统计与数据科学学院 刘镇 报道
近日，南京审计大学统计与数据科学学院周兴才教授团队的研究成果在统计学国际顶级期刊 Journal of the American Statistical Association（JASA）在线发表。论文题为"Fairness-Aware Gaussian Graphical Regression Models with Application to Brain Co-Expression QTL Studies"。
JASA与JRSSB、Biometrika、AOS并称为统计学四大顶级期刊，是统计理论与方法领域最具影响力的国际学术期刊之一。此次发表，是继今年2月周兴才教授团队在人工智能领域顶级期刊 IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）发表主成分分析（PCA）研究成果之后，团队在统计学科方法研究领域的又一重要突破。半年内连发两篇国际顶刊，彰显了团队在统计理论与人工智能交叉领域的持续创新力。
在生物医学大数据研究中，不同人群（如不同种族或地域群体）之间往往存在遗传差异。传统统计模型在分析基因网络时，通常只关注网络结构本身，容易忽略不同亚群体之间的公平性，导致某些群体的遗传特征被掩盖，影响研究结论的准确性。
针对这一难题，周兴才教授团队提出了“公平感知高斯图回归模型”（Fair RegGGMs）。该方法在传统模型中引入公平性机制，在保持统计推断准确性的同时，使不同群体的基因网络都能得到公平表示。文中系统建立了Fair RegGGMs的统计学习理论；应用胶质母细胞瘤GBM数据验证了其方法的有效性，并挖掘了传统方法未能发现的相关基因调控关系，为理解GBM中的亚群体特异性遗传调控机制提供了新的视角。
作者简介
周兴才：南京审计大学统计与数据科学学院教授，博士生导师。
许子楠：周兴才教授硕士研究生，将于今年9月入学攻读博士学位（导师周兴才教授）。
姜蓓：加拿大阿尔伯塔大学教授，本文通讯作者。
孔令龙：阿尔伯塔大学教授，本文合作作者。
论文信息Xingcai Zhou, Zinan Xu, Bei Jiang & Linglong Kong (2026). Fairness-Aware Gaussian Graphical Regression Models with Application to Brain Co-Expression QTL Studies. Journal of the American Statistical Association. https://doi.org/10.1080/01621459.2026.2688572
