生物資訊組
系統生物學
吳家樂
系統生物學（systems biology）乃近年在生物資訊學領域中新興起的跨學門研究領域。從過去只能對單一基因或蛋白質的研究，但由於生物科技快速發展，如微晶片及蛋白質體技術的出現，累積了大量的資料，所以時至今日生物學家可從宏觀（即系統）的層面探討分子生物系統的議題。也就是說現今的資料容許也需要同時分析數個或多個基因或蛋白質。由於各成員並非獨立，乃彼此相互作用，故此可以在不同的生物系統層面產生新的生物現象。系統生物學的研究藉由整合多個領域，如分子生物學、電腦科學、數學、物理及化學等來探討生物現象，從細胞、組織、器官、族群或生態系統。
由於高通量實驗的發展，獲得了大量生物物種的生物資料，如基因體、轉譯體、蛋白質體及代謝體等。新的演算化及數學模型需要發展來描述生物系統的動態行為，並把預測結果（假設）與實驗資料比較。
蛋白質相亙作用的研究
對蛋白質相亙作用（PPI）的探討乃是研究系統生物學其中一種的方法或途徑。蛋白質由所謂蛋白質功能區域（domain）所組成，故此對蛋白質功能區域與蛋白質區域之相亙作用（DDI）進行大規模的研究，可加深對癌蛋白（cancer protein）與癌蛋白之相亙作用的了解，對生物醫學的研究有所貢獻。
癌症相關基因的研究
微陣列實驗可以一次記錄上萬個基因的表達，並可經由資料分析，從中篩選差異性表達基因（DEGs）。本研究以R及Bioconductor篩選前列腺癌微陣列的差異性表達基因，再利用癌症相關基因（TAG）、微型核糖核酸（miRNA）調控的PPI路徑（ncRNAppi）及與疾病相關的微型核糖核酸（miR2Disease）等三個資料庫，探討調控DEGs之相關miRNAs及其與人類癌症之關係。
病原菌與宿主的交互作用的研究
植物系統（如阿拉伯芥）常受到各種細菌性病原體的感染，包括病毒、細菌、真菌、線蟲及其它害蟲。本研究運用微陣列實驗數據，探討十字花科黑腐病菌（Xanthomonas campestris pv. campestris，Xcc）及農桿菌（agrobacterium）感染阿拉伯芥的差異性表達基因。
生物網路是由一些功能相近的模組成，稱為網路基序（network motif）。這些基序在許多分子生物過程中扮演著相當重要的角式。常見的網路基序有前饋迴路（feed-forward loop）、single input module及bi-fan等。這些網路基序皆具有重要的動力學行為（dynamical properties）。此研究整合微型核糖核酸、差異性表達基因及網路基序，建立微型核糖核酸調控的網路基序。這對病原菌攻擊宿主的交互作用之分子機制會有進一步的了解。
網路基序的研究
在後基因體時代，系統層面的分析方法對生物網路及基因調控網路之研究會有所幫助。利用圖論之方法，對蛋白質相亙作用網路進行全域分析及探討。從而找出相亙作用之蛋白質及網路之子結構。對於一些功能未知之蛋白質，可透過其所屬之蛋白質子網路（sub-network）內功能已知之蛋白質進行預測。這些被預測之蛋白質對基因調控網路的影響，將會在基因調控網路預測時被考慮。這研究有如下幾點目的：1）大規模收集生物分子之調控關係資料、2）發展一演算法辨識多種生物網路中主要的數種網路基序及3）探討基序與基序的交互作用。
收集大規模生物調控關係資料可以作為未來進行多項生物網路上的研究基礎。透過基序與基序交互作用的資訊可建立生物網路全域架構，這乃是一種由下而上建構的方式。由於基序具有功能上專一性的特色，在演化上這些模組可能具有保守性（conserved）的性質，可探討多種高等動物的網路基序保守性。
吳家樂老師-延伸資料
體學
張培均
體學（Omics）是一個生物科學中跨領域的學科，主要在於整合生物數據和推斷內部的相互關係。體學包括基因體，蛋白質體，轉錄體，代謝體，組織體，相互作用體等。體學研究的核心目標是：1）識別和註釋完整生物的基因體，蛋白質體，轉錄體，代謝組體，組織體及相互作用體中的各個物件；2）通過實驗觀察的或人工的定義的方式，找到各組體中物件的交互作用關係；3）將基因，蛋白質和配體等信息對應到不同的生物狀態；4）將某一物件在特定生物狀態下的網絡結構呈現出來；5）整合的各種體學領域。
舉例說明，在癌症基因體學，藉由組織微陣列實驗，獲得各種不同癌症亞型的基因表現數據，藉以研究人類癌症基因組的全部基因和突變對癌細胞發展的影響，以及其從一個局部癌症發展成轉移癌的關係。這些基因相互作用網路關係可以視覺化方式顯示，由其中所獲得之線所可應用於抗癌藥物設計。
舉例說明，在癌症基因體學，藉由組織微陣列實驗，獲得各種不同癌症亞型的基因表現數據，藉以研究人類癌症基因組的全部基因和突變對癌細胞發展的影響，以及其從一個局部癌症發展成轉移癌的關係。這些基因相互作用網路關係可以視覺化方式顯示，由其中所獲得之線所可應用於抗癌藥物設計。
張培均老師-延伸資料
生物資訊軟體應用
詹雯玲
非編碼核醣核酸在癌症之致病機率
Non-coding RNA (ncRNA)是無法轉譯成蛋白質的>RNA分子，依其大小、生物特性及生理功能分為small RNA (sRNA)及long non-coding RNA (lncRNA)。lncRNA是指長度大於200 bp 的ncRNA，研究顯示lncRNAs 在細胞中應該相當豐富，數量可能和protein-coding gene 差不多。少數lncRNAs 的功能已經被研究證實，包括調控鄰近基因的轉錄、調控alternative splicing、影響染色質的remodeling、改變組織蛋白的修飾、產生內生性小RNAs (siRNAs or other small RNAs)、調控蛋白質的活性等。有一些疾病，其致病機轉不僅牽涉到 protein-coding gene 的變化，還需利用相關的lncRNA之調控，才能完全解釋其致病機轉。越來越多的證據顯示這些不能轉譯成蛋白質的ncRNA 在正常生理、生物發展及疾病形成中是很重要的。本研究團隊整合各種生物資料庫，給合microarray及NGS資料全面性建構及探討ncRNA的功能及調控機制。
詹雯玲老師-延伸資料
精準醫療研究
王昭能
精準醫療已成為全球醫療發展趨勢，隨著醫療大數據和人工智慧的快速發展，各國紛紛聚焦於精準醫療發展。進一步發現基因體、臨床數據和生活史數據與疾病之間的關聯，需要大量多維大數據數據整合。
透過次世代定序法（Next-Generation Sequencing，NGS）為基礎的疾病基因檢測技術與分析平台，應用範圍涵蓋疾病預防、預測、治療和預後分析，提供患者與醫師、學術研究單位和製藥公司提供嶄新的臨床疾病基因檢測服務
醫療大數據在疾病分險評估
透過探索式資料分析了解醫療數據輪廓有助於擬定疾病風評估模型。透過人工智慧技術結合醫療大數據預測疾病的發生風險率。相較於傳統流行病學的風險預測有不同的差異。醫療大數據與人工智慧結合隨可依據隨時發生的疾病事件不斷地更新與修正預測模型。例如：模型預測某個人未來罹患腎臟疾病的風險增高，醫護人員即可提早進行預防，並免疾病之發生降低疾病發生。未來可以體學數據整合入預測模式當中，有助於提升模型的準確度，朝著個人化醫療管理前進
免疫治療後選基因篩選平台開發
免疫治療的目標是令人體免疫系統能重新識別癌細胞，並更有效率的攻擊腫瘤，免疫治療原理分兩種：一是刺激人自身的免疫系統，使其攻擊癌細胞； 二是提供免疫系統所需的物質。而癌症腫瘤微環境中免疫細胞和基質細胞是兩種主要類型的腫瘤組分，研究顯示對腫瘤的診斷和預後評估具有價值。免疫治療後選基因篩選平台主要核心以整合生物資訊與機器學習方式找出關鍵的標記基因以及相關生物路徑。癌症腫瘤微環境篩選結果顯示，未來，這些基質細胞及其標記基因有可能成為癌症治療和預測的生物標記
自然語言處加速精準醫療報告
精準醫療的發展已成為世界醫療研究趨勢。精準醫療簡單來說就是對症下藥，利用基因定序整合生物醫學相關大數據進行分析的方式，提供更豐富與精準的線索予臨床醫生進行判斷，以利診療與用藥可更為精確，進一步提供個人化醫療。但其中如何整合醫療數據資源以及非結構化數據整合，將決定精準醫療的發展。在生物醫學文獻中，PubMed生物醫學資料庫，蒐錄約2800萬篇生醫相關文獻。本團隊提供一套自然語言處理的技術，從非結構化標註、器學習與深度學習分析預測到最後結果驗證，精準分析生醫相關文獻中疾病、藥物、基因和突變點位及基因與藥物之間的關聯性，最後建立資料庫提供臨床醫生最佳的預測、預防、診斷與治療決策和幫助病患更了解自己、進行抉擇最佳藥物與治療方案、然而進一步管理個人健康。
計算蛋白質體學
陳鯨太
蛋白質體學是搭配游離化方法與質譜儀器的使用下，發展出針對蛋白質的高通量實驗技術，它可以同時研究數千個蛋白質的種類、數量、轉譯後修飾等，本研究以質譜儀產生的二維圖譜為基礎，設計資料分析演算法，並使用人工智慧及資料科學技術，進行生物資訊分析，目標在於將定性覆蓋率最大化，將定量準確度最佳化，同時也將軟體應用在生物樣本分析，例如癌症蛋白質體資料上。
人工智慧在生物資訊的應用
生物實驗的進步累積了大量蛋白質序列、結構、以及功能標記等資料，這樣大規模的資料很適合資料科學應用，我們設計人工智慧模型，搭配巨量資料的訓練過程，讓模型可從蛋白質序列或結構預測其功能、交互作用、或蛋白質後修飾區域等，藉此生物學家可快速取得蛋白質的關鍵資訊，也可減少耗費金錢人力的生物化學實驗。
生醫文獻探勘
在生物醫學文獻中，無論是基因，蛋白質，細胞或是藥物名稱，皆是命名實體的一種，更是扮演生醫研究文獻中重要的基本角色。以醫學病歷為例，內容包含醫師撰寫的病情陳述、用藥紀錄、以及治療後的反應等，我們使用自然語言處理技術作資料處理，包含命名實體辨識、關係擷取等，處理後的結構化內容可以更適合資料探勘等後續生物醫學相關應用。
陳鯨太老師-延伸資料
