台灣第一人 邱文泰獲選國際顯微攝影競賽評審

• 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。

為了理解染色體異常細胞對鑲嵌型胚胎的影響，我們必須要創造出數百個小鼠胚胎，並研究數千個胚胎不同部位的細胞。這麼龐大的工作量需要有一位專職的科學家，也需要資金。

在匯整如何測試這個假設的思緒時，我在絨毛膜採樣檢查後又進行了另一個羊膜穿刺檢查，這個檢查一樣在超音波影像的引導下，將針插入包圍發育胎兒的羊膜囊中，以取得少量的透明羊水樣本來進行分析。保護胎兒的羊水會帶有胎兒細胞，可以用來確認是否具有染色體問題。這次的檢查結果是沒有問題的，我們都鬆了一口氣。不過，得要到我把孩子抱在手上那時，我才能百分之百地放心。

還有其他的好消息是，我有了資源可以進行了解我檢查結果的研究。我在發現懷孕那天所進行的面試，讓我獲得惠康基金會的資深研究補助金。這筆補助金原本打算用在另一個計畫上，不過他們給我足夠的自由度，可以直接挪用其中部分資金來為鑲嵌型胚胎建立模型。

如何製造染色體異常的細胞？

我們有一大堆事情要做。首先，我們得要找到一種可信的方式（最好不只一種）來製造染色體異常的細胞。然後我們還要找到一種方式來標記這些細胞，好讓它們在正常細胞旁發育時，我們可以追蹤到它們。製造異常細胞比我們原先所想得更加困難。海倫測試許多種不同的方法來干擾染色體分離的過程，我們最後用到一種名為逆轉素（reversine）的藥物，這是我們實驗室中另一個研究計畫使用過的藥物。

逆轉素是種小分子抑制劑。我們想要使用逆轉素來抑制染色體分離中的一個關鍵過程。那是一個分子檢查點，在正常情況下會暫停細胞分裂（有絲分裂），直到有正確數目的染色體（帶有 DNA）被拉開，並分離到兩個不同的子細胞間為止。逆轉素會阻斷名為單極紡錘體蛋白激酶（monopolar spindle 1 kinase）的酵素，而這種酵素會在細胞分裂時確保染色體公平分配。

為了確認逆轉素確實會造成染色體異常，我們經由標記隨機選出的三個染色體來分析有用藥及無用藥的胚胎。我們所使用的標記方法名為螢光原位雜合技術（fluorescence in situ hybridization, FISH），這種技術會外加一個探針（短 DNA 序列）及一個螢光標記。當探針在樣本中碰到類似的 DNA 片段時，就會在螢光顯微鏡下發光。經由螢光原位雜合技術的追蹤，確認了海倫使用逆轉素後，確實會增加染色體異常胚胎的數量。

逆轉素的效用是暫時性的，海倫一把藥劑洗掉，檢查點就恢復正常功能。這很重要，因為這表示我們可以將胚胎染色體異常的發生限制在特定的發育期間內。

染色體異常的胚胎能正常發育嗎？

確信可以製造出染色體異常的胚胎後，我們需要確定這些施用過逆轉素的胚胎是否會完全發育。海倫對四細胞胚胎施用逆轉素，並觀察到在發育 4 天後，它們的細胞數量比未施藥的胚胎要來得少。不過雖然細胞數量較少，還是可以形成三組基本的細胞世系。

為了找出施用內逆轉素的胚胎是否可以長成小鼠，我們將這些胚胎植入母體中。這個時間點是在我們創造出體外培養胚胎的技術之前。每 10 個正常胚胎有 7 個會著床，而這個比例在施藥後的胚胎上則降了一半。最重要的是，施用逆轉素的胚胎沒有一個能夠成長為活生生的老鼠。這個實驗顯示，當胚胎中大多數的細胞都出現染色體異常時，它們的發育最終會以失敗收場，即使它們著床了、也發育了一陣子。

製造同時有異常與正常細胞的胚胎

現在我們可以進一步來探討那個重要的問題：若是只有部分胚胎細胞帶有染色體異常，發育又會受到何種程度的影響？為了找出答案，我們必須製造出鑲嵌型胚胎，也就是混合了染色體異常細胞與染色體正常細胞的胚胎。因此我們決定經由製造嵌合體來達到這個目的。

因為我們無法在對同個胚胎施用逆轉素時只讓其中一些細胞出現染色體異常，所以無法經由這個方式製造出鑲嵌型胚胎，因此我們想到了運用嵌合體的作法，將來自不同胚胎的細胞結合建構成嵌合體（鑲嵌型胚胎是由單顆受精卵生長發育而成的）。創造嵌合體而非鑲嵌型胚胎的好處是，我們可以系統性地去研究要具有多少異常細胞才會干擾到發育。很幸運地，這個作法成功了。

海倫在小鼠胚胎從兩細胞階段分裂到四細胞階段時，經由口吸管的方式施用逆轉素，並在八細胞階段將細胞一個個地分開。然後她將來自正常胚胎的四個細胞與來自施藥胚胎的四個細胞結合創造出八細胞嵌合體胚胎。

我們要追蹤細胞的命運就需要標記。我朋友凱特．哈迪安東納基斯（Kat Hadjantonakis）與金妮．帕帕約安努在紐約對小鼠進行基因改良，讓牠們的細胞核具有綠色螢光蛋白，所以我們就採用了具有這種特性的小鼠。我們將這類小鼠胚胎施予逆轉素，施過藥的細胞會與未施過藥的細胞有不同的顏色，這樣我們就可以做出區別。具有綠色螢光蛋白的細胞讓我們可以明確看到新細胞是在何時與何處誕生以及新細胞的後續分裂，還有，若是細胞死亡了，我們也可以看到是在何時與何處死亡的。我們可用此種方式為個別細胞建立「譜系圖」。

染色體異常細胞在胚胎發育過程中會被清除嗎？

我們為這些鑲嵌型胚胎拍攝了影片，以精準追蹤每個細胞的命運。海倫在螢幕上看見，異常細胞數量的下降主要發生在產生新個體組織的那一部分胚胎，也就是上胚層。這些異常細胞會在凋亡的過程中死去，也就是經歷程序性的細胞死亡。在注定成為胚胎本體的那一部分胚胎中，施用過逆轉素的細胞經歷凋亡的頻率是未施藥細胞的兩倍以上。

這個結果表示，在注定成為胎兒的那一部分胚胎中，異常細胞有被清除的傾向。這支持了我的假設，也就是在這一部分的胚胎中，異常細胞競爭不過正常細胞，不過實際運用的機制跟我原來所想的不一樣。

我簡直不敢相信。這是我們真的會研究出重要成果的第一個徵兆，發育中的胚胎不僅可以自我建構，也同樣可以自我修復。幾年前當我懷著賽門那時，絨毛膜採樣檢查所檢測到的染色體異常細胞的後代，有沒有可能在成長為賽門的那部分胚胎中自我毀滅了呢？

——本文摘自《生命之舞》，2023 年 9 月，商周出版，未經同意請勿轉載。

本文翻自<Astrocyte Dysregulation and Calcium Ion Imbalance May Link the Development of Osteoporosis and Alzheimer’s Disease>一文

蔡依良 撰

加拿大的研究報告中指出，阿茲海默症患者罹患骨質疏鬆症和骨折發生率是同年齡神經正常成人的兩倍多 [1]。一項為期兩年的縱向研究也表明，與非失智症的患者相比，阿茲海默症患者的骨骼密度流失的更多 [2]。目前已有少量的實證證據，證明了阿茲海默症的神經病理生理學特徵可能導致骨質流失 [3, 4]。藥物方面，也有報告指出使用鈣離子通道阻滯劑和用於治療骨質疏鬆症的雙磷酸鹽類藥物，可以有效地緩解阿茲海默症的症狀。

為什麼骨質疏鬆與阿茲海默症會有關係呢？這就要從阿茲海默症是什麼開始說起。

阿茲海默症是五種失智症的一種

我們所說的阿茲海默症，只是失智症的其中一種。失智症主要可分為五大類型：路易氏體失智症、額顳葉失智症、血管型失智症、混合性癡呆，以及阿茲海默症。其中阿茲海默症為最常見的失智症，它是一種與年齡相關，認知能力下降的退化性疾病，包括記憶力改變和定向能力下降。

在阿茲海默症的病程中，有高達 70-80% 的患者會表現出非認知症狀，這會導致患者煩躁不安，表現妄想、抑鬱、幻覺、錯誤識別、睡眠障礙、冷漠、攻擊性、進食障礙、不適當的性行為或徘徊。

因此我們有必要先強調，這些研究都只說明了其中一種失智症類型——阿茲海默症，與骨質疏鬆有關，不是所有失智症都跟骨質疏鬆有關係。

為什麼阿茲海默症會跟骨質疏鬆扯上關係？

在病理學上，阿茲海默症患者的典型症狀是澱粉樣蛋白-β (Aβ) 斑塊和 tau 過度磷酸化。然而，最近的研究表明，這些症狀並不是疾病的原因，而是發病後產生的。與其他類型的失智症相比，阿茲海默症具有明顯的松果體鈣化及體積縮小，和褪黑激素分泌減少的特徵。

而這幾個跟「松果體」有關的特徵，跟阿茲海默與骨質疏鬆症有密不可分的關係。

松果體是什麼？

松果體位於腦部中央的上視丘，介於兩個腦半球之間，藏在丘腦兩半連接處的凹槽中。是一個對光敏感的小型神經內分泌器官，透過眼球接受光的信息，調整褪黑激素的分泌量，進而控制動物的睡眠時間。它具有高度血管化的構造，不依賴血腦屏障（BBB）所提供的保護。由星狀膠質細胞、小膠質細胞、內皮細胞和釋放褪黑激素的松果體細胞所組成的器官。

松果體的分泌能力與其體積大小成正比。因此當羥基磷灰石逐漸沉積在松果體形成鈣化時，成為我們俗稱的「腦砂」，勢必將減少褪黑激素的產生。這就是上面提到的「阿茲海默症具有明顯的松果體鈣化及體積縮小，和褪黑激素分泌減少」。

褪黑激素與骨細胞增殖有關

有趣的是，褪黑激素除了與腦的關聯外，其他研究還發現使用褪黑激素可增加正常人的骨細胞和成骨細胞的增殖。這即是一開始研究所說的「阿茲海默症與骨質疏鬆症有關係」的原因之一。

為什麼是之一呢？因為不只在褪黑激素上，找到阿茲海默症和骨質疏鬆症二種疾病的關聯性，也在其他骨鈣代謝激素，像是：腦雌激素、甲狀旁腺素、維生素 D3、降鈣素、骨鈣素…等，也都有研究找出該激素與兩種疾病之間的關聯性。

骨鈣代謝激素對阿茲海默症的影響

腦雌激素由星狀膠質細胞合成，具有神經保護的功能，維生素 D3 除了可以保護骨骼，同時也是一種神經類固醇激素，在大腦中扮演保護和調節作用。Hana 等人研究則是發現「降鈣素基因相關肽拮抗劑（CGRP）」，具有成骨和維持骨穩態的作用，可能成為延緩人類認知衰退的治療靶點 [5]。

還有，成骨細胞衍生的骨鈣素，發現可以改善與年齡相關的認知衰退、預防抑鬱和焦慮，以及減少星形膠質細胞和小膠質細胞的增殖。綜合上述，我們可以得知阿茲海默症和骨質疏鬆症之間，確實存在著某種相關性。

阿茲海默症與骨質疏鬆有關的可能原因

雖然有不少研究支持阿茲海默症與骨質疏鬆有關聯性，但兩者的因果關係，尚未有統一答案，不過，我們可以藉由以下幾點推測可能原因：

一、松果體中的星狀膠質細胞對鈣離子平衡作用

星形膠質細胞為組成松果體的重要細胞之一，它的功能有維持鈣離子濃度平衡，提供神經細胞營養，並可在體內遷移。鈣離子是人類重要的神經傳遞物質之一，一旦被觸發，星形膠質細胞之間就會形成鈣波，激活其他星形膠質細胞傳遞信息。

二、調節骨頭生長的骨細胞為星狀型態細胞

人體大多數的鈣質儲存在骨骼中，以維持一生的鈣穩態。骨組織主要由骨細胞、成骨細胞和蝕骨細胞組成。在骨重塑當中，成骨細胞是生成骨頭的細胞，蝕骨細胞則是分解骨頭的細胞，而骨細胞是調節蝕骨細胞和成骨細胞活性的星狀型態細胞。在成熟的骨骼中，骨細胞是數量最多的細胞類型，有著與生命體本身一樣長的壽命。

雖然骨細胞的並非星形膠質細胞，但無論在形態或功能上，都有相似之處，同樣為星形，也都與鈣離子濃度的調節有關，只是松果體內的星狀細胞是直接調整鈣離子，骨細胞是藉由控制成骨與蝕骨細胞，來影響周圍鈣離子濃度。為了方便起見，我們假設骨細胞是星形膠質細胞的一種，而松果體主要也是由星形膠質細胞組成。

在鈣波的影響下，那麼當蝕骨細胞有較高的細胞活性，加上星形膠質細胞逐漸失去功能時，鈣將從骨骼中逐漸流失，從而引發骨質疏鬆症。隨後被釋放到血液中的鈣離子可能在松果體中蓄積並導致異位鈣化，從而促進阿茲海默症的發生。

最後值得我們進一步思考的是，長期的慢性發炎時常伴隨著鈣化現象的發生。如果我們常常半夜不睡覺，或在睡前接收大量的光線刺激。長期不正常的光週期是否會導致松果體慢性發炎，誘發松果體鈣化增加罹患阿茲海默症的風險呢？

參考資料

1. Weller I I. The relation between hip fracture and Alzheimer’s disease in the canadian national population health survey health institutions data, 1994-1995. A cross-sectional study. Ann Epidemiol. 2000;10(7):461. doi:10.1016/s1047-2797(00)00085-5
2. Loskutova N, Watts AS, Burns JM. The cause-effect relationship between bone loss and Alzheimer’s disease using statistical modeling. Med Hypotheses. 2019;122:92-97. doi:10.1016/j.mehy.2018.10.024
3. Dengler-Crish CM, Elefteriou F. Shared mechanisms: osteoporosis and Alzheimer’s disease?. Aging (Albany NY). 2019;11(5):1317-1318. doi:10.18632/aging.101828
4. Minoia A, Dalle Carbonare L, Schwamborn JC, Bolognin S, Valenti MT. Bone Tissue and the Nervous System: What Do They Have in Common?. Cells. 2022;12(1):51. Published 2022 Dec 22. doi:10.3390/cells12010051
5. Na H, Gan Q, Mcparland L, et al. Characterization of the effects of calcitonin gene-related peptide receptor antagonist for Alzheimer’s disease. Neuropharmacology. 2020;168:108017. doi:10.1016/j.neuropharm.2020.108017