多くの科学研究では、データに基づき検証すべき仮説を定めることがしばしば行われる。生成された仮説を検証するために同じデータを用いると、選択バイアスの影響でp値が過小評価され、妥当な検定を行うことができない。この問題に対処するため、仮説を選択した後でも妥当な検証を行う為のpost-selection inferenceについて研究してきた。

遺伝子発現量データから検出した, 複数の患者に共通の変化点の例. 選択バイアス補正後, データから探索的に選択された変化点の検定のp値は0.00だった

遺伝子発現量データなど、変数の次元がサンプルサイズよりも圧倒的に大きなデータから、実際に意味のある重要な情報をあらかじめ抽出することは、変数選択後のモデルの推論における計算効率や推定精度の観点から有用なものである。 一方で、変数間に非線形な依存関係が見られる場合、既存の方法で効率的に変数選択を行うことは難しい。そこで、非線形な依存関係を効率的に抽出する為の手法の開発を行っている。