很多人自己或是家人朋友都有能會遇到關節問題。可是目前並沒有完善的關節修復方式，就算利用人工關節也常常有使用期限或是舒適的問題。
這影片介紹利用人或是動物的組織來修復人體組織的研究。在使用人體的組織方面，就像是其他的器官捐贈移植，有一些不錯的例子說明有效，可是組織來源太過稀少跟昂貴。利用動物組織方面，演講介紹分三類，如果只是單純作為簡單的支持性結構的，可以利用分離有用的生物物質，像是軟骨膠質，然後放入合適的載體在植入人體。如果要利用到完整組織的話，就需要作一些去除免疫的酵素處理，把抗原給去除掉，像是韌帶就可以這樣做。最後一種是利用人體的幹細胞跟動物組織的混合，一方面有再生能力，一方面可以利用動物組織給的環境條件引導幹細胞發育分化，這些研究或許在以後可以對很多疾病還是生理缺陷有所幫助！
本文原發表於科學影像Scimage演講[2010-07-24]
本文與 研華科技 合作，泛科學企劃執行。
每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？
想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。
這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。
邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。
當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。
那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。
第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。
第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？
第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。
所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！
知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！
所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。
以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。
此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。
當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。
你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。
但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。
當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。
模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！
然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。
建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。
這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。
模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。
想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。
舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。
但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。
像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？
一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！
你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！
二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。
三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。
研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。
無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。
台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。
如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！
👉 更多研華Edge AI解決方案
👉 立即申請Server租借
討論功能關閉中。
因被極有彈性的膜和果凍層包圍著，非洲爪蟾的卵與其它兩棲動物的卵不同，使得微量移液器無法穿透，所以我第一次嘗試在非洲爪蟾中移植細胞核完全不成功。⋯⋯如果實驗——或其他事情——沒有立即成功，請不要放棄！
——格登（John Gurdon）2012 年諾貝爾醫學獎
在「認識病毒全攻略！病毒的發現、與細菌的不同、科赫假說和致病機制」一文裡，筆者提到細胞是生命的基本單位，它主要由基因組（genome）、細胞膜（cell membrane）、細胞質（cytoplasm）、和核醣體 （ribosome）組成。細胞質為執行細胞生長、代謝、和複製功能的地方，為細胞中的微觀工廠；核醣體將遺傳密碼從核酸的分子語言翻譯為氨基酸的分子。細胞本身含有代謝酶，因此有營養系統；不需宿主活細胞，即可自行繁殖。
高等動植物的細胞不像細菌，具有真正的細胞核（nucleus），故稱為真核細胞（eukaryotic cell）。它們沒有細菌的「質粒」(plasmid)，但卻有像消化系統一樣的「線粒體」（mitochondria）來吸收營養，分解營養，並為細胞創造能量豐富的分子。
在大多數物種中，只有兩種完全不同類型稱為「配子（gamete）」的生殖細胞：卵子與精子。卵子是生物體中最大的細胞，而精子則是最小的；它們可以說是「發育不完全」的精簡細胞：卵子只具有細胞核及細胞質，精子則只具有細胞核及粒線體；它們的細胞核內均只有一半的染色體（稱為「單倍體基因組」）。儘管如此，卵子還是是最引人注目的動物細胞：因為一旦被精子活化（精子與卵子融合，稱為「受精」1），它可以在幾週內產生一個全新的個體。
人類的卵子受精後約五到六天，就會分裂形成大約一百個細胞的囊胚（blastocyst），見上圖右半。囊胚由內部細胞群（inner cell mass）及囊胚外層（trophectoderm）組成：前者將繼續分裂發展成胚胎（embryo 2），後者則將附著在子宮內膜成為胎盤 （placenta），保護和滋養發育中的胚胎。因為受精卵（zygote）可以分裂產生所有的細胞（包括胎盤），故稱為「全能幹細胞（totipotent stem cell）」。內部細胞群的細胞則因能繼續分裂發展成生殖細胞及體細胞（somatic cell）的人體各部位器官，故稱為「多能幹細胞 （pluripotent stem cell）」，又稱為「胚胎幹細胞（embryo stem cell）」，簡寫為 ES。
生殖細胞及體細胞一旦形成後，就有其特定「專業化」的功能，不能再如幹細胞一樣轉換成其它細胞。因此自 20 世紀初以來，一直困擾細胞生物學家的問題是：體細胞在基因上與它們所源自的受精卵相同嗎？一個受精卵如何會在胚胎分化中形成許多功能完全不同的體細胞呢？這些體細胞又如何記得繼續分裂成同樣的體細胞呢？
布里格斯（Robert Briggs）和金 （Thomas King）於 1952 年在活體生物體中進行了首次青蛙核移植 （nuclear transfer）實驗：將一個早期胚胎細胞核移植到去核的卵細胞中。他們發現不同發展階段的胚胎核可以造成非常不同的結果：早一天的可以繼續發展成青蛙，晚一天的則胎死腹中。此結果顯然回答了第一個問題：細胞核的遺傳物質在開始分化時會發生不可逆轉的改變，如重新排列遺傳物質使其變得更加專業化、永遠有效地關閉不使用的基因、甚或拋棄數百個不再需要的基因等等。
格登（John Gurdon）1933 年出生於英國漢普郡（Hampshire）迪彭霍爾（Dippenhall）。就讀於伊頓公學 （Eton College）寄宿學校時，成績不是特別好。在上了一學期的生物學後，老師寫了一份報告說：「我相信格登想成為科學家，但從目前的情況來看，這是相當可笑的。如果他不能學習簡單的生物學事實，他就沒有機會從事專家的工作，這對他和那些必須教他的人來說都純粹是浪費時間。」所以格登畢業後申請了牛津大學的古典學課程，但招生導師因為缺少理科生，告訴他說：「我很高興地告訴你，我們可以接受你，但有兩個條件：一是你得立即開始，第二是你不要學習你參加入學考試的科目。」就這樣，格登終於追求到他的夢想，最後在牛津大學取得發育生物學博士學位。你說人生不是一連串的巧合與意外麼？
1956 年格登開始了核移植的博士研究：但不是移植正在發展中的胚胎細胞核，而是移植已經發展完全的體細胞核到去核的未受精卵內——稱為「體細胞核移植 (somatic cell nuclear transfer，SCNT，見上圖左半 )」。格登早期得到的結論因與布里格斯和金的結論相左，因此受到了強烈的批評。1962 年，格登將西部矮爪蛙（學名 Hymenochirus curtipes）的腸細胞核移植到未受精、去核的非洲爪蟾卵中，竟然發現這種經過改造的卵細胞可以長成一隻新的西部矮爪蛙！這毫無疑問地證明了：(1) 成熟的細胞核仍含有形成所有類型細胞所需的遺傳訊息(即與受精卵具有同樣的基因)，(2) 幹細胞在發展中專業化成體細胞是可逆的。
格登成功地從體細胞核複製／克隆 (clone) 了兩棲類動物青蛙，當然立刻有科學家想到是否可以用同樣的方法來複製哺乳動物。可是為什麼要等到 30 多年才出現克隆的多莉羊 (Dolly the sheep 3 ) 呢？原來格登選青蛙是有其理由的：兩棲類動物的卵子都是透明、且非常大，一產就大量排出體外。即使這樣，他的成功率還是低的；還好正如筆者在「愛因斯坦所相信的上帝，是你以為的那位上帝嗎？」一文裡所說的「要證明上帝存在比證明祂不存在簡單多」，格登只要在幾百個實驗中不被合理質疑地克隆出一隻青蛙就夠了。
多莉的生命始於試管中的一個單細胞（取自芬蘭多塞特羊的乳腺細胞核和蘇格蘭黑臉羊的去核卵細胞），六天後在實驗室確認正常發育後，胚胎就被轉移到代孕母親體內，於 1996 年 7 月 5 日出生。但在英國羅斯林研究所 (Roslin Institute) 發表論文前，白臉多莉的出生一直被保密。1997 年 2 月 22 日宣布她的誕生後，全世界的媒體紛紛湧向羅斯林去一睹這只如今聞名的綿羊風采，也引發了媒體關於克隆倫理的爭論。
現在大部分先進國家都已經禁止克隆人的實驗，因此各地的實驗室大都只克隆人類胚胎細胞，作為研究及治療用。2018 年，中國科學院上海神經科學研究所首次利用 SCNT 成功克隆靈長類動物，誕生了兩隻名為「中中」和「華華」的食蟹雌獼猴。
到了 21 世紀初，研究胚胎幹細胞的科學家已經鑑定出二十多個似乎對胚胎幹細胞至關重要的基因。這些基因的功能不一定相同：有些對於自我更新很重要（即一個 ES 細胞分裂形成兩個 ES 細胞），而另一些則用來阻止幹細胞分化。科學家也找到如何在培養皿中維持多能胚胎幹細胞的方法，及如何改變培養條件使其分化成各種細胞類型，如肝細胞、心臟細胞、和神經元等。但他們能否利用這些資訊將完全分化成熟的體細胞變成像胚胎一樣的幹細胞嗎？
2006 年，日本京都大學的山中伸彌（Shinya Yamanaka）和博士後研究員高橋（Kazutoshi Takahashi）終於宣稱只要透過其中四個基因，即可將小鼠纖維母細胞（只能產生其它纖維母細胞）重新編程 （reprogramming），成為能產生多種不同類型細胞的多能幹細胞。他們將這樣製造出來的幹細胞稱為「誘導多能幹細胞（induced pluripotent stem cell, iPSC）」。山中伸彌與格登兩人因研究出如何將專業化的成熟細胞重新編程使其具有多能性，而一起榮獲 2012 年諾貝爾醫學獎。
精子和卵子像體細胞一樣，也是由受精卵分化出來了，所以應該是一個高度專業化的細胞，但它們融合成受精卵後又變成全能幹細胞，因此顯然融合後的細胞核被卵子微觀工廠的細胞質重新編程，失去大部分分化時的分子記憶（尤其是精子核，變成一張幾乎完全空白的畫布）。格登與複製綿羊的維爾穆特（Ian Wilmut）和坎貝爾（Keith Campbell）就是利用了這種重新編程現象，將體細胞核插入卵細胞質中創造出了新的克隆。
卵子的細胞質顯然就像一個巨大的分子橡皮擦，它能非常迅速地在 36 小時內完成這個重新編程過程，擦掉了細胞分裂過程中專業化的修飾痕跡（imprinting）。在提高山中伸彌之體細胞重新編程為 iPSC 細胞的效率（遠低於1%）和速度（需要數週）上，分子生物學家雖然已經取得了很大進展，但與自然界一比，仍相差甚遠。
筆者寫這篇文章的動機事實上是出於想解救同性戀的傳宗接代問題。研究顯示雖然不存在單一的同性戀基因，但來自數十萬人的 DNA 也揭示了一些與同性性行為有關的基因變異。在「同性戀、熊貓、與適者生存」（科學月刊 2014 年 7 月號，見《我愛科學》）一文裡，筆者提到：傳宗接代為「種族生存」的必要條件；同性戀者不能傳宗接代，不是遲早將從地球上絕跡嗎？一個筆者想到的解救的方法是：像體細胞核移植一樣，用同性「夫妻」的配子核取代受精卵中尚未融合的雌性與雄性原核 (pronuleus)，希望它們融合後能繼續發展成胚胎⋯⋯。
筆者正在幻想如何申請專利賺大錢時，卻發早在 1980 代，肯亞裔的英國發育生物學家蘇拉尼（Azim Surani 4）就已經開始了類似的研究。他以老鼠為對象的實驗毫無疑問地證明了哺乳動物的繁殖不只是傳遞系統的問題：不僅需要兩個單倍體基因組來融合形成一個二倍體核的受精卵，事實上其中一個必須來自母親，另一個來自父親！顯然卵子之細胞質的重新編程不是 100% 地擦掉了所有分裂過程中的修飾、專業化痕跡，而是至少保留了一些必要的基因來源資訊！⋯⋯夢想破滅，只好重做馮婦執筆寫文章（保證不是人工智能代寫的），悲哉！請點個「讚」以聊慰筆者之失望吧！先謝啦！
幹細胞具有非凡的自我更新潛力：在生命早期和生長過程中可以在體內發育成許多不同的細胞類型。幹細胞可以分成多能幹細胞和「成體幹細胞（adult stem cell）」兩類。前者就是我們討論過的胚胎幹細胞和誘導多能幹細胞；後者也稱為「體幹細胞（somatic stem cell）」，它們已在許多器官和組織中被發現（通常在特定的解剖位置5）。這些特定器官的體幹細胞雖然不是多能的，但在生物體的整個生命週期中，卻扮演著非常重要的內部修復工作：它們可能會長時間保持靜止（不分裂），直到需要替代因正常磨損或疾病而損失的細胞時才被活化。
即使法律上不准複製人，相信讀者早已看出幹細胞在醫療上的可能作用：如果我們能用與我們體內相同的新細胞來取代罹患第一型糖尿病時失去的胰島素分泌細胞、或阿茲海默症失去的腦細胞、或骨關節炎失去的軟骨生成細胞等，那就不必擔心器官移植所造成的免疫系統排斥問題，或缺乏可用來移植的器官的困擾。這種使用克隆幹細胞來作為醫學治療用的領域稱為「治療性克隆（therapeutic cloning）」。
本文只回答了 20 世紀初以來一直困擾細胞生物學家的第一個問題：體細胞在基因上與它們所源自的受精卵相同嗎？至於如何重新編程、一個受精卵如何在胚胎分化中形成許多功能完全不同的體細胞、這些體細胞又如何在分子層面上被修飾使其只能繼續分裂成同樣的體細胞等更複雜的問題，則需等待新興的「表觀遺傳學（epigenetics）」來回答。
討論功能關閉中。
如果我們真的要進行細胞工程的話，我們就得要以孩童拼樂高積木的方式，一次一個地將細胞組合成胚胎。但我們並沒有經由口吸管的方式（請參考第五章）來這樣做，而是把一切都留給機率來決定。
我們在培養皿中混合了不同濃度的兩種細胞，並讓它們自由接觸。我們在第二天透過顯微鏡看到，有些細胞確實開始相互作用並形成結構。但為數不多，因為這取決於無法預測的機率。不過當胚胎幹細胞與滋養層幹細胞結合時，它們就會以驚人的方式進行自我建構，它們好像知道自己要做什麼，也有個目標。
我們在實驗室暗房的顯微鏡下，看到許多胚胎發育的基本過程。我們首先看到細胞極化。接著幹細胞會自我建構，胚胎幹細胞會聚集在一端，而滋養層幹細胞則聚集在另一端。由於胚胎幹細胞衍生出的胚胎部分與滋養層幹細胞衍生出的胚外部分會進行對話，所以在每個細胞群中的空腔後續會打開並創造出三維的 8 字形。我們發現這涉及到一個名為 Nodal 的蛋白所傳送的訊號。這兩個空腔之後會融為一體，最終形成一個對胚胎發育至關重要的大型羊膜腔。這種體腔形成的過程似乎就跟真正胚胎在著床不久後會發生的情況一樣。我們看見了自我建構的驚人創舉。
不過，我們當然總是想要更進一步，讓合成胚胎中胚胎幹細胞所衍生部位裡的那些類胚胎細胞，能夠適當地打破對稱性。我們的意思是讓這些細胞設法進行原腸化，也就是提供未來身體體制基礎的關鍵步驟。
我們發現若是可以讓胚胎幹細胞與滋養層幹細胞結構再發育久一點，它們確實會打破對稱性。
像 Brachyury 這類基因就會在胚胎與胚外部位之間開始表現，就跟真正胚胎的情況一樣。Brachyury 基因至關重要，因為它會影響中胚層的形成與前後軸線。 這個發現不但讓我的心跳差點停止，也讓實驗室中的每個人都大為驚奇。
這些類胚胎結構與正常胚胎結構非常相像，足以用於揭開在母體著床時期的某些發育謎團。很明顯地，胚胎幹細胞與滋養層幹細胞一同建造的結構所模擬出的胚胎形態與結構模式，要比只使用胚胎幹細胞要來得精確許多——這是更值得信賴的發育模型。
感覺起來，這兩種幹細胞就好像兩名舞者彼此都告訴對方，自己在胚胎中的所在位置。沒有這場雙人舞，正確形狀與形式的發育以及關鍵生物機制的適時運作就不會適當發生。我們也發現這個結構模式的發育，得仰賴 Wnt 與骨成形性蛋白質（bone morphogenetic protein, BMP）的訊號路徑，這與真正胚胎的發育情況一樣。
我們將這篇論文投稿至《自然》。由於許多論文在初始階段就會被退回，所以我們知道編輯將稿子送去審閱時，士氣不由得為之一振。編輯們的知識淵博，經驗也豐富，能走到這一步就是一種重要的認可，所以我們有場小小的慶祝活動，因為即使是小小的成功也能做出改變。
不過最終他們沒有接受我們的論文，除非得像一位審稿人要求的那樣，提供合成胚胎在自我建構時所用基因的詳細資料，以及這些基因的表現模式在自我建構的每個階段是如何變化的。這將會是一件大工程。然而這彷彿算不上是什麼壞消息，因為我的實驗室中並沒有技術可以研究這些基因所運用的轉變形態模式。我需要尋求經費來購買我負擔不起的設備，我們也需要找到合作夥伴。
我受邀到澳洲獵人谷為歐洲分子生物學組織大會進行講座。那時正值學校放假，所以我帶著賽門一起踏上這次的冒險旅途。我們在香港轉機，順便停留一天拜訪當時的行政長官梁振英，他是我最好的前博士生之一梁傳昕的父親。
我的演講是由小鼠發育生物學家譚秉亮（Patrick Tam）開場，我感到非常榮幸，因為我向來就對譚秉亮的研究極為崇拜。賽門與我加入譚秉亮與他太太伊莉莎白（Elizabeth）的行列，一起到雪梨的海邊走走，一路上譚秉亮告訴我有關他與上海生命科學研究院景乃禾（Naihe Jing）的合作，景乃禾利用雷射切割胚胎，揭露了胚胎基因的表現模式。我非常幸運，因為在我回到劍橋不久後，景乃禾就到劍橋來拜訪，所以我能夠親自與他見上一面。我們同意一起合作揭開我們類胚胎結構中基因表現的模式。景乃禾團隊的貢獻將是我下一章故事的重心。那時我們才意識到，可能要花上一年的時間才有辧法確實做到這一點，而我也不確定我們是否願意為了讓《自然》的編輯滿意（或者還是不滿意，誰知道呢）而等這麼久。
那時，莎拉與柏娜已經累積了更多的數據，所以我們決定將研究結果投稿到我比較不熟悉的《科學》。事實證明這是正確的選擇。跟過往一樣，審稿人要求我們再多做一點實驗。但這次的要求還做得到，只是我們就得在 2016 年的聖誕節假期長時間的工作，以便在新學期開始前完成手稿。大衛也一起下來幫忙，他成為這篇論文的共同作者。
命名很重要，因為「珠子」那個命名的前車之鑑，所以我們對於要怎麼為我們的類胚胎模型命名進行了漫長的討論。這些模型讓我們知道胚胎結構是如何從幹細胞自我建構而成，所以我們想要給它們取個特別的名字。但是我們最後沒有得到共識。
《科學》的編輯不喜歡「合成」類胚胎結構這個名字。我在期中假期得知這個消息，那時我正與家人及朋友滑雪度假中，所以我請他們一起來想想其他的名字。這或許就是為何我們會想到「ETs」這個名字的原因之一。史蒂芬．史匹柏有部科幻電影講述到從異世界來的訪客，而從幹細胞自我建構出的第一個類胚胎結構似乎也帶給我們這樣的感受。不過這個 E 不是代表「另外（extra）」的意思，而 T 也不是「地球人（terrestrials）」的意思。E 代表的是胚胎幹細胞（ES），而 T 代表的則是滋養層細胞（TS）。
——本文摘自《生命之舞》，2023 年 9 月，商周出版，未經同意請勿轉載。
