mRNA 疫苗與心肌炎有關嗎？

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。

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！

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）」！

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。

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。

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）。

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。

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。

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

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！

• 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…