協助人類健康的大功臣「模式生物」

本文由 高柏科技 合作，泛科學撰文

林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。

「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。

回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。

林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。

因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的，不是把答案搬回地面

太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。

儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。

好論文，為什麼仍可能造不出好產品

學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。

林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。

AI 會給答案，誰來負責出貨？

訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？

林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。

• 作者／顯微觀點
• 本文轉載自顯微觀點《第一張複雜腦圖譜：果蠅連接體》

2024年10月，神經科學的劃時代里程碑，成年雌果蠅完整大腦神經圖譜系列研究，發表在《自然》期刊（Nature）。此圖譜詳盡至果蠅腦中每一條神經的所有分支、每一個突觸的尺寸和型態，這樣的腦神經圖譜稱為「連接體」（connectome）。要繪製完整成熟雌性果蠅連接體，需要辨識近14萬個神經元（神經細胞）與其間的5千萬個突觸（不同神經元的連接處）。

「世上還沒有另一個如此複雜的成年動物全腦連接體。」

馬拉．莫西／普林斯頓大學神經科學研究所長

普林斯頓大學神經科學研究所長馬拉．莫西（Mala Murthy）、神經科學與電腦科學教授承現峻（Sebastian Seung）率領跨國科學團隊建造果蠅連接體雲端平台「FlyWire」，並在《自然》同時發表12篇論文，以《成熟大腦的神經連接圖》（Neuronal wiring diagram of an adult brain.）為旗艦研究，展現果蠅大腦的完整神經迴路，包含8453種神經元的構造與位置，其中4581種為本系列研究的新發現。

連接體開拓腦科學高速公路

有了詳細的腦神經地圖，科學家得以規劃嶄新的神經科學研究路徑，更加直接、詳盡地實驗神經構造與行為之間的關聯。例如，按圖索驥蒐集所有關於果蠅「剎車」動作的神經元，建構完整的動作神經網路，找出過往研究方式所遺漏的因素；或是利用果蠅連接體推論出「觀看」等動作的完整神經活動，捕捉新的神經科學現象。

生物資料科學家更進一步利用此完整連接體搭配演算法建立一個虛擬蠅腦，不僅完全重現神經元線路，更能及時推算各神經訊號的傳輸路徑與功能，模擬果蠅的真實腦內活動。接收初始訊號之後，這個虛擬蠅腦啟動一連串神經訊號，最後以運動神經元控制肢體作為結果，就像活生生的果蠅在對環境刺激進行反應。

讓神經科學換檔加速的果蠅連接體，在「FlyWire」網站向公眾徹底開放。由公眾人力與人工智慧合力打造的龐大資料庫，現在平等地提供研究資源，科學界認為，FlyWire的完整度與開放性將大幅加速人類大腦的解密。

「蠅」來連接體學大躍進

人類大腦含有超過500億個神經元，形成上百兆個突觸，具備了人工智慧還無法達成的認知、思考與創造力。若能理解人腦的基礎運作方式，科學家有機會找到帕金森氏症等退化性腦部疾病的解藥，或是掌握思覺失調症等精神疾病的生理機制。甚至逐漸實現承現峻的科學狂想：以連接體科技上傳記憶與意識，讓人類達到永生。

發展四十年後，連接體學家終於掌握了果蠅大腦，這個器官最寬處不到0.75毫米，渺小如塵埃，其中蘊含的連接體奧秘卻超越過去累積的科學資料。以果蠅連接體完成博士學位的多肯沃（Sven Dorkenwald）比喻，果蠅連接體彷彿是一座茂密森林，神經元猶如樹木，可以透過根系彼此溝通。但在空間比例上，果蠅的某個視神經橫跨全腦連接雙眼，有如一棵紐約的樹木能夠和位在洛杉磯的樹木互通聲息。

相對「頭腦簡單」的線蟲與果蠅幼蟲缺少成年果蠅的複雜行為與反應，成年果蠅卻與人類共享許多認知功能與神經生理反應。例如：辨別同類、劃分地盤/食物、求偶交配等行為，以及時差、酒醉、咖啡因亢奮等特殊生理狀態。

果蠅：當前最佳人腦模擬器

在動物行為領域，果蠅大腦與人類大腦面對許多相似的問題，如何前往目的地、判斷氣味來源、觀察周遭物體的移動，以及複雜的社會性行為，如歌唱求偶、爭奪資源；以及注意力與情緒調節等。從神經科學技術的現實面來看，果蠅大腦也是最適合進行全腦研究的複雜連接體，現有科技僅能對斑馬魚、小鼠的大腦進行分區重建。

「連接體研究需要夠複雜但體積不太大的腦，果蠅正好位在這個甜蜜點上。」

馬拉．莫西

莫西實驗室深入研究果蠅行為，發現果蠅的生存、繁殖行為蘊含複雜的模式。例如，雄果蠅演奏求偶時，會依照雌果蠅與它的距離改變演奏的音量與編曲，並追隨雌果蠅。運用FlyWire，莫西團隊清點雌果蠅中腦關於聽覺的600多個神經元與其突觸，辨認出20種新的神經元，發現其功能網路比過往所知更加複雜。

莫西團隊發現，雌果蠅聽覺迴路中，神經元的回饋訊號可以憑藉音訊特徵進行預測，未來可以據此模型預測真實雌果蠅對「情歌」的回應行為。或許我們深深自豪的音樂品味也刻劃在我們的腦神經細胞之間，只是和我們的連接體一樣，比果蠅的複雜萬倍。

在基因層面，果蠅與人類共享約60%的基因，包括學習、時差反應與唐氏症相關的基因。接近3/4的人類遺傳疾病能在果蠅DNA中找到對應的基因。因此，完整的成年果蠅連接體被視為通往人類大腦奧秘的橋頭堡。

美國太空總署（NASA）在1947年將果蠅送上太空，作為地球生命前往太空環境的實驗品。牠們竟生還返地，為太空人開拓了道路。作為經典模式生物，果蠅相關研究獲得6項諾貝爾獎，生理學、神經科學與行為學領域已累積豐富資料，搭配完整連接體圖譜的跨領域研究，勢必能帶人類深入探索腦宇宙。

本文轉載自顯微觀點

科學界的重大盛事－諾貝爾獎，已在 10 月揭曉。今（2024）年生醫獎頒發給維克托．安布羅斯（Victor Ambros）和加里．魯夫昆（Gary Ruvkun），他們以「發現 microRNA 及其在轉錄後基因調控中的作用」獲肯定得到桂冠。而這項重大發現的背後，一種叫做「秀麗隱桿線蟲」（C. elegans）的小蟲子居功厥偉。

生醫獎背後大功臣

安布羅斯和魯夫昆對於基因如何受到調控，如何因活化時間不同而確保各類型細胞在正確時間點發育的問題很感興趣。因此他們研究因基因活化出現問題的兩種線蟲突變株：lin-4 和 lin-14，以瞭解當中的機制。

一開始，安布羅斯先發現 lin-4 基因似乎是 lin-14 基因的負調節因子，但 lin-14 的活性是怎麼被阻斷的，仍然是個謎。因此他系統性地找尋 lin-4 在基因體中的位置與基因序列，也因此意外發現 lin-4 基因只會產生一種異常短、不足以合成蛋白質的核醣核酸分子。

同一時間，魯夫昆在麻州總醫院和哈佛醫學院新成立的實驗室研究 lin-14 基因的調控。魯夫昆發現 lin-4 抑制的並不是 lin-14 的產生，而是抑制 lin-14 基因產生蛋白質，且發生在基因表現過程的後期。實驗也顯示要抑制 lin-4，必須要有 lin-14 訊息核醣核酸（mRNA）中的一個片段。

安布羅斯和魯夫昆比較了各自的實驗成果，找到突破性的發現：lin-4 部分序列與 lin-14 訊息核醣核酸的關鍵片段中的序列互補。他們進一步實驗，顯示 lin-4 微型核醣核酸（microRNA）透過與 lin-14 訊息核醣核酸中的互補序列結合，來抑制 lin-14 轉譯，進而阻斷 lin-14 蛋白質的產生，也因此揭開 microRNA 介導的基因調控新原理。

這項結果被發表在 1993 年的《細胞》期刊的兩篇文章上。但一開始這樣的基因調控機制被認為是秀麗隱桿線蟲所特有，而不受重視。直到 2000 年，魯夫昆的研究團隊發現了另一種由 let-7基因編碼的 microRNA，科學界的態度才發生變化；因為 let-7 基因高度保存在整個動物界中。

接下來的幾年裡，數百種不同的 microRNA 被鑑定出來，微型核醣核酸的基因調控在多細胞生物中普遍存在；而基因調控若失常，則可能導致糖尿病、癌症或自體免疫疾病。

這不是秀麗隱桿線蟲第一次「助攻得獎」。

成為助攻王的關鍵

2002 年西德尼．布瑞納（Sydney Brenner）、約翰．蘇爾斯頓（John Sulston）和羅伯特．霍維茨（Robert Horvitz）便是從秀麗隱桿線蟲的研究「發現器官發育和計畫性細胞死亡的遺傳調控機理」，進而獲得該年諾貝爾生醫獎。值得一提的是，今年的兩位得主都曾是霍維茨實驗室的博士後研究員。

除此之外，2006 年諾貝爾生理醫學獎也頒給研究線蟲的美國科學家安德魯．法厄（Andrew Zachary Fire）和 克雷格．梅洛（Craig Cameron Mello），以表彰他們「發現 RNA 干擾—雙鏈 RNA 引發的沉默現象」。甚至馬丁．查菲（Martin Chalfie）也利用秀麗隱桿線蟲的觸感接受器神經元「發現並改造綠色螢光蛋白（GFP）」獲得 2008 年諾貝爾化學獎。

秀麗隱桿線蟲為何能成為諾貝爾的「助攻王」呢？布瑞納曾在他的論文中提到：「線蟲適合做基因研究，並且其神經系統可以被精準確定。」他在 1963 年提出以秀麗隱桿線蟲作為模式生物，並於 1974 年發表其在發育生物學和神經科學的成果。

秀麗隱桿線蟲是第一種完成全基因組定序的多細胞生物。加上體積小、成蟲約長1公釐，以及透明且易於獲取的遺傳物質，使其成為絕佳的模式生物。

其在室溫下大約三天可以從卵生長為可受精的成蟲，在實驗室中以大腸桿菌為食，易於大量培養。並且解凍之後仍能存活，因此適合長時間儲存。加上每隻成蟲可產生約 300 隻後代，適合作遺傳學研究。

易於觀察也是秀麗隱桿線蟲作為絕佳模式生物的關鍵因素。由於細胞譜系固定，研究人員可以使用微分干涉顯微鏡（DIC）觀察每一個細胞的發展，甚至在在螢光蛋白出現之前，就有從受精卵到成體完整細胞譜系的描述。

在線蟲研究的多個工作步驟中，立體、複式或共軛焦顯微鏡都是常見的工具，以符合不同實驗要求。且隨著顯微技術的發展，秀麗隱桿線蟲在發育生物學中的應用和研究也更加多元。

隨技術發展 研究面向更多元

在挑選合適的線蟲並準備進行遺傳或生化分析的「採蟲」階段，通常會使用末端黏有睫毛的木棍，在立體顯微鏡下關、挑選。然後使用倒立顯微鏡以顯微注射對線蟲性腺進行基因改造。

螢光蛋白（FP）是在線蟲中進行分子和細胞行為研究的核心工具，螢光顯微技術廣泛用於線蟲研究，例如 GFP 及其改進版本（如mScarlet和mCherry）常用於標記和追蹤蛋白質的動態過程。

螢光蛋白也可使用於研究線蟲的染色體外陣列表現或穩定整合到基因組中。現在則有許多研究者使用 CRISPR（基因編輯）技術，將螢光標記穩定地整合到基因組中，這樣可以精確追蹤特定蛋白在細胞內的表現位置和強度。

層光顯微術（Lightsheet microscopy）則可以在不壓縮樣本的情況下，提供更高的空間和時間解析度，特別適合長期追踪線蟲胚胎發育過程。

除此之外，因為秀麗隱桿線蟲是截至 2019 年唯一一個完成連接體（connectome，神經元連接）測定的生物體，因此一直以來也常被作為神經科學研究的模式生物。

研究者可利用螢光蛋白（如 GCaMP）來追蹤鈣離子濃度的變化，當鈣離子濃度上升時會發出更強的螢光，再透過螢光強度來分析神經系統在睡眠、運動等各種行為時的活動模式。或是進一步利用轉盤式共軛焦顯微鏡、雙光子顯微鏡，抑或結合更強大的影像分析工具，對神經元活動成像並藉此解讀不同行為背後的神經迴路機制

作為模式生物，秀麗隱桿線蟲因為基因組簡單、細胞譜系固定且神經結構已知，為揭示基因調控、細胞發育、神經行為等生物學問題提供了清晰的研究途徑，在生物學研究中佔有重要地位。

儘管已是諾貝爾獎「助攻王」，相信隨著顯微和基因編輯技術的快速發展，秀麗隱桿線蟲仍能在探索人類疾病模型、藥物篩選及再生醫學等應用領域，引領研究新方向。

參考資料

• 諾貝爾官網：新聞稿
• Breimann, L., Preusser, F., & Preibisch, S. (2019). Light-microscopy methods in C. elegans research. Current Opinion in Systems Biology, 13, 82-92. 
• Studying Caenorhabditis elegans (C. elegans)

※另感謝台灣科技媒體中心（SMC）舉辦諾貝爾獎解析記者會