Sciences (PNAS)在线发表，标题为“How to avoid a local epidemic becoming a global pandemic”。
该论文所建立的量化模型表明：（1）减少国际航空旅行以及在到达一个国家时实行强制入境检疫，在减缓疫情全球传播上具有有效性；（2）相较于采取入境检疫，减少全球航空旅行可以更有效地减少全球疫情传播；（3）减少传播源国家的航空旅行对于阻止疾病向世界各地区传播有着最重要的意义。基于以上研究结果，论文建议开发“数字孪生工具”为未来大规模疫情防控决策提供精准信息。论文讨论了数字孪生模型的设计标准，以及获得必要的国际航空旅行在线数据的可行性。
该论文的一项主要创新为：相较于传统方法，该论文所建立的数字孪生模型，可以根据航空旅行实时数据，及时调整模型参数估计；进而，可以不同防控措施进行快速的效果评估，从而更有效地减缓甚至阻止流行病的全球传播。
2023年2月27日，华东师范大学於州教授访问我中心，与中心教员座谈，并做学术报告，报告的题目是当神经网络遇上随机森林。
2023年2月20日，佛罗里达州立大学张炘副教授通过线上平台“云”访问我中心，并做学术报告，报告的题目是Tensor modeling in categorical data
analysis and association studies。
