在我攻读斯坦福大学数学学士学位时，人类基因组序列的首份草案即将完成，微阵列正在改变生物学研究，而“GWAS”这个术语还未被提出。通过定量建模和挖掘高通量实验数据，获得对生物学的系统性理解的想法让我着迷。但作为一个数学专业的学生，并不意味着知道如何处理数据 🙂 因此，我继续攻读统计学博士，并在途中补充了我需要的生物学知识。

我的统计遗传学研究或多或少试图回答以下两种形式的问题：

使用特定协议的数据可以有意义地解决哪些问题？ 我们回答这些问题的程序如何能够做到透明、严谨和可扩展？ 在过去的几年里，我的实验室一直专注于单细胞和空间转录组实验的数据。

我研究中的反复出现的主题是拷贝数变异分析、单细胞RNA测序数据分析、整体组织解卷积以及肿瘤内异质性的表征。

这些主题激发了在统计学中一些“通用”方法的发展，涉及到变点分析、变量选择、模型选择和非参数推断的领域。