0

0
0

文字

分享

0
0
0

「分子機器」解密:染色質重塑複合物研究盤點

活躍星系核_96
・2019/03/16 ・3728字 ・閱讀時間約 7 分鐘 ・SR值 623 ・十年級

-----廣告,請繼續往下閱讀-----

  • 解讀丨陳柱成、嚴麗娟(清華大學)
  • 責編丨迦漵

核小體是真核生物染色質的基本單位,其核心由~147 bp DNA纏繞組蛋白八聚體形成。染色質重塑複合物(Chromatin remodeling complexes,CRC) 利用 ATP 的能量移動核小體在基因組上的位置和組成成分,在控制染色質結構、調節基因轉錄等方面具有重大作用。根據結構和功能的特點,染色質重塑複合物可以分四大類:SWI/SNFCHDISWIINO801

這些分子機器的運行機理,即如何利用 ATP 水解的能量推動核小體移動和組蛋白交換,一直是一個未解的科學問題。利用冷凍電鏡技術,近年來對於這個問題的解答有了突飛猛進2-5

圖片引自:https://www.thoughtco.com/chromatin-373461

2018年10月12日,來自英國帝國理工學院的 Dale B. Wigley 課題組和 David S. Rueda 課題組合作在 Science 雜誌發表長文,解析了酵母 SWR1 染色質重塑複合物結合核小體的三維結構,並結合單分子FRET實驗,揭示了 SWR1 催化組蛋白變體替換的動力學過程6

SWR1屬於INO80染色質重塑家族,其主要功能是催化 H2A-H2B 與 H2A.Z-H2B 的替換。H2A.Z是H2A的變體,富集在啟動子區域,也能抑制異染色質向常染色質的延伸7。在染色質的特定位置或特定時期進行組蛋白變體的替換可以改變染色質結構或招募染色質調控因數,是維持不同染色質狀態所必需。與其它染色質重塑蛋白不同,SWR1不能移動核小體。因此,SWR1 如何利用 ATP 水解的能量催化 H2A-H2B 交換尤其讓人困惑。

-----廣告,請繼續往下閱讀-----

為了研究 SWR1,Wigley 課題組沒有採用常規的提取內源蛋白的方案,而是利用昆蟲細胞,體外表達重構了十四個亞基的完整酵母 SWR1複合物。通過相同的方法,Wigley課題組今年初解析了INO80複合物的結構4

SWR1複合物全酶的核心催化亞基是Swr1,它的ATPase活性是組蛋白替換的關鍵。Swr1結合核小體的SHL2位置,這與Ino80 不同,但與其它的染色質重塑蛋白類似。更重要的是,Swr1的結合使DNASHL2處產生1 bp凸起bugle。為了形成這個凸起,1 bp DNA從進口端被抽進核小體內部。 由於1bp DNA的位移,Swr1的N端結構域和核小體的另一圈DNA之間相互作用加強,限制了核小體的進一步滑動,這是SWR1不具備催化核小體滑動的可能機制。需要特別指出的是,Swr1處於ADP-BeF3 (ATP類似物) 狀態。已知的其它染色質重塑蛋白沒有發現在ATP結合狀態下引起1 bp DNA位移3-5。這種異常的局部DNA移動也可能是SWR1沒有真正的核小體滑動活性的原因。

複合物全酶中另一個重要的核小體結合元件是Arp6-Swc6異源二聚體。它們通過全酶中的RuvBL亞基(六聚體)與Swr1 作用,穩定了整個複合物的構象。Arp6-Swc6結合進口端DNA,使得該DNA偏離了常規位置~65°,暴露大概2.5圈核小體DNA。突變和生化實驗(體外表達重構體系的一大優勢)表明Arp6-Swc6 是SWR1組蛋白替換活性的關鍵。與INO80一樣,因為失去了與進口端DNA的作用,H2A-H2B也相應地暴露。這也許是SWR1與INO80共同具有組蛋白替換活性的機理。

作者進一步採用單分子FRET手段監測了SWR1解開核小體末端DNA纏繞的過程。實驗表明在加入SWR1複合物和ATP後,末端DNA顯著偏離常規位置;而加入ATPγS ADPBeF3也捕捉到DNA解開的現象,這說明SWR1誘導的核小體DNA去纏繞依賴ATP的結合而不是水解。

-----廣告,請繼續往下閱讀-----

儘管SWR1ADP狀態下與核小體的作用方式目前仍不清楚,Wigley這個工作的發表使我們理解SWR1催化組蛋白替換的機制又前進了一大步。Dale Wigley是研究DNA解旋酶、滑移酶的大師,早在 1999 年通過研究PcrA, 提出了 DNA滑移酶的教科書級的inchworm(尺蠖,下圖)運動模型8。這個模型為理解染色質重塑蛋白的工作機理提供了基礎。

inchworm,尺蠖

相對於INO80 和 SWR1 複合物,人們對 SWI/SNF 的研究,尤其是哺乳類動物SWI/SNF (mSWI/SNF),有點滯後。mSWI/SNF 是細胞生長、發育和分化等過程所必需的生物大分子,約 20%的人類癌症中發現mSWI/SNF 的突變9

近日,美國哈佛大學Cigall Kadoch課題組在Cell上發表了題為Modular Organization and Assembly of SWI/SNF Family Chromatin Remodeling Complexes的研究長文,揭示了mSWI/SNF複合物的模組組織和組裝通路,並分析了人類疾病相關的突變影響mSWI/SNF的分子機制

人源 SWI/SNF 複合物由超過 20 個基因編碼,基於特定的人體組織和發育時期,複合物採用不同的蛋白亞基(paralogs和variants)和組裝形式,其結構組成紛繁複雜,難於一一辨認。早在 2013 年,Kadoch還是博士生的時候,她通過生化和質譜手段,鑒定了不同細胞系的mSWI/SNF組成10

-----廣告,請繼續往下閱讀-----

在當前的研究中,Kadoch課題組進行了更全面系統的工作,優化了一套穩定的mSWI/SNF複合物純化策略。他們利用CRISPR-Cas9HEK293T細胞系中mSWI/SNF相關亞基上導入HA標籤,通過一系列蛋白純化手段,得到了野生型和多種突變體mSWI/SNF複合物。通過分析不同的複合物組成和交聯質譜資訊,他們鑒定出HEK293T細胞系中三種mSWI/SNF複合物,分別是BAF(BRG1/BRM-associated factor)、PBAF(polybromo-associated BAF)和 ncBAF(non-canonical BAF,一種新發現的複合物)(下圖)。

為了更細緻地分析各亞基之間的相互作用以及 mSWI/SNF複合物組裝的過程,作者敲除不同的亞基,純化得到不同的複合物,進行交聯質譜和網路模組分析。最後,作者提出了mSWI/SNF的組裝通路:SMARCC1/SMARCC2和SMARCD1是mSWI/SNF複合物的初始平臺(initial core);initial core、SMARCB1和SMARCE1構成的亞複合物定義為BAF複合物的核心模組(BAF core module)。ARID1和BAF core module形成亞複合物(ARID1/BAF core),然後與DPF2結合,加上ATPase module(含SS18)完成BAF組裝;而ARID2與BAF core 形成亞複合物(ARID2/PBAF core),結合BRD7 和PHF10之後招募ATPase module(不含SS18),最後結合 PBRM1完成組裝過程。另一方面,GLTSCAR1/1L BRD9和BAF core 結合, 形成ncBAF core module,合併BRD9和ATPase module(含SS18)形成ncBAF複合物。

這個BAF複合物的構成與較早報道略有不同。其中,BRD9在較早研究中是BAF複合物的一個亞基,現在劃歸到ncBAF中;另外,BCL11似乎在HEK293T細胞系的BAF複合物中沒有被發現,而在T-細胞的BAF複合物中存在【10】。這些差異正好體現了mSWI/SNF研究的挑戰性。

作者結合含突變位點的BAF複合物的細胞和生化分析,根據勾勒出的mSWI/SNF複合物的組織輪廓,解釋了一些高頻錯義或無義突變影響mSWI/SNF複合物的組裝通路和各亞基之間的穩定性進而導致人類癌症及其他相關疾病的可能機理。總之這項研究對於後續 mSWI/SNF複合物的結構和功能研究提供了很有參考價值的框架。

-----廣告,請繼續往下閱讀-----
Cigall Kadoch,圖片來自:http://www.kadochlab.org/gallery/

Cigall Kadoch是一個非常出色的科學家,一直致力於研究哺乳動物 SWI/SNF 的功能與人類癌症的關聯。據說,她在哈佛大學尋找博士後工作時,因為實在太優秀了,沒有給她博士後崗位,而是直接讓她當獨立PI。2015 年,Cigall Kadoch當選MIT技術評論Innovator Under 35。

注:清華大學生命科學學院陳柱成課題組主要運用結構生物學的方法從事染色質生物學相關研究,近年來連續在Nature上發表兩篇研究論文闡述染色質重塑的機理11,12

BioArt補記

就在英國帝國理工學院的 Dale B. Wigley 課題組和 David S. Rueda 課題組合作在 Science 雜誌發表長文,解析了酵母SWR1染色質重塑複合物結合核小體的三維結構之後一周左右,來自復旦大學生物醫學研究院徐彥輝課題組在 Cell Research 雜誌上發表了題為 Cryo-EM structure of human SRCAP complex的研究論文13,首次解析了 4埃解析度的人源 SRCAP 複合物(對應酵母中 INO80 染色質重塑複合物)冷凍電鏡結構,為後續深入研究核小體置換機制奠定了基礎。

SRCAP-C為超大複合物,分子量約為 1 MDa(1000KDa),包含10個組分(SRCAP, DMAP1, YL1, RUVBL1, RUVBL2, ACTL6A, ARP6, ACTIN, GAS41 and ZNHIT1)。結構和生化研究表明在SRCAP-C中SRCAP不僅具有ATP解旋酶酶活性,還作為支架蛋白幫助複合物組裝。其中間部分貫穿RUVBL1-RUVBL2六聚體,其N端和C端分別連接多個SRCAP複合物組成蛋白。 RUVBL1-RUVBL2形成的六聚體為穩定核心,從底部兩側延伸出來SRCAP解旋酶結構域及Actin相關蛋白等模組。這兩個相對應的模組具有DNA結合的表面特徵,很可能為核小體結合位點。研究工作根據SRCAP同家族蛋白INO80與核小體複合物的結構,類比了SRCAP與核小體相互作用方式,為後續深入研究核小體置換機制奠定了基礎。

-----廣告,請繼續往下閱讀-----

參考文獻

  1. Clapier, C. R. & Cairns, B. R. The biology of chromatin remodeling complexes. Annu. Rev. Biochem. 78, 273-304 (2009).
  2. Liu, X., Li, M., Xia, X., Li, X. & Chen, Z. Mechanism of chromatin remodelling revealed by the Snf2-nucleosome structure. Nature 544, 440-445 (2017).
  3. Farnung, L., Vos, S. M., Wigge, C. & Cramer, P. Nucleosome-Chd1 structure and implications for chromatin remodelling. Nature 550, 539-542 (2017).
  4. Ayala, R. et al. Structure and regulation of the human INO80-nucleosome complex. Nature 556, 391-395 (2018).
  5. Eustermann, S. et al. Structural basis for ATP-dependent chromatin remodelling by the INO80 complex. Nature 556, 386-390 (2018).
  6. Willhoft, O. et al. Structure and dynamics of the yeast SWR1-nucleosome complex. Science 362(2018).
  7. Talbert, P. B. & Henikoff, S. Histone variants on the move: substrates for chromatin dynamics. Nat. Rev. Mol. Cell Biol. 18, 115-126 (2017).
  8. Velankar, S. S., Soultanas, P., Dillingham, M. S., Subramanya, H. S. & Wigley, D. B. Crystal structures of complexes of PcrA DNA helicase with a DNA substrate indicate an inchworm mechanism. Cell 97, 75-84 (1999).
  9. Hodges, C., Kirkland, J. G. & Crabtree, G. R. The Many Roles of BAF (mSWI/SNF) and PBAF Complexes in Cancer. Cold Spring Harb Perspect. Med. 6(2016).
  10. Kadoch, C. et al. Proteomic and bioinformatic analysis of mammalian SWI/SNF complexes identifies extensive roles in human malignancy. Nat. Genet. 45, 592-601 (2013).
  11. Yan, L., Wang, L., Tian, Y., Xia, X., & Chen, Z. (2016). Structure and regulation of the chromatin remodeller ISWI. Nature, 540(7633), 466.
  12. Liu, X., Li, M., Xia, X., Li, X., & Chen, Z. (2017). Mechanism of chromatin remodelling revealed by the Snf2-nucleosome structure. Nature, 544(7651), 440.
  13. Feng, Y., Tian, Y., Wu, Z., & Xu, Y. (2018). Cryo-EM structure of human SRCAP complex. Cell research, 1.

【原文属于BioArt】BioArt,一心关注生命科学,只为分享更多有种、有趣、有料的信息。投稿、合作、转载授权事宜请联系微信ID:fullbellies 或邮箱:sinobioart@bioart.com.cn

文章難易度
活躍星系核_96
752 篇文章 ・ 126 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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?

CPU 與 GPU

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。

-----廣告,請繼續往下閱讀-----

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。

依序計算和平行計算

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:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

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:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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。

結論

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。」

附錄

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?

-----廣告,請繼續往下閱讀-----

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。

註解

(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?

-----廣告,請繼續往下閱讀-----

(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)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

2
0

文字

分享

0
2
0
想要減肥或控制體重?先散步評估一下吧!——《大自然就是要你胖!》
天下文化_96
・2024/07/02 ・1877字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

恢復初始體重與延長健康壽命

身體的能量大多由細胞裡的能量工廠產生,也就是粒線體。這種能量以 ATP 的形式存在,用來驅動體內種種的生物過程,維持新陳代謝。攝取果糖後,身體會產生尿酸,對能量工廠造成氧化壓力,導致 ATP 產量減少,最後果糖所含的熱量會以脂肪和肝醣的形式儲存在體內。這個過程能幫助我們儲備能量,以因應食物不足的狀況。

生存開關活化所產生的氧化壓力,可能對細胞內的能量工廠和身體其他部位造成損害。在自然界中,這種氧化壓力通常為時短暫,能量工廠很快就會恢復正常運作。相對之下,現代人體內的生存開關卻是全年無休、火力全開。原本是為了生存而暫時抑制粒線體的能量產生,沒想到卻變成一種永久的枷鎖,並帶來嚴重的後果。

長期暴露在慢性氧化壓力中,會使能量工廠的結構發生變化。粒線體會變小,功能下降。即使在生存開關並未活化的狀況下,粒線體產生的能量也不復以往。這等於重新設定了新陳代謝的基礎值,降低能量的產生和使用,隨之而來的便是體重增加。因為身體現在認定減重前的體重才是正常,所以將體重減輕視為生存威脅,於是調整新陳代謝速率做為因應。這時,你的新陳代謝就成為你的敵人!

長期暴露在慢性氧化壓力中,粒線體會變小,降低能量的產生和使用,隨之而來的便是體重增加。因為身體現在認定減重前的體重才是正常,所以將體重減輕視為生存威脅,於是調整新陳代謝速率做為因應。圖/envato

生存開關長期處於活化狀態,不只會影響體重和能量。現在更有證據指出,慢性或反覆出現氧化壓力,也會導致人體老化,於是皮膚出現皺紋,內臟器官緩慢磨損。所有的食物攝取,多少都會對能量工廠造成氧化壓力(第一章曾說過,減少熱量攝取可能延長壽命,原因可能正是在此)。然而,與其他營養相比,攝取果糖對粒線體造成的氧化壓力要大得多。

-----廣告,請繼續往下閱讀-----

在我看來,若能在粒線體受到永久損傷之前,及早對肥胖症展開治療,效果最好。的確,我個人的經驗是,兒童和青少年的肥胖症比較容易治療,只需要改變飲食,減少攝取會活化生存開關的食物,因為年輕人仍然擁有大量功能正常的粒線體。相較之下,要治療肥胖症的長期患者挑戰就高得多,因為他們的能量工廠長期承受慢性的氧化壓力。然而,任務仍然可能達成,關鍵在於恢復粒線體。

要治療肥胖症,就得增加粒線體的產能

我們被「鎖定」在高體重和低能量的狀態,這聽來真是令人沮喪,但這種狀態並非不能改變,能量工廠是可復原的。基本上有兩大方法,首先,盡量減少對能量工廠的損害,讓它們有時間自然恢復。這種方法主要著重在中止生存開關持續活化。其次是積極修復能量工廠,甚或是增加生產粒線體,以彌補失去的數量。

評估粒線體的健康,你可以從散步開始!圖/envato

在討論如何達成這兩項目標之前,我想先提供簡單的方法,讓你評估自己能量工廠的健康狀況:觀察自己的自然步態,也就是平時的行走速度。你可以記錄自己繞行附近一個街區的時間,同時佩戴計步器計算步數,然後算出每秒行走的步數和距離。另一種方法更簡單,只要記錄繞行街區的時間,將現在的時間與之後的時間進行比較,就能判斷粒線體的健康狀況是否改變。重點在於測量時要採行自然步態;換句話說,行走時請勿故意加快腳步。正常的步行速度約為每秒 1.2 公尺,但每秒 0.6 至 1.8 公尺都算正常範圍。我建議把目標設定為每秒 1.2 公尺以上。長期超重的人步行速度通常較慢,平均約為每秒 0.9 公尺。

研究顯示,自然步行速度與粒線體的品質呈現正相關,步行速度較快的人壽命較長,整體健康狀況也較好。步行速度減慢可能是因為骨骼肌疲勞增加,或 ATP 濃度低。值得注意的是,年輕超重者的步行速度往往與其他年輕人相似,但隨著年齡增長,超重者和正常體重者之間的步行速度差異會愈來愈大。

-----廣告,請繼續往下閱讀-----

我鼓勵你去散步,評估你的自然步行節奏。這可幫助你深入了解減肥和維持體重的難易程度,不僅如此,長期監控自己的自然步行速度,還有助於評估體重控制的整體進展。

——本文摘自《大自然就是要你胖!》,2024 年 06 月,天下文化出版,未經同意請勿轉載。

討論功能關閉中。

天下文化_96
139 篇文章 ・ 621 位粉絲
天下文化成立於1982年。一直堅持「傳播進步觀念,豐富閱讀世界」,已出版超過2,500種書籍,涵括財經企管、心理勵志、社會人文、科學文化、文學人生、健康生活、親子教養等領域。每一本書都帶給讀者知識、啟發、創意、以及實用的多重收穫,也持續引領台灣社會與國際重要管理潮流同步接軌。

0

14
12

文字

分享

0
14
12
為什麼大腦如此耗能?——淺談神經元的基本構造和功能
Heidi_96
・2022/04/13 ・4565字 ・閱讀時間約 9 分鐘

-----廣告,請繼續往下閱讀-----

身為人體總司令,大腦每單位重量所消耗的能量,約為其他器官的 8 至 10 倍[1]。所以,即使大腦只佔據人體總重量的 2%,仍然得消耗人體高達 20% 的總能量才能保持運作,就連休息和睡覺時,消耗的能量也絲毫不減。

為什麼大腦這麼輕,卻得消耗如此多的能量呢?

以往,科學家認為這和「腦電活動」有關,也就是腦內神經元運作時,所產生的電活動。神經元是神經系統負責傳遞訊息的基本單位。這些細胞形狀細長,結構可分為三個部分:細胞本體、樹突(dendrite)和軸突(axon)。樹突看起來就像樹枝,有很多專一性受體,可以接收來自上一個神經元的神經傳導物質。

神經元形狀細長,結構可分為三個部分:細胞本體、樹突和軸突。圖/國家實驗研究院

靜止膜電位:穩定的休息狀態

在樹突沒有收到化學訊號的狀態下,神經元的靜止膜電位(resting membrane potential)約為 -70 mV;也就是說,在休息狀態時,神經元內的電壓相較於細胞外低了 70 mV。造成電位差的關鍵在於細胞膜外的正離子(鈉離子,Na+)比較多,膜內的正離子(鉀離子,K+)比較少。

可是,物質不都是從高濃度往低濃度的地方移動嗎?為什麼還可以維持在 -70 mV 呢?

第一,是透過主動運輸。這種運輸方式必須消耗能量才能進行,而負責這項任務的就是細胞膜上的「鈉鉀幫浦」(Na+/K+-ATPase)。鈉鉀幫浦所消耗的能量是三磷酸腺苷,也稱作 ATP,是細胞的「能量貨幣」,專門儲存和提供能量。幫浦每消耗 1 個 ATP,就可以將 3 個鈉送出細胞,再將 2 個鉀送入細胞。只要幫浦不斷運作,就能維持恆定的離子濃度差,使得細胞外有較多鈉離子,而細胞內則有較多鉀離子。

-----廣告,請繼續往下閱讀-----
ATP(C10H16N5O13P3)是細胞的「能量貨幣」,專門儲存和提供能量。圖/Wikipedia

第二,是透過被動運輸。這種運輸方式不需要消耗任何能量,只要有濃度差異,離子就可以經由通道蛋白,從高濃度處擴散到低濃度處。然而,細胞膜上的鉀離子通道蛋白數量較多,約為鈉離子通道蛋白的 50 倍,所以鉀離子可以輕鬆離開細胞,鈉離子卻難以回到細胞,使得細胞內部正離子數量較少。

那麼,收到化學訊號時,神經元的膜電位會怎麼變化呢?

動作電位:活躍的工作狀態

剛剛提到神經元的靜止膜電位約為 -70 mV,細胞膜內帶負電、膜外帶正電,這種兩極化的電荷環境,稱為「極化」(polarization)。當神經傳導物質和樹突上的受體結合,受體就會根據接收到的訊號種類,調整離子通道的通透性。

在極化階段,鈉離子通道(紫)和鉀離子通道(橘黃)皆未開啟,只有鈉鉀幫浦(藍綠)持續進行主動運輸。圖/Wikipedia

比方說,若是收到興奮性的訊號(專有名詞是「興奮性突觸後電位」;EPSP),就會增加細胞膜對鈉離子的通透性,使鈉離子流入細胞內。因為鈉離子帶有正電,原本維持在 -70 mV 的膜電位就會上升。若是膜電位高於 -55 mV 的閾值,軸突前端的軸丘(axon hillock)就會立即反應,產生動作電位(action potential),以電訊號的形式打開附近所有鈉離子通道,使得鈉離子大量湧入細胞,形成「去極化」(depolarization)。

-----廣告,請繼續往下閱讀-----
在去極化階段,鈉鉀幫浦(藍綠)暫停運作,鈉離子通道(紫)開啟,使得鈉離子進入細胞,提升膜電位。圖/Wikipedia

動作電位啟動後,膜電位通常可以衝高到 40 mV。為了平衡細胞膜內過多的正電荷,鈉離子通道便會關閉,而鉀離子通道會同步打開,讓細胞內的鉀離子流出細胞,使得膜電位再次回到帶負電的狀態,稱為「再極化」(repolarization)。

可是,因為鉀離子通道關閉速度較為緩慢,所以當膜電位回復到 -70 mV 時,鉀離子仍不斷流出細胞,造成電位低於靜止膜電位的「過極化」(hyperpolarization)現象。此時,鈉鉀幫浦就會主動消耗 ATP,重複將 3 個鈉離子送出細胞,再將 2 個鉀離子送回細胞的循環,讓膜電位和離子濃度都順利回到最初的極化狀態。

在過極化階段,鈉離子通道(紫)關閉,鉀離子通道(橘黃)開啟,使得鉀離子流出細胞,降低膜電位。圖/Wikipedia

以上四階段(極化、去極化、再極化、過極化)就是一個完整的動作電位!

另一方面,若是樹突上的受體收到抑制性的訊號(專有名詞是「抑制性突觸後電位」;IPSP),就會增加對鉀離子的通透性,使鉀離子流出細胞外,造成原本帶負電的狀態更加極端,無法達到閾值,便不會產生動作電位。

要注意的是,動作電位通常不是根據單一訊號刺激而產生,畢竟神經元隨時都在接收各種不同的訊號,但無論如何,只要加起來的電位變化強度超過閾值,就可以產生動作電位,反之則不會引起任何神經傳導反應。這就是動作電位的「全有全無律」(all-or-none law)。

-----廣告,請繼續往下閱讀-----
若是膜電位高於 -55 mV 的閾值,軸丘就會立即反應,產生動作電位。圖/A-Level Biology

動作電位如何傳導電訊號?

軸丘產生動作電位後,並不會反傳回細胞本體,而是傳給隔壁的軸突。軸突是一條細長的神經纖維,只要最前端產生動作電位,就可以引發後續一連串的反應。整個過程類似大隊接力,而且不會往回傳,因為當訊號傳送到下一個位置時,前一個發生動作電位的地方處於再極化狀態,鈉離子通道沒有開放,所以無法同時進行去極化。如此一來,就能確保電訊號單向傳導。

當電訊號抵達軸突末端的突觸(synapse)時,會刺激突觸小泡(synaptic vesicle)釋放神經傳導物質,以化學刺激的形式將訊息傳遞出去。下一個神經元的樹突接收到訊號後,就會根據訊號類型,開啟鈉離子通道(引發去極化,產生動作電位)或鉀離子通道(引發過極化,不產生動作電位)。綜上所述,神經系統就是透過神經元不斷重複這樣的循環來傳遞訊息。

動作電位四階段:(1)極化、(2)達到閾值、(3)去極化、(4)再極化、(5)過極化。圖/國家實驗研究院

最新研究發現大腦耗能的關鍵

現在,我們大致知道了神經元如何以電訊號和化學訊號傳導訊息。(如果你沒有看懂,那也沒關係,總之這整個過程都需要燃燒大量 ATP!)科學家以往都認為大腦之所以這麼耗能,就是因為神經元隨時都在消耗 ATP,而且這些神經元的數量多達 860 億個[2]。可是,過去幾十年的臨床研究發現,在植物人和重度昏迷患者腦內,神經元產生的電活動極少,大腦消耗的能量卻沒有明顯下降。

如果不是電活動,那究竟是什麼消耗了這麼多能量?

去(2021)年底發布在《Science Advances》期刊的一篇研究公布了答案。研究團隊來自威爾康奈爾醫學院(Weill Cornell Medicine),第一作者是提姆.萊恩(Timothy Ryan)教授,他專攻生物化學和結構生物學。近年來,他的團隊深入研究神經元的突觸,試圖找出大腦耗能的原因。有鑑於老鼠的大腦結構和神經迴路都近似人腦,團隊決定透過實驗鼠進行研究。

-----廣告,請繼續往下閱讀-----
萊恩教授的團隊深入研究突觸,試圖找出大腦耗能的原因。圖/The Rockefeller University

首先,團隊使用毒素,讓實驗鼠的神經元停止運作,阻斷電訊號,卻發現突觸仍然持續消耗能量。為了進一步釐清原因,團隊將焦點轉移到專門儲存、釋放神經傳導物質的突觸小泡,讓小泡表面各種不同功能的幫浦失去活性,使得突觸無法釋放相對應的化學訊號。

與此同時,團隊利用螢光顯微鏡觀察突觸。經過比對後,發現正在偷偷燃燒 ATP 的是一種稱為「氫離子幫浦」(proton pump)的通道蛋白,其運作形式類似鈉鉀幫浦。研究結果顯示,即使神經元處在休息狀態,突觸小泡內的氫離子幫浦仍然得持續工作,將不同的神經傳導物質送進小泡待命,以備不時之需。可是,作為交換,幫浦會帶走小泡內部的氫離子(H+)。

如果進入小泡的化學物質是甘氨酸、麩胺酸或 GABA,幫浦就會帶走 1 個氫;如果是血清素、多巴胺、組織胺、乙醯膽鹼或正腎上腺素,幫浦則會帶走 2 個氫[3]。有時候,就算沒有任何化學物質進入小泡,幫浦還是會偷偷帶走氫離子,造成小泡內部的氫離子濃度下降。為了維持穩定的離子濃度,突觸小泡必須不斷製造氫離子才能滿足需求,而這樣的過程佔據了 44% 的突觸能量消耗。

研究團隊使用巴佛洛霉素(bafilomycin)抑制氫離子幫浦,發現實驗鼠的突觸能量消耗剩下 56%(圖 E 紅色長條),代表氫離子幫浦的作用佔據了 44% 的突觸能量消耗。圖/Science Advances

萊恩教授表示,雖然每次流失的氫離子數量不多,也就一兩個,但是神經元數量非常多,「即使沒有任何電活動,整體能量消耗依然非常可觀。」目前還不清楚大腦為什麼會有這種機制,很可能是為了預先儲存神經傳導物質,因應突如其來的電訊號,「就像是高速空轉的賽車引擎,雖然會浪費額外的燃料,卻能以更快的速度起步。」

-----廣告,請繼續往下閱讀-----

萊恩和他的團隊認為這份研究成果非常可貴,能讓人類對於大腦有更透徹的瞭解,也希望將來能用於治療帕金森氏症(Parkinson’s disease)這類神經退化性疾病。他表示帕金森氏症患者的大腦可能沒有足夠的能量合成 ATP,「這就像是讓一輛油管破裂的賽車高速空轉,很容易釀成大禍。」

註解

  1. Pulido, C., & Ryan, T. A. (2021). Synaptic vesicle pools are a major hidden resting metabolic burden of nerve terminals. Science Advances, 7(49). https://doi.org/10.1126/sciadv.abi9027 
  2. Azevedo, F.A., Carvalho, L.R., Grinberg, L.T., Farfel, J.M., Ferretti, R.E., Leite, R.E., Filho, W.J., Lent, R. and Herculano-Houzel, S. (2009). Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically scaled-up primate brain. Journal of Comparative Neurology, 513(5), 532-541. https://doi.org/10.1002/cne.21974 
  3. Synaptic vesicle – Wikipedia

參考資料

Heidi_96
7 篇文章 ・ 13 位粉絲
PanSci 編輯部角落生物|外語系畢業,潛心於翻譯與教學,試圖淡化語言與知識的隔閡。