Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

蝴蝶啟發更佳的熱影像技術

NanoScience
・2012/07/12 ・924字 ・閱讀時間約 1 分鐘 ・SR值 534 ・七年級

-----廣告,請繼續往下閱讀-----

圖片來源:Scott Ableman@Flickr,根據創用CC-By 2.0條款使用

美國研究人員發現,蝴蝶色彩鮮豔的翅膀有助於工程師研發體積更小、反應更快的溫度感測器。由於此科技不需使用昂貴且龐大的冷卻設備,對於熱成像技術與醫療診斷皆有所助益。

測量溫度的方法很多,例如可以測量電阻隨溫度的變化。為維持對熱輻射的靈敏度,昂貴又佔空間的冷卻系統成為不可或缺的配備,否則感熱儀器將無法判別熱源是否早已移除。因此,最靈敏的熱顯像儀需以液態氦降溫冷卻。散熱器通常體積不小而且耗電,不僅限制了感熱器的最小尺寸與效能,對於設計可攜式裝置更是一大挑戰。

最近,奇異電子(General Electric)的 Radislav Potyrailo 與紐約大學阿爾巴尼(Albany)分校的研究伙伴發現,在大自然的智慧下,高靈敏度和便利性這兩大需求將有機會一次滿足。他們的靈感來自於藍默蝶(Morpho butterfly)的炫彩翅膀,覆蓋其上的鱗片會反射某些波長的光而吸收其他光線,而隨著翅膀溫度上升,不同波長的光反射強度會稍微改變,造成色彩的差異。

圖片來源:physicsworld.com

Potyrailo 團隊的目標為探究此機制並試圖應用於溫度感測器。藍默蝶的翅膀是由天然聚合物幾丁質(chitin)組成,其熱容值遠低於目前感知器內所使用的金屬和半導體。換言之,採用此材料可有效迅速降溫而不需額外的散熱器。研究人員以紅外線照射翅膀一側,熱膨脹使得鱗片間距稍微增加,導致另一側吸收與反射波長的改變,同時幾丁質的折射率也約略降低。

-----廣告,請繼續往下閱讀-----

先前已有研究顯示在物質表面上塗佈奈米碳管(carbon nanotube)能增強對紅外線的吸收能力,Potyrailo 團隊則證實奈米碳管對藍默蝶翅膀亦具有同等效果,此外,由於奈米碳管具絕佳導熱率,可作為分子級散熱器來協助幾丁質更快散熱。

此研究仍處於初步階段,在打造可用的感測器前,研究人員必須研發出製作具奈米結構之幾丁質或相似物質的方法。他們認為未來可望製造出便宜且多重色彩的熱影像感測器,能以不同顏色區隔中紅外與遠紅外線。詳見 Nature Photonics|DOI:10.1038/nphoton.2011.355。

譯者:姚淳颺(逢甲大學光電學系)
責任編輯:劉家銘
原文網址:Butterfly lights the way to better thermal imaging—physicsworld [2012-02-14]

本文來自 NanoScience 奈米科學網 [2012-03-10] 

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
NanoScience
68 篇文章 ・ 4 位粉絲
主要任務是將歐美日等國的尖端奈米科學研究成果以中文轉譯即時傳遞給國人,以協助國內研發界掌握最新的奈米科技脈動,同時也有系統地收錄奈米科技相關活動、參考文獻及研究單位、相關網站的連結,提供產學界一個方便的知識交流窗口。網站主持人為蔡雅芝教授。

0

1
0

文字

分享

0
1
0
數智驅動未來:從信任到執行,AI 為企業創新賦能
鳥苷三磷酸 (PanSci Promo)_96
・2025/01/13 ・4938字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

本文由 鼎新數智 與 泛科學 共同規劃與製作

你有沒有想過,當 AI 根據病歷與 X 光片就能幫你診斷病症,或者決定是否批准貸款,甚至從無人機發射飛彈時,它的每一步「決策」是怎麼來的?如果我們不能知道 AI 的每一個想法步驟,對於那些 AI 輔助的診斷和判斷,要我們如何放心呢?

馬斯克與 OpenAI 的奧特曼鬧翻後,創立了新 AI 公司 xAI,並推出名為 Grok 的產品。他宣稱目標是以開源和可解釋性 AI 挑戰其他模型,而 xAI 另一個意思是 Explainable AI 也就是「可解釋性 AI」。

如今,AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?

-----廣告,請繼續往下閱讀-----
AI 已滲透生活各處,而我們對待它的方式卻像求神問卜,缺乏科學精神。如何讓 AI 具備可解釋性,成為當前關鍵問題?圖/pexels

黑盒子模型背後的隱藏秘密

無法解釋的 AI 究竟會帶來多少問題?試想,現在許多銀行和貸款機構已經使用 AI 評估借貸申請者的信用風險,但這些模型往往如同黑箱操作。有人貸款被拒,卻完全不知原因,感覺就像被分手卻不告訴理由。更嚴重的是,AI 可能擅自根據你的住所位置或社會經濟背景給出負面評價,這些與信用風險真的相關嗎?這種不透明性只會讓弱勢群體更難融入金融體系,加劇貧富差距。這種不透明性,會讓原本就已經很難融入金融體系的弱勢群體,更加難以取得貸款,讓貧富差距越來越大,雪上加霜。

AI 不僅影響貸款,還可能影響司法公正性。美國部分法院自 2016 年起使用「替代性制裁犯罪矯正管理剖析軟體」 COMPAS 這款 AI 工具來協助量刑,試圖預測嫌犯再犯風險。然而,這些工具被發現對有色人種特別不友好,往往給出偏高的再犯風險評估,導致更重的刑罰和更嚴苛的保釋條件。更令人擔憂的是,這些決策缺乏透明度,AI 做出的決策根本沒法解釋,這讓嫌犯和律師無法查明問題根源,結果司法公正性就這麼被悄悄削弱了。

此外,AI 在醫療、社交媒體、自駕車等領域的應用,也充滿類似挑戰。例如,AI 協助診斷疾病,但若原因報告無法被解釋,醫生和患者又怎能放心?同樣地,社群媒體或是 YouTube 已經大量使用 AI 自動審查,以及智慧家居或工廠中的黑盒子問題,都像是一場越來越複雜的魔術秀——我們只看到結果,卻無法理解過程。這樣的情況下,對 AI 的信任感就成為了一個巨大的挑戰。

為什麼人類設計的 AI 工具,自己卻無法理解?

原因有二。首先,深度學習模型結構複雜,擁有數百萬參數,人類要追蹤每個輸入特徵如何影響最終決策結果,難度極高。例如,ChatGPT 中的 Transformer 模型,利用注意力機制(Attention Mechanism)根據不同詞之間的重要性進行特徵加權計算,因為機制本身涉及大量的矩陣運算和加權計算,這些數學操作使得整個模型更加抽象、不好理解。

-----廣告,請繼續往下閱讀-----

其次,深度學習模型會會從資料中學習某些「特徵」,你可以當作 AI 是用畫重點的方式在學習,人類劃重點目的是幫助我們加速理解。AI 的特徵雖然也能幫助 AI 學習,但這些特徵往往對人類來說過於抽象。例如在影像辨識中,人類習慣用眼睛、嘴巴的相對位置,或是手指數量等特徵來解讀一張圖。深度學習模型卻可能會學習到一些抽象的形狀或紋理特徵,而這些特徵難以用人類語言描述。

深度學習模型通常採用分佈式表示(Distributed Representation)來編碼特徵,意思是將一個特徵表示為一個高維向量,每個維度代表特徵的不同方面。假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。對 AI 而言,這是理解世界的方式,但對人類來說,卻如同墨跡測驗般難以解讀。

假設你有一個特徵是「顏色」,在傳統的方式下,你可能用一個簡單的詞來表示這個特徵,例如「紅色」或「藍色」。但是在深度學習中,這個「顏色」特徵可能被表示為一個包含許多數字的高維向量,向量中的每個數字表示顏色的不同屬性,比如亮度、色調等多個數值。圖/unsplash

試想,AI 協助診斷疾病時,若理由是基於醫生都無法理解的邏輯,患者即使獲得正確診斷,也會感到不安。畢竟,人們更相信能被理解的東西。

打開黑盒子:可解釋 AI 如何運作?我們要如何教育 AI?

首先,可以利用熱圖(heatmap)或注意力圖這類可視化技術,讓 AI 的「思維」有跡可循。這就像行銷中分析消費者的視線停留在哪裡,來推測他們的興趣一樣。在卷積神經網絡和 Diffusion Models 中 ,當 AI 判斷這張照片裡是「貓」還是「狗」時,我需要它向我們展示在哪些地方「盯得最緊」,像是耳朵的形狀還是毛色的分布。

-----廣告,請繼續往下閱讀-----

其次是局部解釋,LIME 和 SHAP 是兩個用來發展可解釋 AI 的局部解釋技術。

SHAP 的概念來自博弈,它將每個特徵看作「玩家」,而模型的預測結果則像「收益」。SHAP 會計算每個玩家對「收益」的貢獻,讓我們可以了解各個特徵如何影響最終結果。並且,SHAP 不僅能透過「局部解釋」了解單一個結果是怎麼來的,還能透過「全局解釋」理解模型整體的運作中,哪些特徵最重要。

以實際的情景來說,SHAP 可以讓 AI 診斷出你有某種疾病風險時,指出年齡、體重等各個特徵的影響。

LIME 的運作方式則有些不同,會針對單一個案建立一個簡單的模型,來近似原始複雜模型的行為,目的是為了快速了解「局部」範圍內的操作。比如當 AI 拒絕你的貸款申請時,LIME 可以解釋是「收入不穩定」還是「信用紀錄有問題」導致拒絕。這種解釋在 Transformer 和 NLP 應用中廣泛使用,一大優勢是靈活且計算速度快,適合臨時分析不同情境下的 AI 判斷。比方說在醫療場景,LIME 可以幫助醫生理解 AI 為何推薦某種治療方案,並說明幾個主要原因,這樣醫生不僅能更快做出決策,也能增加患者的信任感。

-----廣告,請繼續往下閱讀-----

第三是反事實解釋:如果改變一點點,會怎麼樣?

如果 AI 告訴你:「這家銀行不會貸款給你」,這時你可能會想知道:是收入不夠,還是年齡因素?這時你就可以問 AI:「如果我年輕五歲,或者多一份工作,結果會怎樣?」反事實解釋會模擬這些變化對結果的影響,讓我們可以了解模型究竟是如何「權衡利弊」。

最後則是模型內部特徵的重要性排序。這種方法能顯示哪些輸入特徵對最終結果影響最大,就像揭示一道菜中,哪些調味料是味道的關鍵。例如在金融風險預測中,模型可能指出「收入」影響了 40%,「消費習慣」占了 30%,「年齡」占了 20%。不過如果要應用在像是 Transformer 模型等複雜結構時,還需要搭配前面提到的 SHAP 或 LIME 以及可視化技術,才能達到更完整的解釋效果。

講到這裡,你可能會問:我們距離能完全信任 AI 還有多遠?又或者,我們真的應該完全相信它嗎?

-----廣告,請繼續往下閱讀-----

我們終究是想解決人與 AI 的信任問題

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。因此,AI 既要「可解釋」,也要「能代理」。

當未來你和 AI 同事深度共事,你自然希望它的決策與行動能讓你認可,幫你省心省力。圖/unsplash

舉例來說,當一家公司要做一個看似「簡單」的決策時,背後的過程其實可能極為複雜。例如,快時尚品牌決定是否推出新一季服裝,不僅需要考慮過去的銷售數據,還得追蹤熱門設計趨勢、天氣預測,甚至觀察社群媒體上的流行話題。像是暖冬來臨,厚外套可能賣不動;或消費者是否因某位明星愛上一種顏色,這些細節都可能影響決策。

這些數據來自不同部門和來源,龐大的資料量與錯綜關聯使企業判斷變得困難。於是,企業常希望有個像經營大師的 AI 代理人,能吸收數據、快速分析,並在做決定時不僅給出答案,還能告訴你「為什麼要這麼做」。

傳統 AI 像個黑盒子,而可解釋 AI (XAI)則清楚解釋其判斷依據。例如,為什麼不建議推出厚外套?可能理由是:「根據天氣預測,今年暖冬概率 80%,過去三年數據顯示暖冬時厚外套銷量下降 20%。」這種透明解釋讓企業更信任 AI 的決策。

-----廣告,請繼續往下閱讀-----

但會解釋還不夠,AI 還需能真正執行。這時,就需要另一位「 AI 代理人」上場。想像這位 AI 代理人是一位「智慧產品經理」,大腦裝滿公司規則、條件與行動邏輯。當客戶要求變更產品設計時,這位產品經理不會手忙腳亂,而是按以下步驟行動:

  1. 檢查倉庫物料:庫存夠不夠?有沒有替代料可用?
  2. 評估交期影響:如果需要新物料,供應商多快能送到?
  3. 計算成本變化:用新料會不會超出成本預算?
  4. 做出最優判斷,並自動生成變更單、工單和採購單,通知各部門配合執行。

這位 AI 代理人不僅能自動處理每個環節,還會記錄每次決策結果,學習如何變得更高效。隨時間推移,這位「智慧產品經理」的判斷將更聰明、決策速度更快,幾乎不需人工干預。更重要的是,這些判斷是基於「以終為始」的原則,為企業成長目標(如 Q4 業績增長 10%)進行連續且動態地自我回饋,而非傳統系統僅月度檢核。

這兩位 AI 代理人的合作,讓企業決策流程不僅透明,還能自動執行。這正是數智驅動的核心,不僅依靠數據驅動決策,還要能解釋每一個選擇,並自動行動。這個過程可簡化為 SUPA,即「感知(Sensing)→ 理解(Understanding)→ 規劃(Planning)→ 行動(Acting)」的閉環流程,隨著數據的變化不斷進化。

偉勝乾燥工業為例,他們面臨高度客製化與訂單頻繁變更的挑戰。導入鼎新 METIS 平台後,偉勝成功將數智驅動融入業務與產品開發,專案準時率因此提升至 80%。他們更將烤箱技術與搬運機器人結合,開發出新形態智慧化設備,成功打入半導體產業,帶動業績大幅成長,創造下一個企業的增長曲線。

-----廣告,請繼續往下閱讀-----

值得一提的是,數智驅動不僅帶動業務增長,還讓員工擺脫繁瑣工作,讓工作更輕鬆高效。

數智驅動的成功不僅依賴技術,還要與企業的商業策略緊密結合。為了讓數智驅動真正發揮作用,企業首先要確保它服務於具體的業務需求,而不是為了技術而技術。

這種轉型需要有策略、文化和具體應用場景的支撐,才能讓數智驅動真正成為企業持續增長的動力。

還在猶豫數智驅動的威力?免費上手企業 AI 助理!👉 企業 AI 體驗
現在使用專屬邀請碼《 KP05 》註冊就享知:https://lihi.cc/EDUk4
訂閱泛科學獨家知識頻道,深入科技趨勢與議題內容。

👉立即免費加入

-----廣告,請繼續往下閱讀-----
文章難易度
鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
解密離岸風電政策環評:從審查標準到執行成效,一次看懂
鳥苷三磷酸 (PanSci Promo)_96
・2024/12/21 ・3546字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文由 環境部 委託,泛科學企劃執行。 

政策環評是什麼,跟一般環評差在哪?

隨著公共建設的規模越來越大,傳統的環境影響評估(EIA),難以應對當今層層疊疊的環境議題。當我們評估一項重大政策時,只看「單一開發案」已經不夠,就像評估一棵樹,卻忽略了整片森林。因此,政策環境影響評估(SEA)應運而生,它看樹,也看森林,從政策的角度進行更全面的考量與評估。

與只專注於「單一開發案」的個案環評不同,政策環評更像是一場全面性的檢視,強調兩個核心重點:「整合評估」與「儘早評估」。簡單來說,這不再是逐案評估的模式,而是要求政府在制定政策時,就先全面分析可能帶來的影響,從單一行為的侷限中跳脫,轉而聚焦在整體影響的視角。無論是環境的整體變化,還是多項行為累計起來的長期影響,政策環評的目的就是讓這些潛在問題能儘早浮現、儘早解決。

除此之外,政策環評還像是一個大型的協商平台,以永續發展為最高指導原則,公開整合來自不同利益團體、民眾與各機關的意見。這裡,決策單位不再只是單純的「評分者」,而是轉為「協調者」或「仲裁者」,協調各方的意見看法在這裡得到整合,讓過程更具包容性。

-----廣告,請繼續往下閱讀-----

政策環評並沒有所謂的「否決權」,而是側重意見的蒐集與整合,讓行政機關在政策推動時,能更全面地掌握各方意見。政策環評旨在建立系統化、彈性的決策評估程序(包含量化、特徵化等評估方式),也廣納社會面或民眾滿意度等影響因子,把正式與非正式的作法一併考量進去。再來,決策程序中能層層檢討、隨時修正,也建立了追蹤機制和成效評估標準(如環境殘餘效應、累積效應等),透過學習來強化決策品質與嚴謹度。就像一場球賽,隨時根據變化、調整策略。

這樣的制度設計,就非常適合離岸風電這類規模大、跨區域、影響層面廣泛的能源政策評估,讓我們可以在政策推動初期就想到整個工程對環境、產業發展與社會的諸多影響,也為後續政策執行奠定更穩固的基礎。

政策環評並沒有否決權,而是重在整合各方意見、量化影響以及建立追蹤與修正機制,這樣的制度設計便適用於離岸風電等大型政策評估。圖/envato

離岸風電為何需要的是政策環評?

離岸風電是能源轉型的重要策略之一,但這不是只在某塊空地上架幾個風車,而是要在廣闊的大海中進行大規模建設,牽涉的不僅是發電,還涉及海洋保育、航空交通、水下文化資產等議題,更與當地漁民的權益息息相關。

這樣的大型離岸風電工程,因海洋環境的風險和不確定性極高,很容易讓人擔心生態影響。如何在海洋生態保護和綠能發展之間找到平衡點?這就需要政策環評的把關,從多方檢視這些複雜的挑戰,確保政策推行既能穩妥,又能達成發電目標。

-----廣告,請繼續往下閱讀-----

2016 年 3 月,經濟部自願提出「離岸風電區塊開發政策評估說明書」,是臺灣首次針對再生能源政策所進行的政策環評。根據這份評估說明書,政府將採分期公告、逐年檢討的方式,每三年開放 0.5~1 百萬瓩(GW)的電量額度鼓勵業者投入開發。當時環保署(現為環境部)歷經九個月召開 2 次意見徵詢會議,蒐集環評委員、專家學者、相關機關、民眾等意見,最終於同年 12 月的環評委員會作出徵詢意見。這些協商和檢討的過程,讓政策「名正言順」,得以充分顧及各方利益與生態平衡。

共通性環境議題與因應對策

在「離岸風電區塊開發政策評估說明書」中,環評會議盤點了開發過程中共通的環境議題。

首先,對於海洋生態保育的重點,特別是對中華白海豚的保護。環評會要求風機基座必須距離白海豚棲地1公里以上,以減少對其生態的干擾。實際上,這項規範在後續的實務執行中更為嚴格,例如,福海二期示範風場已退縮到 2.5 公里外,臺電二期風場甚至退到 4.2 公里外,顯示政策環評確實發揮了實質作用。此外,針對施工期間的聲音干擾,要求施工需有 30 分鐘以上的打樁緩啟動時間,並限制聲量不得超過 180 分貝等。

針對鳥類保育,政策環評也訂立了具體規範。其中,包括風機之間必須留設 500 公尺以上的鳥類穿行廊道,並在施工期間避開每年 11 月至隔年 3 月的候鳥過境期。同時,為確保這些措施確實生效,工程方也被要求設置「鳥類活動監測系統」,持續追蹤、評估風場對鳥類的影響。

-----廣告,請繼續往下閱讀-----

此外,環評會也確立了「先遠後近」的開發原則,要求優先開發較單純的航道外側區塊,待累積足夠經驗及相關資料後,再進行近岸區域的開發。這項原則考量了近海生態系的複雜性,也顧到養殖漁業的漁民權益,展現出政策環評在平衡發展需求與環境保護上的價值。

新一代的審查機制:達成能源轉型及環境保護雙贏

為提升環評效率並確保審查品質,環境部參考過去離岸風電審查經驗,制定「風力發電離岸系統開發行為環境影響評估初審作業要點」,建立了全新的二階段審查機制。

環境部推動二階段審查機制,提升離岸風電環評效率與審查品質。圖/envato

這套新機制分為兩個階段。第一階段,就像「初步檢查」,由環境部依照檢核表進行初審,並由環評審查委員會執行秘書邀集 2-5 位環評委員進行初審,通過第一階段初審之業者,可取得經濟部遴選資格,其初審結果有效期為兩年,必要時可申請展延一年。接著進入「第二階段」,開發單位檢附目的事業主管機關核配的容量證明文件等資料,提供更詳細的環境影響說明書以進行實質審查。

檢核表明確規範了 15 大項審查事項、112 項檢核項目,涵蓋開發案的全生命週期。

-----廣告,請繼續往下閱讀-----

工程面,包含風機及海上變電站基礎設置、海域電纜路線規劃、陸域設施工程等硬體設施的規範。其中,風機基礎設置必須避開海岸保護區、河口、潮間帶等環境敏感區域,且須進行地震危害度分析。海域電纜部分,除特殊情形外,埋設深度至少須達 1.5 公尺,且不得跨越中華電信海底電纜 1 公里的範圍。

環境保護上,檢核表則對施工噪音管制訂立了明確標準。舉例來說,打樁期間警戒區 750 公尺範圍內的水下噪音不得超過 160 分貝,且必須全程採用最佳噪音防制工法。同時,每個開發案或聯席審查的風場,同一時間內只能進行一支基樁施作,而日落前一小時到日出前也不得啟動新的打樁作業。

環境監測計畫更是檢核表中的重點,分為「施工前、施工期間、營運期間」三階段,每個階段都規定了詳細的監測要求(包括海域底質監測、水下噪音監測、鯨豚目視監測等)。以鯨豚監測為例,每年需執行20趟次,四季中每季至少執行 2 趟次。此外,所有監測數據都必須上傳至環境部「環保專案成果倉儲系統」(https://epaw.moenv.gov.tw/)供各界查閱。

這套標準化的審查機制不僅解決了「同一風場可能有多家廠商重複調查或審查」的資源浪費,也透過明確的檢核項目,讓開發單位在規劃階段就能掌握更具體的環境保護要求。不僅如此,該機制亦確保了環境保護標準前後一致,避免不同案件之間標準不一。

-----廣告,請繼續往下閱讀-----

結語

透過新的審查機制,環境部正積極推動再生能源開發案的環評審查作業,在提升行政效率之餘,也確保環境影響評估的品質,支持臺灣的離岸風電開發及國家能源轉型政策,也做好把關。藉由標準化檢核表和二階段審查制度,期待能在推動能源轉型的同時落實環境保護。

為確保制度能持續精進,環境部每半年至一年會進行制度檢討,並持續公開所有環評書件於「環評書件查詢系統」(https://eiadoc.moenv.gov.tw/eiaweb/)。此外,環評會議召開前一週,也必須在指定網站公布開會訊息,讓民眾能申請列席旁聽或發表意見。透明化措施一方面展現了政府推動永續發展的決心,另一方面也確保全民能共同參與監督離岸風電的發展過程。未來,這套制度將在各界的檢視與建議中持續完善,為臺灣的永續發展貢獻心力,發揮環評作業的最大效益。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
222 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
0
DNA-PAINT:轉瞬標記 奈米解析
顯微觀點_96
・2024/10/03 ・3586字 ・閱讀時間約 7 分鐘

-----廣告,請繼續往下閱讀-----

本文轉載自顯微觀點

圖/顯微觀點

DNA-PAINT:易脫落的奈米「漆」

DNA-PAINT 屬於單分子定位顯微術(SMLM)大家族一員,它突破繞射極限的途徑類似 PALM 與 STORM:以閃爍(blinking)的螢光讓多個目標分子的位置輪番呈現,最後將多次定位影像以電腦疊合重建成完整的超解析分子地圖。結合電腦運算輔助和光學成像的統計原理,DNA-PAINT 可以達成極端細緻的 RESI 定位術,清楚區別兩個距離不到 1 奈米的螢光來源。

單看字面,DNA-PAINT 給人「以 DNA 作為油漆」的印象。事實稍有不同,這種技術以 DNA 作為「點累積奈米成像術」(PAINT , Point Accumulation for Imaging in Nanoscale Topography)的探針。接上螢光染劑的短小 DNA 片段,可以靈敏標記蛋白質、染色體以及許多細胞內構造。

DNA-PAINT 的特別之處,在於利用「不牢固」的螢光標記製造閃爍效果。不同於 PALM, STORM 以光調控「固著在目標上」的螢光來源,DNA-PAINT 使用與目標連結力量薄弱的螢光探針,結合目標之後會快速分離。只有在探針與目標結合的瞬間,同時被激發光照射,探針上的螢光團才能發出螢光。目標分子與螢光探針分離後,依然保有和下一個探針結合的能力,因此不必擔心螢光團的放光能力衰退。

-----廣告,請繼續往下閱讀-----
Dna Barcoded Labeling Probes For Highly Multiplexed Exchange Paint Imaging
DNA-PAINT 原理:Docking strand(嵌合序列)附著在人造 DNA 構造上,溶液中漂浮著成像序列(Imager strand),成像序列上的螢光團不容易被激發(膚色)。成像序列與嵌合序列結合時,螢光團才會被激發(橘紅色) 圖片來源:Agasti, Sarit S., et al. Chemical science 8.4 (2017): 3080-3091.

DNA-PAINT 使用的 DNA 探針片段長度不超過 10 個鹼基,又稱寡核苷酸(oligonucleotides 或oligomers)。這些短小 DNA 片段可以附加上螢光染劑的螢光團分子,成為螢光探針。

DNA 探針的結合對象是另一段互補的 DNA 片段,此互補序列會預先透過抗體與定位目標連結,等待 DNA 探針前來結合。DNA 探針因為具有螢光團,被稱為「成像片段(imager strand)」,而牢固於目標的互補序列則稱為「嵌合片段(docking strand)」。對生物細胞進行 DNA-PAINT 時,嵌合片段與目標分子之間常有抗體或配體做為銜接,需要類似免疫螢光染色的前置作業,目標表面的抗原也可以因應實驗需求進行設計。

因為兩個短小 DNA 片段之間的結合力有限,成像片段與嵌合片段結合後會快速分離。而螢光團只有在結合目標時才容易放光,因此可以形成閃爍的螢光定位標記。經由電腦疊合閃爍的定位影像,DNA-PAINT 可以達成 10 奈米左右的超解析定位,若沒有序列成像的幫助,依然無法突破奈米以下解析度的光學障礙。

Direct Visualization Of Single Nuclear Pore Complex Proteins Using Genetically‐encoded Probes For Dna‐paint
以 DNA-PAINT 對細胞核膜上的 Nup96 核孔蛋白進行 3D 定位。在圖 a. 中,不同的螢光色彩象徵不同的空間深度。圖 b. 箭頭所指處,則是成對出現的 Nup96 蛋白。比例尺:圖 a. 2000nm, 圖 b. 50 nm. 圖片來源:Schlichthaerle, Thomas, et al. Angewandte Chemie 131.37 (2019): 13138-13142.

核孔複合體(Nuclear Pore Complex)上的 Nup96 蛋白是科學家經常探索的重要目標,即使是超解析顯微術也未能在自然狀態下呈現其構造。隆曼團隊以 RESI 對 Nup96 進行定位,不但清楚定位出符合電子顯微鏡拍攝的 8 對 Nup96 蛋白沿著核孔形成環狀結構,還能清楚呈現每對蛋白之間的 11 奈米的間距。

-----廣告,請繼續往下閱讀-----

結合序列成像(Sequential Imaging)與 DNA-PAINT 兩種技術,RESI 讓科學家得以運用一般門檻的顯微儀器、耗材,就能達到超乎以往想像的定位解析度。而 DNA-PAINT 這種巧妙的定位方法並非一蹴而就,而是數種有趣的技術累積而成。

PAINT 起源:不穩定又不專一的尼羅紅

PAINT(Point Accumulation for Imaging in Nanoscale Topography, 點累積奈米成像術)系列定位法的螢光探針由一個螢光染劑分子與一個分子探針(probe)構成。親和性抗體、寡核苷酸(短小 DNA 片段)都可作為分子探針的材料,再由此探針結合目標分子或其上的抗體。除了 DNA-PAINT, PAINT 家譜上還有 FRET-PAINT, Exchange-PAINT, u-PAINT 等不同特質的成員。

在 2006 年由沙羅諾夫(A. Sharonov)和霍克崔瑟(R. M. Hochstraser)發表的第一代 PAINT 中,僅僅使用螢光染料尼羅紅(Nile Red)為標記。這種染劑在含水溶劑中無法發光,必須進入磷脂層等非極性環境才能展現其螢光活性。

因此尼羅紅無須結合探針,只要以低濃度加入樣本溶液中,就能觀察到其進入細胞膜脂雙層、大型磷脂囊泡(large unilamella vesicles)表層等疏水性環境中,受到激發放出螢光。尼羅紅與磷脂層的親和性不強,很快就會再次脫離,也容易遭到光漂白(photobleaching)而失去螢光,因此可作為一種閃爍的螢光定位標記。

-----廣告,請繼續往下閱讀-----

尼羅紅可以結合所有疏水性(hydrophobic)的構造,無法真的標記特定分子,缺乏分子生物學重視的專一性。但它開啟了 PAINT 以「不牢固螢光染劑」增進解析度的先河。與多數螢光顯微術追求螢光團穩定性與強度的定位技巧背道而馳。

Image 2
圖 a. 以尼羅紅標記磷脂層的直接成像;圖 b. 以 PAINT 技術進行上千次成像重建後的磷脂層定位。兩者定位解析度形成強烈對比。圖 c. 為 uPAINT 概念:接受激發光(綠色)照耀的螢光探針才會發光(紅色),漂浮在激發光範圍外的螢光探針保持黯淡(粉紅),即使未結合目標的探針也能發光,且僅能標記細胞膜表面的目標。圖片來源:Nieves, Daniel J., et al. Genes 9.12 (2018): 621.

4 年後,吉安諾內(G. Giannone)和荷西(E. Hosy)以具目標專一性的配體,例如抗體蛋白,連接螢光團形成螢光探針,達成具有專一性的 PAINT 超解析定位。透過進步的生化技術製作配體,這種技術幾乎可以定位所有類型的目標,因此被命名 universal-PAINT, 簡稱 uPAINT。

uPAINT 可以提升多種目標的定位解析度,但其螢光探針即使游離在溶液中,也能接受激發、放出螢光,形成背景雜訊。且結合螢光染劑的抗體無法穿透細胞膜,因此只能定位細胞膜上的目標。

因此 uPAINT 必須限縮激發光照射的範圍,對準目標、減少雜訊,例如微調全內反射顯微鏡(TIRF)的角度,形成「高傾斜層光照明」(Highly Inclined and Laminated Optical sheet, HILO)以限定激發範圍。

-----廣告,請繼續往下閱讀-----

同在 2010 年,隆曼與史坦豪爾(C. Steinhauer)嘗試以寡核苷酸為探針,定位 DNA 摺紙構造(DNA origami structure)上的目標,達到了奈米等級的解析度。DNA-based Point Accumulation for Imaging in Nanoscale Topography 正式誕生,善用「不牢固的螢光探針」與電腦運算的輔助,以一般螢光顯微鏡就能突破繞射極限。

無限調色的虛擬油漆:Exchange-PAINT

2014 年,隆曼與同事阿凡達尼歐(M. S. Avendaño)、沃爾斯坦(J. B. Woehrstein)發表 DNA-PAINT 的巧妙變化,除了同時以不同探針標記不同構造,達成精準的多重定位(multiplexed localization),更實現以一種螢光超解析定位多種目標,讓多重標記的潛力加速實現。

這種多重標記被隆曼與同事稱為 Exchange-PAINT,同樣使用 DNA 片段作為探針。在同一個樣本的 10 種不同目標上,連結了 10 種不同的嵌合片段(docking strands),隆曼等人再以 10 種互不干涉的短小 DNA 序列(orthogonal sequences)作為成像片段(imager strands)。

他們每次只加入一種成像片段,針對一種目標進行閃爍(blinking)定位,並由電腦套上特定顏色,接著洗去既有成像片段,再加入下一種成像片段。最後將所有目標的獨立定位圖疊合起來,便能得到完整的奈米級定位。

-----廣告,請繼續往下閱讀-----
Multiplexed 3d Cellular Super Resolution Imaging With Dna Paint And Exchange Paint 2
圖 a.為 Exchange-PAINT 概念,每一輪定位針對一種目標,完成後洗去探針,再加入下一種探針進行定位,最後將每一輪的定位影像疊合起來。圖 c., 圖 d. 表現 Exchange-PAINT 的多工能力, 1 個 DNA 摺紙樣本上的 10 種不同目標可以依序定位,賦予顏色(實際上使用相同螢光染劑,不同成像片段),再以電腦重建疊合。每一種目標的定位都進行了 7500 次拍攝。圖 d., 圖 e. 中的比例尺為 25nm. 圖片來源:Jungmann, Ralf, et al.  Nature methods 11.3 (2014): 313-318.

只需要一種螢光染劑接上多種成像片段,Exchange-PAINT 便能以基本的實驗設備達到多重目標的超解析定位,不像多重標記的 DNA-PAINT 受限於染劑顏色數目,Exchange-PAINT 的門檻在於互不相干寡核甘酸片段的數目,在實驗中幾乎不可能窮盡。而可以使用一般螢光顯微鏡與螢光染劑達到埃(ångström)解析度的 RESI 技術,就是將 Exchange-PAINT 的多種目標定位應用於單種目標定位,透過不同探針標記同種目標製造發光順序落差,大幅提升解析度。

在「眼見為真」的生物學影像趨勢中,「增加偵測光子數量」是螢光顯微技術提升解析度的基礎光學原理,也是最主流的技術改良方向。而 DNA-PAINT 系列技術跳脫了對光子數量的追求,不受螢光染劑的光漂白及螢光壽命限制,以快速脫落的探針另闢蹊徑,使低成本的超解析影像得以實現,更展現生物物理學蘊藏的廣泛技術可能性。

  • DNA-PAINT 的最新應用:RESI序列成像解析度增強術
  • Jungmann, Ralf, et al.  Nature methods 11.3 (2014): 313-318.
  • Agasti, Sarit S., et al.  Chemical science 8.4 (2017): 3080-3091.
  • Nieves, Daniel J., Katharina Gaus, and Matthew AB Baker. Genes 9.12 (2018): 621.
  • Schlichthaerle, Thomas, et al.  Angewandte Chemie 131.37 (2019): 13138-13142.
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

顯微觀點_96
20 篇文章 ・ 5 位粉絲
從細微的事物出發,關注微觀世界的一切,對肉眼所不能見的事物充滿好奇,發掘蘊藏在微觀影像之下的故事。