你所不知道的核酸：足以取代抗體搜尋功能的「適體」是什麼？有什麼作用？

• 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？

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。

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：

• 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

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 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。

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？

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?

（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。

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。

超過半世紀以來，生物課本一定會提到DNA由四個「字母」組成：A、T、C、G，不過現在科學家成功將新的「字母」新增到細菌中，而且和「天然」DNA一樣，在實驗室中具有轉錄、轉譯的生物功能。

加州斯克里普斯研究所（Scripps Research Institute）的生物學家羅莫斯伯格（Floyd Romesberg）努力15年，終於創造出帶有人造DNA「字母」的細菌，他說：「我們現在有一個帶有更多遺傳訊息的活生生細菌」。相關的研究成果發表在這一期的《自然》期刊。

DNA的四個「字母」其實是四種不同的含氮鹼基（base）：A－腺嘌呤（Adenine）、T－胸腺嘧啶（Thymine）、G－鳥糞嘌呤（Guanine）、C－胞嘧啶（Cytosine）。而且A與T配對，C與G配對，互補的兩股DNA就這樣編成完美的雙螺旋結構（如下圖）。要是能找到互補的兩種分子，並且像這四種鹼基一樣接在磷酸骨架上，理論上就能用新的「字母」寫出新的遺傳密碼。

這個簡單的想法在華生、克里克發表DNA雙螺旋結構不久後，就有科學家提出。不過一直到了1989年，蘇黎世聯邦理工學院（Swiss Federal Institute of Technology）的賓勒（Steven Benner）才和研究團隊將修改後的胞嘧啶（C, Cytosine）植入活體細菌中，讓細菌得以複製帶有「新．胞嘧啶」的DNA。

然而羅莫斯伯格這次的研究成果，又比先前賓勒的「新．胞嘧啶」更稱得上是一個「新字」。研究團隊列出60種有望成為「新字母」的分子，從3600種配對中發現 d5SICS 和 dNaM 最有希望成功（如下圖），特別是這兩種分子又和既有的DNA複製 / 轉錄機制相容，在試管中能轉譯成RNA，也能夠複製。

研究團隊讓這兩種分子合成在細菌質體DNA中，再將質體植入大腸桿菌（E. coli）。這段帶有「新字母」的DNA成功在細菌中複製還有轉錄，而且當細菌分裂時，還會帶著這段獨特的質體一起分裂。未來有可能找到更多能夠充當遺傳密碼「新字母」的分子，甚至整段DNA都不包含自然存在的A、T、C、G。

這項技術對遺傳工程來說，具有提高安全性的應用潛力。舉例來說，如果用來製藥的細菌使用人工「新字母」，那麼當細菌逃逸出實驗室，也會因為在自然界中得不到人造的「字母」，缺乏原料而無法複製繁殖。

羅莫斯伯格的研究團隊正在嘗試「寫出」更多胺基酸「單字」。目前已知的生物都是三個字母為一組「密碼子」（codons），轉錄/轉譯出胺基酸，有了新的「字母」，就有機會設計出能夠轉錄/轉譯更多胺基酸的生物。潛在的應用像是設計出精準毒殺癌細胞的胺基酸來治療癌症，或者具有螢光反應的胺基酸讓科學可以追蹤細胞。

參考資料：First life with ‘alien’ DNA. Nature News [07 May 2014]

研究文獻：Malyshev, D. A. et al. Nature http://dx.doi.org/10.1038/nature13314 (2014).

• IGEM CSMU Taiwan

什麼是適體？

提到 DNA 與 RNA，大家腦海裡第一個浮現出來的就是生物課的內容吧：

DNA 以具備 ATCG 四種不同含氮鹼基的核苷酸來記載生物遺傳資訊，而 RNA 負責翻譯這些遺傳資訊，進而製造生物體的一切構築原料。

但是 DNA 和 RNA 就只有像字典和翻譯機的功能嗎？如果你把他們想像的這麼簡單，那可是大錯特錯喔。他們可還有精確搜尋出目標的偵探能力呢！

首先，在你認知中的核酸構型長怎樣呢？所聯想到的大概就是那看起來神秘又唯美的雙股螺旋狀。因為許多影視作品的推廣，在大眾的印象中，DNA 的形象和雙股螺旋已經合而為一了。的確，配對後的 DNA 序列經 X光晶體分析是雙股螺旋狀，這在當時還是轟動世人的重要發現呢！

但那只是 DNA 做為遺傳物質時的一種經典樣貌。事實上，單股核酸在不同序列的組合下也是有千變萬化的構型。就如同人體內的 RNA 就根據不同的功能而有著不同構型，甚至也有些特殊構型具備酵素的相似功能，被稱為核酶（ribozyme）。

而不同的核酸序列能產生不同構型，這個特性是不是就跟我們熟知的蛋白質一樣呢？沒錯，蛋白質也透過不同胺基酸組合，產生許多具功能性的構型，並成為所有生物體內生化反應進行的必要推手。於是就有些人想到了，既然如此，我們何不使用核酸的這個特性發展成工具使用呢？

在 1990 年，Szostak 及 Gold 實驗團隊便分別發展出了類似的篩選技術，可在體外篩選、分離並放大特定的 RNA 序列片段。這些序列片段構型可以如探針一樣，專一性地辨識目標物。而這些具辨識能力的 RNA 片段就被 Szostak 實驗室命名為 aptamer，取自拉丁文 aptus，有適合的意思。由 Gold 實驗室提出的篩選方式則被命名為 systematic evolution of ligands by exponential enrichment，可譯為配體的指數增長系統進化技術，也就是後人泛稱的SELEX。

在兩間實驗室發現了 RNA 具備的特殊能力後不久，DNA 也被發現可做為適體的原料。在後續20多年的研究發展更證實了適體在生物檢測與醫療領域上的諸多可能性，也陸續吸引了許多實驗室繼續投入研究。

適體V.S. 抗體

說到適體能專一性辨識目標分子的能力，這聽起來是不是很熟悉？

沒錯，適體跟抗體都能經適當設計後，成為生物檢測的工具。但是抗體的發現早了適體將近百年，無數的研發成果讓抗體早已成為生物檢測市場上的老大哥了。那做為後起之秀的適體，究竟有什麼優勢之處能與抗體一較高下呢？不妨讓我們一同瞧瞧。

1. 適體對於給定的任何目標特徵都有高度的特異度與親和力，範圍從小分子到較大的蛋白質，甚至連整顆活細胞都在他的守備範圍內。使適體具有發展成廣範圍生物感測工具的潛力。而抗體只能辨識具有免疫活性的分子，泛用度上就有相當大的差距。
2. 適體被篩選出來後，其後續生產原料來自商業來源，可以固相合成技術在數小時內批量生產，並同時具有高重現度與純度。反觀一般抗體藥物需要由哺乳動物細胞培養，且從生產製造到純化需耗費數天至數月。時間成本上抗體輸了一大截。
3. 與蛋白質構成的抗體或酵素相比，DNA構成的適體具有高度化學穩定性，不易因酸鹼熱等環境因子而破壞活性。但是未經過適當化學修飾的適體在血液中將面臨核酸酶的破壞，未能如抗體一般穩定存在。
4. 適體在與目標結合後，構型會有顯著的變化。使它可以被設計成更為靈活的生物檢測器，並有高度的偵測特異度與選擇性。

既便宜又多用途，使適體成為十分有潛力的發展目標。然而適體也有其弱點：雖然有好的化學穩定性，但由於其小分子量使其生物穩定性較差。體內半衰期短限制了適體在臨床應用上的發展。且傳統的 SELEX技術無法預測適體和目標分子結合的位置，與結合後的具體作用功能。因此短時間內，適體還不能動搖已經有穩健根本的抗體檢測市場，但相信假以時日，這些技術層面的障礙也將被孜孜不倦的研發人員們突破。

適體的誕生之路—SELEX

介紹完了適體，那麼回頭來看看SELEX。究竟是經過怎樣的流程，能讓一般的核酸分子大翻身變成大家眼中生物檢測界的明日之星呢？

SELEX可大致分為三個流程：

篩選出可結合目標的配體序列：

目標會與核酸序列庫內各種隨機的單鏈核酸序列作用。藉以找出能與目標物結合的適體。在這個階段，平均可以從 10⁹ 到 10¹³ 的隨機序列中找到一條能結合上目標物。

分離出有結合到目標物的適體：

在第一個步驟後，將未結合上目標物的核酸分子分離，再將有結合的適體與目標物分離並收集起來。

放大適體數量：

收集完的那些適體分子，再進一步以聚合酶連鎖反應（PCR）的方式放大其數量。

透過重複這三個步驟的流程，並在每一次循環中，調整培養的時間、溶液的性質、目標分子的數量等方式，使篩選條件更加嚴苛。以篩選出真正具高度專一性與親和力的適體分子。

並且，做為保險機制，會在前期的某次循環中進行反向篩選，即以另一種跟目標物有相似處的不同物質進行篩選。而這次篩選出有結合的那些適體分子會被判定不及格，只留下沒結合上的適體分子。這個步驟的目的是要篩去那些雖然有親和力但是專一性不高的適體。

通過了如此層層關卡後篩出來的極少數核酸分子，才是真正符合我們要求的高品質適體。並進一步應用到生物檢測或其他用途。

適體在臨床與科學應用上有著許多抗體所沒有的優勢，雖然目前市場上適體的相關產品較為罕見，一方面因為過去SELEX的技術受到專利的保護，只有少數公司享有開發產品的權利；另一方面，適體要從實驗室跨足到商業應用也仍有許多問題需要克服。

相較已經熟為人知並有成熟體系的抗體，適體的產品仍舊較為弱勢。但期待隨著各項適體相關專利的解禁，更多的實驗室投入適體的改良與開發，未來適體能夠成為臨床與科研領域發展上的強力推手！

參考資料

1. Shiping Song, Lihua Wang, Jiang Li, Chunhai Fan, Jianlong Zhao (2008). Aptamer-based biosensors. Elsevier. doi: 10.1016/j.trac.2007.12.004
2. Subash Chandra Bose Gopinath (2007). Methods developed for SELEX. Analytical and Bioanalytical Chemistry.
3. Regina Stoltenburg, Christine Reinemann, Beate Strehlitz (2007). SELEX—A (r)evolutionary method to generate high-affinity nucleic acid ligands. Elsevier. doi: 10.1016/j.bioeng.2007.06.001
4. DOIT 經濟部技術處(2017)—產業技術評析 核酸適體(Apatamer)新藥研發商機

「懷孕中的大腦」有了新的定義，研究指出男性DNA（去氧核醣核酸）–可能是懷孕時間男寶寶遺留在母體內的–能夠永遠存在母親大腦裡。雖然這個外來DNA造成的生物影響尚未明確，研究也發現大腦裡有較多的男性DNA的女性，較不易患有阿茲海默症–據研究所說，男性DNA可能降低母親患有阿茲海默症的機率。

哺乳類懷孕期間，母體與胎兒互換DNA及細胞。早先的研究指出，胎兒的細胞能遺留於母體的血管及骨骼內，長達數十年之久，研究人員稱此現象為母胎微嵌合（fetal microchimerism）。研究指出，遺留在母體內的胎兒DNA對母體或許有壞的影響也有好的影響：藉由促使組織修復及增進免疫系統，使母體健康受惠–但也可能造成負面影響，如自體免疫（autoimmune reactions）。

其中一個問題就是，遺留下來的胎兒細胞是如何影響大腦的。研究人員指出母胎微嵌合發生於鼠類大腦裡，但尚未有資料顯示母胎微嵌合發生於人體。因此，弗雷德哈欽森癌症研究中心（華盛頓州，西雅圖）的自體免疫及風濕病學家J. Lee Nelson採集了五十九位，過世時為三十九至一零一歲的女性大腦解剖樣本。藉由測試Y染色體特有的基因發現，五十九位女性中，63%大腦中有男性DNA。（研究人員並沒有她們的懷孕資料）男性DNA分布於大腦不同部位中。

因有些研究指出懷孕的次數愈多，患得阿茲海默症的機率愈高，為找出阿茲海默症的跡象，此研究團隊也檢測了大腦，進而判定阿茲海默症是否與母胎微嵌合相關。五十九位女性中，有三十三位患有阿茲海默症–但研究結果與研究團隊所預計的大為不同，患有阿茲海默症的女性，腦中的男性DNA明顯少於二十六位未患病女性腦中的男性DNA。

然而，胎兒的男性DNA是否降低女性阿茲海默症患病率仍未明確。「對我來說，這表示母體大腦中的胎兒細胞能預防疾病。」紐約西奈山醫學院心臟科醫師Hina Chaudhry說道。

去年底發表在「Circulation Research 」網站上的一項研究中，Chaudhry與同事發現在鼠體內胎兒細胞移轉到母體心臟裡，分化成能夠作用的心臟細胞且加速受損心臟組織的修復。因此，Chaudhry說道，相似的情形可會能發生胎兒細胞移轉至大腦時。「我想這些細胞移轉到母親大腦裡，且分化成神經元。」

一項2010年發表在《Stem Cells and Development》上的研究指出，胎兒細胞能移轉至母鼠大腦裡，且生成神經元，Nelson說道。但她也說道，相似的情形是否也發生於人體上，目前仍不明確–而且要確切地提出證據，證明阿茲海默症與母胎微嵌合之間的關聯十分地困難。一部分是因他們沒有這些女性的懷孕資料。「 必須說，我們真的不知道。希望這樣的研究在未來能被完成，但是以人體為樣本做研究實在是太困難了。」

資料來源：Bearing Sons Can Alter Your Mind – ScienceNow [26 SEPTEMBER 2012]