為了能夠進行快速核磁共振掃描，醫生們一直在和那些不停扭動的兒童進行鬥智。
如今，幸虧更快速的核磁共振成像（MRI ）技術的研製成功，他們可能再也不用焦慮如何讓自己的病人保持長時間的靜止了。
照片中所展示的對一名6歲先天性心臟病患者的心臟血流情況進行的成像，僅需要10分鐘，而非傳統MRI所需的1 個小時。為了進行更快速的成像，研究人員採用了與JPEG 壓縮類似的算法。
美國加利福尼亞大學伯克利分校的Michael Lustig 和同事於2 月19 日在加拿大溫哥華舉行的美國科學促進會年會上報告了這一研究成果。
所謂的壓縮傳感MRI 在時間和空間上提供了一種拍攝軟組織圖像的更快速的途徑。與捕捉所有的數據點不同，這項技術會隨機地記錄數據，進而繪製出一個稀疏的圖像。這種不完整的影像在掃描後，會由顯示每個像素最簡單的解決方案的算法進行填充。雖然研究人員仍在完善這種快速掃描技術，但有少數診所已經開始用它來減少掃描時間了。
原文出處：ScienceShot: Medical Imaging, In A Snap[2012-02-19]
我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。
——史蒂芬．霍金（Stephen Hawking） 英國理論物理學家
大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。
圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？
在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？
不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。
在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。
1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。
一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：
總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：
只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！
現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換
x’ = x cosθ + y sinθ
y’ = -x sinθ+ y cosθ
即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？
人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算，那上圖的轉換只需 10-6 秒鐘！
GPU 可分成兩種：
2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。
事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。
我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。
人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。
黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」
人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？
GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。
（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。
（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?
（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?
（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。
（註五）
或
。
討論功能關閉中。
在瑞士有個 61 歲的男子，4 天前還被看到好端端的，眼下卻沒來由地在家裡掛了。目擊證人、已知疾病、就診紀錄，或是感染相關的線索，例如：升高的肛溫、皮膚的瘀點、退燒藥、止痛劑等，要什麼沒什麼。驗屍團隊推估男子死亡超過 24 小時，其他所知無多。[1]
就外觀而言，男子的屍體沒有任何病灶。驗屍團隊本來想照慣例，先做電腦斷層掃描（computed tomography），觀察內部概況後再解剖。無奈這天儀器故障，所以改照核磁共振造影（magnetic resonance imaging）。不過，塞翁失馬，焉知非福。雖然核磁共振的成本較高，費時冗長，但是影像更為細緻：神經放射科醫師指出腦部額葉與顳葉的扣帶皮質、邊緣葉，以及島葉皮質的左側，都有損傷。換句話說，可能是單純疱疹病毒腦炎（herpes simplex virus encephalitis）。[1]
照完醫療影像，把屍體剖開來，有肉眼和顯微鏡都可見的肺炎（pneumonia）病變。腦部切片的組織學分析，以蘇木紫（hematoxylin）和伊紅（eosin）染劑上色，顯現出少量發炎的腦幹細胞與病變的海馬體神經元；透過免疫組織化學染色，則發現腦幹內有某些類型的 T 細胞和巨噬細胞，以及活化的小神經膠質細胞等多種免疫細胞。更重要的是，在海馬體中找到單純疱疹病毒（herpes simplex virus）HSV-1 與 HSV-2，證明了根據核磁共振影像所做的推測。[1]
單純疱疹病毒經由接觸傳播，從皮膚或黏膜進入人體，感染神經末梢，並在神經節中進行複製。[1]該病毒分為兩型：90% 的人口都得過，會造成口腔疱疹／唇疱疹的 HSV-1，偶爾也因口交衍生出性器疱疹；不過較不普遍的 HSV-2，通常才是後者的元兇。[1, 2]另外，有些極罕見的 HSV-1 和 HSV-2 案例，是母親於生產時，傳染給嬰兒。[2]
首次感染也許會發燒、頭疼、喉嚨痛、身體痠痛，或淋巴結腫大。這些症狀若難以承受，可以透過藥物緩解；但是單純疱疹病毒一旦定居神經細胞，只會一下活躍，一下沉寂，終身無法根除。生病、發燒、月經、創傷、手術、陽光曝曬與心理壓力等，都可能引起復發。好在之後的發作通常為期較短，病況也不如第一次那麼嚴重。[2]
儘管單純疱疹病毒只會給一般人帶來暫時的不適；遇上免疫力差的人，發作就更加嚴重且頻繁，甚至有致命的風險。[1, 2]HSV-1 感染可能併發腦炎（encephalitis）和角膜炎（keratitis）；[2]HSV-2 則會導致腦膜腦炎（meningoencephalitis）與擴散至多處的瀰漫性感染（disseminated infection）。[2, 3]
單純疱疹病毒腦炎的成人發病率高，每年約有 1/250,000–1/500,000；而且就算即時診斷，並經靜脈施予抗病毒藥物 acyclovir，仍有 20% 到 30% 的死亡率。[4]其診斷方式為執行腰椎穿刺（lumbar puncture），抽取腦脊髓液來檢驗有無病毒；以及做腦部核磁共振，主要看額葉與顳葉是否病變，僅有少數病例會擴及腦幹。病毒影響腦部，展現出來就成了頭疼、癲癇、發燒、失語、個性改變或精神錯亂。[1]
問題是這名男子生前大概缺乏明顯症狀，所以未曾就診。難怪 2023 年在《國際鑑識科學：報告》（Forensic Science International: Reports）期刊介紹此案的論文作者，只差沒抱怨如此隱蔽的疾患，要叫人怎麼猜。他們最後表示男子死於肺炎，卻通篇討論他罹患的單純疱疹病毒腦炎，並且強調多數鑑識單位頂多幫屍體照電腦斷層掃描，不太容易發現這種腦部感染，所幸他們的電腦斷層掃描儀壞掉，仰賴核磁共振才做出正確診斷。[1]
本文轉載自諾貝爾化學獎專題系列，原文為《【2002諾貝爾化學獎】質譜與核磁共振》
今年的諾貝爾化學獎是由三位學者所共享，他們的研究涵蓋了兩個重要領域：質譜與核磁共振。這三位得獎者是美國 Virginia Commonwealth 大學的 John B. Fenn，日本島津（Shimadzu）公司年僅四十三歲的研發工程師田中耕一（Koichi Tanaka）以及瑞士理工學院的 Kurt Wuthrich，前二者所專精的是質譜方面的研究，而後者是由於在核磁共振方面的研究而得獎。他們最主要的貢獻，是利用這些工具來解決巨大的生化分子之結構問題，他們的成就代表了一個革命性的突破，使得＂化學生物＂（chemical biology）成為現今的＂大科學＂（big science）。化學家們現在已經可以快而準確的鑑定一個試樣中含有的蛋白質為何物，他們也能夠繪出蛋白質分子在溶液中的三度空間圖像，也就是說，化學家已有能力＂看到＂蛋白質並瞭解它們在細胞中如何的作用。
所有的生物體 ─ 細菌，植物及動物 ─ 都含有相同型態的大分子或高分子，而這些分子與我們所謂的生命是息息相關的。在細胞中所發生的現象是由核酸（例如DNA）來控制的，我們可稱之為細胞的＂導演＂，而各種蛋白質則是細胞的＂主角＂。每一個蛋白質都具有一種功能，並可隨著環境而變化。例如血紅素將氧氣輸送到人體內的各個細胞。
個別蛋白質的研究並非一項新的研究領域，然而蛋白體學（proteomics），也就是研究不同的蛋白質如何相互的聯合以及合併與其它的物質在細胞中共同運作，卻是一個在過去數年間極速成長的新興領域。隨著一個個生物體的基因之定序完成，以及相關的尖端研究不斷向前挺進，新的問題亦隨之而產生：人類約三萬個左右的基因，其密碼是如何的對應到千百來種不同的蛋白質？如果一個基因損傷或缺少了，會發生什麼狀況？像阿茲海默症或狂牛症是如何發生的？上述的新化學領域是否可運用到更快速的診斷出以及醫治好這些威脅到人類的疾病？
要想解決類似這樣的問題，化學家不斷的追求有關蛋白質的更多知識，以及瞭解它們如何相互聯合或與其它的分子聯合而在細胞中運作，這是因為它們的結合將會影響其結構，而在蛋白質結構上一點點的變化，就會對其功能有決定性的影響，因此下一步就是要掌握其活動狀況：當蛋白質相互作用的那一瞬間，蛋白質分子是何長相？尤其是在那決定性的一刻又如何？若想要瞭解，那我們就必須擁有“目睹”的能力。
質譜現在能讓我們利用分子的質量快速的鑑定出一個試樣中的化合物結構，這項技術早就被化學家運用在小型與中型的分子鑑定工作上，這項工具靈敏到能探察非常少量的分子。例如在吸毒以及藥物濫用的檢查，食品的控管以及環境的檢測等方面，質譜的運用在現今已是如例行公事般的尋常。
其實早在十九世紀末頁，質譜就已奠下了基礎，在 1912 年，湯木森（Joseph J. Thompson）就報告了第一例的小分子結構分析。好幾個二十世紀的諾貝爾獎工作就是直接倚賴質譜分析，例如 Harold Urey 發現氘（1934年諾貝爾獎），以及＂碳足球＂富勒烯（fullerenes 又稱碳六十）的發現，導致 Robert Curl、Harold Kroto 與 Richard Smalley 得到 1996 年的諾貝爾獎。
當然將質譜運用在高分子上的目標早就吸引了許多的科學家，在 1970 年代已經能成功的將高分子轉化成氣相的離子，稱為脫附技術（desorption technology），這成為過去二十年間在此領域中革命性進展之基礎。
雖然與其它的小分子比較，高分子的確很大，但實際上一個單一的高分子仍然是極為渺小的，例如血紅素的一個分子的質量只不過是10-19克左右，那麼要如何量度這麼小的質量呢？關鍵就在於如何讓蛋白質分子相互分開，並形成一片可自由飛翔，並且攜帶電荷的蛋白質離子雲霧，緊接著量度這些離子質量（因之而能鑑定蛋白質）的常用方法，就是在一個真空室中將它們加速，然後量度其飛行時間（Time Of Flight, TOF），它們達到目的地的先後與其質量以及電荷有關，越輕而且電荷越高者，越快抵達。
現今有兩種做法能使得蛋白質轉變為氣態離子而不會改變其結構與形體，這兩種方法背後的發明者就是今年共享一半諾貝爾獎的兩位學者。其中由 John B. Fenn 所發展的方法是運用一個很強的電場將試樣噴灑出去（稱為電灑法，見圖一），而產生一個個帶電荷並能自由飛翔的離子。另一種方式是運用一個強烈的雷射脈衝，在適當的條件下（視能量，與試樣的結構和化學環境而定）運作，試樣可接受雷射脈衝的能量而被釋放成為自由的離子（見圖二），頭一個展示這種＂輕雷射脫附＂（soft laser desorption）現象可運用在蛋白質這種大分子的人就是田中耕一（Koichi Tanaka）。
在 1988 年 John B. Fenn 發表了兩篇後來被視為突破性的質譜論文，那是有關電灑高分子的研究。在第一篇論文中，他研究具有未知質量的聚乙二醇（polyethylene glycol）的質譜，發現可以運用他的方法處理具有高分子質量及高電荷的大分子。他的第二篇論文顯示這個方法亦可運用在中等大小的蛋白質上。離子的釋出是藉由一個電場將試樣噴灑出去，形成許多帶電荷的水滴，當水滴中的水蒸發之後就剩下了帶電而且可自由翱翔的赤裸裸蛋白質分子，這個方法被稱為電灑游離法（electrospray ionization , ESI）。
當這些分子具有很高的電荷時，質量／電荷的比值就會小到可用普通的質譜儀來分析。另一個好處就是相同的分子可能攜帶不同的電荷，因此會得到一系列的訊號，雖然這個現象使得圖譜變得複雜，甚至對早先的研究者造成困擾，但這也產生了更多的資訊，使得鑑定的工作變得較容易。
在同時，於世界的另一端也正進行著另一份精采的工作，在日本東京的島津儀器公司，有一位年輕的日本工程師田中耕一，發表了另一種截然不同的技術來解決那最重要的第一步。在 1987 年的一項學術會議中（並於一年後發表論文），田中耕一展示蛋白質分子可藉由輕雷射脫附（soft laser desorption , SLD）的技術而游離。有別於電灑法，一個處於固相或粘稠的液相狀態的試樣以一束雷射脈衝撞擊，試樣接受能量之後被炸成許多小塊塊，然後分子相互分離，釋出自由翱翔的完整離子，其電荷不高，然後藉由一個電場加速，並透過其飛行時間的長短探測之。田中耕一是展示可運用雷射的技術於生化高分子上的第一人，其原理是現今許多極為有用的雷射脫附技術的基礎，特別是簡稱為 MALDI（Matrix-Assisted Laser Desorption Ionization，基質輔助雷射脫附游離），SELDI（Surface Enhanced Laser Desorption Ionization，表面強化雷射脫附游離），以及 DIOS（Direct Ionization On Silicon）等三種方法。
電灑游離法（ESI）與輕雷射脫附法（SLD）可運用在許多領域。這個在現在生化分析中已經成熟的方法，在數年前還不過是個夢想。研究蛋白質之間的作用對瞭解生命體中的訊號系統是非常重要的，這些以非共價鍵結合的生化分子錯合體，可以運用 ESI 來研究，這種方法優於其它方法的原因，在於具有快速，靈敏以及能發現作用機制的多項好處。質譜分析的方法相對而言算是便宜的，這也使得此項技術迅速的擴散到世界上各各角落的實驗室中。現在輕雷射脫附法（MALDI 的形式）與電灑游離法已成為分析胜肽，蛋白質與碳水化合物的標準方法，它們可以迅速的分析出一個完整的細胞或活組織中的蛋白質成分。從下面所列現今的一些研究領域之例子，就可看出今年的諾貝爾獎工作所衍生的運用之廣泛：
質譜可針對譬如說蛋白質所提出的＂哪一種？＂與＂有多少？＂的問題給予答案。簡言之，核磁共振則可回答＂長相如何？＂。即使是最大的蛋白質在任何顯微鏡底下的解析度仍然很低，因為它仍然太小了，為了要能得到一張蛋白質真正長相的圖片，就必須用其它的方法，核磁共振（NMR，nuclear magnetic resonance）的技術就是其中之一。透過核磁共振光譜訊號的解釋，我們就可以對所研究的分子繪出一張三度空間的圖像。其巧妙之處在於試樣可以是一種溶液態，如果是蛋白質的話，那正是細胞中的自然情況。
在核磁共振發展之前，以晶體的 X 光繞射光譜來決定蛋白質分子的三度空間結構是唯一的方法，在 1957 年發表了第一個真正的蛋白質（肌紅蛋白）之三維結構，這使得 Max Perutz 因此於 1962 年得到諾貝爾化學獎。這種結晶學是基於 X 光在蛋白質晶體中的繞射現象，導致了更進一步的一些諾貝爾獎工作之發展。化學家一直在尋求另一種與 X 光結晶學互補的方法，能夠決定分子在溶液相中之結構，因為這較能模擬生化分子在自然界中存在的狀態。
物理學家 Felix Bloch 與 Edward Purcell 早在 1945 年就發現，將某些原子核置於一個強大的磁場中時，透過所謂的核轉量（nuclear spin），會吸收無線電波的頻率，這個發現導致他們得到了 1952 年的諾貝爾物理獎。在這之前幾年也已發現核磁共振的頻率不但與磁場的強度以及核種有關，同時也與這個原子週遭的化學環境有關，更進一步的，不同的核之核轉量會相互影響而在光譜中產生一些細部結構，換言之會因此在核磁共振光譜中產生更多的訊號。
早期 NMR 的運用受限於其低靈敏度：它需要非常濃的溶液，不過在 1966 年，瑞士的化學家 Richard Ernst（1991年諾貝爾化學獎）的研究顯示，若改變過去慢慢改變掃描頻率的做法，而以一個短而強的無線電波脈衝施於樣品，則可以大幅提昇其靈敏度。他的貢獻也包括了在 1970 年代所發展的方法，能決定在一個分子中每一個核的相鄰關係，因此透過 NMR 光譜的判讀就可以推導出該分子的長相，也就是它的結構。這種方法對於相當小的分子是很成功的，然而對於大的分子就很難分辨不同的核之訊號，這種分子的光譜就好像一塊草皮一般（每一根草代表一根訊號），含有上千根的訊號，造成無法區辨哪一個訊號是屬於哪一個核的。最後解決了這個問題的科學家就是瑞士的化學家 Kurt Wuthrich。
在 1980 年代初期，Kurt Wuthrich 發展了一個如何將 NMR 運用到像蛋白質這樣的生化分子的想法，他發明了一種系統化的方法將訊號與正確的氫核配對，此法稱為循序指認法（sequential assignment），堪稱為現今所有 NMR 結構分析的基石。他又展示接著如何找出許多對氫核之間的距離，然後運用一個基於距離與幾何結構的數學方法，搭配以上的資訊，計算出該分子的三維結構。
在 1985 年 Wuthrich 的方法第一次成功的解出了一個蛋白質的完整三維結構，到目前為止，在所有上千已知的蛋白質結構中約有 15-20% 是透過 NMR 決定的，其它的則主要是利用 X 光結晶學而定的，加上少數幾個是運用電子繞射或中子繞射的方法。
在許多方面，NMR 與 X 光結晶學的方法在結構的決定上是互補的，如果一個蛋白質用這兩種方法都分析一遍，前者在溶液中後者則是晶體的形式，通常會得到一致的結果，例外常是發生在一些表面較易受到環境影響的區域 ─ 在晶體中緊密堆積的蛋白質分子相互的影響，在溶液中包圍著分子的溶劑分子的影響。雖然 X 光結晶學的方法強在能非常準確的決定非常大的三維結構，NMR 的方法也有其獨到之處，因為它可以決定在溶液中的結構，代表我們可以模擬真正的生理條件。它最強的地方在於顯示出分子中沒有結構性或動態最高的區域，它可探知其游動性與活動狀況，以及瞭解在蛋白質的鏈上這些運作如何變化。利用同位素的標籤，亦有助我們對結構的鑑定。
一個利用 NMR 決定蛋白質結構的例子是有關一種稱為 prion 的蛋白質，這個蛋白質攸關好幾種危險的疾病，例如狂牛症（1997年 Stanley Prusiner 所得的諾貝爾醫學獎）的發生。Wuthrich 與其工作夥伴運用 NMR 的技術顯示一個正常的 prion 蛋白質具有兩個部份：此一蛋白質約有一半在水溶液中具有一個整齊而且相當堅固的三維結構，而另一半則不具結構性而且游動性很高。
NMR 亦可以運用在其它的生化高分子的結構與動力研究上，例如 DNA 或 RNA。
NMR 也運用在製藥工業中，解決一些蛋白質以及其它可能可以作為新藥目標的高分子的結構，以及瞭解進一步的性質問題。藥物分子的設計就是要能與蛋白質結合 ─ 就像鑰匙與鎖的關係。NMR 或許在工業上面最重要的運用就是在尋找具有潛力，能與特定生化高分子作用的藥物分子，如果一個小分子與一個大的分子結合時，那個大分子的 NMR 光譜通常會有所改變，因而此法可用在發展新藥時，迅速的在早期篩選大量的可能候選者。
在過去這五年，我們看到了在生命科學領域中所出現的＂全像＂概念，例如基因體學，蛋白質體學以及代謝體學的興起，這種思維主要的觀念是採取一種整體而大規模的研究策略，而非如早期的研究般，採取簡化策略，以解決問題為出發點。現在我們已經可以描述一個生命體中的整個基因體，同樣的，現在也已經可以開始考慮，在一個活的細胞中某一階段所參與的整組蛋白質的運作，只不過尚未能達到定量的階段。這個概念也同樣的運用在整個代謝物流上。這些新的可能性，有一部份是源自於新方法的發展，其中質譜與 NMR 在生物高分子上的運用應為重要的例子。不過隨伴著以企業化方式大幅度的繪製生命體中分子性質的圖譜之時，我們仍有更殷切的需求，深入的瞭解在分子的層次，生化過程是如何發生的。在這個由基本的生化科學所構成的世界裡，質譜及 NMR 在生物高分子上的運用，已成為增進對生命的瞭解之過程中，重要的基石。
蔡蘊明譯自諾貝爾化獎委員會公佈給大眾的新聞稿：
http://www.nobelprize.org/nobel_prizes/chemistry/laureates/2002/popular.html
若需要進一步的資訊，請至以下網頁點選：
http://www.nobelprize.org/nobel_prizes/chemistry/laureates/2002/advanced-chemistryprize2002.pdf
