我們的研究領域為生物資訊，研究主題包括：蛋白質結構及交互作用之預測、利用質譜儀資料之蛋白質辨識、定量分析、蛋白質資料整合等。

        在蛋白質結構及交互作用預測方面，我們提出以知識庫為基礎的二級結構預測方法， 我們也針對membrane proteins 進行二級結構（包含topology）預測，以及特定的二級結構進行預測；我們並進行subcellular localization prediction, domain prediction，interaction prediction.

        蛋白質定量分析方面，我們致力於以質譜儀進行的蛋白質定量自動化分析系統。我們已完成一套名為Multi-Q 的軟 體系統，處理以iTRAQ 為標記的定量方法之資料分析；另完成一套使用ICAT 及其他標記技術的定量分析系統 MaXIC-Q，以及一套針對不使用標記的定量實驗方法的自動化分析系統IDEAL-Q。未來我們將發展不同的定量 軟體，應用於大量的蛋白質體學之研究。由於定量分析並非蛋白質體學研究的終極目標，解讀、整合蛋白質實驗結果之資料是biomarker discovery的重要基礎，我們將發展視覺化整合性之系統工具，讓使用者更方便驗證實驗結果、解讀其實驗數據、結果，並能自動擷取有關蛋白質功能、調控網路等重要資訊，以為後續研究發展之用。

        從質譜儀資料中辨識post-translational modifications (PTMs)：癌症細胞的蛋白質質譜儀資料，往往包含一些PTMs.然而，PTMs有許多不同的型態；我們將研究單一胺基酸的變異、磷酸化、醣化。更具體說，我們將研究從質譜儀資料中辨識peptide中單一胺基酸的變異、辨識phosphopeptides的磷酸化位置，以及辨識glycopeptides的胺基酸序列及其醣化結構。