第零类（新增）：基础的数据处理方法与理论。这其实是生物信息学最早的定义之一。如经典的序列比对算法，Smith-Waterman算法，BLAST、ClustalX、BLAT等老的序列分析软件，dChip、RMA、SAM等芯片分析工具，以及新的Bowtie、BWA、DESeq、DEGSeq、EdgeR等新一代测序数据的分析工具。要做到计算性能高、数学模型清楚、结果稳定可靠、易于使用、可视化好。

第二类：为了解决生物医学问题而提出的新方法（计算或计算实验相结合）。必须与解决同一问题的其他方法进行详细比较，比较结果的异同、计算性能的差异，特别是要思考对解决该问题有什么新的进展、对该问题提供了什么新的认识。明确新方法的适用范围，优势、劣势及其产生的原因。对解决该问题的新进展要明确、可验证。

第一类：借鉴生命系统的基本原理，或者基于第二类方法的泛化推广，发展出新的方法及其理论。比较典型的案例如神经网络、遗传算法等。这类方法必须有一定的普适性，可用于解决多种应用场景下的问题。生命系统可供借鉴的基本原理还有很多，新的生物医学数据对新的计算模型需求也很大，可以期待新的计算方法和理论从这个领域诞生。

第三类：为了取得生物医学发现的。这类研究必须问题明确，尽可能采用业内认可、或经过反复检验的方法。结果要简要、直接。要想办法对结果进行实验验证，最好的方式是跟生物医学专家合作。

目前，我们课题组比较关注于癌症分子分型（classification）与风险分层（stratification）、癌症子类型的关键调控网络与干预靶点的研究。希望能以第二类研究立足，与生物医学家合作开展第三类研究，尝试着做到第一类研究。