變種病毒是什麼？變異病毒株會影響臺灣和疫苗功效嗎？

• 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。

菇類採集

在新冠肺炎（COVID-19）大流行後，馬斯洛「需求層次理論」裡的食品與安全在眾目睽睽下被抽離出來，變成後疫情時代最重要的兩個元素。對食物的焦慮點燃人們大腦中所有生存意志，於是大家開始恐慌性地購買，讓原本就已經脆弱、易受攻擊的現代糧食系統更岌岌可危。

值得慶幸的是，我們的祖先以前就經歷過這一切，留下來的經驗值得借鏡。菇類採集的興趣在艱難時期達到顛峰，這反映了人類本能上對未來產生的恐懼。¹ 無論是否有意，我們意識到需要找回擁有食物的主導權，循著古老能力的引導來找尋、準備我們自己的食物，如此才能應付食物短缺所產生的焦慮。

我們看見越來越多人以城市採集者的身分對野生菇類有了新的品味，進而找到安全感並與大自然建立起連結。這並不是說菇類採集將成為主要的生存方式，而是找回重新獲得自給自足能力的安全感。此外，菇類採集的快感就足以讓任何人不斷回歸嘗試。

在這個數位時代，菇類採集是讓我們能與自然重新連結的獨特活動。我們早已遺忘，身體和本能，就是遺傳自世世代代與自然和諧相處的菇類採集者。走出現代牢籠、進入大自然從而獲得的心理和心靈滋養不容小不容小覷。森林和其他自然空間提醒著我們，這裡還存在另一個宇宙，且和那些由金錢、商業、政治與媒體統治的宇宙同樣重要（或更重要）。

只有願意撥開遮蓋的落葉並專注尋找，才能體認到菇類的多樣性和廣泛分布。一趟森林之旅能讓人與廣大的生態系統重新建立連結，另一方面也提醒我們，自己永遠屬於生命之網的一部分，從未被排除在外。

腐爛的樹幹不再讓人看了難受，而是一個充滿機遇的地方：多孔菌（Bracket Fungi）──這個外觀看起來像貨架的木材分解者，就在腐爛的樹幹上茁壯成長，規模雖小卻很常見。此外，枯葉中、倒下的樹上、草地裡或牛糞上，也都是菇類生長的地方。

菇類採集是一種社會的「反學習」（遺忘先前所學）。你不是被動地吸收資訊，而是主動且專注地在森林的每個角落尋找真菌。不過度採集、只拿自身所需，把剩下的留給別人。你不再感覺遲鈍，而是磨練出注意的技巧，只注意菇類、泥土的香氣，以及醒目的形狀、質地和顏色。

菇類採集喚醒身體的感官感受，讓心靈與身體重新建立連結。這是一種可以從中瞭解自然世界的感人冥想，每次的發現都振奮人心，運氣好的話還可以帶一些免費、美味又營養的食物回家。祝您採集愉快。

計畫

菇類採集就像在生活中摸索一樣，很難照既定計畫執行，而且以前的經歷完全派不上用場。最好的方法就是放棄「非採集到什麼不可」的念頭，持開放心態走出戶外執行這項工作。菇類採集不僅是享受找到菇的滿足感，更重要的是體驗走過鬆脆的樹葉、聞著森林潮濕的有機氣味，並與手持手杖和柳條筐的友善採菇人相遇的過程。

你很快就會明白為什麼真菌會有「神秘的生物界」的稱號。真菌無所不在但又難以捉摸，採集過程幾乎就像玩捉迷藏，只不過你根本不確定自己在找什麼，甚至根本不知道要找的東西是否存在。但還是要有信心，只要循著樹木走、翻動一下原木、看看有落葉的地方，這個過程就會為你指路。一點點的計畫，將大大增加你獲得健康收益的機會。所以，讓我們開始吧。

去哪裡找？

林地和草原，是你將開始探索的兩個主要所在。林地底層提供真菌所需的有機物質，也為樹木提供菌根關係。橡樹、松樹、山毛櫸和白樺樹都是長期的菌根夥伴，所以循著樹種，就離找到目標菇類更近了。

草原上也會有大量菇類，但由於這裡的樹木多樣性和環境條件不足，所以菇類種類會比林地少許多。如果這些地點選項對你來說都太遠了，那麼可以試著在自家花園或在地公園綠地當中尋找看看。這些也都是尋菇的好地方。

澳洲新南威爾斯州奧伯倫

澳洲可以說是真菌天堂。與其他大陸隔絕的歷史、不斷變化的氣候以及營養豐富的森林，讓澳洲真菌擁有廣大的多樣性。澳洲新南威爾斯州（New South Wales）的奧伯倫（Oberon）就有一座超過四萬公頃的松樹林，是採集菇類的最佳地點之一。

在那裡，有廣受歡迎的可食用菌松乳菇（又稱紅松菌），據說這種真菌的菌絲體附著在一棵歐洲進口樹的根部，而意外被引進澳洲。 1821 年，英國真菌學家塞繆爾・弗里德里克・格雷（Samuel Frederick Gray）將這種胡蘿蔔色的菇命名為美味乳菇（Lactarius deliciosus），這的確名符其實，因為「Deliciosus」在拉丁語中意為「美味」。如果想要在奧伯倫找到這些菇類，秋天時就要開始計劃，在隔年二月下旬至五月的產季到訪。

英國漢普郡新森林國家公園

在英國，漢普郡的新森林國家公園（Hampshire’s New Forest）距離倫敦有九十分鐘的火車車程。它由林地和草原組成，當中有種類繁多的植物群、動物群和真菌可供遊客觀賞，甚至還有野生馬匹在園區裡四處遊蕩。

這片森林擁有兩千五百多種真菌，其中包括會散發惡臭的臭角菌（Phallus impudicus），它的外觀和結構就如圖鑑中描述般，與男性生殖器相似且不常見。還有喜好生長於橡樹上，外觀像架子一樣層層堆疊的硫色絢孔菌（Laetiporus sulphureus ，又稱林中雞）。該國家公園不允許遊客採收這裡的菇，所以請把時間花在搜尋、鑑別與欣賞真菌上。如果幸運的話，該地區可能會有採集團體可以加入，但能做的也僅限於採集圖像鑑別菇類，而非採集食用。

美國紐約市中央公園

甚至紐約市的中央公園也有採集菇類的可能性。雖然在 1850 年代公園建造之時並未刻意引進菇類物種，但這個占地八百四十英畝的公園現已登錄了四百多種菇類，足以證明真菌孢子的影響之深遠。

加里・林科夫（Gary Lincoff）是一位自學成才、被稱作「菇類吹笛人」² 的真菌學家，他住在中央公園附近，並以紐約真菌學會的名義會定期舉辦菇類採集活動。林科夫是該學會的早期成員之一，該學會於 1962 年由前衛作曲家約翰・凱吉（John Cage）重新恢復運作。凱吉也是一位自學成才的業餘真菌學家，並靠自己的能力成為專家。

進行菇類採集時，找瞭解特定物種及其棲息地的在地專家結伴同行，總是有幫助的。如果你需要一個採集嚮導，求助於所在地的真菌學會會是一個正確方向。

何時去找？

在適當的環境條件下（例如溫度、光照、濕度和二氧化碳濃度），菌絲體全年皆可生長。某些物種對環境條件較敏感，但平均理想溫度介於 15~24 ℃ 之間，通常是正要進入冬季或冬季剛過期間，因此秋季和春季會是為採集菇類作計畫的好季節。

當菌絲體從周圍吸收水分時，會產生一股破裂性的力量，讓細胞充滿水分並開始出菇。這就是菇類通常會出現在雨後和一年中最潮濕月份的原因。牢記這些條件，就可以引導你找到寶藏。但也要記得，因為菇類受溫度變化模式和降雨量的影響很大，所以每年採菇的旺季時間會略有不同。

註解

1. Sonya Sachdeva, Marla R Emery and Patrick T Hurley, ‘Depiction of wild food foraging practices in the media: Impact of the great recession’, Society & Natural Resources, vol. 31, issue 8, 2018, <doi.org/10.1080/08941920.2 018.1450914>. ↩︎
2. 譯注：民間傳說人物。吹笛人消除了哈梅林鎮的所有老鼠，但鎮上官員拒絕給予承諾的報酬，於是他就吹奏著美麗的音樂，把所有孩子帶出哈梅林鎮。 ↩︎

——本文摘自《真菌大未來：不斷改變世界樣貌的全能生物，從食品、醫藥、建築、環保到迷幻》，2023 年 12 月，積木文化出版，未經同意請勿轉載。

mRNA？別浪費時間，不值得做！

天啊，你知道在實驗室搞 mRNA 有多麻煩嗎？連呼吸都要小心耶！

而且在細胞裡的 mRNA 一瞬間就會被分解成碎片，比廢柴還廢，哪可能生成需要的蛋白質？各位泛糰們好，2023 年的諾貝爾生理與醫學獎是由卡塔琳・考里科以及德魯・韋斯曼兩位科學家獲得，他們獲獎的研究，是許多人現在已經很熟悉的 mRNA 疫苗開發技術，但你可能不知道，其實當初 mRNA 打入實驗小鼠體內，引發非常嚴重的免疫風暴，甚至可能打一隻死一隻。

這這這……設計要來救人的藥物，反而致命？ 生醫獎得主考里科的同事甚至認為 mRNA 只是個「笑話」，這怎麼回事？

那個 mRNA 瘋女人來了？

你！渴望力量嗎？啊不，是想要合成 mRNA 嗎？我可以幫你喔！

由於屢屢爭奪印表機使用權僵持不下，故事的兩位主角就此破冰，當時是 1997 年，地點在美國賓州大學醫學院，此時身材高大、外向爽朗的女主角伸出了橄欖枝，正等待回答，男主角卻冷淡地說：「如果你成功了，我會試試。」難道故事就此結束嗎？當然沒有。

先回頭介紹一下考里科。她是匈牙利人，本來家境還不錯，但兩歲時，因為父親公開批評執政的共產黨政府，就此失去了工作，餘生只能打零工，全家住在沒自來水也沒電的磚房裡。遭遇這般變故的卡里科並沒有放棄自己，反而堅持鑽研科學，在匈牙利頂尖的塞格德大學取得了生物化學博士學位，並獲得博士後研究員的工作，投入 mRNA 研究。然而天要降大任，就有人要遭殃，大學的研究中心資金短缺，就把她給解聘了。

為了能讓自己的研究對世界產生影響，1985 年，她決定出國深造，移民美國，但由於政府嚴控資金外流，她把所有積蓄 1,200 美元偷偷縫進女兒的玩具熊裡，才能讓一家人在人生地不熟的紐約暫時安頓。雖然幾乎不會講英文，幸運的考里科很快在天普大學蘇多尼教授的實驗室找到工作，等等，我剛剛說幸運嗎？

對不起，我收回。她沒多久就被蘇多尼教授舉報為非法移民，只因她答應了約翰霍普金斯大學另一份薪水比較高的職位，要衰就衰到底，約翰霍普金斯大學隨即撤回了聘書，她跟先生還得花錢請律師來駁回引渡令，更別提因為蘇多尼繼續中傷她，她也找不到其他工作。

幾經波折，她終於在賓州大學醫學院找到了研究助理教授的工作。但由於她不是醫生，也不是正規職員，無法取得終身職，其他同事根本不把她當同事看，對她投入的 mRNA 研究自然也沒興趣。加上考里科雖然外向開朗，但也口直心快，換句話說，根本就是白目。她只在乎研究，不顧他人顏面，總是直言批評同事研究中的錯誤。她既不能升等、申請研究經費也屢屢失敗，沒辦法從細胞跟生物體中藉由 mRNA 生成治療性蛋白質，獲得數據，那就更沒辦法申請經費。

這時幸運的考里科獲得了一位同事支持，總算做出了一點成果，透過把 mRNA 插入培養皿的細胞裡，使細胞製造出「尿激酶受體」蛋白質。等等，我剛剛又說幸運嗎？對不起，我再次收回。卡里科雖然做出成果，她的熱臉依舊貼上了同事們的冷屁股，即使她主動替許多同事合成 mRNA，也只獲得了「那個 mRNA 瘋女人」的評價。1995 年她的先生因為簽證問題困在匈牙利好幾個月，她則被驗出長了腫瘤，得開刀。這時賓州大學的主管卻要她選擇離開或是接受降級。

為了讓女兒能獲得賓州大學的學費優惠，她嚥下這口氣，接受降薪，職稱變成從來沒人擔任過的——「資深研究調查員」，為什麼沒人擔任過？因為沒人被開除現職之後還願意繼續留在賓州大學裡，她是第一個。

越是山窮水盡，她越覺得解脫，就在這時她遇上了剛來到賓州大學的韋斯曼。

韋斯曼雖然冷淡，但他不是只對考里科冷淡，而是對所有人都很冷淡，他根本不聊八卦，只在乎研究，加上他才來不久，因此根本不知道考里科有多慘，也不在乎別人怎麼說考里科的壞話。韋斯曼早年曾當過安東尼佛奇實驗室的研究員，研究愛滋病，他目睹許多研究員因為無法獲得經費，而遷怒於不願幫忙的佛奇，藉由媒體傳播關於佛奇的負面消息，這讓他極為重視科學研究的誠信與純粹。

韋斯曼雖然對人冷淡，卻是個標準貓奴，他女兒會從收容所把病貓跟棄養貓帶回家，他還曾為了幫貧血的貓打針補充紅血球生成素，差點趕不上重要會議。他也是個偶爾會對同事亂講話的人，但不是因為他也白目，而是因為患有第一型糖尿病，血糖劇烈變化影響了他的認知功能，甚至會突然昏倒。

儘管對 mRNA 沒什麼興趣，正在研究愛滋病毒疫苗的韋斯曼的確用得上 mRNA，而考里科也真的很懂 mRNA。於是，韋斯曼跟考里科這兩支樹枝孤鳥竟然在 1998 年開始合作。幸運的考里科終於……等等？我剛剛說幸運嗎？

COVID-19 疫情帶來的契機

在解釋 mRNA 如何應用前，我們複習一下分子生物學的重要概念：中心法則 (central dogma)，也就是 DNA 轉錄成為 mRNA，再依據 mRNA 編碼，將對應的胺基酸組裝起來成為蛋白質。

如果我們可以合成 mRNA，只要修改 mRNA 上的編碼，再將這些 mRNA 送入人體細胞內，直接將細胞當作生產蛋白質的工廠，使人體自己產生正確的蛋白質，不就可以治療遺傳疾病了嗎？！

另外，疫苗也是一個應用方向，mRNA 就像是傳令兵，它帶著敵軍病毒的情報交給如同將領的樹突細胞，產出帶有病毒特徵的蛋白質，進而刺激整個免疫系統備戰，並培養出有長期保護力的記憶型 B 或 T 細胞大軍。

剛剛說到，兩人一開始合作是針對愛滋病疫苗的研發，但是當韋斯曼將 mRNA 打入小鼠後，驚訝的發現這些小鼠會一直生病，甚至死亡，免疫反應強到把本體都幹掉了，如果 mRNA 注射會導致死亡，這故事要怎麼說下去？

講到這，我相信大家都明白了，這兩位科學家都不太幸運，但他們還有一個共通點，就是不知道放棄兩個字怎麼寫。

他們想，一般細胞每天也都會製造 mRNA，為什麼這些 mRNA 不會被免疫系統當成入侵者，引發嚴重的發炎反應，造成細胞死亡？

他們後來在實驗中發現注射 tRNA 的小鼠不會有這樣的免疫反應，而 tRNA 與其他 RNA 最大的差異就是有大量的鹼基修飾，難道說關鍵就是修飾？

卡里科擁有非常好的RNA修飾合成的技術，那有沒有可能透過修飾，找到不會引發嚴重免疫反應，卻同時可以順利轉譯出蛋白的 RNA 分子呢？最後他們發現將 RNA 分子中的尿嘧啶核苷「U」修改成為假尿嘧啶核苷分子「ψ」，就能夠躲過免疫反應又可以產生蛋白質，並且在 2005 年時，他們將這個方法應用在猴子身上，修改後的 mRNA 不僅可以躲過免疫系統的攻擊，也能夠有效產生蛋白質。

原來卡里科和韋斯曼找到的方法，其實就是免疫系統透過檢視 RNA 裡修飾的型式或比例，藉此判斷敵我的設計機制，因為通常病毒的 RNA 不會經過修飾，所以當體外合成的 mRNA 注射進入人體中，就會被免疫系統辨識成外來病毒，引發體內的免疫反應。

這時只要將外來的 mRNA 經過足量修飾，就可以「騙」過細胞，讓細胞正式成為你的蛋白質工廠。

雖然卡里科與韋斯曼確信自己已經攻克了 mRNA 應用的難題，但很多的科學家仍然對 mRNA 的應用感到疑慮，這些科學家認為這麼不穩定的分子，不容易量產和使用，2013 年，卡里科從日本參加完研討會回來，甚至發現連自己的研究室被清空，讓給了別的研究員，他們兩人的重大發現彷彿被全世界遺忘。

不，他們的研究沒有被遺忘，在史丹佛大學的 Derrick Rossi 和 Luigi Warren 在幹細胞研究中，同樣遇到了 mRNA 應用的困難，直到 Rossi 和 Warren 得知了卡里科與韋斯曼的研究，才突破難關，成功透過加入特定 mRNA，將皮膚細胞轉變成多功能幹細胞，之後在 2010 年，Rossi 成立了世界第一家 mRNA 公司，也就是現在我們熟知的莫德納公司的前身。

而在得知莫德納將與英國的 AZ 合作開發血管內皮因子 mRNA 後，卡里科認為在大學繼續待下去也無法應用她在 mRNA 上的長才，於是前往德國，與 BNT 的創辦人烏爾．薩欣會面，並加入成為副總裁，保留兼任老師的資格。那年是 2013 年，BNT 還是個連網站都沒有的小生技公司，卡里科的決定也因此被學校的主管嘲笑。然而快轉到 2019 年，接下來的事大家都知道了。

2019 年的 12 月 1 日，首例新冠病毒感染個案在中國武漢發生，隔年 1 月 5 日，新冠病毒全基因體解序完成，向全世界發布。2 月，新冠疫情開始往全球散播。

1 月 25 日莫德納公司的 Stephane Bancel 與美國國衛院國家過敏與傳染病研究所所長 Anthony Fauci 進行會議，2 月底莫德納完成 mRNA-1273 疫苗的動物試驗，同時，BNT 開發出二十多隻 mRNA 候選疫苗，從新冠病毒完成基因體解序後的第 66 天，3 月 16 日，世界上第一位 mRNA 疫苗臨床受試者開始施打，這是人類首次能夠在短時間內，製作出對抗新興傳染病的疫苗的時刻。

而這一切，若不是當年卡里科與韋斯曼的努力不懈，突破 mRNA 的應用限制，使 mRNA 疫苗成為可能，那麼 COVID-19 所造成的死亡人數會遠遠高於現在統計的 695 萬人。

擇善固執還是冥頑不固

在科學研究中，我們常常看到戴著光環的成功案例，但不被失敗擊倒，其實才是科學的真實樣貌。

相較過往，這次諾貝爾奬很「快」頒給了 mRNA 研究，為什麼說快呢？因為諾獎往往是在論文發表後幾十年才會頒布，慎重到必須是寫進教科書等級的實證研究，才有資格。所以研究者不僅研究厲害，也要活得到頒奬，這次能夠這麼快受到諾貝爾奬肯定，代表 mRNA 疫苗確實是終結疫情的重要功臣，有目共睹，實至名歸。

卡里科在獲獎的當下表示，儘管最近幾年得到很多肯定，但其實這一路上並不是一帆風順，所以說獲獎的瞬間還不太相信，甚至覺得這是不是個 Joke，根據法新社報導，卡里科說只有他母親對他很有信心，每年都會聆聽諾貝爾委員會宣布得主，卡里科 Karikó 回應說：「我當時只能苦笑一下，因為我從未得到過研究資助，也沒有一個固定的團隊。我甚至都不是一名正式的教授，因為我被降了職，所以我並不抱什麼期望。我回答她說，『這是不可能的』。」

很遺憾的，卡里科的母親在 5 年前離世，沒能看到她真的獲得諾貝爾獎。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

參考資料

• https://www.nobelprize.org/prizes/med…
• 《疫苗商戰：新冠危機下AZ、BNT、輝瑞、莫德納、嬌生、Novavax的生死競賽》
• https://learngenomics.dev/docs/biolog…
• https://www.sciencedirect.com/science…