我们围绕项目计划书开展了一系列在遗传学研究上的统计方法学的创新性研究， 通过三年的努力和项目组成员之间的协同研究，得到以下几个方面的成果：.(1) 对惩罚函数LEP的性质进行了系统的研究，从而得到估计的Oracle性质和最优估计的解通路的计算方法，而且其在变量个数小于样本数时，目标函数是凸性的，这样无需考虑初始点的选取问题，而所得估计是全局最优的。.(2) 对双生子家系遗传模型进行了深入研究。建立了父母-双生子四人组ACDE模型，严格探讨了该模型的可识别性。相比古典的双生子模型，该模型可给出了更为精确的遗传率估计，从理论上及实际数据分析两个方面揭示了古典双生子模型中的遗传率估计偏高及其背后的原因。同时，利用非欧几何得到似然比的检验的渐近分布，结果发表在生物统计最好的两个期刊之一：Biometrics。.(3) 通过系统比较microarray 数据与RNA-seq 数据的特性，指出了基于microarray 的基因表达的不足和基于RNA-seq 的基因表达的优势，并由此否定了经典的哺乳动物中X 染色体表达加倍的Ohno 假说，相关论文发表在2010 年12 月的Nature Genetics 上，并被Nature Reviews Genetics 选为Research Highlights，被Science 选为Editors’Choice。.(4) 我们证明了LEP在线性模型中的oracle 性质和全局最优性，并提出了新的算法，理论文章已经成文并投稿中。同时，我们把LEP方法用于基因表达网络的重构上，取得很好的效果。