本實驗室的研究興趣是探討生物體面對環境因子變遷的調控機制，透過種內(不同品種、亞種或生態種)以及種間在不同環境條件下的表型和轉錄組變異，產生大量數據，再以機器學習演算法建立模型，進而找到參與調控表型的關鍵基因。 

　　我們最近的研究利用阿拉伯芥(雙子葉模式植物)和玉米(單子葉農作物)這兩個演化距離一億五千萬年的物種，找到演化上高度保留的氮反應基因，並發現這些基因表現量可以預測一個多基因調控的複雜表型: 氮肥使用效率。氮、磷、鉀是肥料三大組成元素，其中以氮肥所占比例最高，然而，施用於農地中的氮肥只有30-50%被植物吸收，殘留的氮肥會造成土壤與水資源汙染，因此合理使用氮肥是各國農業政策在平衡產能提升和環境保護的重要議題；目前臺灣每公頃耕地氮肥使用量（公噸）數倍於美日等已開發國家，接近開發中國家，降低氮肥使用並維持產能是國內亟需解決的挑戰。 

　　我們發現這個利用演化保留來優化機器學習的分析方式不僅能找出許多影響阿拉伯芥和玉米使用氮肥效率的重要基因，也可以運用在其他物種上，我們利用已發表的數據證實這個流程的廣泛使用性，可以預測稻米在乾旱時的產率，以及老鼠被施打流感病毒後是否出現症狀。 

近年研究主題

　　因為植物調節氮肥使用的機制與抗逆境性相互影響，若分別研究環境因子對性狀的影響，很可能篩選出優化一性狀（例如提升了氮肥使用效率）卻劣化另一性狀（減低抗病性）的品種；在這個研究脈絡下，我們希望綜合評估模式物種(阿拉伯芥)和農作物種(玉米)調節多重環境因子(氮肥使用、耐旱、抗病蟲害)對產能的影響，找到能預測多重性狀表現的基因組，並與農試所和農改場合作，應用於分子輔助育種，以同步改善作物氮肥使用效率和抗逆境性。