0

0
0

文字

分享

0
0
0

從基因標靶藥物,到實現個人化醫藥的未來基因體醫療

Gene Ng_96
・2013/09/28 ・1262字 ・閱讀時間約 2 分鐘 ・SR值 582 ・九年級

-----廣告,請繼續往下閱讀-----

我們身上的DNA,編碼了大約兩萬多個基因。我會比喻說,一個基因基本上就是一個食譜, 基因體(genome)就是一本料理大全。我們要瞭解我們身上的這本生命料理大全,就要把整本料理大全給編成冊。過去遺傳學家(geneticists) 只能同時研究個位數的基因,可是一個細胞卻有成千上萬道菜,當我們同時研究這成千上萬道菜的滿漢全席,就是所謂的基因體學(genomics)。

而每個食譜,也可因為幾個食材(內含子,intron)的變化,而變化出稍有不同菜色(蛋白質,protein)。我們身上絕大多數的細胞,僅表現一部分 基因,就像並非每道菜都會在一家餐廳推出,而搞清楚哪些食譜被廚師使用了,就是功能基因體學(functional genomics)。有些廚師也會自己做變化,在料理大全的上依情況做增刪,這就是表觀遺傳學(epigenetics)。

我在大學或研究所幫朋友上基因體定序的課程時,都秀一張圖,指出基因體定序的價格下跌之快速,甚至比起一日千里的IT產業更有過之而無不及,其對比是IT產業的摩爾定律(Moore’s law):

9977819205_dabfaa6d8d_z

摩爾定律是由英特爾(Intel)創始人之一戈登·摩爾(Gordon Moore)提出來的,指積體電路上可容納的電晶體數目,約每隔24個月便會增加一倍,後來經常被參照的「18個月」是由英特爾執行長David House所說:預計18個月會將晶片的效能提高一倍(即更多的電晶體使其更快)。

-----廣告,請繼續往下閱讀-----

基因體定序的進展之快速,甚至於贊助第一家能夠用一千鎂解出整個人類基因體的Archon X PRIZE,在上個月(8月 22日)卻因為科技的進展甚至快過他們原先的想像而取消了(請參見〈理性樂觀的富足〉)!所以我理性樂觀地預料,在不久的未來,基因體定序將會有如今天所有分子生物學實驗室都大量廣泛使用的PCR。

甚至,在我們絕大部分人的有生之年,以後上醫院看病,可以先抽點DNA去做全基因體定序,然後再根據資料判斷藥物或療法的優化使用。而癌症的治療,也將依據癌細胞的基因突變作調整,即使治療後再發作,也能夠更準確判斷是否有新的突變產生,而設計療法。這些都不會是科幻小說的內容,而會是科普的內容。 說到科普,這本《未來的基因體醫療:從基因標靶藥物,到實現個人化醫藥》(これからのゲノム医療を知る:遺伝子の基本から分子標的薬、オーダーメイド医療で)是介紹這個突飛猛進的基因體學領域不可多得的佳作。

9977851404_16d946928f_o

《未來的基因體醫療》作者中村祐輔曾經擔任東京東京大學醫科學研究所教授,是日本生物銀行計畫總主持人,並且曾是日本理化學研究所基因體醫科學中心主任、日本國立癌症中心所長、 日本內閣官房醫療創新推進室室長。由於日本政府短視地削減了基因體醫療相關的研究經費,他被美國芝加哥大學挖角過去擔任醫學系教授和個人化醫療中心副主任。中村祐輔的跳槽,在美日醫界曾造成大震撼。

儘管事務繁忙,中村祐輔還是很用心在科學和科普教育,除了這本《未來的基因體醫療》, 中村祐輔也著有幾本圖文並茂、深入淺出書籍如先端のゲノム医学を知る―進展するSNP解析・マイクロアレーによる創薬とオーダーメイド医療の実際、ゲノム が世界を支配する、がんワクチン治療革命等。這些製作精良、美工精美、編輯用心的書籍顯示日本作為科學強國,在向大眾推介科學知識上的用心!

-----廣告,請繼續往下閱讀-----

 

閱讀全文:

從基因標靶藥物,到實現個人化醫藥的未來基因體醫療

文章難易度
Gene Ng_96
295 篇文章 ・ 30 位粉絲
來自馬來西亞,畢業於台灣國立清華大學生命科學系學士暨碩士班,以及美國加州大學戴維斯分校(University of California at Davis)遺傳學博士班,從事果蠅演化遺傳學研究。曾於台灣中央研究院生物多樣性研究中心擔任博士後研究員,現任教於國立清華大學分子與細胞生物學研究所,從事鳥類的演化遺傳學、基因體學及演化發育生物學研究。過去曾長期擔任中文科學新聞網站「科景」(Sciscape.org)總編輯,現任台大科教中心CASE特約寫手Readmoo部落格【GENE思書軒】關鍵評論網專欄作家;個人部落格:The Sky of Gene;臉書粉絲頁:GENE思書齋

0

0
0

文字

分享

0
0
0
如何靠溫度控制做出完美的料理?
鳥苷三磷酸 (PanSci Promo)_96
・2024/06/21 ・2766字 ・閱讀時間約 5 分鐘

本文由 Panasonic 委託,泛科學企劃執行。 

炸雞、牛排讓你食指大動,但別人做的總是比較香、比較好吃?別擔心,只要掌握關鍵參數,你也可以做出完美料理!從炸雞到牛排,烹調的關鍵就在於溫度的掌控。讓我們一起揭開這些美食的神秘面紗,了解如何利用科學的方法,做出讓人垂涎三尺的料理。

美味關鍵 1:正確油溫

炸雞是大家喜愛的美食之一,但要做出外酥內嫩的炸雞,關鍵就在於油溫的掌控。炸雞的油溫必須維持在 160 到 180℃ 之間。當你將炸雞放入熱油中,食物的水分會迅速蒸發,形成氣泡,這些氣泡能夠保證你的炸雞外皮酥脆而內部多汁。

水的沸點是 100℃,當麵衣中的水分接觸到 160℃ 的熱油時,會迅速汽化成水蒸氣。這個過程不僅讓麵衣變得酥脆,也能防止內部的雞肉變得乾柴。

-----廣告,請繼續往下閱讀-----

如果油溫過低,麵衣無法迅速變得酥脆,水分和油脂會滲透到食物中,使炸雞變得油膩。而如果油溫過高,水分會迅速蒸發,使麵衣變得過於硬或甚至燒焦。

油炸時,麵衣水分會快速汽化。圖/截取自泛科學 YT 頻道

美味關鍵 2:焦糖化與梅納反應

另一道美味的料理——牛排。無論是煎牛排還是炒菜,高溫烹調都會帶來令人垂涎的香氣,這主要歸功於焦糖化反應和梅納反應。

焦糖化反應是指醣類在高溫下發生的非酵素性褐變反應,這個過程會產生褐色物質和大量的風味分子,讓食物變得更香。而梅納反應則是指醣類與氨基酸在高溫下發生的反應,這個過程會產生複雜的風味分子,使牛排的色澤和香氣更加迷人。

要啟動焦糖化反應和梅納反應的溫度,至少要在 140℃ 以上。如果溫度過低,無法啟動這些反應,食物會顯得平淡無味。

-----廣告,請繼續往下閱讀-----
焦糖畫反應。圖/截取自泛科學 YT 頻道


焦糖化反應與梅納反應。圖/截取自泛科學 YT 頻道

油溫與健康

油溫不僅影響食物的風味,也關係到健康。不能一昧地升高油溫,因為每種油都有其特定的發煙點,即開始冒煙並變質的溫度。當油溫超過發煙點,會產生有害物質,如致癌的甲醛、乙醛等。因此,選擇合適的油並控制油溫,是保證烹調健康的關鍵。

說了這麼多,但是要怎麼控制溫度呢?

各類油品發煙點 。圖/截取自泛科學 YT 頻道

科學的溫度控制

傳統電磁爐將溫度計設在爐面下,透過傳導與熱電阻來測溫,Panasonic 的 IH 調理爐則有光火力感應技術,利用紅外線的 IR Sensor 來測溫,不用再等熱慢慢傳導至爐面下的溫度計,而是用紅外線穿透偵測鍋內的溫度,既快速又精準。

而且因為紅外線可以遠距離量測,如果甩鍋炒菜鍋子離開爐面,也能持續追蹤動態。不會立即斷開功率關掉,只要鍋子放回就會繼續加熱,效率不打折。

-----廣告,請繼續往下閱讀-----

好的溫度感測還要搭配好的溫度控制,才能做出一流的料理。日本製的 Panasonic IH 調理爐,將自家最自豪的 ECONAVI 技術放進了 IH 爐中。有 ECONAVI 的冷氣能完美控制你的室溫,有 ECONAVI 的 IH 調理爐則能為你的料理完美控溫。

有 ECONAVI 的 IH 爐不只省能源、和瓦斯爐相比減少碳排放,更為料理加分。前面說了溫度就是一切的關鍵,但是當我們將食材投到熱鍋中,鍋中的溫度就會瞬間下降,打亂物理與化學反應的節奏,阻止我們為料理施加美味魔法。

所以常常有好的廚師會告訴我們食物要分批下,避免溫度產生太大變化。Panasonic IH 調理爐,只要透過 IR Sensor 一偵測到溫度下降,就能馬上知道有食材被投入並立刻加強火力,讓梅納反應與焦糖化反應能持續發揮變化。而當溫度回到設定溫度,Panasonic IH 調理爐也會馬上將火力轉小,透過電腦 AI 的迅速反應,掌握溫度在最完美區間不劇烈起伏。

不僅保證美味關鍵,更不用擔心油溫超過發煙點而導致油品變質,讓美味變得不健康。

-----廣告,請繼續往下閱讀-----
透過 IR Sensor 精準測溫並提升火力。圖/截取自泛科學 YT 頻道
IH 調理爐完美控溫 。圖/截取自泛科學 YT 頻道

舒適的烹飪環境

最後,IH 爐還有一個大優點。相比於瓦斯爐,因為沒有使用明火,加熱都集中在鍋具。料理過程更安全,同時使用者也不會被火焰的熱氣搞得心煩意亂、汗流浹背,在廚房也能過得很舒適。而且因為熱能集中,浪費的能源也更少。

因為沒有使用明火,料理過程安全又舒適。圖/截取自泛科學 YT 頻道
Panasonic IH調理爐火力精準聚集在鍋內。圖/Panasonic提供

為了更多的功能、更好的效能,我們早已逐步從傳統按鍵手機換成智慧型手機。一樣的,在廚房內,如果你想輕鬆做出好料理,同時讓烹飪的過程舒適愉快又安全。試試改用 Panasonic IH 爐,一起享受智慧廚房的新趨勢吧!👉 https://pse.is/649gm5

文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
200 篇文章 ・ 306 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
0
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 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?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

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。

-----廣告,請繼續往下閱讀-----

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:

-----廣告,請繼續往下閱讀-----
  • 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

-----廣告,請繼續往下閱讀-----

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?

圖形處理的例子

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。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

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?

-----廣告,請繼續往下閱讀-----

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?

-----廣告,請繼續往下閱讀-----

(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)

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。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 53 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

3

1
0

文字

分享

3
1
0
侏羅紀公園的場景可能真實發生?生物複製技術有哪些發展?複製人要出現了嗎?
PanSci_96
・2024/06/15 ・5062字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

如果用我們的基因製造複製人,可以代替我們上班上課嗎?想像一下,如果世界上每個人都有一個雙胞胎分身?或者,如果我們可以克隆出已故的名人?甚至複製已故的寵物或親人?

當然,這些都是幻想,但複製生物技術的發展正在讓這個幻想漸漸變為現實⋯⋯

科幻小說的故事照進現實,在技術層面上有哪些困難?道德上又會引發哪些問題呢?

讓我們一起探索這項驚人技術的曲折歷程吧!

-----廣告,請繼續往下閱讀-----

今天的文章將會回答以下問題:

  1. 複製生物技術的早期實驗有哪些?又帶來什麼影響?
  2. 基因複製技術最大的困難是什麼?
  3. 複製技術面臨哪些主要挑戰和倫理道德問題呢?
  4. 複製生物技術除了複製生物還能有哪些應用?

克隆實驗早期的探索與突破?

複製生物技術的發展是一個漫長而曲折的過程,從 19 世紀末的早期實驗,到 20 世紀中葉的技術突破,再到 21 世紀的應用與挑戰。

胚胎實驗的歷史可以追溯到 19 世紀末,當時德國生物學家杜里舒(Hans Driesch,1867-1941)進行了一項開創性的實驗。他通過搖晃的方式將四個海膽胚胎細胞分離,並觀察到每個分離的細胞都能發育成完整的幼體,儘管體型較小。這一實驗證明了早期胚胎細胞具有全能性(totipotency),即早期胚胎的每個細胞都能發展成完整個體,這為後來的細胞核移植技術奠定了基礎。

圖/giphy

在 20 世紀初,植物學家發現通過嫁接和分裂植物組織可以產生與母體相同的植物。奧地利植物學家戈特利・哈伯蘭特(Gottlieb Haberlandt,1854-1945)提出了「植物細胞全能性」(totipotency)的概念,即每個植物細胞都具有發育成完整植物的潛力。哈伯蘭特的實驗主要是通過無菌技術培養植物細胞,雖然當時他並未成功培育出完整的植物,但他的理論和研究為後來的植物組織培養和克隆技術奠定了基礎。

-----廣告,請繼續往下閱讀-----

1914 年,德國生物學家漢斯・斯佩(Hans Speman,1869-1941)進行了另一個具有里程碑意義的實驗。他利用了一根嬰兒頭髮製作的環狀結,將其繫在受精的蠑螈卵細胞上,並將細胞核推到一側。當細胞核所在的一側開始分裂成多個細胞後,他鬆開結讓一個細胞核滑回未分裂的細胞一側,從而產生了兩個獨立的細胞群,這些細胞群最後發育成了兩個完整的胚胎。這是最早的核移植(nuclear transfer)實驗,顯示了細胞核在胚胎發育中的重要性​。

20 世紀中葉,科學家們進一步推動了克隆技術的發展。1952 年,美國科學家羅伯特・布里格斯(Robert Briggs,1911-1983)和湯瑪斯・金恩(Thomas Joseph King,1921-2000)首次成功地將青蛙胚胎細胞的細胞核移植到去核的卵細胞中,並培育出蝌蚪,雖然這些克隆青蛙無法存活至成年,但這實驗證明了細胞核可以在去核卵母細胞中重新編程,進而發育成新個體。

圖/giphy

桃莉羊的誕生:克隆技術的重要里程碑

克隆技術的重大突破出現在 1996 年,當時英國羅斯林研究所的伊恩・威爾穆特(Ian Wilmut,1944-2023)和基思·坎貝爾(Keith Campbell,1954-2012)成功地克隆了第一個成年哺乳動物,也就是廣為人知的——桃莉羊(Dolly)。他們使用的是一隻成年綿羊的乳腺細胞核,將其移植到一個去核的卵細胞中,最終培育出桃莉。這一成就震驚了全世界,因為它證明了成體細胞的基因信息可以被重置為胚胎狀態,並成功發育成為一個完整的生物體,標誌著克隆技術的一個重要里程碑​。

1996 年,成功地克隆了第一個成年哺乳動物,也就是廣為人知的——桃莉羊(Dolly)。圖/wikipedia

桃莉羊的誕生引發了廣泛的科學和倫理討論。一方面,科學家看到了複製技術在醫學研究、保護瀕危物種以及農業中的潛力。另一方面,社會各界對複製技術的倫理問題表示擔憂,特別是人類複製的可能性。

-----廣告,請繼續往下閱讀-----

桃莉羊的成功開啟了克隆技術的新篇章,此後,小鼠、牛、山羊等多種哺乳動物相繼被成功複製,展示了這一技術的廣泛應用潛力。同時,科學家們將目光投向了更為複雜的靈長類動物。

靈長類動物的複製技術在 21 世紀取得了進一步的突破。2018年,中國科學家成功利用與桃莉羊相同的「體細胞核轉植」技術複製出兩隻有相同基因的長尾彌猴「中中」和「華華」,標誌著克隆技術的又一個突破​。2020年中國又成功複製了恆河猴,並取名為「ReTro」,不同於印象中印象中複製動物壽命都很短或是飽受疾病之苦,ReTro 在今年(2024年)已經要滿四歲了,是首隻平安長大成年的複製恆河猴。

複製技術的挑戰?

儘管克隆技術在基因層面上已經相對成熟,但要複製出健康的個體仍然面臨巨大挑戰。許多克隆動物都表現出健康問題,如免疫系統缺陷、心血管問題、早衰、壽命縮短或在在肝、腎、肺、大腦、關節等地方產生發育上的缺陷,也有部分出現體型異常巨大的問題​​。例如綿羊的正常壽命約在 12 年左右,但桃莉羊在 6 歲時,就因關節炎與肺部感染而去世。

這主要是因為,細胞核在卵細胞中的重新啟動過程容易出現問題,導致克隆個體可能存在基因表達異常。即便是中國科學院成功複製的 ReTro 也只是難得成功的個案。

-----廣告,請繼續往下閱讀-----

基因複製出的人類會和本人完全一模一樣嗎?

克隆技術,特別是克隆人類,涉及複雜的倫理和道德問題。一方面,克隆技術可能會被用來治療某些疾病,或是用於治療遺傳疾病和器官移植,甚至延長壽命;但另一方面,它也可能被濫用,導致倫理危機。例如,克隆人類可能引發身份認同問題,並挑戰現有的社會和家庭結構​,反對者擔心擔心這樣的技術會對社會和人類本質造成不可預見的影響。

如果突破細胞核重新啟動的困境,複製出來的克隆人會和本人完全一樣嗎?

答案是:「不會」。

圖/imdb

美國演化生物學家阿亞拉(Francisco J. Ayala,1934-2023)在《美國國家科學院院刊》上提出,我們目前進行的生物複製實驗複製的只是「基因型」而非「表現型」。基因型指的是基因組成;而表現型指的是包含個體外表、解剖結構、生理機能以及智力、道德觀、審美、宗教價值觀等行為傾向和屬性,還有透過經驗、模仿、學習所獲得的特徵。表現型是基因與環境間複雜作用下的產物。基因型的複製就像是同卵雙胞胎,就算長得再像,他們怎麼樣都不會是「同一個人」。透過生物複製技術基因複製出的克隆人,其實也只不過是跟你擁有相同基因的雙胞胎而已。

-----廣告,請繼續往下閱讀-----

不過目前世界上也存在一種能複製表現型的技術,那就是——「AI」。

隨著人工智能技術的進步,模擬人類個性和行為變得越來越現實。例如,AI 可以通過學習大量數據來模擬特定個體的行為模式,甚至在某些情況下,AI 克隆可能會比生物克隆更具實用性。然而,這也帶來了新的風險,包括隱私泄露、數據濫用等​​。

複製技術在生物醫學領域來能有哪些應用?

複製技術的應用範圍廣泛,涵蓋了醫學研究、農業、生態保護等多個領域。

複製技術在生物醫學領域具有巨大的潛力。幹細胞治療可以利用克隆技術培育出患者自身的幹細胞,從而避免免疫排斥反應。製藥公司可以利用克隆動物來進行藥物測試,提高藥物研發的效率和準確性​。科學家也可以生產出大量具有相同基因組的細胞,用於研究疾病機制和開發新藥。克隆技術被用於創建動物模型,這些模型有助於研究人類疾病的機制和治療方法。例如,科學家利用克隆技術創建了患有阿爾茨海默症和帕金森症的動物模型,這些模型為藥物開發和治療策略的研究提供了重要的工具。

-----廣告,請繼續往下閱讀-----

在農業領域,複製技術被用於繁殖優良品種,增加牲畜的生產力和抗病能力。通過克隆優秀的畜禽個體,農民可以提高產量,降低疾病風險,從而提高農業生產的效益。

此外,複製技術在生態保護方面也有重要的應用。許多瀕危物種由於種群數量減少,面臨滅絕的危險。科學家們利用複製技術試圖保護這些物種,例如,已經有研究成功克隆了瀕危的野生動物,為保護生物多樣性提供了新的方法。

圖/imdb

結論

總結而言,複製生物技術的發展歷程充滿了挑戰和機遇。從早期的胚胎細胞分離實驗,到 20 世紀中葉的核移植技術,再到 1996 年桃莉羊的成功,科學家們在不斷探索和突破。儘管技術上取得了許多進展,但複製健康個體的挑戰仍然存在。此外,倫理和道德問題也不容忽視。未來,隨著技術的不斷進步,克隆技術在生物醫學領域的應用將更加廣泛,但我們也必須謹慎對待其可能帶來的社會和倫理影響,我們需要謹慎管理這項強大的技術,在發揮其潛力的同時,避免可能帶來的社會和倫理風險。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

參考資料

所有討論 3
PanSci_96
1223 篇文章 ・ 2294 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。