過去的癌症治療大多為「One treatment fits all」的治療策略，然而免疫療法的出現改變了現況。本聯盟藉由患者的多體學數據，辨識癌細胞中的體細胞變異或異常表現的轉錄本，同時比對與篩選僅在癌細胞表面所呈現的肽段數據，最後經由實驗團隊嚴謹地生物驗證，開發出癌症疫苗。

本聯盟主要開發兩大腫瘤新生抗原辨識的線上分析平台與資料庫，包括：(1) NARWHAL - 同時由 DNA-seq、RNA-seq 和/或液相層析串聯式質譜(LC-MS/MS)數據中，識別腫瘤新生抗原的線上分析平台；(2) TWNeoDB - 臺灣人專屬腫瘤新生抗原資料庫與免疫原性預測系統。

該計畫也榮獲三次國家新創獎的殊榮，持續進行相關論文發表與專利申請。

在後基因體時代，本聯盟由微陣列晶片等令人驚歎且振奮的高通量技術，針對急性骨髓性白血病制定出以3個微小核糖核酸(miRNA)表現量為主體的預測分數系統，成功評估病人的預後。並在癌症 (肺癌、乳癌、食道癌和放射線治療)和心血管疾病 (心房顫動、Brugada 和 先天性 long QT 症候群) 上，找出關鍵的生物標誌物(biomarker)，投入藥物的開發與臨床應用 。

在次世代定序和三代定序等嶄新技術的成就出現時，本聯盟即發起以624位臺灣女性乳癌為主體的大型基因體計畫，先後與全臺八間醫院與醫學中心、永齡基金會和工研院合作，致力於癌症基因體學於臺灣臨床醫學的結合；亦投入臺灣瀕危之非模式物種(帝雉、藍腹鷴和水鹿)的基因體組裝，與木柵動物園一同為臺灣生態復育與保育努力；更與臺大吳明賢院長合作幽門桿菌的除菌治療研究，提供腸胃道之總體基因體學的分析技術支援，為臺灣的精準醫學與健康而努力。

生物體本身即為龐大的數據集，對單一物種單一個體的基因定序動輒數十至數百Gigabyte之分析數據，當研究的對象為一群體時，其數據甚至可達數Terabyte的等級，所以開發生資工具或資料庫來處理龐大的數據就顯得格外重要。本實驗室迄今針對不同疾病、生物學關聯性分析、各式定序平台、東西方族群基因體資料比較等，已開發數十種線上分析平台與整合型資料庫。對於三類對象：(1) 剛踏入該研究範疇的生資人員；(2) 以實驗驗證為主的研究人員；(3) 尋找研究標的的學者，皆能受惠。

例如本聯盟開發的miRSystem分析平台，能夠整合各式資料庫及演算法，找出miRNA對應的目標基因，目前已累積來自96個國家，共9萬6千多使用者，以及3百多篇的論文引用。

近年來深度學習的崛起，不少科技公司跨足醫學影像的輔助檢測系統(譬如大腸鏡的息肉檢測等)卻止步於此，若能將人工智慧同時應用於多體學資料和醫學影像，可使我們對精準醫學的領域有更深層的理解。然而生物資訊和分子生物學領域像是巍峨高山，若沒有相關專業背景，容易將定序偽產物(sequencing artifacts)解釋為重要特徵。

目前本聯盟已經成功將DNA定序資料及病理切片影像，開發出三種高效能的深度學習工具，可應用於分類及辨識特定目標物上。例如本聯盟與臺大法醫所合作，開發一套深度學習的預測方法以偵測及分類混合物中的不同個體，能用於不同次世代定序平台，並使用滑動視窗(Sliding Window)克服序列長度不一的問題，在法醫鑑定與乳癌分型應用上，其準確率高達97-99%。

該計畫也榮獲國家新創獎的殊榮和國內外專利。