以高通量测序技术产生的海量生物数据为研究对象，开发智能计算模型分析高通量生物数据，获得对复杂分子机制和细胞功能的深度解释和重要见解。具体围绕以下方三个面开展：

*多组学数据挖掘与知识发现：通过对基因组、蛋白质组、转录组、代谢组等不同类型的组学数据的系统分析，深入挖掘其隐藏的数据特征和生物学特性，以参数化建模方法，结合启发式方法和多元信息融合技术，解决复杂生物数据处理中的相关热点和某些难点问题。

* 围绕生物信息计算任务、模式识别与人工智能的基础理论算法，设计新型可解释性的神经网络模型：面向新一代测序技术下的复杂生物网络分析、蛋白质复合物识别、关键蛋白质与疾病基因预测、药物-靶标识别、疾病相关micRNA/lncRNA预测、药物重定位等生物信息计算任务，探索信息与生命学科交叉研究的新方法及其在生物医学大数据建模中的应用，发展生命系统中复杂问题驱动的新理论与算法。

* 以提出的各种新方法为基础，建立自主知识产权的相关软件处理平台：将设计的面向生物数据特征的高效计算方法和软件处理平台推广、应用，为“精准医疗”等重大工程需求的高效计算方法研究提供新思路，推动计算机算法朝实用性方向发展。