量測單一光合蛋白的光電流

本文由 高柏科技 合作，泛科學撰文

林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。

「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。

回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。

林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。

因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的，不是把答案搬回地面

太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。

儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。

好論文，為什麼仍可能造不出好產品

學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。

林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。

AI 會給答案，誰來負責出貨？

訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？

林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《蛋白質來源怎麼選？動物性和植物性有差嗎？完整比較看這裡》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

怕得肌少症，蛋白質該吃肉還是吃豆？本文從「必需胺基酸」解析兩者差異。動物蛋白增肌效果佳；植物蛋白採多樣化攝取也很健康！一文掌握優缺點與聰明吃法。

老化後大家很怕肌少症，怕會失去足夠的肌肉質量與肌肉力氣，導致身體機能變差。於是，為了維持足夠的肌肉質量，我們參加了愈來愈多健身房課程，也認真補充含有蛋白質食物。

這時候你可能會好奇，如果從不同管道攝取蛋白質，結果會有不同嗎？說到要補充體力，最直觀的就是吃肉不是嗎？畢竟，我們很難想像，吃豆腐和吃牛排對補充蛋白質的效果一樣好吧！那麼實際上，動物性來源的蛋白質，真的就會贏過植物性的蛋白質嗎？

要回答這個問題，我們或許還是要回歸到一些基本的蛋白質的合成與分解來做討論。

必需胺基酸

每次你吃膠原蛋白補充劑的時候，是不是以為膠原蛋白會直接從腸胃道跑到臉部，讓臉變得軟嫩Q彈好年輕呢？

可惜事情不是這樣的。我們攝取蛋白質後，會在體內分解更小的分子，也就是不同的胺基酸。自然界有超過三百種胺基酸，而我們的身體內，需要的共有二十種。胺基酸就像是不同模樣的磚塊，每當身體需要建構蛋白質時，會利用這些不同的胺基酸元件，這個胺基酸拿一塊，那個胺基酸用兩塊，這樣堆堆疊疊來建構出不同的立體構造蛋白質。

所以，當我們攝取了蛋白質，都是先進到腸胃道經過消化吸收，替身體累積一些不同的胺基酸原料，以便身體利用。

在這二十種體內所需的氨基酸裡，有些是身體可以自行製作的，但其中有九種是身體做不出來，僅能靠從食物攝取的。我們把這九種身體做不出來，只能靠吃進來的胺基酸叫做「必需胺基酸」。

所以，當我們思考動物性蛋白質或植物性蛋白質哪個來源比較好的時候，我們可以先看看，哪一種蛋白質會提供我們足量的「必需胺基酸」呢？

超級比一比

從奶類、豬肉、牛肉、雞蛋、魚類海鮮、雞肉等來源攝取的動物性蛋白質，會被稱為「完整的蛋白質來源」，因為這些來源可以提供「所有的必需胺基酸」，讓身體獲取足量的胺基酸小磚塊原料，可以用來建構各種所需的蛋白質。

那植物性蛋白質呢？我們可以從堅果、種子、全榖類、豆類（黃豆、豌豆、扁豆）等食物攝取到植物性蛋白質。其中，黃豆和豌豆屬於完整的蛋白質來源，裡面含有九種必需胺基酸，但其他大部分的植物性來源蛋白質沒辦法提供完整的九種必需胺基酸。

不過，這並不是代表說「攝取植物性蛋白質是不夠的」，而是你可能要多方面地攝取，才能獲取到足量的九種必需胺基酸。例如，白吐司的離胺酸lysine含量極少，你可能要配合吃些花生等堅果類的食物，才能在這一餐獲取到足量的離胺酸。記得，如果從植物性來源攝取蛋白質，務必要採取多樣化的攝取方式，不能吃孤項，才能獲取到足夠的必需氨基酸。

動物性蛋白質的好處

除了動物性蛋白質可以提供完整的必需胺基酸之外，動物性蛋白質可能還是比較幫助人維持肌肉的質量。

根據2021年的一份綜合分析研究，動物性蛋白質和植物性蛋白質都會幫人「長肉」，維持住肌肉的質量，但動物性蛋白質能更持續性地保住肌肉質量，比較明顯能看到每單位的肌肉上升。尤其在小於五十歲（年紀輕一點）的成人身上，補充動物性蛋白質的「長肉」好處更明顯。然而，在肌力上面，就沒有看到補充動物性蛋白質與植物性蛋白質的差別。也就是說，雖然肌肉質量變多了，但不代表肌力就同時上升。

從動物性來源攝取蛋白質時，我們還同時會獲取到維生素B12以及血基質鐵（heme iron）。同樣地，我們身體無法自行製作維生素B12，而B12對維持神經功能和DNA製作等都非常重要。補充足夠才不至於導致不可逆的神經病變。

延伸閱讀：焦慮、容易被激怒？ – 缺乏維生素B12（懶人包）

動物性蛋白質的壞處

雖然動物性蛋白質可以維持肌肉質量，也能提供完整的胺基酸需求，但你可能也聽過，攝取紅肉或是紅肉加工製品，會增加一個人罹患中風、心肌梗塞、糖尿病等的機會。

一份追蹤超過12萬人20年的研究報告指出，每天多攝取一份紅肉，也就是約掌心大小的紅肉，死於心血管疾病的機率就高13%。若攝取的為加工紅肉，情況更糟，每天只要多吃一條熱狗，或兩片培根，也就是約半份的加工紅肉量，死於心血管疾病的機率提高20%。相對來說，若控制一天的紅肉攝取量於半份以下，就能減少心血管疾病的發作機率。

這個結果並不讓人訝異。畢竟，紅肉裡含有大量的飽和脂肪，而萬一要變成香腸、火腿、肉鬆、肉乾等好吃邪惡的紅肉加工製品時，又會再添加更多的鹽、糖、脂肪、與眾多添加物，在在傷害我們的健康。

如果你喜歡從動物性來源攝取蛋白質，還是要注意，可以從奶類、不帶皮雞肉、魚類、海鮮等處攝取蛋白質。少吃點紅肉吧，不僅降低心血管疾病的機率，對地球也比較友善。

想要高蛋白，除了總量，更要重視來源

植物性蛋白質的好處

能提供九種必需胺基酸的植物性蛋白質來源包括了黃豆、豌豆、奇亞籽、蕎麥、黎麥，屬於完整蛋白質。不過，如果想要從植物性來源完整攝取到必需胺基酸的話，最好的策略還是多樣化的攝取。

雖然從研究看起來，植物性蛋白質似乎比較不能確保我們的肌肉質量，但我們吃東西不是只為了蛋白質一種成分，植物性蛋白質的來源同時也提供了纖維、天然抗氧化劑、維生素、礦物質等眾多重要的營養成分，而且裡面含有較少飽和脂肪，較容易控制膽固醇和體重，較不會引發心血管疾病，也是非常棒的營養來源呢。

均衡選擇，減少加工

每種食物來源都有其好處與壞處，平日飲食還是要多樣化選擇，並減少繁複的烹調方式，減少額外添加物，盡量以新鮮食材製作並簡化食物口味，才能讓我們吃的健康開心。

本文轉載自顯微觀點

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。

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。

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。

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。

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。

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。

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。

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。

參考資料：

• 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.