在心血管疾病纵向队列设计下，研究适合稀疏和不规则生命历程纵向数据的轨迹分析方法，包括儿童期体重指数和血压轨迹与成年期心血管危害的纵向队列研究与成年早期BMI的增长轨迹与新发高血压的纵向队列研究。研究成果发表在Hypertension（2篇）[1-2]、Diabetologia[3]、JAHA[4]和Pediatric Obesity[5]，其中2018年7月发表在AHA一区期 Hypertension（2018;72(1):93-101）的研究入选杂志高影响力论文。

基于Cross-lagged通径分析和中介分析研究了生命历程流行病学中的心血管代谢性危险因素的时序关系和因果路径。研究成果发表在Circulation Research[6]、Hypertension（3篇）、Diabetes Obes Metab 和Atherosclerosis，为心血管疾病预防和危险因素的因果路径研究提供了重要参考。

围绕恶性肿瘤（卵巢癌、食管癌）和心血管疾病的代谢组学和表观遗传学研究，建立了高维组学数据处理和统计建模的技术流程，通过统计模拟和实际数据分析，研究了包括随机森林、偏最小二乘、遗传算法、模糊聚类等多种统计学习方法。

基于UPLC-MS代谢组学技术，发现22个卵巢癌诊断的尿液代谢组标记物，以及4个用于临床卵巢肿瘤良恶性鉴别的血液代谢组标记物，其中2-哌啶酮是经细胞实验验证的新型生物标记物，研究成果发表在J Proteome Res（被引99次）、Clin Chim Acta（被引57次）、Acta Oncol。

提出食管癌高发区人群筛查、早期诊断和癌前病变进展的代谢组标记物和预测模型，研究成果发表在Metabolomics（2016;12:116），获批7项国家发明专利。在代谢组学数据预处理上，提出一种基于SVM的大规模LC-MS代谢组学标准化方法，成果发表在Metabolomics杂志。

表观遗传学纵向数据发现了26个BMI→CpG的DNA甲基化位点。