Loading [MathJax]/extensions/tex2jax.js

0

5
0

文字

分享

0
5
0

mRNA 疫苗與心肌炎有關嗎?

台灣科技媒體中心_96
・2021/07/13 ・1290字 ・閱讀時間約 2 分鐘

-----廣告,請繼續往下閱讀-----

今(2021)年 6 月 29 日台北時間 23:00,國際期刊《美國醫學會雜誌:心臟病學(JAMA Cardiology)》發表了施打 mRNA 新冠病毒疫苗與發生心肌炎的案例報告。

mRNA 疫苗有可能導致心肌炎嗎?圖/envato elements

該研究從杜克大學醫學中心的心血管核磁共振(CMR)影像資料庫中,搜尋病患資料,先找出 2017 年至 2021 年的2到4月間的急性心肌炎病患,再找出過去二十年內所有可能與疫苗相關的心肌炎病患。

研究發現,其中四位在接種疫苗後,五天內出現急性心肌炎狀況,三位是 23 到 36 歲的男性,一位是 70 歲女性。他們四位都有施打兩劑的 mRNA 新冠病毒疫苗(其中兩人打莫德納疫苗、兩人打輝瑞疫苗),且都出現嚴重的胸痛症狀和心肌受傷的現象,不過在住院接受治療後,均在二到四天內出院。

心肌炎與疫苗有關嗎?

林口長庚醫院心臟血管內科加護病房副主任 巫龍昇表示,臨床上不論是否與疫苗有關,心肌炎本來就有可能發生,此研究中提到,目前無法證實心肌炎與疫苗的相關性,此結論也與美國 CDC 相同。

-----廣告,請繼續往下閱讀-----

此研究中4個病患的心臟核磁共振影像(MRI)、心電圖都有看到特殊變化,病患的胸痛症狀也都很明顯,能夠及時接受治療、並且都平安出院,這是相對較容易處理的病例,因為不是每個心肌炎病例都能透過 MRI 看得出來。

此外,此研究的病例數很少,僅四個人;以這麼少的樣本其實只有關聯性,很難推估出疫苗和心肌炎之間的病理機轉與危險因子。

由於樣本數太少,這份研究無法證明 mRNA 疫苗與心肌炎之間的因果關係。圖/envato elements

我們需要擔心 mRNA 疫苗嗎?

這篇研究的結論提到,本研究樣本來自北卡羅來納,大部分的人施打的是 mRNA 新冠疫苗,而目前還不知道施打「非 mRNA 種類疫苗」的人是否會出現心肌炎、以及施打 mRNA 疫苗後出現急性心肌炎的病患,是否需要施打追加的疫苗,所以需要更進一步的調查才能決定mRNA新冠疫苗和心肌炎的關聯。

巫龍昇認為,比起提供民眾參考,此研究對醫師更為重要,因為它可以讓醫師知道,若遇到類似情況或背景的病患必須要回報,才能持續累積更多科學資料和提供病患更好的照護。

-----廣告,請繼續往下閱讀-----
這份報告提醒醫師,回報更多心肌炎病患的狀況,可以累積更多研究資料。圖/envato elements

最後他也說明,這並不是第一篇有關疫苗施打後出現心肌炎的案例報告,美國 CDC 目前確認的案例已有 393 位,但美國施打 mRNA 新冠疫苗的人約有一億七千萬人,換算之下與心肌炎事件有關的,僅約百萬分之23,民眾不需要太過恐慌。

研究文獻

-----廣告,請繼續往下閱讀-----
文章難易度
台灣科技媒體中心_96
46 篇文章 ・ 328 位粉絲
台灣科技媒體中心希望架構一個具跨領域溝通性質的科學新聞平台,提供正確的科學新聞素材與科學新聞專題探討。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

什麼是邊緣 AI ?

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

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。

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。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

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)。

-----廣告,請繼續往下閱讀-----

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。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

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。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

1
0

文字

分享

0
1
0
找回擁有食物的主導權?從零開始「菇類採集」!——《真菌大未來》
積木文化
・2024/02/25 ・4266字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

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。

在新冠肺炎大流行後,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。圖/pexels

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)。

-----廣告,請繼續往下閱讀-----
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。圖/unsplash

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。

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。圖/unsplash

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。

-----廣告,請繼續往下閱讀-----

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。

菇類採集很難照既定計畫執行,最好的方法就是放棄「非採集到什麼不可」的念頭。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。圖/unsplash

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。

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。圖/pexels

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。

-----廣告,請繼續往下閱讀-----

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。

位於澳洲新南威爾斯州的奧伯倫就有一座超過四萬公頃的松樹林,是採集菇類的絕佳地點。圖/unsplash

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。

-----廣告,請繼續往下閱讀-----
在英國,漢普郡的新森林國家公園由林地和草原組成,當中有種類繁多的植物群、動物群和真菌可供遊客觀賞。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。圖/unsplash

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。

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。圖/wikipedia

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。

-----廣告,請繼續往下閱讀-----
秋季和春季是為採集菇類作計畫的好季節,但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。圖/unsplash

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。

-----廣告,請繼續往下閱讀-----

2

3
2

文字

分享

2
3
2
【2023 諾貝爾生理醫學獎】mRNA 疫苗背後的辛酸血淚,為何 mRNA 研究不受待見?
PanSci_96
・2023/11/05 ・5173字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

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。

卡塔琳・卡里科。圖/wikimedia

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?

-----廣告,請繼續往下閱讀-----

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。

圖/giphy

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。

-----廣告,請繼續往下閱讀-----

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。

德魯・韋斯曼。圖/wikimedia

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?

-----廣告,請繼續往下閱讀-----

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。

分子生物學的中心法則。圖/learngenomics.dev

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?

-----廣告,請繼續往下閱讀-----
圖/giphy

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。

-----廣告,請繼續往下閱讀-----

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。

烏爾.薩欣。圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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。

圖/wikimedia

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。

聽完卡里科跟韋斯曼的故事,最後我想問問你,如果你轉生成卡里科,你覺得哪個時刻會讓你最想放棄呢?

  1. 當然是 2013 年,一回國竟然發現連研究室都被清空那時候。
  2. 應該是罹患腫瘤,丈夫又在匈牙利,學校還要開除我那時候。
  3. 光是出生在共產時期的匈牙利,我就想放棄了。

等等,要是你放棄,我們就沒有 mRNA 疫苗了耶,你想清楚啊!

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
所有討論 2
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。