2011 細胞影像分析比賽優勝：發現科學的內在美

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

本文轉載自顯微觀點

細胞狗仔隊 專拍細胞不為人知的一面

「我是細胞生物學的愛好者，我們實驗室團隊是細胞生物學的狗仔隊，專拍細胞不為人知的一面。」成大生醫工程系主任邱文泰，帶著笑容自我介紹。

邱文泰專精於活細胞分子造影、光遺傳學以及變化多端的細胞內信使：鈣離子對細胞生理機能的調控。他與團隊近年的重要研究之一，是以光遺傳學精密調控細胞內鈣離子濃度波動，觀察鈣離子如何影響細胞遷移（cell migration）。

20 世紀後半葉，生醫學界逐漸發現鈣離子是功能繁複的細胞訊息傳遞者，可調控授精、細胞增生與死亡、學習與分化，也參與細胞遷移、活化特定轉錄因子。

傳統生化科技如藥理、化學、物理方法，無法在時間、空間上精準調控與觀測活細胞內的鈣離子變化。細胞如何讀取鈣離子濃度波動（calcium oscillation）訊號，如頻率、幅度等，還是一個待解的謎題。

以光操縱鈣離子通道 解碼鈣離子波動訊號

邱文泰團隊運用光遺傳學（Optogenetics）技術，將人為編輯過的光敏感鈣離子通道蛋白 CatCH（calcium translocating channelrhodopsin）基因轉染（transfect）進入人類骨肉瘤細胞（U2SO）。位在細胞膜的 CatCh 蛋白一旦吸收藍光，就會開啟鈣離子通道，讓胞內的鈣離子濃度快速提升。

光線停止照射，CatCh 就不再輸入鈣離子，細胞原本的平衡機制開始作用，將鈣離子排至胞外（或內質網中），造成細胞質的鈣離子濃度起伏。因此實驗團隊能精密調整骨肉瘤細胞的鈣離子波動，並結合螢光顯微術觀測細胞狀態。

他們以大量表現 Catch 的骨肉瘤細胞（U2OS-CatCh）作為鈣離子波動的主要實驗對象，以藍光照射細胞，調整細胞內鈣離子濃度波動的幅度、週期、頻率、時間等參數。

在模擬傷口癒合的實驗中，培養皿中間表面被留下一道未被細胞覆蓋的空地，兩側細胞會逐漸往中間遷移、會合，直到將空地填滿。此細胞遷移的過程與人體傷口癒合相似，也與癌細胞在人體擴散的機制有關。

細胞遷移需要細胞骨架與細胞內諸多蛋白質分子聯合運作，參與的分子間還會彼此調控、影響。不同的細胞內訊息分子（即第二信使，second messenger）分別調控不同的蛋白分子路徑。鈣離子在其中的角色眾說紛紜，科學界對詳細機制的認識猶如管中窺豹。

邱文泰團隊發現，對 U2SO-CatCh，0.01 赫茲的藍光照射可帶來顯著高於對照組的細胞遷移量。在 0.1 赫茲的光照下，細胞遷移量卻比沒有照光的對照組更低。

參與細胞遷移的重要轉錄因子 CREB, NFAT, NF‐κB 也由不同強度的鈣離子波動活化，NF‐κB 由較低的鈣離子濃度活化；NFAT 由較高的鈣離子濃度活化；而高或低的鈣離子濃度波動都可以活化 CREB。

他們的研究不僅印證鈣離子波動可調節癌細胞增生、遷移的理論，也發現鈣離子波動頻率、幅度並非愈高就愈有效。若以 10 赫茲的藍光照射 U2SO 培養皿一個小時，90% 的細胞會死亡，死亡率遠高於波動頻率較低的組別。

透過光遺傳學技術對細胞進行時間、頻率的精準刺激，邱文泰團隊發現鈣離子作為細胞第二信使，能攜帶的訊息比過往的想像更加龐大。也推進了鈣離子訊息的解碼技術，在癌症研究、轉錄因子活化機制研究上，都可能帶來幫助。

堅持研究活細胞，以影像探索未知

熱衷細胞生物學的邱文泰說，「要當細胞狗仔隊，就要有好的相機大砲，才拍得到細胞生活的秘密。」他認為，現代細胞生物學必須要以活細胞為研究材料，才能深入了解細胞生理機制。而拍攝細胞生理活動的顯微設備，是細胞生物學家依賴的重要工具。

邱文泰認為，現代的細胞與分子生物學不同過往，需要以影像證據說服科學家同儕。研究發表的依據不再是間接量化的座標點、折線圖、柱狀圖，他說「現在顯微影像是不可或缺的，甚至立體影像才是學術發表的標準。」

邱文泰分析，隨著類器官（organoid）、層光顯微術（light sheet）、生物組織澄清化（tissue permeabilization）等顯微技術逐漸成熟，精密顯微影像會在生醫研究領域被視為理所然的科學依據。

回想早期接觸的生物學技術，邱文泰笑說，「我那時的研究生都有一件實驗用『戰袍』，上面遍佈黑色斑點，是在暗房被顯影劑沾到的工作痕跡。現在的實驗都用數位影像，研究生恐怕連底片長什麼樣子都不知道。」

邱文泰回憶，數位顯微影像甫推出的時候，學術圈同儕普遍擔心著名期刊不接受新式的數位影像。「誰知道兩三年後，再也沒有人在暗房洗底片！接下來的細胞生物學家，實驗衣都很潔白。」

邱文泰說明，生物學研究會隨著技術演進，愈必要的技術，帶來的改變愈快。他舉例道「傳統的顯微影像以 2D 形式為主，對生物體的模擬有限。3D 影像將是未來生物學研究不可避免的趨勢。」

不僅植入螢光蛋白、使螢光蛋白遺傳、分子標定等技術成為細胞生物學研究的基本配備，科學家還需要精密的顯微設備才能拍好實驗成果。

生醫光學影像核心平台 共享儀器降低門檻，帶來交流

邱文泰說，儀器的成本與操作的確會形成實驗門檻，因此成大醫學院營運生醫光學影像核心平台，聚集校內學者的貴重光學儀器，由專門經理、技術員負責保養、補充、操作事宜。每個實驗室的成員，甚至附近學校的師生、生技廠商都可以申請使用，僅需負擔相當低廉的費用。

平台內許多貴重儀器都是沈孟儒（成大藥理所特聘教授，現任成大校長）、邱文泰等學者主動提供，他們也樂意無償提供使用教學。擔任平台主持人的邱文泰說，共用貴重儀器可以提升學術圈的整體利益，不但儀器的價值得以充分發揮，研究者們也可以透過平台交流彼此的技術專長。

他舉例道，「最直接的方法，就是看誰最常登記使用特定儀器，就表示他很擅長那項技術，需要的時候可以直接請求合作。」若儀器都留在各自的實驗室裡，這種交流學習的機會無法出現。研究者也不容易嘗試不同儀器的功能，討論不同儀器的優劣長短。

最嚴格的細胞生物學，點燃學術興趣

邱文泰說，自己出身苗栗鄉間，選填大學志願時沒有明確志向，只想離家遠一點。他覺得自然與生物是成長過程中熟悉的一部分，就選填了大多數的生物學科系。就讀成大生物學系，是分發之下的偶然。

在成大生物學系，周遭同學紛紛進入實驗室做專題，邱文泰卻直到大三還沒建立學術志向。直到的必修課「細胞生物學」結束後，他對實驗的興趣才被點燃。那門課由甫從美國歸來的陳虹樺老師任教，教學與考試都相當嚴格緊湊。

邱文泰回憶當年的細胞生物學課說，「期中考和期末考要寫滿四個小時，而且幾乎全部是申論題。考前壓力很大。」但也因為如此嚴格的學習要求，他踏實地讀完課本上每一個字。通過期末考後，心中充滿成就感，決定加入細胞生理相關的實驗室進行專題研究。

融合美式獨立與日式嚴謹，潛移默化的學術人格培養

求學階段多在成大吸收養分，現在也致力培育成大學生的邱文泰，認為對自己影響最深刻的，是湯銘哲（現任成大生理所特聘教授）和沈孟儒兩位學者的風範。

邱文泰說，「湯銘哲老師的心胸開闊，重視自由探索與獨立研究，可說是典型美式風格的學者。碩士班學生的題目要自己發想、設計方法，老師負責引導大方向。」而且湯銘哲對學術同儕非常慷慨大方，隔壁實驗室來借任何耗材與設備，或是需要技術協助，他總是樂意援助。

邱文泰笑說，正因為這種慷慨大方，湯銘哲實驗室的成員經常處於「幫助鄰人」的狀態。他回憶說，「當時覺得很忙碌，但成為實驗室主持人之後，發現自己已經被這種風格潛移默化了。」

邱文泰也以樂於分享、協助的風格領導實驗室。他說，「我的學生也經常幫助其他實驗室的同學，我希望他們在互助、分享的氣氛中成長，成為心胸開闊的人。」

自博士班第二年開始，邱文泰加入新成立的沈孟儒實驗室，接受共同指導。他說，「沈孟儒校長是日式風格的學者，對研究與學術寫作追求完美的高標準。他如果看你的論文草稿寫錯超過三個字，就會請你拿回去重寫。」

邱文泰讚賞說，沈孟儒對科學研究的嚴謹要求，是他的職業楷模。他打開會議室的鐵櫃，數十本厚實日誌整齊排列其中。他說「因為沈老師的指導，我直到今天持續寫著實驗日誌，確實記錄每一天的實驗內容。對學生，我也要求交出完整的實驗日誌，才能從我的實驗室畢業。」

嚴謹治學的風格，呈現在邱文泰的實驗室管理，他們的藥品、抗體集合收納且全體共用，每個人都使用相同規格的研究材料。不會出現各用一套藥品，劑量、藥效不同，實驗結果難以重複的狀況。

他說，「材料的品質控制與共享，對實驗成果的精準化和均一化就是一件好事，也是科學研究的必要。」

邱文泰嚴格要求實驗室各種藥品、器材的擺放秩序，收納之後要編寫目錄和標示，任何人都能一目了然。他打趣說，「小偷闖進我們實驗室，根本不需要翻箱倒櫃，他可以按圖索驥找到所有東西。」

這種嚴謹的管理風格深刻地影響邱文泰的學生。他舉例說，一位博士班畢業生回到廈門大學擔任實驗室經理，按照邱文泰一致化與秩序化的風格整理實驗室，不但讓同事感到驚喜，連周遭實驗室的經理也紛紛來學習這種實驗室管理。

融會了兩位迥然不同的成大傑出學者風範，邱文泰長年投入引導成大學生對知識產生興趣，潛移默化對物嚴謹、對人開闊的高尚人格。因此數次獲得輔導、教學方面的優良教師獎。

鮮為人知的是，他其實差點成為高中教師，遠離成大的學術環境。

探索未知，比收入和安穩的生涯更重要

回憶起職涯轉捩點，邱文泰說，「那是人生最困難的決定。我剛退伍就在台南女中得到正式教師職位。眼看有個穩定、待遇不差的職業選擇，卻又被邀請回去讀博士班。」

邱文泰的考慮相當務實：高中教師的薪資高於社會平均、有退休保障，上下班時間穩定還有寒暑假。而博士班學生薪資不如高中教師，更不容易保持生活與工作的平衡。

收入和閒暇時間考量之外，邱文泰更重視學生對知識的態度，他回憶說，「我喜歡對高中生分享最新科學消息，例如當年諾貝爾獎得主與研究內容。」學生們的反應卻是「這些會考嗎？」

高中生在升學制度訓練下，認為只有考試相關的科學知識才是重要的，而高中教師也必須精熟解題技巧。邱文泰坦承，「我體會到，自己並不想走上鑽研教科書上既定知識與解題技巧的職涯。對我來說，更想要的是親手研究、接觸未知。」

邱文泰說，「跟我同屆考上高中老師的同學已經準備退休，而我還在規劃新的研究計畫、主持與眾人研究息息相關的生醫影像核心平台，但是我覺得這樣很充實。」

主持儀器共享平台，減少科學社群的資本差距；傳授學生知識與潛移默化的人格教育，對邱文泰來說毫無義務感，而是讓生醫領域更加蓬勃明朗的充沛機會。

查看原始文章

為了理解染色體異常細胞對鑲嵌型胚胎的影響，我們必須要創造出數百個小鼠胚胎，並研究數千個胚胎不同部位的細胞。這麼龐大的工作量需要有一位專職的科學家，也需要資金。

在匯整如何測試這個假設的思緒時，我在絨毛膜採樣檢查後又進行了另一個羊膜穿刺檢查，這個檢查一樣在超音波影像的引導下，將針插入包圍發育胎兒的羊膜囊中，以取得少量的透明羊水樣本來進行分析。保護胎兒的羊水會帶有胎兒細胞，可以用來確認是否具有染色體問題。這次的檢查結果是沒有問題的，我們都鬆了一口氣。不過，得要到我把孩子抱在手上那時，我才能百分之百地放心。

還有其他的好消息是，我有了資源可以進行了解我檢查結果的研究。我在發現懷孕那天所進行的面試，讓我獲得惠康基金會的資深研究補助金。這筆補助金原本打算用在另一個計畫上，不過他們給我足夠的自由度，可以直接挪用其中部分資金來為鑲嵌型胚胎建立模型。

如何製造染色體異常的細胞？

我們有一大堆事情要做。首先，我們得要找到一種可信的方式（最好不只一種）來製造染色體異常的細胞。然後我們還要找到一種方式來標記這些細胞，好讓它們在正常細胞旁發育時，我們可以追蹤到它們。製造異常細胞比我們原先所想得更加困難。海倫測試許多種不同的方法來干擾染色體分離的過程，我們最後用到一種名為逆轉素（reversine）的藥物，這是我們實驗室中另一個研究計畫使用過的藥物。

逆轉素是種小分子抑制劑。我們想要使用逆轉素來抑制染色體分離中的一個關鍵過程。那是一個分子檢查點，在正常情況下會暫停細胞分裂（有絲分裂），直到有正確數目的染色體（帶有 DNA）被拉開，並分離到兩個不同的子細胞間為止。逆轉素會阻斷名為單極紡錘體蛋白激酶（monopolar spindle 1 kinase）的酵素，而這種酵素會在細胞分裂時確保染色體公平分配。

為了確認逆轉素確實會造成染色體異常，我們經由標記隨機選出的三個染色體來分析有用藥及無用藥的胚胎。我們所使用的標記方法名為螢光原位雜合技術（fluorescence in situ hybridization, FISH），這種技術會外加一個探針（短 DNA 序列）及一個螢光標記。當探針在樣本中碰到類似的 DNA 片段時，就會在螢光顯微鏡下發光。經由螢光原位雜合技術的追蹤，確認了海倫使用逆轉素後，確實會增加染色體異常胚胎的數量。

逆轉素的效用是暫時性的，海倫一把藥劑洗掉，檢查點就恢復正常功能。這很重要，因為這表示我們可以將胚胎染色體異常的發生限制在特定的發育期間內。

染色體異常的胚胎能正常發育嗎？

確信可以製造出染色體異常的胚胎後，我們需要確定這些施用過逆轉素的胚胎是否會完全發育。海倫對四細胞胚胎施用逆轉素，並觀察到在發育 4 天後，它們的細胞數量比未施藥的胚胎要來得少。不過雖然細胞數量較少，還是可以形成三組基本的細胞世系。

為了找出施用內逆轉素的胚胎是否可以長成小鼠，我們將這些胚胎植入母體中。這個時間點是在我們創造出體外培養胚胎的技術之前。每 10 個正常胚胎有 7 個會著床，而這個比例在施藥後的胚胎上則降了一半。最重要的是，施用逆轉素的胚胎沒有一個能夠成長為活生生的老鼠。這個實驗顯示，當胚胎中大多數的細胞都出現染色體異常時，它們的發育最終會以失敗收場，即使它們著床了、也發育了一陣子。

製造同時有異常與正常細胞的胚胎

現在我們可以進一步來探討那個重要的問題：若是只有部分胚胎細胞帶有染色體異常，發育又會受到何種程度的影響？為了找出答案，我們必須製造出鑲嵌型胚胎，也就是混合了染色體異常細胞與染色體正常細胞的胚胎。因此我們決定經由製造嵌合體來達到這個目的。

因為我們無法在對同個胚胎施用逆轉素時只讓其中一些細胞出現染色體異常，所以無法經由這個方式製造出鑲嵌型胚胎，因此我們想到了運用嵌合體的作法，將來自不同胚胎的細胞結合建構成嵌合體（鑲嵌型胚胎是由單顆受精卵生長發育而成的）。創造嵌合體而非鑲嵌型胚胎的好處是，我們可以系統性地去研究要具有多少異常細胞才會干擾到發育。很幸運地，這個作法成功了。

海倫在小鼠胚胎從兩細胞階段分裂到四細胞階段時，經由口吸管的方式施用逆轉素，並在八細胞階段將細胞一個個地分開。然後她將來自正常胚胎的四個細胞與來自施藥胚胎的四個細胞結合創造出八細胞嵌合體胚胎。

我們要追蹤細胞的命運就需要標記。我朋友凱特．哈迪安東納基斯（Kat Hadjantonakis）與金妮．帕帕約安努在紐約對小鼠進行基因改良，讓牠們的細胞核具有綠色螢光蛋白，所以我們就採用了具有這種特性的小鼠。我們將這類小鼠胚胎施予逆轉素，施過藥的細胞會與未施過藥的細胞有不同的顏色，這樣我們就可以做出區別。具有綠色螢光蛋白的細胞讓我們可以明確看到新細胞是在何時與何處誕生以及新細胞的後續分裂，還有，若是細胞死亡了，我們也可以看到是在何時與何處死亡的。我們可用此種方式為個別細胞建立「譜系圖」。

染色體異常細胞在胚胎發育過程中會被清除嗎？

我們為這些鑲嵌型胚胎拍攝了影片，以精準追蹤每個細胞的命運。海倫在螢幕上看見，異常細胞數量的下降主要發生在產生新個體組織的那一部分胚胎，也就是上胚層。這些異常細胞會在凋亡的過程中死去，也就是經歷程序性的細胞死亡。在注定成為胚胎本體的那一部分胚胎中，施用過逆轉素的細胞經歷凋亡的頻率是未施藥細胞的兩倍以上。

這個結果表示，在注定成為胎兒的那一部分胚胎中，異常細胞有被清除的傾向。這支持了我的假設，也就是在這一部分的胚胎中，異常細胞競爭不過正常細胞，不過實際運用的機制跟我原來所想的不一樣。

我簡直不敢相信。這是我們真的會研究出重要成果的第一個徵兆，發育中的胚胎不僅可以自我建構，也同樣可以自我修復。幾年前當我懷著賽門那時，絨毛膜採樣檢查所檢測到的染色體異常細胞的後代，有沒有可能在成長為賽門的那部分胚胎中自我毀滅了呢？

——本文摘自《生命之舞》，2023 年 9 月，商周出版，未經同意請勿轉載。