单细胞多种组学临床样本测序数据分析及算法和软件的开发，包括单细胞DNA，单细胞ATAC，单细胞转录组，单细胞空间转录组等。

(1) B细胞及三级淋巴结构促进免疫治疗反应

免疫检查点抑制剂是当前治疗癌症的一项革新方法。T细胞群体是目前研究得主要关注对象。然而，之前的一项新辅助免疫检查点抑制剂治疗表明药物反应病人组中富集了大量的B细胞的信号，暗示B细胞信号与药物敏感反应相关。该课题结合生物信息学工具MCP-counter估计免疫和基质细胞的比例发现相同的结论即药物反应组中B细胞更富集。整合bulk RNA-seq和单细胞RNA-seq的分析进一步表明B细胞在有药物反应的病人组存在克隆的扩增，抑制肿瘤细胞的生长。该研究说明B细胞和三级淋巴结构在免疫检查点治疗中起重要作用，并且可以应用到未来的生物标记物和靶向治疗的开发中（Nature，2019）。  

(2)  肿瘤基因组-转录组整合分析肿瘤异质性算法

癌症基因组和转录组的整合分析有助于理解癌症机制，发现肿 瘤发生发展以及治疗的关键分子变异事件。然而肿瘤组织内的异 质性、癌症数据的高维性和复杂性限制了多组学整合分析的进展。 肿瘤组织内异质性更是理解癌症发病、治疗以及复发的瓶颈。基于癌症基因组的研究对于稳定的、严谨的癌症多组学数据整合分析算 法的迫切需求，申请人开发癌症基因组-转录组整合分析算法 Texomer (Nature Methods, 2019, 16:401-404).

(4) 已经与临床多科室合作分析单细胞转录组研究，包括肝癌，甲状腺癌，食管癌，乳腺癌等。