0

0
0

文字

分享

0
0
0

噪音能讓大腦的效能更好?一片平靜不如來些雜訊 ──《偶然的科學》

PanSci_96
・2018/07/10 ・5253字 ・閱讀時間約 10 分鐘 ・SR值 552 ・八年級

惱人的噪音大有用處

製造震動

我們傾向把隨機的噪聲訊號當成不好的東西,但在許多系統中,無論是生物和技術,噪音其實都是個機會。勞拉.斯皮尼 (Laura Spinney) 認為,如果沒有噪音,你的大腦效能可能不及現在的一半。

噪音通常是一種討人厭的東西,任何曾在飛機航線下方生活過的人,或曾經嘗試聽遙遠調幅廣播電台的人,都知道這一點。但是對工程師而言,噪音的隨機波動可謂天賜。

噪音通常是一種討人厭的東西,任何曾在飛機航線下方生活過的人都能深刻理解。圖/pixabay

二次大戰期間,空勤人員必須計算飛機的任務路線和炸彈軌跡,結果發現他們用來測量的儀器在空中的表現,竟然比在地面上好。空軍工程師很快找出原因;原來當飛機在空中移動時,機身會在很寬的頻率範圍內振動,偶然間有些頻率與移動中儀器零件共鳴頻率一致,讓零件震動,因而能更順暢地移動。然而,工程師不知道哪些頻率很重要,所以開始在儀器中放入小的震動馬達,希望能藉此引發共鳴。這是高頻脈動最早的應用,或是說,是人們蓄意添加隨機噪音的例子。

如今我們發現,演化比我們更早就懂得利用這個道理,生物早就在利用隨機訊號的好處。在某些情況下,加入微小噪音可以強化生物體對於環境的感知。例如比起在靜止的水裡,小龍蝦在湍流中更能偵測到細微的魚鰭活動。事實證明,在添加了一小段雜訊後,人類更能分辨螢幕上的模糊影像。

-----廣告,請繼續往下閱讀-----

外部噪音增強大腦能力

在這些案例中,噪音源是在生物體外部,但卻引起一個有趣的問題:演化是否會將這種震動融入大腦之中?現在,有一群神經科學家宣稱,他們已發現神經迴路有「刻意製造噪音的設計」。如果這群人的說法正確,那麼震動可能是自然裡的共同特徵。噪音的操作定義是:一個頻率混亂的寬頻訊號。比方說,白噪音的嘶嘶聲,是由人耳可聽見的完整頻率,從最低到最高以相同量組成的。相較之下,有意義的非噪音訊號,則是把它們的能量都集中在相對較窄的頻譜上。

噪音能提高微弱訊號被偵測的可能性,這種現象稱為隨機共振(「隨機」單純表示隨機的模式)。隨機共振專門用於非線性系統,其中的輸出與輸入不成比例。神經元是非線性系統的一個好例子,只有當細胞膜上的電位達到臨界閥值時才會啟動;在這樣的系統中,不能達到閥值的微弱輸入,可藉由注入噪音而讓它升高到超過閥值的水準。

神經迴路有「刻意製造噪音的設計」。圖/pixibay

許多理論模型表示,隨機共振可改善神經元處理訊號的方式。此外,已有良好的實驗證據表示,在某些情況下,增加外部噪音可以增強大腦的能力。隨機共振解釋了,為什麼湍流的水,有助於小龍蝦的感覺毛細胞偵測遠距離的魚鰭活動,以及為什麼噪音有助於人的肉眼看出模糊的圖像。外部噪音已被用來增強人類的表現,例如用人工耳蝸植入器,幫助人們聽見微弱的聲音,以及使用震動鞋墊減少中風患者的身體晃動。

大腦會自己產生噪音?果蠅的嗅覺系統研究

然而在很長一段時間裡,沒有任何證據顯示大腦會自己產生內部噪聲,以利用隨機共振的好處。然後,牛津大學的神經科學家格羅.米森伯克 (Gero Miesenböck) 出現了。米森伯克認為,果蠅有一個大腦迴路是嗅覺系統的一部分,專門用於產生噪音以增強大腦功能。他的發現對人類大腦很有意義,因為果蠅嗅覺系統的基本結構,不僅在所有昆蟲都很常見,在脊椎動物來說也是如此,包括人類在內。

-----廣告,請繼續往下閱讀-----

為此,米森伯克並沒有馬上去找噪音,而是想解決一個已困擾嗅覺系統研究人員多年的謎團。

科學家利用果蠅研究大腦製造噪音之謎。圖/pixibay

果蠅的嗅覺系統是個巨大的神經迴路,從果蠅的觸角開始,大約有一千兩百個嗅覺受體神經元 (ORN) ,每個嗅覺受體神經元都攜帶單一種類的氣味受體分子;這裡大約有六十種不同的受體分子,因此約有六十種不同類型的受體神經元。

從觸角開始,特定氣味的受體神經元聚集在一個被稱為嗅神經球的節點上,與被稱為投射神經元的細胞進行突觸連接。每個嗅神經球只從唯一一種受體神經接收輸入訊號,所以過去很長的一段時間內,神經科學家假設每個投射神經元只會對單一氣味起反應。

但是,幾年前神經科學家發現情況並非如此,來自各個投射神經元的電子紀錄表示,它們有時也會回應並非由其受體神經元所取得的氣味。

-----廣告,請繼續往下閱讀-----

然而,它們是怎麼做到這一點的?畢竟,每個嗅神經球都只從一種類型的受體神經元接收訊號。幾年前,米森伯克和他同事尚玉華 (Yuhua Shang) 在耶魯大學醫學院,致力於設法解決這個難題。

噪音讓神經更敏銳

他們使用一隻突變的蒼蠅,這隻蒼蠅所有連接到特定嗅神經球的受體神經元都不在了。於是,他們尋找其他可以連結到這隻蒼蠅之投射神經元的方式,結果發現一個之前沒人知道的「中間神經元」網絡,這網絡能將嗅神經球彼此連接,並在嗅神經球之間傳遞訊息。每當氣味出現時,這些「興奮性局部神經元」就會為投射神經元提供某種擴散而刺激性的輸入。

這個現象解決了人們眼前的問題,卻產生另一個問題:為什麼在系統中添加一些東西,便會失去氣味受體與投射神經元之間精確的一對一對應關係?「這似乎違反直覺,」米森伯克說,「為什麼要把清脆且鮮明的輸入訊號模糊化,把它弄得更吵雜?」他提出的假設是,噪音之所以會出現是有原因的。也許興奮性局部神經元刻意將噪音注入系統,如此便能利用隨機共振,讓微弱的氣味更容易被發現。

神經元會刻意將噪音注入系統。圖/pixibay

這些說法讓後續發生在感應輸入訊號上的現象變得合理起來。投射神經元將訊號發送到其他被稱為「肯揚恩細胞」 (Kenyon cell) 的神經元,這些神經元位於被稱為蕈狀體的結構上,這結構與蒼蠅大腦學習與記憶的能力有關。每個肯揚恩細胞都接收許多來自投射神經元的輸入,但它們有極高的反應閥值,並且只在大量神經元同時發射時才會啟動。和其他氣體相比,這種投射神經元更容易對自己的對應氣體起反應,而每一個肯揚恩細胞只會針對單一氣體啟動,所以系統會重新取得特異性。

-----廣告,請繼續往下閱讀-----

米森伯克的團隊還讀到1983年由德國馬克斯普朗克研究所神經生物學院的亞歷山大.鮑爾斯 (Alexander Borst) 所寫的文章,文章描述了一種連接嗅神經球的抑制性局部神經元網絡。米森伯克認為,這些神經元可能會對那些興奮性局部神經元產生反效果,從而阻礙了受體神經元的強烈訊號。

果蠅肯揚恩細胞研究的重要性

那麼,為什麼要多此一舉去強化微弱的訊號,而弱化強烈的訊號呢?米森伯克認為,這種狀況之所以會出現,是為了消除極端的氣體濃度。「若直接把一朵花放在鼻子下面,你必須要在香味很淡及花朵盛開時,都能聞到花香味,並且認得出那是一朵玫瑰花,」他說,「必須有個機制能根據氣味濃度來消除變異,我們認為這正是中間層在做的事情。」

不論濃或淡,我們都能辨認出玫瑰花的香氣。圖/pixibay

米森伯克的團隊仍在想辦法證明「刻意製造噪音的設計」之存在,為此而付出努力。藉由改變局部神經元,他們希望知道如何改變噪音量。米森伯克預測,在完全靜音的環境下,微弱的氣體就不太可能觸發肯揚恩細胞;另一個預測則是,果蠅對於微弱氣味的反應,將變得不那麼敏感。關於這點,研究人員可以透過觀察牠們如何避免不好的氣味,來進行測試。

然而這種做法很麻煩,其中部分原因在於,研究人員不知道果蠅腦中有多少局部神經元。如果他們想看到預設的結果,就必須對果蠅進行大幅改造。

-----廣告,請繼續往下閱讀-----

如果他們成功了,他們希望能在哺乳類動物大腦中看到類似的事情。但是,牛津大學的托馬斯.克勞斯伯格 (Thomas Klausberger) 認為,要在哺乳動物大腦中,發現類似果蠅局部神經元製造噪音的細胞,將是一個巨大的挑戰。克勞斯伯格已在老鼠的海馬體中,發現了新型的中間神經元,這種結構之所以會被拿來和昆蟲的蕈狀體相比,是因為它在學習和記憶上扮演的作用。他指出,單單海馬體的一個區域,就包含了至少二十一種不同類型的中間神經元。

適度的噪音有利動物行為

1993年,聖路易斯的密蘇里大學生物物理學家弗蘭克.莫斯 (Frank Moss) 做了小龍蝦研究。長期以來,莫斯一直懷疑動物會利用隨機共振,藉此提高牠們生殖的成功率,而米森伯克的發現也讓他留下深刻的印象。

莫斯的一項研究首次證明了外部施加的噪音,能透過隨機共振發揮作用。他用匙吻鱘做實驗,這種魚會利用鼻子裡的電感應器偵測浮游生物(牠們的自然獵物)發出的微弱電子訊號,以此尋找食物。莫斯把一隻匙吻鱘放入一個含有浮游生物的水箱裡,並附上兩個會以隨機變化的電場形式產生噪音的電極。當他測量噪音的影響時,發現有個中間振幅可讓魚獵食的成功率顯著增加。

匙吻鱘長長的鼻子內部有電感應器。圖/wikipedia

當噪音的水準是中等的時候,鱘魚會出現最佳表現,這是隨機共振的特徵之一:噪音太小,訊號沒有達到閥值;噪音太多的話,訊號又會被噪音淹沒。因此,噪音和益處之間的關係,像是一個顛倒的 U 形。

-----廣告,請繼續往下閱讀-----

莫斯後來將注意力轉移到被稱為水蚤或魚蝨的小型水生甲殼類動物身上,牠們為生物體內會產生的隨機共振提供了另一個證據。

水蚤有種覓食特性。牠們在尋找食物時,會依循一系列跳躍、暫停、轉角和再跳的動作行動。用肉眼來看,轉角的變化看起來很隨機。

但莫斯不這麼認為。他和他同事拍攝了五個不同種類的水蚤,在淺水池裡找尋食物的影片,並測量了數百個轉角角度。當他們在繪製這些角度的頻率分布圖時,發現這些轉角並非全都是隨機的,因為有些轉角比其他角度更頻繁出現。這些轉角的整體分布,可用被稱為「噪音強度」的參數進行數學描述,這是我們測量噪音的隨機程度方法。

接著,他們使用不同的噪音強度,在電腦上模擬水蚤的覓食活動。結果發現,最成功的覓食策略,是利用他們在真正水蚤實驗中測量到的噪音強度水準。根據經典的倒 U 型隨機共振,較低或較高的噪音強度會降低覓食的成功率。雖然沒有人知道,水蚤究竟如何知道牠們該如何分配轉角,但莫斯的團隊認為,這就是隨機共振的一個實例,而這種隨機共振一定是在水蚤體內產生的,也許是在大腦之中。他認為,最佳的噪音強度必須是天擇的產物,因為採用這種強度的水蚤會發現更多食物,從而最大化其適應能力。

-----廣告,請繼續往下閱讀-----

大腦製造的噪音真的是噪音嗎?

然而,生物系統會利用體內產生的噪音,這樣的想法仍然有問題。其中一個大問題是,果蠅的局部神經元所製造的噪音,是真正的噪音嗎?南加州大學洛杉磯分校的電氣工程師巴特.柯斯可 (Bart Kosko) ,是2006年出版的《噪音》一書作者,他說他不相信是這樣的。

噪音有嚴格的數學定義;而在複雜的生物系統中,看起來像噪音的東西,往往被證明是從別處跑出來的訊號。柯斯可說:「我們要做的是把那種『噪音』源拿來,並說明它們具有噪音在統計上的痕跡。如果不是真正的噪音,那麼根據定義,就不會有隨機共鳴。」

紐約大學的神經科學家捷爾吉.布茲薩奇 (György Buzsáki) 更進一步認為,如果大腦中有某些東西可以讓微弱訊號增長到閥值,那東西不太可能是噪音。「製造噪音可是一件非常耗費成本的事,」他說,「一個好的系統,比如我們預設的大腦,可是負擔不起這個成本。」

製造噪音對大腦來說是一件非常耗費成本的事。圖/pixabay

布茲薩奇同意米森伯克的觀點,認為那可能是一種類似噪音的訊號,可以用來調節哺乳動物的大腦活動,但沒必要引起專門製造噪音的迴路;相反地,他點出腦部會產生的自發性神經活動 。

神經元有兩種類型的活動,分別是自發和誘發。自發性活動不需要外部刺激即可獨立發生,而誘發性活動則是對外部刺激所產生的反應。神經科學家對自發性活動很有興趣,因為它能讓人腦產生更高的心智活動。自發性活動可以在神經元網絡上傳播,而神經同步發射的暫態期約為每秒四十個尖波。有人認為,所謂的伽馬波就是一種結合不同認知過程的方法,藉此產生感知。

布茲薩奇說,微弱傳入的訊號可以搭在這些自發性的活動波上,藉此提升到閥值以上。這是一種提高微弱訊號的更省成本方法,因為自發性活動消耗的能量很少。

當然,這兩種可能性之間有個關鍵的相似處,就是兩者都是有一個訊號推動另一個訊號超過閥值。「它們的原理是一樣的,」米森伯克說。但是,對於瞭解大腦的基本運作,以及為了讓我們在未來可能利用隨機噪音和感官輔助器(例如視網膜植入物)的隨機共振現象來說,這些細節很重要。

我們必須多等待一些時間,才能瞭解天擇創造出的大腦,是否內建了一個隨機的噪音產生器,或是大腦只能借用其他神經訊號當作噪音。無論是哪種方式,果蠅的大腦似乎都不能在沒有任何震動之下運作,所以我們的大腦可能也在震動。

 

 

本文選自泛科學2018年7月選書《偶然的科學:好運、隨機及機率背後的秘密》,八旗文化。

-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2568 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

2
1

文字

分享

0
2
1
「融合蛋白」如何全方位圍剿狡猾癌細胞
鳥苷三磷酸 (PanSci Promo)_96
・2025/11/07 ・5944字 ・閱讀時間約 12 分鐘

本文與 TRPMA 台灣研發型生技新藥發展協會合作,泛科學企劃執行

我們知道癌症是台灣人健康的頭號公敵。 為此,我們花了很多時間介紹最新、最有效的抗癌方法之一:免疫療法

免疫療法中最重要的技術就是抗體藥物。科學家會人工製造一批抗體去標記癌細胞。它們就像戰場上的偵察無人機,能精準鎖定你體內的敵人——癌細胞,為它們打上標記,然後引導你的免疫系統展開攻擊。

這跟化療、放射線治療那種閉著眼睛拿機槍亂掃不同。免疫療法是重新叫醒你的免疫系統,為身體「上buff (增益) 」來抗癌,副作用較低,因此備受好評。

-----廣告,請繼續往下閱讀-----

但尷尬的是,經過幾年的臨床考驗,科學家發現:光靠抗體對抗癌症,竟然已經不夠用了。

事情是這樣的,臨床上醫生與科學家逐漸發現:這個抗體標記,不是容易損壞,就是癌細胞同時設有多個陷阱關卡,只靠叫醒免疫細胞,還是難以發揮戰力。

但好消息是,我們的生技工程也大幅進步了。科學家開始思考:如果這台偵察無人機只有「標記」這一招不夠用,為什麼不幫它升級,讓它多學幾招呢?

這個能讓免疫藥物(偵察無人機)大進化的訓練器,就是今天的主角—融合蛋白(fusion protein)

-----廣告,請繼續往下閱讀-----
融合蛋白(fusion protein)/ 圖片來源:wikipedia

融合蛋白是什麼?

免疫療法遇到的問題,我們可以這樣理解:想像你的身體是一座國家,病毒、細菌、腫瘤就是入侵者;而抗體,就是我們派出的「偵察無人機」。

當我們透過注射放出這支無人機群進到體內,它能迅速辨識敵人、緊抓不放,並呼叫其他免疫單位(友軍)一同解決威脅。過去 20 年,最強的偵查機型叫做「單株抗體」。1998年,生技公司基因泰克(Genentech)推出的藥物赫賽汀(Herceptin),就是一款針對 HER2 蛋白的單株抗體,目標是治療乳癌。

這支無人機群為什麼能對抗癌症?這要歸功於它「Y」字形的小小抗體分子,構造看似簡單,卻蘊藏巧思:

  • 「Y」 字形上面的兩隻「叉叉」是敵人偵測器,能找到敵人身上的抗原特徵,並黏上去,稱為抗體結合區「Fab 區域」。
  • 「Y」 字形的「尾巴」就是我們說的「標籤」,它能通知免疫系統啟動攻擊,稱為結晶區域片段「Fc 區域」。具體來說,當免疫細胞在體內巡邏,免疫細胞上的 Fc 受體 (FcR) 會和 Fc區域結合,進而認出病原體或感染細胞,接著展開清除。

更厲害的是,這個 Fc 區域標籤還能加裝不同功能。一般來說,人體內多餘的分子,會被定期清除。例如,細胞內會有溶酶體不斷分解多餘的物質,或是血液經過肝臟時會被代謝、分解。那麼,人造抗體對身體來說,屬於外來的東西,自然也會被清除。

-----廣告,請繼續往下閱讀-----

而 Fc區域會與細胞內體上的Fc受體結合,告訴細胞「別分解我」的訊號,阻止溶酶體的作用。又或是單純把標籤做的超大,例如接上一段長長的蛋白質,或是聚乙二醇鏈,讓整個抗體分子的大小,大於腎臟過濾孔的大小,難以被腎臟過濾,進而延長抗體在體內的存活時間。

偵測器(Fab)加上標籤(Fc)的結構,使抗體成為最早、也最成功的「天然設計藥物」。然而,當抗體在臨床上逐漸普及,一個又一個的問題開始浮現。抗體的強項在於「精準鎖定」,但這同時也是它的限制。

「Y」 字形上面的兩隻「叉叉」是敵人偵測器,能找到敵人身上的抗原特徵,並黏上去,稱為抗體結合區「Fab 區域」/ 圖片來源:shutterstock

第一個問題:抗體只能打「魔王」,無法毀掉「魔窟」。 

抗體一定要有一個明確的「標的物」才能發揮作用。這讓它在針對「腫瘤」或「癌細胞本身」時非常有效,因為敵人身上有明顯標記。但癌細胞的形成與惡化,是細胞在「生長、分裂、死亡、免疫逃脫」這些訊號通路上被長期誤導的結果。抗體雖然勇猛,卻只能針對已經帶有特定分子的癌細胞魔王,無法摧毀那個孕育魔王的系統魔窟。這時,我們真正欠缺的是能「調整」、「模擬」或「干擾」這些錯誤訊號的藥物。

-----廣告,請繼續往下閱讀-----

第二個問題:開發產線的限制。

抗體的開發,得經過複雜的細胞培養與純化程序。每次改變結構或目標,幾乎都要重新開發整個系統。這就像你無法要求一台偵測紅外線的無人機,明天立刻改去偵測核輻射。高昂的成本與漫長的開發時間,讓新產線難以靈活創新。

為了讓免疫藥物能走向多功能與容易快速製造、測試的道路,科學家急需一個更工業化的藥物設計方式。雖然我們追求的是工業化的設計,巧合的是,真正的突破靈感,仍然來自大自然。

在自然界中,基因有時會彼此「融合」成全新的組合,讓生物獲得額外功能。例如細菌,它們常仰賴一連串的酶來完成代謝,中間產物要在細胞裡來回傳遞。但後來,其中幾個酶的基因彼此融合,而且不只是基因層級的合併,產出的酶本身也變成同一條長長的蛋白質。

-----廣告,請繼續往下閱讀-----

結果,反應效率大幅提升。因為中間產物不必再「跑出去找下一個酶」,而是直接在同一條生產線上完成。對細菌來說,能更快處理養分、用更少能量維持生存,自然形成適應上的優勢,這樣的融合基因也就被演化保留下來。

科學家從中得到關鍵啟發:如果我們也能把兩種有用的蛋白質,「人工融合」在一起,是否就能創造出更強大的新分子?於是,融合蛋白(fusion protein)就出現了。

以假亂真:融合蛋白的HIV反制戰

融合蛋白的概念其實很直覺:把兩種以上、功能不同的蛋白質,用基因工程的方式「接起來」,讓它們成為同一個分子。 

1990 年,融合蛋白 CD4 免疫黏附素(CD4 immunoadhesin)誕生。這項設計,是為了對付令人類聞風喪膽的 HIV 病毒。

-----廣告,請繼續往下閱讀-----

我們知道 T 細胞是人體中一種非常重要的白血球。在這些 T 細胞中,大約有六到七成表面帶有一個叫做「CD4」的輔助受體。CD4 會和另一個受體 TCR 一起合作,幫助 T 細胞辨識其他細胞表面的抗原片段,等於是 T 細胞用來辨認壞人的「探測器」。表面擁有 CD4 受體的淋巴球,就稱為 CD4 淋巴球。

麻煩的來了。 HIV 病毒反將一軍,竟然把 T 細胞的 CD4 探測器,當成了自己辨識獵物的「標記」。沒錯,對 HIV 病毒來說,免疫細胞就是它的獵物。HIV 的表面有一種叫做 gp120 的蛋白,會主動去抓住 T 細胞上的 CD4 受體。

一旦成功結合,就會啟動一連串反應,讓病毒外殼與細胞膜融合。HIV 進入細胞內後會不斷複製並破壞免疫細胞,導致免疫系統逐漸崩潰。

為了逆轉這場悲劇,融合蛋白 CD4 免疫黏附素登場了。它的結構跟抗體類似,由由兩個不同段落所組成:一端是 CD4 假受體,另一端則是剛才提到、抗體上常見的 Fc 區域。當 CD4 免疫黏附素進入體內,它表面的 CD4 假受體會主動和 HIV 的 gp120 結合。

-----廣告,請繼續往下閱讀-----

厲害了吧。 病毒以為自己抓到了目標細胞,其實只是被騙去抓了一個假的 CD4。這樣 gp120 抓不到 CD4 淋巴球上的真 CD4,自然就無法傷害身體。

而另一端的 Fc 區域則有兩個重要作用:一是延長融合蛋白在體內的存活時間;二是理論上能掛上「這裡有敵人!」的標籤,這種機制稱為抗體依賴性細胞毒殺(ADCC)或免疫吞噬作用(ADCP)。當免疫細胞的 Fc 受體與 Fc 區域結合,就能促使免疫細胞清除被黏住的病毒顆粒。

不過,這裡有個關鍵細節。

在實際設計中,CD4免疫黏附素的 Fc 片段通常會關閉「吸引免疫細胞」的這個技能。原因是:HIV 專門攻擊的就是免疫細胞本身,許多病毒甚至已經藏在 CD4 細胞裡。若 Fc 區域過於活躍,反而可能引發強烈的發炎反應,甚至讓免疫系統錯把帶有病毒碎片的健康細胞也一併攻擊,這樣副作用太大。因此,CD4 免疫黏附素的 Fc 區域會加入特定突變,讓它只保留延長藥物壽命的功能,而不會與淋巴球的 Fc 受體結合,以避免誘發免疫反應。

從 DNA 藍圖到生物積木:融合蛋白的設計巧思

融合蛋白雖然潛力強大,但要製造出來可一點都不簡單。它並不是用膠水把兩段蛋白質黏在一起就好。「融合」這件事,得從最根本的設計圖,也就是 DNA 序列就開始規劃。

我們體內的大部分蛋白質,都是細胞照著 DNA 上的指令一步步合成的。所以,如果科學家想把蛋白 A 和蛋白 B 接在一起,就得先把這兩段基因找出來,然後再「拼」成一段新的 DNA。

不過,如果你只是單純把兩段基因硬接起來,那失敗就是必然的。因為兩個蛋白會互相「打架」,導致摺疊錯亂、功能全毀。

這時就需要一個小幫手:連接子(linker)。它的作用就像中間的彈性膠帶,讓兩邊的蛋白質能自由轉動、互不干擾。最常見的設計,是用多個甘胺酸(G)和絲胺酸(S)組成的柔性小蛋白鏈。

設計好這段 DNA 之後,就能把它放進細胞裡,讓細胞幫忙「代工」製造出這個融合蛋白。接著,科學家會用層析、電泳等方法把它純化出來,再一一檢查它有沒有摺疊正確、功能是否完整。

如果一切順利,這個人工設計的融合分子,就能像自然界的蛋白一樣穩定運作,一個全新的「人造分子兵器」就此誕生。

CD4免疫黏附素問世之後,融合蛋白逐漸成為生物製藥的重要平台之一。而且現在的融合蛋白,早就不只是「假受體+Fc 區域」這麼單純。它已經跳脫模仿抗體,成為真正能自由組裝、自由設計的生物積木。

CD4免疫黏附素問世之後,融合蛋白逐漸成為生物製藥的重要平台之一 / 圖片來源:wikipedia

融合蛋白的強項,就在於它能「自由組裝」。

以抗體為骨架,科學家可以接上任何想要的功能模組,創造出全新的藥物型態。一般的抗體只能「抓」(標記特定靶點);但融合蛋白不只會抓,還能「阻斷」、「傳遞」、甚至「調控」訊號。在功能模組的加持下,它在藥物設計上,幾乎像是一個分子級的鋼鐵蜘蛛人裝甲。

一般來說,當我們選擇使用融合蛋白時,通常會期待它能發揮幾種關鍵效果:

  1. 療效協同: 一款藥上面就能同時針對多個靶點作用,有機會提升治療反應率與持續時間,達到「一藥多效」的臨床價值。
  2. 減少用藥: 原本需要兩到三種單株抗體聯合使用的療法,也許只要一種融合蛋白就能搞定。這不僅能減少給藥次數,對病人來說,也有機會因為用藥減少而降低治療成本。
  3. 降低毒性風險: 經過良好設計的融合蛋白,可以做到更精準的「局部活化」,讓藥物只在目標區域發揮作用,減少副作用。

到目前為止,我們了解了融合蛋白是如何製造的,也知道它的潛力有多大。

那麼,目前實際成效到底如何呢?

一箭雙鵰:拆解癌細胞的「偽裝」與「內奸」

2016 年,德國默克(Merck KGaA)展開了一項全新的臨床試驗。 主角是一款突破性的雙功能融合蛋白──Bintrafusp Alfa。這款藥物的厲害之處在於,它能同時封鎖 PD-L1 和 TGF-β 兩條免疫抑制路徑。等於一邊拆掉癌細胞的偽裝,一邊解除它的防護罩。

PD-L1,我們或許不陌生,它就像是癌細胞身上的「偽裝良民證」。當 PD-L1 和免疫細胞上的 PD-1 受體結合時,就會讓免疫系統誤以為「這細胞是自己人」,於是放過它。我們的策略,就是用一個抗體或抗體樣蛋白黏上去,把這張「偽裝良民證」封住,讓免疫系統能重新啟動。

但光拆掉偽裝還不夠,因為癌細胞還有另一位強大的盟友—一個起初是我軍,後來卻被癌細胞收買、滲透的「內奸」。它就是,轉化生長因子-β,縮寫 TGF-β。

先說清楚,TGF-β 原本是體內的秩序管理者,掌管著細胞的生長、分化、凋亡,還負責調節免疫反應。在正常細胞或癌症早期,它會和細胞表面的 TGFBR2 受體結合,啟動一連串訊號,抑制細胞分裂、減緩腫瘤生長。

但當癌症發展到後期,TGF-β 跟 TGFBR2 受體之間的合作開始出問題。癌細胞表面的 TGFBR2 受體可能突變或消失,導致 TGF-β 不但失去了原本的抑制作用,反而轉向幫癌細胞做事

它會讓細胞骨架(actin cytoskeleton)重新排列,讓細胞變長、變軟、更有彈性,還能長出像觸手的「偽足」(lamellipodia、filopodia),一步步往外移動、鑽進組織,甚至進入血管、展開全身轉移。

更糟的是,這時「黑化」的 TGF-β 還會壓抑免疫系統,讓 T 細胞和自然殺手細胞變得不再有攻擊力,同時刺激新血管生成,幫腫瘤打通營養補給線。

為了對抗這個內奸,默克在 Bintrafusp Alfa 的結構裡,加上了一個「TGF-β 陷阱(trap)」。就像 1989 年的 CD4 免疫黏附素用「假受體」去騙 HIV 一樣,這個融合蛋白在體內循環時,會用它身上的「陷阱」去捕捉並中和游離的 TGF-β。這讓 TGF-β 無法再跟腫瘤細胞或免疫細胞表面的天然受體結合,從而鬆開了那副壓抑免疫系統的腳鐐。

為了對抗這個內奸,默克在 Bintrafusp Alfa 的結構裡,加上了一個「TGF-β 陷阱(trap)」/ 情境圖來源:shutterstock

告別單一解方:融合蛋白的「全方位圍剿」戰

但,故事還沒完。我們之前提過,癌細胞之所以難纏,在於它會發展出各種「免疫逃脫」策略。

而近年我們發現,癌細胞的「偽良民證」至少就有兩張:一張是 PD-L1;另一張是 CD-47。CD47 是癌細胞向巨噬細胞展示的「別吃我」訊號,當它與免疫細胞上的 SIRPα 結合時,就會抑制吞噬反應。

為此,總部位於台北的漢康生技,決定打造能同時對付 PD-L1、CD-47,乃至 TGF-β 的三功能生物藥 HCB301。

雖然三功能融合蛋白聽起來只是「再接一段蛋白」而已,但實際上極不簡單。截至目前,全球都還沒有任何三功能抗體或融合蛋白批准上市,在臨床階段的生物候選藥,也只佔了整個生物藥市場的 1.6%。

漢康生技透過自己開發的 FBDB 平台技術,製作出了三功能的生物藥 HCB301,目前第一期臨床試驗已經在美國、中國批准執行。

免疫療法絕對是幫我們突破癌症的關鍵。但我們也知道癌症非常頑強,還有好幾道關卡我們無法攻克。既然單株抗體在戰場上顯得單薄,我們就透過融合蛋白,創造出擁有多種功能模組的「升級版無人機」。

融合蛋白強的不是個別的偵查或阻敵能力,而是一組可以「客製化組裝」的平台,用以應付癌細胞所有的逃脫策略。

Catch Me If You Can?融合蛋白的回答是:「We Can.」

未來癌症的治療戰場,也將從尋找「唯一解」,轉變成如何「全方位圍剿」癌細胞,避免任何的逃脫。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
解密機器人如何學會思考、觸摸與變形
鳥苷三磷酸 (PanSci Promo)_96
・2025/09/09 ・6820字 ・閱讀時間約 14 分鐘

本文與 Perplexity 合作,泛科學企劃執行

「Hello. I am… a robot.」

在我們的記憶裡,機器人的聲音就該是冰冷、單調,不帶一絲情感 。它們的動作僵硬,肢體不協調,像一個沒有靈魂的傀儡,甚至啟發我們創造了機械舞來模仿那獨特的笨拙可愛。但是,現今的機器人發展不再只會跳舞或模仿人聲,而是已經能獨立完成一場膽囊切除手術。

就在2025年,美國一間實驗室發表了一項成果:一台名為「SRT-H」的機器人(階層式手術機器人Transformer),在沒有人類醫師介入的情況下,成功自主完成了一場完整的豬膽囊切除手術。SRT-H 正是靠著從錯誤中學習的能力,最終在八個不同的離體膽囊上,達成了 100% 的自主手術成功率。

-----廣告,請繼續往下閱讀-----

這項成就的意義重大,因為過去機器人手術的自動化,大多集中在像是縫合這樣的單一「任務」上。然而,這一場完整的手術,是一個包含數十個步驟、需要連貫策略與動態調整的複雜「程序」。這是機器人首次在包含 17 個步驟的完整膽囊切除術中,實現了「步驟層次的自主性」。

這就引出了一個讓我們既興奮又不安的核心問題:我們究竟錯過了什麼?機器人是如何在我們看不見的角落,悄悄完成了從「機械傀儡」到「外科醫生」的驚人演化?

這趟思想探險,將為你解密 SRT-H 以及其他五款同樣具備革命性突破的機器人。你將看到,它們正以前所未有的方式,發展出生物般的觸覺、理解複雜指令、學會團隊合作,甚至開始自我修復與演化,成為一種真正的「準生命體」 。

所以,你準備好迎接這個機器人的新紀元了嗎?

-----廣告,請繼續往下閱讀-----

只靠模仿還不夠?手術機器人還需要學會「犯錯」與「糾正」

那麼,SRT-H 這位機器人的外科大腦,究竟藏著什麼秘密?答案就在它創新的「階層式框架」設計裡 。

你可以想像,SRT-H 的腦中,住著一個分工明確的兩人團隊,就像是漫畫界的傳奇師徒—黑傑克與皮諾可 。

  • 第一位,是動口不動手的總指揮「黑傑克」: 它不下達具體的動作指令,而是在更高維度的「語言空間」中進行策略規劃 。它發出的命令,是像「抓住膽管」或「放置止血夾」這樣的高層次任務指令 。
  • 第二位,是靈巧的助手「皮諾可」: 它負責接收黑傑克的語言指令,並將這些抽象的命令,轉化為機器手臂毫釐不差的精準運動軌跡 。

但最厲害的還不是這個分工,而是它們的學習方式。SRT-H 研究團隊收集了 17 個小時、共 16,000 條由人類專家操作示範的軌跡數據來訓練它 。但這還只是開始,研究人員在訓練過程中,會刻意讓它犯錯,並向它示範如何從抓取失敗、角度不佳等糟糕的狀態中恢復過來 。這種獨特的訓練方法,被稱為「糾正性示範」 。

SRT-H 研究團隊收集了 17 個小時、共 16,000 條由人類專家操作示範的軌跡數據來訓練它 。 / 圖片來源:shutterstock

這項訓練,讓 SRT-H 學會了一項外科手術中最關鍵的技能:當它發現執行搞砸了,它能即時識別偏差,並發出如「重試抓取」或「向左調整」等「糾正性指令」 。這套內建的錯誤恢復機制至關重要。當研究人員拿掉這個糾正能力後,機器人在遇到困難時,要不是完全失敗,就是陷入無效的重複行為中 。

-----廣告,請繼續往下閱讀-----

正是靠著這種從錯誤中學習、自我修正的能力,SRT-H 最終在八次不同的手術中,達成了 100% 的自主手術成功率 。

SRT-H 證明了機器人開始學會「思考」與「糾錯」。但一個聰明的大腦,足以應付更混亂、更無法預測的真實世界嗎?例如在亞馬遜的倉庫裡,機器人不只需要思考,更需要實際「會做事」。

要能精準地與環境互動,光靠視覺或聽覺是不夠的。為了讓機器人能直接接觸並處理日常生活中各式各樣的物體,它就必須擁有生物般的「觸覺」能力。

解密 Vulcan 如何學會「觸摸」

讓我們把場景切換到亞馬遜的物流中心。過去,這裡的倉儲機器人(如 Kiva 系統)就像放大版的掃地機器人,核心行動邏輯是極力「避免」與周遭環境發生任何物理接觸,只負責搬運整個貨架,再由人類員工挑出包裹。

-----廣告,請繼續往下閱讀-----

但 2025 年5月,亞馬遜展示了他們最新的觸覺機器人 Vulcan。在亞馬遜的物流中心裡,商品被存放在由彈性帶固定的織物儲物格中,而 Vulcan 的任務是必須主動接觸、甚至「撥開」彈性織網,再從堆放雜亂的儲物格中,精準取出單一包裹,且不能造成任何損壞。

2025 年5月,亞馬遜展示了他們最新的觸覺機器人 Vulcan / 圖片引用:https://www.aboutamazon.com/news

Vulcan 的核心突破,就在於它在「拿取」這個動作上,學會了生物般的「觸覺」。它靈活的機械手臂末端工具(EOAT, End-Of-Arm Tool),不僅配備了攝影機,還搭載了能測量六個自由度的力與力矩感測器。六個自由度包含上下、左右、前後的推力,和三個維度的旋轉力矩。這就像你的手指,裡頭分布著非常多的受器,不只能感測壓力、還能感受物體橫向拉扯、運動等感觸。

EOAT 也擁有相同精確的「觸覺」,能夠在用力過大之前即時調整力道。這讓 Vulcan 能感知推動一個枕頭和一個硬紙盒所需的力量不同,從而動態調整行為,避免損壞貨物。

其實,這更接近我們人類與世界互動的真實方式。當你想拿起桌上的一枚硬幣時,你的大腦並不會先計算出精準的空間座標。實際上,你會先把手伸到大概的位置,讓指尖輕觸桌面,再沿著桌面滑動,直到「感覺」到硬幣的邊緣,最後才根據觸覺決定何時彎曲手指、要用多大的力量抓起這枚硬幣。Vulcan 正是在學習這種「視覺+觸覺」的混合策略,先用攝影機判斷大致的空間,再用觸覺回饋完成最後精細的操作。

-----廣告,請繼續往下閱讀-----

靠著這項能力,Vulcan 已經能處理亞馬遜倉庫中約 75% 的品項,並被優先部署來處理最高和最低層的貨架——這些位置是最容易導致人類員工職業傷害的位置。這也讓自動化的意義,從單純的「替代人力」,轉向了更具建設性的「增強人力」。

SRT-H 在手術室中展現了「專家級的腦」,Vulcan 在倉庫中演化出「專家級的手」。但你發現了嗎?它們都還是「專家」,一個只會開刀,一個只會揀貨。雖然這種「專家型」設計能有效規模化、解決痛點並降低成本,但機器人的終極目標,是像人類一樣成為「通才」,讓單一機器人,能在人類環境中執行多種不同任務。

如何教一台機器人「舉一反三」?

你問,機器人能成為像我們一樣的「通才」嗎?過去不行,但現在,這個目標可能很快就會實現了。這正是 NVIDIA 的 GR00T 和 Google DeepMind 的 RT-X 等專案的核心目標。

過去,我們教機器人只會一個指令、一個動作。但現在,科學家們換了一種全新的教學思路:停止教機器人完整的「任務」,而是開始教它們基礎的「技能基元」(skill primitives),這就像是動作的模組。

-----廣告,請繼續往下閱讀-----

例如,有負責走路的「移動」(Locomotion) 基元,和負責抓取的「操作」(Manipulation) 基元。AI 模型會透過強化學習 (Reinforcement Learning) 等方法,學習如何組合這些「技能基元」來達成新目標。

舉個例子,當 AI 接收到「從冰箱拿一罐汽水給我」這個新任務時,它會自動將其拆解為一系列已知技能的組合:首先「移動」到冰箱前、接著「操作」抓住把手、拉開門、掃描罐子、抓住罐子、取出罐子。AI T 正在學會如何將這些單一的技能「融合」在一起。有了這樣的基礎後,就可以開始來大量訓練。

當多重宇宙的機器人合體練功:通用 AI 的誕生

好,既然要學,那就要練習。但這些機器人要去哪裡獲得足夠的練習機會?總不能直接去你家廚房實習吧。答案是:它們在數位世界裡練習

NVIDIA 的 Isaac Sim 等平台,能創造出照片級真實感、物理上精確的模擬環境,讓 AI 可以在一天之內,進行相當於數千小時的練習,獨自刷副本升級。這種從「模擬到現實」(sim-to-real)的訓練管線,正是讓訓練這些複雜的通用模型變得可行的關鍵。

-----廣告,請繼續往下閱讀-----

DeepMind 的 RT-X 計畫還發現了一個驚人的現象:用來自多種「不同類型」機器人的數據,去訓練一個單一的 AI 模型,會讓這個模型在「所有」機器人上表現得更好。這被稱為「正向轉移」(positive transfer)。當 RT-1-X 模型用混合數據訓練後,它在任何單一機器人上的成功率,比只用該機器人自身數據訓練的模型平均提高了 50%。

這就像是多重宇宙的自己各自練功後,經驗值合併,讓本體瞬間變強了。這意味著 AI 正在學習關於物理、物體特性和任務結構的抽象概念,這些概念獨立於它所控制的特定身體。

AI 正在學習關於物理、物體特性和任務結構的抽象概念,這些概念獨立於它所控制的特定身體。/ 圖片來源:shutterstock

不再是工程師,而是「父母」: AI 的新學習模式

這也導向了一個科幻的未來:或許未來可能存在一個中央「機器人大腦」,它可以下載到各種不同的身體裡,並即時適應新硬體。

這種學習方式,也從根本上改變了我們與機器人的互動模式。我們不再是逐行編寫程式碼的工程師,而是更像透過「示範」與「糾正」來教導孩子的父母。

NVIDIA 的 GR00T 模型,正是透過一個「數據金字塔」來進行訓練的:

  • 金字塔底層: 是大量的人類影片。
  • 金字塔中層: 是海量的模擬數據(即我們提過的「數位世界」練習)。
  • 金字塔頂層: 才是最珍貴、真實的機器人操作數據。

這種模式,大大降低了「教導」機器人新技能的門檻,讓機器人技術變得更容易規模化與客製化。

當機器人不再是「一個」物體,而是「任何」物體?

我們一路看到了機器人如何學會思考、觸摸,甚至舉一反三。但這一切,都建立在一個前提上:它們的物理形態是固定的。

但,如果連這個前提都可以被打破呢?這代表機器人的定義不再是固定的形態,而是可變的功能:它能改變身體來適應任何挑戰,不再是一台單一的機器,而是一個能根據任務隨選變化的物理有機體。

有不少團隊在爭奪這個機器人領域的聖杯,其中瑞士洛桑聯邦理工學院特別具有代表性,該學院的仿生機器人實驗室(Bioinspired Robotics Group, BIRG)2007 年就打造模組化自重構機器人 Roombots。

有不少團隊在爭奪這個機器人領域的聖杯,其中瑞士洛桑聯邦理工學院(EPFL)特別具有代表性。該學院的仿生機器人實驗室(BIRG)在 2007 年就已打造出模組化自重構機器人 Roombots。而 2023 年,來自 EPFL 的另一個實驗室——可重組機器人工程實驗室(RRL),更進一步推出了 Mori3,這是一套把摺紙藝術和電腦圖學巧妙融合的模組化機器人系統。

2023 年來自 EPFL 的另一個實驗室—可重組機器人工程實驗室(RRL)推出了 Mori3 © 2023 Christoph Belke, EPFL RRL

Mori3 的核心,是一個個小小的三角形模組。別看它簡單,每個模組都是一個獨立的機器人,有自己的電源、馬達、感測器和處理器,能獨立行動,也能和其他模組合作。最厲害的是,它的三條邊可以自由伸縮,讓這個小模組本身就具備「變形」能力。

當許多 Mori3 模組連接在一起時,就能像一群活的拼圖一樣,從平面展開,組合成各種三維結構。研究團隊將這種設計稱為「物理多邊形網格化」。在電腦圖學裡,我們熟悉的 3D 模型,其實就是由許多多邊形(通常是三角形)拼湊成的網格。Mori3 的創新之處,就是把這種純粹的數位抽象,真正搬到了現實世界,讓模組們化身成能活動的「實體網格」。

這代表什麼?團隊已經展示了三種能力:

  • 移動:他們用十個模組能組合成一個四足結構,它能從平坦的二維狀態站立起來,並開始行走。這不只是結構變形,而是真正的協調運動。
  • 操縱: 五個模組組合成一條機械臂,撿起物體,甚至透過末端模組的伸縮來擴大工作範圍。
  • 互動: 模組們能形成一個可隨時變形的三維曲面,即時追蹤使用者的手勢,把手的動作轉換成實體表面的起伏,等於做出了一個會「活」的觸控介面。

這些展示,不只是實驗室裡的炫技,而是真實證明了「物理多邊形網格化」的潛力:它不僅能構建靜態的結構,還能創造具備複雜動作的動態系統。而且,同一批模組就能在不同情境下切換角色。

想像一個地震後的救援場景:救援隊帶來的不是一台笨重的挖土機,而是一群這樣的模組。它們首先組合成一條長長的「蛇」形機器人,鑽入瓦礫縫隙;一旦進入開闊地後,再重組成一隻多足的「蜘蛛」,以便在不平的地面上穩定行走;發現受困者時,一部分模組分離出來形成「支架」撐住搖搖欲墜的橫樑,另一部分則組合成「夾爪」遞送飲水。這就是以任務為導向的自我演化。

這項技術的終極願景,正是科幻中的概念:可程式化物質(Programmable Matter),或稱「黏土電子學」(Claytronics)。想像一桶「東西」,你可以命令它變成任何你需要的工具:一支扳手、一張椅子,或是一座臨時的橋樑。

未來,我們只需設計一個通用的、可重構的「系統」,它就能即時創造出任務所需的特定機器人。這將複雜性從實體硬體轉移到了規劃重構的軟體上,是一個從硬體定義的世界,走向軟體定義的物理世界的轉變。

更重要的是,因為模組可以隨意分開與聚集,損壞時也只要替換掉部分零件就好。足以展現出未來機器人的適應性、自我修復與集體行為。當一群模組協作時,它就像一個超個體,如同蟻群築橋。至此,「機器」與「有機體」的定義,也將開始動搖。

從「實體探索」到「數位代理」

我們一路見證了機器人如何從單一的傀儡,演化為學會思考的外科醫生 (SRT-H)、學會觸摸的倉儲專家 (Vulcan)、學會舉一反三的通才 (GR00T),甚至是能自我重構成任何形態的「可程式化物質」(Mori3)。

但隨著機器人技術的飛速發展,一個全新的挑戰也隨之而來:在一個 AI 也能生成影像的時代,我們如何分辨「真實的突破」與「虛假的奇觀」?

舉一個近期的案例:2025 年 2 月,一則影片在網路上流傳,顯示一台人形機器人與兩名人類選手進行羽毛球比賽,並且輕鬆擊敗了人類。我的第一反應是懷疑:這太誇張了,一定是 AI 合成的影片吧?但,該怎麼驗證呢?答案是:用魔法打敗魔法。

在眾多 AI 工具中,Perplexity 特別擅長資料驗證。例如這則羽球影片的內容貼給 Perplexity,它馬上就告訴我:該影片已被查證為數位合成或剪輯。但它並未就此打住,而是進一步提供了「真正」在羽球場上有所突破的機器人—來自瑞士 ETH Zurich 團隊的 ANYmal-D

接著,選擇「研究模式」,就能深入了解 ANYmal-D 的詳細原理。原來,真正的羽球機器人根本不是「人形」,而是一台具備三自由度關節的「四足」機器人。

如果你想更深入了解,Perplexity 的「實驗室」功能,還能直接生成一份包含圖表、照片與引用來源的完整圖文報告。它不只介紹了 ANYmal-D 在羽球上的應用,更詳細介紹了瑞士聯邦理工學院發展四足機器人的完整歷史:為何選擇四足?如何精進硬體與感測器結構?以及除了運動領域外,四足機器人如何在關鍵的工業領域中真正創造價值。

AI 代理人:數位世界的新物種

從開刀、揀貨、打球,到虛擬練功,這些都是機器人正在學習「幫我們做」的事。但接下來,機器人將獲得更強的「探索」能力,幫我們做那些我們自己做不到的事。

這就像是,傳統網路瀏覽器與 Perplexity 的 Comet 瀏覽器之間的差別。Comet 瀏覽器擁有自主探索跟決策能力,它就像是數位世界裡的機器人,能成為我們的「代理人」(Agent)

它的核心功能,就是拆解過去需要我們手動完成的多步驟工作流,提供「專業代工」,並直接交付成果。

例如,你可以直接對它說:「閱讀這封會議郵件,檢查我的行事曆跟代辦事項,然後草擬一封回信。」或是直接下達一個複雜的指令:「幫我訂 Blue Origin 的太空旅遊座位,記得要來回票。」

接著,你只要兩手一攤,Perplexity 就會接管你的瀏覽器,分析需求、執行步驟、最後給你結果。你再也不用自己一步步手動搜尋,或是在不同網站上重複操作。

AI 代理人正在幫我們探索險惡的數位網路,而實體機器人,則在幫我們前往真實的物理絕境。

立即點擊專屬連結 https://perplexity.sng.link/A6awk/k74… 試用 Perplexity吧! 現在申辦台灣大哥大月付 599(以上) 方案,還可以獲得 1 年免費 Perplexity Pro plan 喔!(價值 新台幣6,750)

◆Perplexity 使用實驗室功能對 ANYmal-D 與團隊的全面分析 https://drive.google.com/file/d/1NM97…

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
0

文字

分享

0
0
0
跨越百年障礙 擴張蠅腦的魔術
顯微觀點_96
・2025/06/23 ・1783字 ・閱讀時間約 3 分鐘

本文轉載自顯微觀點

圖 / 顯微觀點

平價嶄新技術 擴張毫微蠅腦

2023 Taiwan顯微攝影競賽銀獎 Wiring the Brain,題材為果蠅大腦的多巴胺神經網路。蠅腦中比頭髮纖細數千倍的神經纖維與突觸,放大印刷到超過人腦直徑,依然清晰可數。

由於果蠅具有與人類高同源性的基因,也能表現複雜的行為(求偶、覓食、打鬥等),精密解析其腦部構造與整體運作方式,是科學家探索人心智奧秘的重要里程。果蠅的大腦尺寸約為 0.59mm × 0.34mm × 0.12mm,比針尖更細小。其中的神經纖維與突觸更細小數千倍,僅有數百奈米,有時小於光學顯微鏡 200 奈米的繞射極限。即使透過最精密的轉盤式雷射共軛焦顯微鏡,科學家也難窺全像。

到了 21 世紀,在突觸等級分析果蠅大腦仍是相當困難的工程。以掃描式電子顯微鏡(SEM)逐步分析被切成薄片的蠅腦樣本,提供奈米等級解析度的同時,也是侵入性極高,而且可能破壞神經原貌的耗時作法。在AI協助下,2018 年首先問世的立體果蠅全腦圖譜就是由大量平面電子顯微影像重建而成。

-----廣告,請繼續往下閱讀-----

對於持續探索腦神經真實立體結構的科學家,除了鑽研更極致的光學放大效果(如螢光消去顯微術、晶格層光顯微術等足以達到超解析影像,也需要昂貴設備的技術),也有人另闢蹊徑,擴張樣本以浮現原本被繞射極限遮蔽的細節。

果蠅全腦連接體 by Flywire.ai
2023 年 8 月發表的果蠅全腦連接體圖,來自大量電子顯微圖片,由超過 200 位科學家與 AI 合力打造。而果蠅腦部的超解析螢光顯微影像,可以用於協助校正主要由平面電子顯微影像重建的模型,是持續理解果蠅全腦運作機制的重要資源。Courtesy of Flywire Project.

2015 年,麻省理工的波伊登(E. Boyden)提爾貝里(P. W. Tillberg)與陳飛等科學家發表擴張顯微術,以實驗室常見的水凝膠(Hydrogel)、蛋白質水解酶(Protease)等材料,就能將螢光染色的組織均勻(Isotropic, 各方向等量均質)放大,以傳統光學顯微鏡就能觀察原本相距數百奈米的微小構造。

即使有擴張顯微術的幫助,建立果蠅的連接體圖譜仍是一番繁複工程。取出果蠅大腦的顯微手術,需要數周到數月的時間才能熟練。成功擴張的樣本也必然遭遇螢光訊號被稀釋,影像解析度降低的問題。

聚合、分解與吸水 尿布材質推動腦科學

擴張顯微術的基本步驟包含

-----廣告,請繼續往下閱讀-----

錨定 / Anchoring:將樣本浸泡於水凝膠(常用丙烯酸鈉,與尿布吸水部位相同的材料分子),讓水凝膠單體分子滲入樣本,與樣本的蛋白質黏合固定。

聚合 / Polymerization:加入藥劑,讓水凝膠單體間形成聚合並交聯(Cross-link),形成一個緊密滲入、黏合樣本的立體網狀結構。

分解 / Digestion:以蛋白質水解酶分解樣本中的蛋白質骨架,除去擴張時來自樣本的抵抗,但盡量保留螢光蛋白。

擴張 / Expansion:將水凝膠與樣本的結合體加入水中,讓聚合水凝膠吸水擴張,使樣本隨之擴大,每個方向可均勻擴張4到5倍。反覆吸水,各維度最多可擴張近 20 倍。

-----廣告,請繼續往下閱讀-----
擴張顯微術
擴張顯微術示意圖。Courtesy of addgene

2023 Taiwan 顯微攝影競賽銀獎得主劉柏亨分享,其中的「分解」步驟最為關鍵。如何除去樣本內部的拉力,又盡量保持螢光蛋白的訊號,就是實驗的技巧所在。除了使用蛋白質水解酶分解細胞骨架,也能採替代方案,以藥物將蛋白質骨架「變性(Denature)」減少原有的拉力,保留全部螢光蛋白。但是殘存的拉力也會影響擴張過程,使其失去各向同性(Isotropic)的均衡性質,導致樣本扭曲。

他的訣竅是,結合兩種途徑,在過程中不斷調整實驗溫度等變項,並使用「生物素化(Biotinylation)」在擴張前放大螢光訊號;或是使用鍵擊化學(Click Chemistry)在樣本擴張後染上螢光,在每次嘗試中逐步接近理想的解析度與信號強度。

參考資料:

-----廣告,請繼續往下閱讀-----

討論功能關閉中。