減數分裂是育種的基礎，透過其中的遺傳重組可以分離連鎖的基因，提供研究和篩選優良基因組合的機會。然而每次減數分裂中的遺傳重組數目存在自然限制，也就是每對同源染色體平均僅發生兩個互換，且大多位於染色體的末端，這使得在研究或育種的過程中，尋找理想的遺傳組合變得極為耗時。本研究採用免疫螢光染色技術來分析玉米不同品系，在減數分裂時遺傳重組發生的數量，目的是探討多樣性的基因種源是否影響遺傳重組的數目。研究結果顯示，不同玉米品系間的遺傳重組數目具有顯著差異，且呈現分群的現象，這表示不同基因種源可能帶有差異性的重組調控相關基因。基於這些發現，我們期待未來能深入研究影響遺傳重組數目和位置的機制。

在許多疾病，如癌症、心血管等疾病中，微核醣核酸 ( microRNA，簡稱miRNA) 的表現水平可作為診斷指標。現行檢測miRNA多使用RT-qPCR，然而此技術成本高、操作繁瑣且耗時。本研究自行設計可抓取目標miR-155的DNA分子探針，透過化學合成與修飾將此探針接合在奈米金-聚苯胺( GNP@PANI )電極上，組裝出具靈敏度與特異性的DNA分子電極。實驗結果顯示：此自組裝探針電極具有良好的線性檢量關係，偵測極限可達0.1 nM。在摻雜多種miRNA的樣品中，此電極仍具有極佳的專一性，回收率高達101.5 %。應用於含生物基質的尿液樣本，可不受背景干擾，其檢測差異僅約0.4 %。本研究採用電化學技術來檢測miRNA，不但成本低、操作簡便，且可依據目標分子進行客製化設計，為新一代檢測技術開創前景。

本研究旨在優化鋅離子電池陰極材料的性能，選用沸石咪唑酯骨架材料（ZIFs）與釩氧化物（V6O13）進行複合材料的合成與應用。隨著鋰電池成本的上升，鋅離子電池因其安全性與成本效益逐漸受到重視。ZIFs 具有高比表面積及良好的離子導電性，而V6O13則因多價態和優良導電性而成為潛力材料。通過結合這兩種材料，我們開發了具有多孔結構和優異穩定性的複合陰極材料，再使用 PXRD、SEM 及 EDX 對材料進行結構表徵，並使用此新材料製作鋅離子電池進行電化學性能測試。結果顯示，熱裂解後的 PY-VxOy@ZIF-Zn/Co具有最佳的克容量及穩定性，且在500次循環後保持良好的穩定性。本研究展示了ZIFs和V6O13結合在鋅離子電池中的應用潛力，為低成本、高效能的儲能解決方案提供了新的方向。

思覺失調症與焦慮症皆是嚴重損害病人健康且造成社會極大負擔的精神疾病，急需研發有效治療藥物。本研究以藥物及壓力引發之小鼠異常行為為模式，探討新研發的新穎腺苷調控藥物（Novel Adenosine Modulator）對於這些疾病的治療潛力。實驗一以藥物 MK-801 引發成年雄性小鼠類思覺失調症症狀，給予新穎腺苷調控藥物可緩解曠野測驗中 MK-801 引發的過度活動量，且不會造成小鼠產生失樂症狀或體重改變。但對於 MK-801 引發的感覺動作門閾過濾反應缺損則無顯著療效。實驗二以不可預測長期輕微壓力（unpredictable chronic mild stress）引發成年雄性小鼠類焦慮症與類憂鬱之行為異常，新穎腺苷調控藥物可以改善小鼠的失樂症狀。這些結果顯示這個新藥具有潛力值得後續繼續研究。

進行這個研究，是在正比關係直線圖中探究相異斜線之間的三角形面積。首先，透過因數與倍數來建構橫軸與縱軸的關係，以數字排列來模擬延伸的直線圖，依其行進方位獲取斜率。接著在正比關係直線圖中探討不同斜線的座標位置 ，以計算斜線末端的間隔距離，確認三角形底邊長度，最後 以斜率建立公式－計算相異兩直線所劃分的三角形面積。

本研究將不同比例的硫.與二氯化錫，在固定溫度200℃、加熱時間9小時，所合成出的壓電材料SnS2用來降解羅丹明染料，實驗結果發現以莫耳比1：4為最佳，降解率可達到96%。接著固定莫耳比1：4及溫度200℃下，發現在不同水熱時間時以水熱九小時的SnS2觸媒降解效果最好。最後本實驗以固定比1：4及水熱時間9小時在不同水熱溫度所合成的SnS2觸媒，以水熱溫度200℃時的降解效率最好，可達到96%。接著我們將最佳合成條件的觸媒對不同濃度的羅丹明進行降解，可發現當羅丹明濃度達到50ppm時，只需要2秒降解率即可達到99%，即使濃度達到70ppm時濃度降解效果仍可達到86%。最後對SnS.觸媒進行SEM分析發現顆粒大小為微米等級，而在PL分析發現本觸媒具有活性的能力且符合實驗結果。

本研究首度以植物學、花粉學、昆蟲學及生態統計學探討臺灣高山傳粉生態網絡。花季中期以蜂類為主，後期為蠅類。昆蟲及植物交互網絡緊密連結無子群體，仰賴優勢物種支撐。蜂期為高山薔薇、玉山櫻草、貓兒菊、信義雄蜂；蠅期為一枝黃花、貓兒菊、家蠅。此兩期昆蟲與植物的穩健性不足，蠅期更易崩解。蜂類訪花具多樣性，蠅類訪花較專一。因蜂類、蠅類習性與身體特徵不相同，蠅類對花展幅 (Visit Unit)大、花冠筒淺、花冠筒筒徑小、還原糖含量高、花粉及花蜜之間的距離大、柱頭面積小的植物較能專一攜帶其花粉。共用傳粉者帶來異種花粉，以GLMM分析同異種花粉數量變化關係，發現一起開花略助於授粉。貓兒菊已入侵成為優勢物種，花粉汙染90%的物種，必須移除。

此研究討論三角形𝐴𝐵𝐶的外心、重心、垂心、內心到三邊之距離，並依銳角、直角及鈍角三角形，去比較各距離總和之大小關係及相互之間的關聯性。其主要結果為： 1.用外接圓半徑𝑅及∠𝐴,∠𝐵,∠𝐶表示各心到三邊之距離。 2.設外心、重心、垂心、內心到三邊之距離總和依序為𝑑1, 𝑑2, 𝑑3, 𝑑4 ，其大小關係為： (1)在銳角∆中，𝑑1 ≥ 𝑑2 ≥ 𝑑4 ≥ 𝑑3，僅當正∆ 時，等號成立。 (2)在直角∆中，𝑑1 > 𝑑2 > 𝑑4 > 𝑑3。 (3)在鈍角∆中，𝑑1 > 𝑑2 > 𝑑4 恆成立。𝑑3與𝑑1、𝑑2、𝑑4比較，並無絕對關係，但在等腰鈍角∆，我們給出其大小順序的臨界值。 (4)在鈍角∆中，若最大內角≥ 120° ，則𝑑3 > 𝑑1 > 𝑑2 > 𝑑4。 3.在銳角∆ 及直角∆ 中，等式𝑑2=2/3 𝑑1+1/3 𝑑3和 𝑑2+1/3 𝑑1-1/3 𝑑3-1/3 𝑑4 = 𝑅 恆成立。

背景：預測分子性質如溶解度、毒性及熔沸點對於基礎科學至關重要。然而，實驗測量這些性質耗時且昂貴，因此本研究使用多種機器學習模型藉由調整變相來準確預測熔、沸點。 方法：本研究使用超過一萬筆數據及兩種類型的機器學習方法：淺度與深度學習。淺度學習由 PyCaret實現，並以Mordred作為分子描述器；深度學習使用圖神經網路，包括（CMPNN和GCN），並調整隱藏層參數。 結果：CMPNN在目前嘗試的模型中表現最佳。發現影響沸點預測的關鍵特徵是piPC1，與鍵級相關；熔點則是AATS0d，與σ電子的 Moreau-Broto自相關有關。 結論：CMPNN模型在沸點與熔點預測中均表現最佳。沸點中深度學習模型優於淺度學習模型（p<0.05）。此外，使用SHAP成功找出piPC1和AATS0d對最關鍵。本研究不僅得出了高準確性的模型，還發現了影響分子性質的關鍵特徵，且可擴展至其他預測。

目前網路上流傳許多使用人工智慧修復照片的網站或應用軟體。然而,由於這些訓練資料多數來自國外,導致修復中式建築照片的效果欠佳。此外,許多老舊照片因氧化、潮濕而泛黃,使得修復程序比起修復純黑白相片更加困難。因此,本研究旨在建🖂一個專門修復中式建築物的機器學習模型,主要分為以下三個部分:首先,使用機器學習模型對老舊照片進行修復,包括著色、去模糊化和降噪;其次,分析使用不同比例之有色調照片(模擬泛黃照片)訓練模型的效果;最後,研究不同的修復順序(著色、去模糊化、降噪)和模型執行次數對照片修復效果的影響,發現「著色、去噪、去模糊化」的順序修復效果最佳。此外，許多老舊照片因為受損等原因，只剩下極少的特徵，因此本研究採用機器學習模型，以延伸重建原始照片。透過這種方法，我們能夠重新建構當時建築物周圍可能的場景和情境。