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) 肿瘤细胞演化轨迹的算法发现差异进化速率的肿瘤克隆， 促进癌症功能基因的识别 

  
肿瘤细胞的微进化过程不仅反应了肿瘤的发生发展机制，而且体现了肿瘤应对体内环境和治疗压力的变化过程。因此，解析其进化过程不仅有利于揭示肿瘤异质性的发生机制，更为寻找新的诊治方案和策略提供靶点。单细胞测序技术的出现促使了单细胞精度上研究肿瘤进化可能(Genome Biology, 2021).

(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).

(3) 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。