大規模なコホート研究が各国で設立されているが、このようなビッグデータから、これまで未知であった病気のリスク因子の同定や発症リスクの予測など、新知見を獲得して社会に還元することが求められている。データが膨大であるが故に、人力による網羅的かつ詳細な分析は困難となるが、統計科学・機械学習の理論と方法を用いて、効率的にデータ分析を実施している。主に、スパースモデリングなどの高精度でなおかつ人による解釈を支援する手法を中心に研究を行っている。

ヒト疾患と遺伝子の間の関係を調べるための方法論開発および実践を行っている。特に、ゲノムワイドSNP（一塩基多型）データなどの超高次元ゲノムデータを研究対象としている。

• ゲノムワイド関連解析
• 遺伝子間相互作用解析
• 遺伝子×環境相互作用解析
• 疾病発症リスク予測

など、ヒトゲノムデータの標準的解析から発展的解析に至るまでの様々な遺伝統計学の問題に対して、統計科学、生物統計学、機械学習を用いてアプローチしている。