科學研究者的「實驗室人生」

• 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。

在某個燠熱難耐的夏日午後，你打開電風扇，卻發現吹出來的風好像比印象中來得小。你眉頭一皺，覺得案情並不單純。就在走近電風扇的那幾步裡，好幾種可能性閃過心頭：

「會不會是按錯按鈕了？」、「會不會是扇葉太髒了？」、「會不會是轉軸黏住了？」、「會不會是⋯⋯？」這些猜想背後，都是根據你對電風扇原理的一些些認識才會做出的假設。

在提出疑問和假設之後，尋找問題的答案

靠近電扇之後，你看到按鈕確實是按下了「強」。接著你切斷風扇電源，看了看扇葉，發現確實有點髒，於是把電風扇拆洗後裝回去，再按下按鈕。結果風吹起來，就如同你印象中的那麼涼了。這證實了你的第二個猜想，並且解決你所關心的問題。

上述這樣的過程，其實就是「察覺差異，提出問題」、「根據理論，連結現象」、「提出假設，進行驗證」、「預測結果」等等的探究過程。

再舉個例子。

我有一天走在馬路上，看到白色分隔標線的一端閃著黃色的光。我心想：「難道馬路地上埋了一顆黃色的燈？是要作為交通警示用途嗎？」

我覺得奇怪，記得前幾天沒看到這裡有燈。接著我把視野放大，往左往右看了看周圍。發現有一台車停在遠處，車頭開啟方向燈，燈是黃色的，而且還在閃爍。然後我馬上注意到，兩者閃爍的頻率是相同的。

於是我有了新的猜想：「地上的神祕閃光，非常可能來自於汽車閃爍的方向燈的反光。」

但是柏油路面怎麼會反光呢？

仔細一看，地上似乎有一小灘水。汽車的方向燈發出來的光，剛好通過那一小灘水的反光進到我眼睛，讓我覺得地面在發光。接著馬上一台車經過，就擋在方向燈和積水的中間。我看到的亮光馬上消失，證實我的第二個猜想是正確的。

「哪裡怪怪的」這個念頭，會帶領我們尋找答案

像這樣的心智活動，在我們的生活中無時無刻都在進行著。只要我們發現「哪裡怪怪的」，腦袋幾乎就會立刻啟動探究的機制：

• 廚房怎麼那麼多螞蟻？（察覺問題）
• 是不是有食物殘渣沒有清理乾淨？（根據理論提出假設）
• 仔細觀察一下，發現⋯⋯（得到結論）

既然這些能力是我們原本就自然會的，那又為什麼要學呢？因為我們雖然很習慣對於意料之外的事情展開探索，但是以直覺來進行思考及解決問題的方式，往往並不太科學。

古人說的「地牛翻身」，其實也是一種探究的精神

古人在觀察自然現象的時候，會提出自己的解釋。例如面對地震的時候，台灣民俗的說法是「地牛翻身」，日本民俗的說法則是「棲息在地底的大鯰魚搖動身體」；至於日食在中國的傳說中是「天上的狗把太陽吃掉了」。

於是後人也會根據這些「理論」來規劃解決問題的方法。例如，綠島人認為地牛不只一隻，還會彼此打架，所以地震時要敲打金屬臉盆來分開牠們；同樣的，古時候的中國人看到日食，也會敲鑼打鼓、放鞭炮來趕走天狗。

有趣的是，根據這些「理論」採取的「實驗」，還真的每一次都會成功喔！一代又一代的人反覆進行著下圖這樣的實驗，所以千年來人們始終對這些「理論」深信不疑。

如果你是一位受過基礎科學教育的公民，這時候可能就會提出質疑，認為這樣的實驗並沒有對照組。

例如下一次出現日食的時候，如果不要敲鑼、打鼓、放鞭炮，日食是不是也會結束？如果不這麼做，日食仍然會結束的話，那麼用敲鑼打鼓的方式趕走天狗的假說就會受到挑戰了。

當然，在一個深信天狗傳說的社會中，沒有人會膽敢拒絕敲鑼打鼓，不然萬一太陽真的就被吃掉而永遠消失了，這責任誰負擔得起？用這個角度來看會發現，有時候要突破傳統，其實是一件非常困難的事情。

恐懼源自於未知：想消除恐懼，需要探究未知

人對於未解的現象，往往會用隨意的想像與歸因來尋求解釋，用很直覺的方式來建立對自然現象的理解，也是人類天生的習慣。

直到距今兩千六百多年前，古希臘哲學家泰利斯才撥開直覺的迷霧，主張應該拒絕再用人格化的神祇來解釋自然現象，而是要藉由理性的假說來理解和解釋自然現象。但即使西方在兩千六百多年前已經出現這樣的思想，但近代科學真正臻至蓬勃發展，還是近半個世紀內的事情。

正由於科學的研究和思考方法並不直覺、並不符合人類的天生習慣，所以必須透過後天的教育與訓練，才能慢慢熟練並妥善運用在生活之中。

雖然探究是我們的天性，但是具有科學素養的探究卻不是天性，無法一蹴可幾。就像科學家需要訓練有素的探究技術，才能做好自己的研究。

一般公民也需要具備科學探究的素養，來幫助自己在面對生活中諸多不熟悉的現象時，能運用一套思考和研究的方式來做判斷，特別是幫助我們更加注意到生活中不尋常的現象，能對許多直覺、缺乏事實支持的歸因有更高的警覺。

正因為我們的生活離不開探究，所以更應該透過學習來提升探究品質。這正是國民教育自然課程中所應教會每個公民的事情。

——本文摘自《教出科學探究力》，2021 年 8 月，親子天下 ，未經同意請勿轉載。

• 本文與台灣科技媒體中心合作，內文經泛科學改寫。
• 本文轉載整合自台灣科技媒體中心《「研究使用血液快速評估人體對新冠病毒的細胞免疫力」專家意見》
• 資料更新至 2022 年 6 月 14 日，完整文章請見上方連結

最近，國際期刊《自然生物科技》（Nature Biotechnology）發表研究，發現透過血液的 PCR 定量技術，加以分析與「Ｔ細胞免疫」反應有關的細胞因子「CXCL10」在血液中的濃度，可以有效反映出Ｔ細胞對新冠病毒（SARS-CoV-2）的免疫反應程度和持續時間，未來將有助於評估疫苗追加接種的優先策略。

體液免疫力 vs 細胞免疫力

台灣大學醫學院醫學檢驗暨生物技術學系副教授 蘇剛毅 說明：這篇發表在 Nature 子期刊：《自然生物科技》的研究，建立一套量化的「趨化激素」（chemokine）：CXCL10 訊息核糖核酸（mRNA）的快速檢測技術，來判定個體對於新冠病毒感染保護性的細胞免疫能力（cellular immunity），進而預測是否可能發生再感染的風險。

CXCL10 是一個受到新冠病毒感染後，抗原特異性Ｔ細胞釋放「伽瑪干擾素」（IFN-g）去刺激單核細胞（monocyte）產生的一種趨化激素，可評估個體在保護性的細胞免疫能力。

國立陽明交通大學臨床醫學研究所副教授 陳斯婷 表示：自新冠肺炎疫情延燒至今，對於免疫力的理解大多數屬於「體液免疫力」，亦及抗體產生及其中和性的效價。然而適應性的免疫力，包含細胞免疫力以及體液免疫力，兩者協力方可徹底清除病原菌感染，以及提供完整的記憶型免疫力。

由於體液型免疫力的分析方式較為單純，且所耗費的經費以及分析的技術門檻較低，僅使用血清及蛋白質抗原便可完成分析，因此是研究之初各單位爭相開發的分析模式。相反的，細胞型免疫力因為牽涉複雜的Ｔ細胞作用機制、預測蛋白質抗源的專一性，以及分析儀器的高度研究門檻，眾多原因使得相關的研究進展較為緩慢。

蘇剛毅副教授 認為，本研究重要性在於，有別以往是偵測病毒相關抗原、抗體、核酸，更進一步了解個體本身對抗病毒的免疫能力，除了有助了解本身抗病毒能力與感染風險外，亦可幫助疫苗施打策略以及評估追加劑的必要性。而隨著病毒變異株陸續產生，這也有助我們了解，感染後康復或接種疫苗者，對這些變異株是否仍具抵抗力。

研究過程是什麼？

先前 2020 年 11 月，南非的研究團隊率先發表研究，以 SARS-CoV2 相關蛋白質刺激受試病患的血液樣本，再以高階的細胞分析儀器（高階多色流式細胞分析儀），找出血液中針對新冠病毒的Ｔ細胞活化的標幟，並以新冠病毒檢測陽性之病患與健康的人交叉比對，確認可成功分析有 SARS-CoV2 專一性的活化型Ｔ細胞群^[1]。

2022 年 6 月，紐約西奈山伊坎醫學院團隊的發表文獻，主要是採用上述團隊利用血液樣本的方式分析特定Ｔ細胞活化的標幟，但是分析Ｔ細胞活化的方式改用行之有年的一種快速的定量 PCR 方法，合併分析共同存在血液中的另一種免疫細胞（單核球）的特定基因表現（CXCL-10），此特定基因表現量會受到Ｔ細胞活化後產生的訊息（第二型干擾素）所調節，因此當共同存在血液中的免疫細胞接收到Ｔ細胞活化釋放出的訊息後，會讓此特定基因表達增加。因此團隊先透過分析各組別中血液的基因相關檔案，挑出這基因做為Ｔ細胞活化的替代標幟。

這個基因標幟在免疫學中並不陌生，但是團隊從各種 COVID19 病人及疫苗注射後的健康族群採樣，以上述方式分析後，得到這個具有統計意義的交集。團隊有鑒於此方法可能在專一性及敏感度稍嫌不足，因此也將測試結果與其他傳統的分析方式進行比較。

結果顯示，快速測試特定的標幟基因，與傳統方法分析Ｔ細胞的敏感度及專一性相當接近。

這種檢測方法有風險嗎？

陳斯婷副教授認為：

• (1) 本研究雖然使用血液檢體，但仍必須經過傳統的Ｔ細胞活化流程後，包含後續的定量 PCR 分析，耗時大約兩個工作天。
• (2) 用極少量的血液（2 uL）且不抽取 DNA，直接定量分析，在台灣的檢驗量能及學術單位並不普遍，若想開發仍必須熟練此技術的操作。
• (3) 利用其中一種免疫細胞的基因表現，間接做為Ｔ細胞活化的替代性指標，若遇到Ｔ細胞活化的反應不明顯時，可能會呈現誤差，不如單純分析Ｔ細胞來得精準。
• (4) 每一種蛋白質抗原由特定分子較小的胜肽所組成，會引起特定的Ｔ細胞反應，但這些胜肽片段都是經由電腦模型模擬預測並經過實際驗證後才能得知，才有助分析專一性Ｔ細胞的免疫力，而不是直接從現有資料庫就可以得到。

蘇剛毅副教授則表示，這篇研究結果確實可以輔助醫師、感染者甚至衛生主管單位在治療與防疫上的策略。但我們也必須要了解幾件事：

• 人體免疫系統受到任何內在、外在的刺激時，本來就會產生許多分子去因應，雖本研究是利用新冠病毒的「特異性抗原」誘發免疫系統，但研究中觀察Ｔ細胞是出的細胞因子「伽瑪干擾素」與單核細胞細胞因子「CXCL10」並非只受到新冠病毒刺激才產生，本研究並沒有評估新冠病毒以外的感染源或其他生理病徵影響。因此在臨床應用上，需要考量受測者的背景因素甚至疫情發展。
• 免疫反應伴隨的「細胞激素」或「趨化激素」，在數量上都需要受到適當調控，過多或過少都會造成身體的傷害，如果本研究在數量上面可以進一步探討決策閾值的問題，將更有應用性
• 本研究應用主要仍在輔助性評估，對於防疫與治療而言，還是需要遵照常規病毒檢測、生活防疫、疫苗接種等措施。

研究原文

• Schwarz, Megan., et al. (2022) “Rapid, scalable assessment of SARS-CoV-2 cellular immunity by whole-blood PCR.” Nature Biotechnology. https://doi.org/10.1038/s41587-022-01347-6

參考文獻

• [1] Riou, C., Schäfer, G., du Bruyn, E., Goliath, R. T., Stek, C., Mou, H., Hung, D., Wilkinson, K. A., & Wilkinson, R. J. (2022). Rapid, simplified whole blood-based multiparameter assay to quantify and phenotype SARS-CoV-2-specific T-cells. The European respiratory journal, 59(1), 2100285. https://doi.org/10.1183/13993003.00285-2021