2022年

本研究利用平行電板建立電場，觀察在外加電場下環形泡膜的各種形變運動。電場越大時，形變越大；分別使用不同大小的環形框架觀察，發現形變量與框架半徑的比值會隨著框架半徑增加而減小，推論與表面電荷密度的分布變化有關連。將泡膜從薄到厚分成五個區域，針對不同厚度的泡膜與運動型態做分析，發現運動狀態可以大致分成，穩定震動、提升點，以及急遽增加後碰到電板破裂三個階段。針對電場26,666 V/m-33,333 V/m時的震動現象做深入分析，利用簡諧運動的模型來詮釋泡膜運動，藉以預測不同表面張力液體對應的彈性係數。未來期望利用不同電解質去改變泡膜組成，探討不同電解質在電場下的運動行為。

癌症為台灣國人十大死因之首，在台灣地區肝癌在十大癌症死因排名第二。雖然有第一線以及第二線藥物，但是頂多只能延長病人13個月的壽命，所以急需開發有效抑制肝癌的新藥。斑馬魚屬於脊椎動物，斑馬魚基因與人類基因的相似度達到87％，且繼代快成本低，對於研究人類的疾病或篩選藥物助益極大。在肝癌病患當中具有高達百分之六十的人，在肝癌中發現了端粒酶逆轉錄酶（TERT）啟動子的突變，這項突變會導致在肝癌細胞中端粒酶的過量表現並促進癌細胞的生長。先前在研究員實驗室建立了端粒酶轉基因斑馬魚，在15天有顯著增加細胞增殖相關基因以及b-catenin下游基因的表現，並且利用HE染色細胞組織病理學分析，有絲分裂以及三核的比例也大大增加。我們這個研究就是利用端粒酶轉基因斑馬魚研究三種藥物(小分子褐藻醣膠，鯽魚複合配方，麩胺酸螯合鈷)單獨使用跟組合使用抗肝癌的作用。我們發現使用三種藥物混合能有效抑制肝癌，未來可廣泛運用在醫學。

非負整數的各位數字重新排列後，由大到小減去由小到大的運算稱為Kaprekar運算。若原數和結果相等，則此數為Kaprekar常數。在此條件下，Kaprekar變換最終定會進入循環(包含循環節為1的情形)。本研究探討Kaprekar常數與循環的結構，以及其與混沌之間的關聯。 結果如下: (1)參考[1]和[4]中的一些數學符號，將二進位分為五類，得到二進位常數的形式和規律。 (2)在三進位時，我們利用g(x)來討論三進位的變換形式，得到能判斷其結構和循環節及數量的規則。 (3)g(x)有混沌的性徵，即在任何有理數區間中必有任意的n-循環點，其中n是任意正整數。 (4)關於四進位，我們發現將任意非負整數運算四次後必符合某一形式，且其結果與三進位有相似的結構。

本文主要在探討如何將二維Lill Path的性質推廣至三維。和二維Lill Path的結論相同，我們證明若有一自原點出發的射線在多項式函數f(x)的三維Lill Path進行反射（依三維Lill Path反射規則），且此射線通過三維Lill Path終點，則其充要條件為f(x)=0有一實根(-tan⁡θ )，其中θ為射線與三維Lill Path圖形所夾的角度。我們仿照參考資料[2]的方式，證明了若多項式所對應之三維Lill Path圖形是封閉的，則其充要條件為此多項式有一因式為(x^3+1)；同時，我們解決了參考資料[2]中教授所提到的一個問題：當路徑夾角不為π/2，且其三維ϕ-Lill Path圖形為封閉的，則其充要條件為多項式有一因式為 [x^3-(cos⁡ϕ ) x^2-(cos⁡ϕ )x+1]。

我們設計了一款透過壓電片與摩擦片收集資料的智慧鞋，壓電片嵌入在鞋底，摩擦片安裝在前腳掌，兩者並聯。當人行走時，感測器會被擠壓變形，藉由DAQ（數據採集）收集感測器的電壓輸出，可顯示出正常步行、快走、慢跑和漫步等活動的訊息，利用時變電壓形式的輸出數據，與能夠識別時域信號的CNN深度學習（卷積神經網絡）進行不同類型步態辨識。 實驗結果顯示此方法可以辨檢測這四種步態，其辨識率高達95%。訓練好的CNN可同時辨識個人身份與步態。結果顯示，識別快走時辨識率極高，識別正常步行和漫步時辨識率為90%，識別慢跑時辨識率僅達49%。因此，我們未來預計將提高同時辨識不同受試者與不同步態之辨識率，並透過壓電能量擷取器為藍牙模組供電。

TDP-43是漸凍症(ALS)以及額顳葉失智症(FTLD)等神經退化性疾病的致病蛋白，在患者腦內會有不正常的類澱粉蛋白TDP-43錯誤折疊而產生蛋白質堆積，而不同堆積階段依序為單體(monomer)、多倍體(oligomer)、纖維(fiber)。其中纖維為許多神經退行性疾病的病理標誌，且相較於已有的 TDP-43 oligomer 單株抗體(Yu-Sheng Fang et al.(2014))，目前沒有對於 TDP-43 纖維抗體的研究，因此本實驗利用單株抗體技術所製造出對應TDP-43纖維的不同抗體進行純化及濃縮，找出對TDP-43 fiber專一性最高、結合效率及結合率皆最好抗體，以作為能夠檢測漸凍症患者血液中TDP-43 fiber的生物標誌(Biomarker)。 同時為了增加偵測的靈敏度，本實驗成功創新利用PMCA ( protein misfolding cyclic amplification) 技術快速放大纖維的數量以提高檢測準確度，搭配高專一性、高結合效率的編號3-2自製抗體作為Biomarker，只需五個小時便可以將極少量纖維的訊號約提高至原先的17倍，具有極高的靈敏性可以準確辨認出有無TDP-43纖維的樣本差別。

本研究選用Aspergillus tubingensis、Aspergillus oryzae、Aspergillus japonicus 三種真菌作為研究對象，將實驗分為兩個部分，一為三種真菌是否能降解PU、PE、PLA三種塑膠，結果發現Aspergillus tubingensis在黑暗中皆能降解塑膠而效果為PU、PE>PLA，Aspergillus oryzae 與Aspergillus japonicus則有降解PU與PLA之能力。二為探討Aspergillus tubingensis在不同色光及不同pH值下降解塑膠的效果，結果發現Aspergillus tubingensis 在相同色光不同瓦數情況下，降解PLA的能力為3W>1W，降解PU則是1W>3W；相同瓦數的情況，降解PU能力為白光>紅光>藍光，降解PLA能力為紅光>白光>藍光；在pH=4及pH=9環境中皆無明顯降解塑膠之能力。

本文主要在探討如何將二維Lill Path的性質推廣至三維。和二維Lill Path的結論相同，我們證明若有一自原點出發的射線在多項式函數f(x)的三維Lill Path進行反射（依三維Lill Path反射規則），且此射線通過三維Lill Path終點，則其充要條件為f(x)=0有一實根(-tan⁡θ )，其中θ為射線與三維Lill Path圖形所夾的角度。我們仿照參考資料[2]的方式，證明了若多項式所對應之三維Lill Path圖形是封閉的，則其充要條件為此多項式有一因式為(x^3+1)；同時，我們解決了參考資料[2]中教授所提到的一個問題：當路徑夾角不為π/2，且其三維ϕ-Lill Path圖形為封閉的，則其充要條件為多項式有一因式為 [x^3-(cos⁡ϕ ) x^2-(cos⁡ϕ )x+1]。