我们主要从事计算科学（统计、机器学习）和生命科学的交叉研究。近年来生命科学技术的爆炸性发展对计算科学提出了很多挑战，也为计算科学的发展提供了新的契机。我们针对生命科学中重要的数据分析问题，发展新的统计、机器学习方法和理论，并通过分析大规模肿瘤数据，研究肿瘤和肿瘤的精准医学。我们组内成员学术背景多样，有统计、机器学习、生物信息、分子生物等多种专业背景。我们相信，不同背景的研究人员的日常交流、思想碰撞能够更好的促进交叉学科的研究，取得真正有价值的交叉科学研究成果。我们近年的主要研究方向如下。

1. 统计方法和理论：针对生物医学研究中的常见数据分析问题，发展高维数据和大数据统计分析方法和理论，如高维数据的网络推断方法、聚类变量筛选方法、贝叶斯分析方法以及大数据的高效统计计算分析方法等。

2. 生物信息方法：针对全基因组测序数据、单细胞数据、第三代测序数据等高通量数据，发展基于统计和机器学习的计算方法和工具，如拷贝数、结构变异探测算法，单细胞数据的变量筛选、数据填补、网络推断方法，空间转录组数据的降维、聚类方法，多组学数据的整合分析方法以及第三代转录组测序数据的分析方法等。

3. 肿瘤大数据和精准医学：通过分析肿瘤的多组学大数据，研究肿瘤的发生、发展以及耐药性的分子特征，建立能够准确预测肿瘤病人预后、药敏等临床特征的统计和机器学习模型。远景目标是能够以统计、机器学习和大数据的方法，推动肿瘤精准医学的发展，实现肿瘤的个性化治疗。

我们招收本科、硕士、博士、博士后。如果您对我们的研究感兴趣，希望加入我们的研究小组，欢迎发邮件咨询，邮件中请附上您的简历，如果一周内没有得到回复，欢迎您再发送一封提醒邮件。