A biológiai eredetű, gyakran óriási méretű adatok elemzése, statisztikai vizsgálata és az eredmények közérthető formában történő prezentálása szükségessé teszi az ilyen feladatokra specializált programcsomagok és számítógépes eszközök használatát. Munkám során gyakran alkalmazom a genomikai vizsgálatok bioinformatikai hátterét biztosító bwa, samtools és GATK programokat, a további analíziseket pedig az R vagy python programnyelvekben írt saját kódokkal végzem. Ezek lehetővé teszik a látott trendek statisztikai validációját, illetve színes, könnyen interpretálható vizualizációk elkészítését.

A sokdimenziós adathalmazok ("big data", pl. teljesgenom-szekvenálásból származó mutációs mintázatok, metilációs adatok, transzkriptomikai profilok) elemzése során különböző, gyakran igen számításigényes módszert és algoritmust alkalmazok az adatok kondenzálásához, megértéséhez. Ezek többségében különféle gépi tanulási eljárások a dimenziócsökkentés (PCA, UMAP, t-SNE), a klaszterezés (hierarchikus, k-means) és a predikció/klasszifikáció (SVM, döntési fák, regresszió) területeiről.

Kutatásaim egyik fő fókusza az új-generációs szekvenálási műszerek (NGS sequencing) által generált big data adathalmazok elemzése, biológiai interpretálása. A vizsgált minták többségében tumoros szövetekből származnak és az elsődleges cél annak a megválaszolása, hogy a daganatos sejtek milyen genomikai tulajdonságaikban térnek el az egészségesektől, illetve hogy milyen közös jellemzői vannak a különböző típusú tumoroknak. A molekuláris profil vizsgálata lehetővé teszi annak a feltérképzését, hogy a modern, célzott terápiás módszerek (pl. PARP-gátlók, immunterápia, stb.) használata mennyiben segítené a beteg felépülését és mennyire lenne hatékony az adott típusú daganat gyógyításában.

Retrospektív klinikai kutatásokban hazai és nemzetközi partnerekkel együttműködve daganatos betegségek biomarkereinek azonosítására, klinikai jelentőségük feltérképezésére fókuszálok. Elsősorban tüdőrák esetében vizsgálom a metasztatikus mintázatokat, immunterápiás célpontokat (PD-1/PD-L1), valamint az immunsejt-infiltráció prognosztikai értékét. Munkám magában foglalja új statisztikai módszerek és vizualizációs technikák kifejlesztését a komplex klinikai adatok értékeléséhez.

Az epigenetikai öregedés kutatásában matematikai modellek (epigenetikai órák) fejlesztésével foglalkozom, amelyek DNS-metiláció alapján becsülik a biológiai életkort. Célom olyan univerzális modellek létrehozása, amelyek különböző kísérleti platformokon és szövettípusokon pontos eredményeket adnak. Humán és állati mintákon egyaránt dolgozom, alternatív mérési módszerekre (RRBS) alkalmazható algoritmusokat fejlesztve. A munka kiterjed a differenciális metilációs minták azonosítására is.

Genomikai adatok nagy léptékű elemzésével közegészségügyi monitorozási projektekben veszek részt. Kutatásaim során például olyan szennyvízminták alapján sikerült populációgenomikai következtetéseket levonnom a nyomokban megmaradt emberi mitokondriális DNS alapján, melyeket eredetileg kifejezetten az antibiotikum-rezisztens gének feltérképezésére gyűjtöttek. Több millió SARS-CoV-2 vírusgenom elemzésével ritka evolúciós eseményeket (koinfekció, rekombináció) detektáltam, valamint a diagnosztikai módszerek hatékonyságát befolyásoló genetikai változásokat azonosítottam. Munkám hozzájárul a genomikai monitorozás közegészségügyi alkalmazhatóságának feltérképezéséhez.