12月25日上午，香港大学计算与数据科学学院统计及精算学系的张彦教授应邀莅临上海交通大学医学院临床医学研究院并做题为“后GWAS时代的因果基因定位：多祖源fine-mapping与TWAS方法新进展”的学术报告。张彦教授聚焦生物统计学与统计遗传学领域，在遗传结构解析、因果变异精准定位及多组学数据整合方法学方面取得突破进展，她的报告吸引了相关领域师生与科研人员参与。

全基因组关联分析（GWAS）已成为解析复杂疾病遗传基础的关键工具，然而绝大多数GWAS信号位于非编码区域，且处于紧密的连锁不平衡之中，使得精准定位真正起作用的因果基因变异及其调控的靶基因成为后GWAS时代的核心挑战。为应对这一挑战，张教授系统梳理了当前两类主流统计学方法：变异层面的精细定位（fine-mapping）与基因层面的转录组关联分析（TWAS），并重点介绍了她及团队在这些方向上的系列科研工作。张教授指出，传统精细定位方法大多基于单一祖源人群的数据，其结果常受限于该人群特有的连锁不平衡结构，导致可信集较大、稳定性不足。为此，在fine-mapping部分，她提出了基于GWAS summary统计和LD矩阵的多因果贝叶斯模型，并利用global-local shrinkage先验联合多组源数据，以获得更稳健、校准良好的因果变异集合，跨人群遗传研究提供了强有力的分析工具。在TWAS部分，张教授将视角从变异转向基因，深入阐述了转录组关联分析（TWAS）方法学的最新进展。她强调，TWAS的目标不仅是发现与疾病相关的基因，更是要逼近因果解释，即识别那些受遗传变异调控、并最终影响表型的关键中介基因。张教授点介绍了三项创新工作：TransferTWAS通过跨组织迁移学习提升基因表达预测准确性；MAAT模型能灵活整合多种功能注释信息；TWAS-GKF采用Knockoff技术有效控制复杂基因网络中的假阳性。这些方法共同推动了转录组关联分析从“基因筛查”向“因果推断”的演进。

在报告的最后，张彦教授展望了该领域的未来方向。她指出，整合多祖源、多组学（如单细胞测序、表观基因组）及细胞类型特异性信息，并发展能够区分中介效应与多效性的因果推断框架，将为疾病机制解析和新药靶点发现提供根本动力。

在交流环节，线上线下听众就方法假设、计算实现、在不同疾病中的应用前景等与张彦教授进行了深入探讨，现场气氛热烈。本次讲座系统地梳理了从遗传变异到功能基因的完整分析链条上的方法学前沿，为从事遗传学、生物信息学及临床转化研究的师生提供了宝贵的思想启发。