主要从事与生物医学数据相关的统计方法的研究，尤其是关于神经退行性疾病(例如阿尔兹海默病、巴金森病等)的高通量数据的分析方法。包括近些年来随着生物技术发展而产生的越来越多基因表达数据，基于单核甘酸多态性的全基因组关联研究的数据等。课题组研发了一种新的广义阈值估计和经验贝叶斯构建方法。随后，这种方法拓展为高维数据变量选择的贝叶斯分类方法，并成功地发现了与酶活性有关的新的基因标志。为了提高全基因组关联研究数据分析的效率，课题组研发了正交组分回归来同时并高效估计整个基因组所含的所有单核苷酸多态性 的单独作用、单核苷酸多态性之间的相互作用、以及单核苷酸多态性与环境因素之间的交互作用。该方法已被成功地用于分析外显子测序的数据。最近课题组将正交组分处罚回归方法扩展，并成功地用全基因组的遗传标记来预测样本的表现型。先后主持并参与了美国国立卫生研究院、国家自然科学基金等课题15项，发表国外SCI论文21篇, 参与编写著作2部。