《蛋白質殺手》：狂牛病與普利子

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

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。

在數學和科學中，男人和女人的智力沒有差異。男性和女性之間基因的差異只是Y 染色體，與智力無關。

Christiane Nusslein-Volhard（1995年諾貝爾醫學獎）

當過父母親的讀者大概都注意到，男、女孩在非常早期，就已經顯示出非常不同的特質：例如將玩偶女娃與玩具汽車擺在他們之前，大部分的女孩都會選擇前者，而大部分的男孩則會選擇後者。這到底是後天受影響還是天生的「演化」結果，大概將永遠爭論不休。但男女身體構造不同（最明顯的當然是生殖器官），則是一個無所否認的事實！

現在科學家已毫無疑問地確定男女間的生理差別是因為「遺傳因子」不同造成的，這些遺傳因子就存在細胞核的染色體內。檢視比較男女的染色體，可以清楚地看出，在 23 對染色體中，男女之間有一對明顯地非常不同的「性染色體」：女性那對外表相似的性染色體為 X；而男性除了一條 X 外，另一條則被一位身材矮小、被稱 Y 的染色體取代！顯然造物者是有點不公平，但是對誰不公平呢？

本文擬探討，性染色體 XX 與 XY 的發現與運作機制，男女之間多（少）一條 X 染色體，是怎樣的機制使其正常運作的呢？

遺傳物質藏身處：染色體的發現

德國生物學家弗萊明（Walther Flemming, 1843-1905）為研究細胞的遺傳物質及染色體之「細胞遺傳學」（cytogenetics）的創始人：他首先觀察並系統地描述正常細胞分裂期間之細胞核中染色體行為的人。1879 年時，弗萊明發現在細胞分裂過程中，細胞核中呈顆粒狀的結構能大量吸收紅色合成苯胺染料，並從希臘語「顏色」一詞中將這些結構命名為「染色質」（chromatin）。

四年後德國解剖學家瓦爾德耶爾（Heinrich Waldeyer）改稱為「染色體」（chromosome）。染色技術使弗萊明能夠詳細地觀察到在細胞分裂的過程中，這些染色體呈線狀縱向分裂產生兩個相同的兩半，因之將此過程稱為「有絲分裂」（mitosis）^[註一]。

儘管弗萊明有敏銳的觀察力，但他並未意識到細胞分裂可能與遺傳有關。1865 年，被稱為「遺傳學之父」之孟德爾（Gregor Mendel）的豌豆實驗顯示遺傳應以離散單位傳輸，每個單位有上代父母親之半個單位組成。1902 年，美國遺傳學家和醫師薩頓（Walter Sutton）謂孟德爾遺傳定律可以應用於生物體細胞內的染色體（現稱為 Boveri-Sutton 染色體理論）。他描述了現代遺傳學的細胞基礎：細胞含有父母雙方每個染色體中的一個；後代從每個父母那裡透過卵子受精各獲得一條染色體，從而形成一對染色體。當然，我們現在知道孟德爾的遺傳單位就是 DNA 裡面的基因，而 DNA 就是「躲藏」在染色體內。

男女有別，差在染色體

人類細胞內有多少對染色體呢？1923 年，美國動物學家潘特耳（Theophilus Painter）由他所謂的「最佳細胞」或人體睾丸的最佳部分「證明」了人類具有 48 條染色體。這錯誤一直持續到 1956 年，才由瑞典隆德（Lund）遺傳研究所的齊歐（Joe H. Tijo）和雷面（ Albert Levan）確定實際數目是 23 對（46條）染色體。

這 23 對染色體當中，有一對非常突出不同於其它的：那就是男性具有稱為 X 及 Y 的不同染色體，而女性則具有一對相似的 X 染色體！

當然，因為男女有別，這一發現應該不會讓令人驚奇。X 染色體相當大，約含 1300 個基因；這些基因在大腦功能上佔了不成比例的重要性，在卵巢或睾丸形成的各個階段、以及雄性和雌性的其他生育能力上也扮演了許多必要的角色。而 Y 染色體則特別小，只含 40 – 50 個基因而已：當然其中許多是雄性生殖所必需的。 

就性別決定而言，Y 染色體中最重要的是一個稱為 SRY 的基因；SRY 蛋白激活胚胎中決定睾丸的途徑，促使產生最重要之「男性」睾丸激素，使胚胎男性化。萬一 Y 染色體內缺​​少了SRY 基因或 SRY 基因受損，則該男性的外表將出現女性化。而如果父親的精子在形成過程中，Y 染色體中的 SRY 基因的一小部分「不小心」地轉移到 X 染色體上，則性染色體為 XX 染色體的孩子，也會出現男性的特徵。

前面提到，X 染色體中的基因在大腦功能上佔在有相當重要的地位。因此亞當可能會反對為什麼上​​帝只賜給他一個 X 染色體，但卻給夏娃兩個！還好生物學家發現染色體多並不是好現象！事實上除了編號為 21 的染色體外，任何其它多一條染色體的胚胎都沒辦法正常發展，只有胎死腹中一途！而多了一條 21 號染色體的胚胎呢？那正是出生後患有「唐氏病」（Down’s syndrome）的原因！

由此看來，細胞的基因表現上，一對染色體中多 50% 顯然不是什麼好事，那麼女性的 X 染色體比男性的 X 染色體整整地多了一倍，那上帝不是在故意給夏娃找麻煩嗎？

過猶不及—— X 染色體的去活化

沒有 X 染色體當然是不行，但顯然太多也不是福。在 1960 年代初期，英國遺傳學家瑪莉‧里昂（Mary Lyon）提出了 X 染色體「劑量補償」（dosage compensation）的假設。 她預測：

1. 正常雌性的細胞僅含一條活性（active）X 染色體；
2. 另一條 X 染色體在早期胚胎發展過程中就被「去活化」（inactivation）了；
3. 被去活化的 X 染色體可能是父親或母親的版本，在每個細胞內個別隨機發生；
4. 發生在「體細胞」^[註一]內的去活化是不可逆的，隨細胞分裂一代一代地傳下去。

經過半個世紀多的研究，這些預測現在被證明是完全正確的，因此有些教科書稱此一「去 X 染色體活性」為「里昂化」（Lyonization）⎯⎯不少生物學家、細胞學家、遺傳學家認為里昂有資格獲得諾貝爾獎。看來上帝還是公平的：夏娃雖然有兩條 X 染色體，但只有一條具有活性，另外一條看來只是裝飾用的。

由於 X 染色體與其他染色體有所不同，我們的身體顯然有特別辨識及計數的機制，如前面所介紹的，除了 21 號染色體外（唐氏症），多出任何其它染色體的胚胎都沒辦法正常發展。因為這個辨識、計數、及去活化的機制，多條 X 染色體的胚胎常常可以生存下來，只是生理機能上會出現某些缺陷！

突變的性染色體的遺傳疾病

在筆者在蘇俄最後沙皇與血友病 （科學月刊 2020 年 6 月號） 一文中，提到血友病通常是一種因 X 染色體中單個基因突變造成的遺傳性出血疾病。男性因為只有一個 X 染色體，所以只要它不正常，就足以引起血友病。女性因有兩個 X 染色體，加上血友病基因為「隱性 」（recessive），故兩個拷貝都必須發生突變才能引起這種疾病（非常罕見）。

女性每個細胞內確實是有兩個 X 染色體，但是只有一個具活性！還好去活化的過程是隨機的，因此對帶有一個拷貝血友病基因的女性來說，機率上應該有半數的基因表現正常！但就幫助受傷後之血液凝結卻已經足夠了！

但在雷特綜合症（Rett syndrome）這方面，就是另一個故事了。雷特綜合症是一種罕見的神經系統疾病^[註二]，主要發生在女孩中，常造成語言和協調障礙，以及重複性動作，影響了孩子各方面的生活。

雷特綜合症的起因與血友病相似：X 染色體上的一個名為 MECP2 的基因突變引起的。但與血友病不同的是：具有類似突變的男孩通常會在出生後不久就死亡，因此很少看到患有此症的男孩。只有一條正常 X 染色體的女性就不像血友病那麼幸運：經 X 染色體去活化後，只有一半正常 MECP2 基因來製造蛋白質已不能阻止雷特綜合症了！可想而知，正在研發中治療此病的一個方法是設法活化被去活化的正常 X染色體。

與諾貝爾獎失之交臂的瑪麗·里昂

「里昂化」，即 X 染色體去活化，彌補了 XX 雌性和 XY 雄性之間基因劑量的差異。提名里昂為 1984 年英國皇家勳章得主之推薦信謂：「它（X 染色體去活化）為雌性哺乳動物長期存在的 X 劑量補償問題提供了解決方案，揭示了細胞中存在異常數量的性染色體的本質，改變了人類某些腫瘤和慢性粒細胞白血病起源的觀念，並為思考關閉基因的基本機制提供了參考。正如科學家很快將其稱為里昂化一樣，它也許比任何最近之生物學概念開闢了更多的研究領域，及激發了更多的工作。」

儘管做出了重大的貢獻，卻不知道為什麼里昂與諾貝爾獎無緣？如果是因帶兩個 X 染色體的關係，那顯然諾貝爾獎委員不了解她的 X 染色體去活化理論。里昂於 1984 年獲得英國皇家勳章獎，1997 年獲得被稱為是貝爾獎重要預測指標的沃爾夫醫學獎（Wolf prize）^[註三]。

本稿完成於「淡淡的三月天，杜鵑花開在山坡上，… 」^[註四]之際：適逢 3 月 8 日為全世界婦女節，三月為美國、英國、及澳洲的婦女歷史月，僅以此文獻給被諾貝爾獎委員會遺忘的瑪麗·里昂。

注解

• 註一：有絲分裂即是一般執行普通身體功能之體細胞（somatic cell」的分裂方法。多細胞生物體內尚含有負責傳遞遺傳信息的生殖細胞（germ cell）；它們可以分裂產生精子和卵子。1883 年，比利時細胞學家 Eduoard van Beneden 發現精子和卵子只含半數染色體。為了說明性細胞中染色體的減半，德國生物學家魏斯曼（August Weismann）在 1887 年提出必須有另一種不同類型的細胞分裂；到1900年，生物學家終於了解了此一減數分裂（meiosis）的細胞分裂過程。
• 註二：大部分是因為突變造成的，不到 1% 是遺傳的。
• 註三：沃爾夫基金會成立於 1978 年，設立每年頒發一次的醫學、農業、化學、數學、物理、和藝術六項沃爾夫獎。 該獎項被認為是科學界第二負盛名的獎項，為諾貝爾獎的重要預測指標。但因諾貝爾獎不發給死人，因此即使諾貝爾會員現在想發給里昂（1925-2014），也是「樹欲靜而風不止，子欲養而親不待」了！
• 註四：《杜鵑花》是1950 年代台灣孩子耳熟能詳的一首歌，其實它卻是原籍廣東省的作曲家黃友棣創作於 1941 年，中國「對日抗戰」中期，描述烽火時代兒女情長的歌曲，在四川、雲南等大後方受到青年學子的喜愛而流行一時、廣為傳唱，是一首「抗戰時代歌曲」（取自 2015-03-25民報 ）。是筆者小時候非常喜歡的一首歌。

延伸閱讀

• Nessa Carey, 「The Epigenetics Revolution」，Columbia University Press, New York, 2013。