随着以深度测序为代表的高通量生物技术在生命科学领域的广泛应用，各种生物学大数据以指数增长大量涌现。这些数据之中蕴藏着大量的宝藏，即生物学的新规律、新发现。但是，这些海量的、指数增长的、并且高噪声的生物数据也带来了巨大的数据分析技术上的挑战。
课题组研究围绕“基因型-表型”对应关系这一核心科学问题，以生物信息学分析技术、方法与平台开发为基础，通过综合运用大数据与统计学习(statistical learning)等计算方法，整合高通量遗传学与功能基因组学数据，致力于在单细胞水平精准解读基因组功能。
课题组采取“数据导向”(Data-Oriented)、“方法驱动”(Methodology-Driven)、“干湿结合”(in silico for in vivo)的技术路线，目前课题组主要研究方向包括：
1) 基于统计建模与机器学习的生物学大数据整合与挖掘
2) 以基因表达为中心的调控通路功能及演化
3) 基于组学大数据的精准医学