明静思




个人资料
部门： 经济与管理学部
性别： 女
专业技术职务： 助理教授
毕业院校： 香港浸会大学
学位： 博士
学历： 博士研究生
联系电话：
电子邮箱： jsming@fem.ecnu.edu.cn
办公地址： 中北校区理科大楼A1507
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统计交叉科学研究院
邮编：
传真：


工作经历

2020.9- 华东师范大学 助理教授
2018.12-2020.8香港科技大学 博士后
2018.9-2018.11香港科技大学 研究助理




教育经历
2015-2018香港浸会大学 博士
2013-2015复旦大学硕士
2009-2013复旦大学本科







个人简介
明静思，华东师范大学经济与管理学部统计交叉科学研究院助理教授。2018年博士毕业于香港浸会大学，2018-2020年在香港科技大学从事博士后研究工作，2020年9月加入华东师范大学。主要研究方向包括统计机器学习，深度学习，统计遗传学，生物信息学等，研究成果发表于Bioinformatics，Journal of Computational and Graphical Statistics等期刊。




社会兼职
暂无




研究方向
Data Science with Statistical Machine Learning and Deep Learning

Statistical Genetics and Genomics

Integrative Analysis of Single-cell RNA Sequencing Data




开授课程
统计学习




科研项目
暂无



学术成果

[7]Jingsi Ming, Zhixiang Lin, Xiang Wan, Can Yang, Angela Ruohao Wu. FIRM: Fast Integration of single-cell RNA-sequencing data across Multiple platforms.
[6]Jingsi Ming, Jia Zhao, Can Yang.scPI: A scalable framework for probabilistic inference insingle-cell RNA-sequencing data analysis.
[5] Jingsi Ming, Tao Wang and Can Yang (2020). LPM: a latent probit model to characterize the relationship among complex traits using summary statistics from multiple GWASs and functional annotations.Bioinformatics,36(8): 2506-2514.
[4]Jia Zhao,Jingsi Ming, Xianghong Hu, Gang Chen, Jin Liu, Can Yang (2020). Bayesian weighted Mendelian randomization for causal inference based on summary statistics,Bioinformatics, 36(5): 1501-1508.
[3]Mingxuan Cai, Mingwei Dai,Jingsi Ming, Heng Peng, Jin Liu, Can Yang (2020). BIVAS: a scalable Bayesian method for bi-level variable selection with applications.Journal of Computational and Graphical Statistics, 29(1), 40-52.
[2]Jingsi Ming, Mingwei Dai, Mingxuan Cai, Xiang Wan, Jin Liu, Can Yang (2018). LSMM: a statistical approach to integrating functional annotations with genome-wide association studies,Bioinformatics, 34(16): 2788-2796.
[1]Mingwei Dai,Jingsi Ming, Mingxuan Cai, Jin Liu, Can Yang, Xiang Wan, Zongben Xu (2017). IGESS: a statistical approach to integrating individual-level genotype data and summary statistics in genome-wide association studies,Bioinformatics, 33(18): 2882-2889.




荣誉及奖励
暂无