無人氣象站的應用提升了大氣觀測的數據收集效率，雲屬自動判讀仍然是一項技術挑戰。本研究參考WMO國際雲圖鑑，進行雲屬影像的收集與分類，並利用Teachable Machine圖像辨識模型進行訓練，建立具備十種雲屬辨識能力的模型並探討學習率與訓練週期對模型判讀準確度的影響。實驗結果顯示，不同雲屬的分類準確度受雲屬特徵影響，層積雲與積雨雲因特徵變化較大，易產生混淆。經超參數調整發現，較低學習率有助於提升整體準確率，而訓練週期的增加或減少對準確率的影響則較不顯著。本研究證實機器學習技術在雲屬觀測上的可行性，未來可透過擴展資料集與優化模型，提高對不同天氣條件下雲屬變化的適應能力。

癌症長期對人類健康構成重大威脅，尤其癌細胞對傳統化療產生抗藥性，尋找新治療方法成當務之急。近年許多研究發現寄生蟲的分泌-排泄蛋白具抑制癌細胞生長的潛力。如犬蛔蟲的分泌-排泄抗原已被證實能抑制纖維肉瘤、肝癌及大腸癌細胞增生，但其作用機制仍未明確。 本研究利用與犬蛔蟲相近的人畜共通線蟲—豬蛔蟲成蟲體蛋白進行肺癌細胞共培實驗。結果顯示AsSP可顯著抑制肺癌細胞增生與惡性特性。透過快速蛋白質液相層析系統對AsSP粗蛋白做分離純化，並經由Q-TOF-MS技術分析其成分，成功篩選出10種具有抗癌潛力的豬蛔蟲胜肽。未來研究將利用E. coli BL21表達系統，進一步開發與驗證這些抗癌胜肽的功效與應用潛力。