Loading [MathJax]/extensions/tex2jax.js

1

0
0

文字

分享

1
0
0

大圓魟的小跟班

大海子
・2012/04/22 ・1732字 ・閱讀時間約 3 分鐘 ・SR值 479 ・五年級

珊瑚礁生態系中不乏互利共生的例子,例如知名的魚醫生—裂唇魚和牠的患者們,裂唇魚也就是俗稱的清潔魚;魚醫生平日非常的忙碌,鎮日不是忙著清除珊瑚礁魚類身上的寄生蟲、身體的傷口結痂,還給體色鮮艷的珊瑚礁魚類一個完美的體態外;有時候也在凶狠的肉食性魚類口中來回穿梭將齒縫牙隙間的渣渣清理乾淨,甚至鑽進空間狹小的魚鰓中清理堵塞魚鰓的髒物,讓魚兒們得以呼吸順暢,所以清潔魚同時身兼外科與牙醫的功能,算是珊瑚礁魚類界中最夯的醫生了。

小個體的鏡班蝶魚常在巨大邁氏條尾魟上啄食身上的寄生蟲
小個體的鏡班蝶魚常在巨大邁氏條尾魟上啄食身上的寄生蟲

不過這麼冒險做清潔工作的魚類卻不止裂唇魚一種,在館內展示缸的觀察中珊瑚礁生態系中體態優美,體色鮮艷的鏡斑蝴蝶魚也會兼差擔任清潔工的工作,牠每每遇見具有圓形大體盤的巨大的邁氏條尾魟(匿稱大圓魟)停在底部休息時,就會像麻雀般貪婪地啄食四處散落的穀粒一般,在大圓魟上方來回興奮地游動,時而背部,時而尾部地找尋可口的食物,甚至連眼睛都不放過,有時輕啄,有時則重重地大咬一口,此時大圓魟不知是被搔到癢處還是痛處,或是受不了突如其來的突襲,瞬間整個身體會突然抽搐一下,稍稍挪動一下身軀,再次靜靜地趴在底部,心中似乎瞭解這是「按摩」過程中所需要付出的代價,然而小蝶魚可並未就此罷手,動作反而更加勤快深怕到口的肥肉飛了;因為其他的魚兒如白吻雙帶立鰭鯛與黑背蝶魚早就在旁伺機而動,往往見機不可失便二話不說立即加入清理按摩的行列,就連裂唇魚也不忘來插花一下,頓時大圓魟背上就熱熱鬧鬧起來了,漆黑斑白的背上被花花綠綠的魚點綴得宛如黑空中燦爛耀眼的火花,小魚兒們吃得愉快盡興,大圓魟則享受著按摩的舒暢。

 

2、 3隻鏡班蝶魚正在大圓魟身上來回啄食
2、 3隻鏡班蝶魚正在大圓魟身上來回啄食

只是打盹中的圓魟不知是想起該辦什麼事還是小魚們叮啄未拿捏好,突然間振奮一下揚「翅」而去,留下一陣水霧,走了!小清潔工們只好各自散去;二、三隻不死心的鏡斑蝶魚似乎意猶未盡,賣力擺動尾巴,猶如小跟班唯恐失去主人般惶恐地緊追著圓魟後面游,邊游還不忘靈巧地叮啄圓魟身上的髒物,直到力盡跟不上大圓魟的腳步才倖倖然掉頭離去。若大圓魟突然回頭又重新降落在原處,鏡斑蝶魚們看見大圓魟再次蒞臨,可是立刻逮住機會呼朋喚友,再次一擁而上衝向圓魟大快朵頤一番。

大圓魟似乎有固定歇腳停留的地點,在珊瑚王國館海底隧道第一段盡頭靠近岩壁與最後一個轉彎處,就是它常常造訪的地點。若是遇到停留地方狹長窄小,無法同時容納兩隻圓魟時,為了搶到降落的好位置,個體較大的圓魟就會來個泰山壓頂,將整個身體緩緩且精準地降落在先來的小圓魟上,此時低頭忙著享受美食的蝶魚們發現一股黑壓壓的黑影從天而降,抬頭一望正好有個長相奇特的嘴臉,大概以為是大海怪降臨紛紛四處閃避,唯恐成了鮪魚三明治中的碎魚肉;只是被壓的圓魟剛開始仍以不變應萬變,死賴皮地不走,但是過不了多久,似乎感到壓力愈來愈大,於是掙扎著舞動起波浪狀的胸鰭搖晃退開,心不甘情不願地讓出位置。“擠”贏的圓魟可洋洋得意地豎起細長的尾巴,展露出有毒的硬刺,炫耀著自己的勝利,一方面享受著蝶魚清除背部寄生蟲的舒暢,另一方面也好好地修身養息一番。

會在邁氏條尾魟身上啄食常見的4種魚
會在邁氏條尾魟身上啄食4種常見的魚種 1).裂唇魚 2).月斑蝴蝶魚 3).白吻雙帶立鰭鯛 4).黑背蝴蝶魚

根據科學家的研究以其他生物身體上的寄生蟲為食物的海洋生物種類繁多,不只裂唇魚一種,而會清潔大圓魟身上的清潔魚種類還包括黑背蝶魚、白吻雙帶立鰭鯛,刺尾鯛與月斑蝴蝶魚,另有些魚類如黃高鰭刺尾鯛也會以海龜身上的寄生蟲或有機物作為食物;更令人驚奇的是研究文獻中指出居然有130多種的珊瑚礁生物(包括清潔蝦)都有清潔其他生物的行為,顯示物種之間的互利共生已經蔚為珊瑚礁生態系特有的生活文化。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
大海子
53 篇文章 ・ 3 位粉絲
希望以人文關懷的觀點,將海洋生物世界中的驚奇與奧妙, 透過多媒體的設計與展現,分享個人心得給社會大眾, 期望能引起更多人關心海洋的公共議題, 為保護海洋略盡一份心力。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

1

8
4

文字

分享

1
8
4
陸上生命的根源:菌根菌——《真菌微宇宙》
果力文化
・2021/09/26 ・1538字 ・閱讀時間約 3 分鐘

  • 作者 / 梅林.謝德瑞克
  • 譯者 / 周沛郁

我們目前還不清楚菌根關係最初是怎麼形成的。有些人大膽提出,最初的相遇溼黏而沒有條理──藻類被沖上泥濘的湖岸和河岸,而真菌在這些藻類體內尋找食物和庇護。有些則主張,藻類來到陸地時,體內已經帶著真菌夥伴了。里茲大學(University of Leeds)教授凱蒂.菲爾德(Katie Field)解釋,不論如何,「它們很快就變得依賴彼此」。

常出現於兒童繪本的毒蠅傘,就是一種能與植物共生的菌根真菌。圖/WIKIPEDIA by R Henrik Nilsson

菲爾德是一位傑出的實驗者,投入多年的時間研究現存最古老的植物支系。菲爾德用生長箱模擬遠古的氣候,並用放射性示蹤劑,測量生長箱裡真菌和植物之間的交換作用。真菌與植物的共生方式提供了線索,讓我們了解植物和真菌遷移到陸地的最早階段是怎麼互動的。化石也讓我們一瞥這些早期的聯盟。最精細的樣本來自大約四億年前,含有明確的菌根菌痕跡──羽狀瓣和今日一模一樣。菲爾德讚歎道:「你可看到真菌居然就長在植物細胞裡。」

最早的植物幾乎只是一坨綠色組織,沒有根或其他特化的結構。而這些植物逐漸演化出粗糙的肉質器官來容納真菌同伴,真菌則搜尋土壤中的養分和水。最初的根演化出來時,菌根關係已經存在五千萬年了。菌根菌是陸地上後續所有生命的根源。菌根(mycorrhiza)這個詞真是取得好。根(rhiza)隨著真菌(mykes)存在於世。

數億年後的今天,植物演化出更細、生長更快、更能見機行事的根,這些根表現更像真菌。不過即使是這些根,探索土壤的表現也無法超越真菌。菌根的菌絲比最細的根細了五十倍,長度可以超越植物根部達一百倍,比植物根部更早出現在植物上,延伸到根系之外。有些研究者更進一步。我的一位大學教授向一班吃驚的學生吐露:「植物其實沒有根,只有真菌根,也就是菌根。」

-----廣告,請繼續往下閱讀-----
毒蠅傘在樹的細根上形成的外生菌根。圖/WIKIPEDIA by Ellen Larsson

菌根菌太多產,菌絲體占土壤中活生物量的二分之一到三分之一。根本是天文數字。全球土壤表層十公分之中,菌根菌絲的總長度大約是我們銀河系寬度的一半(菌絲長 4.5 × 1017 公里,銀河系寬度 9.5 × 1017 公里)。如果把這些菌絲熨成一片,總表面積是地球上乾燥土地面積的二點五倍。然而,真菌不會停滯不動。菌根菌絲迅速死去、再度生長(一年十到六十次),一百萬年後,累積的長度會超過已知宇宙的直徑(菌絲長 4.8 × 1010 光年,已知宇宙直徑是 9.1 × 109 光年)。菌根菌已經存在了大約五億年之久,而且不限於土壤表層十公分的地方,所以這些數字顯然低估了。

植物和菌根菌在彼此的關係中產生一種極化現象──植物的莖處理光與空氣,真菌和植物的根則處理周圍的土壤。植物把光和二氧化碳打包成醣類和脂質。菌根菌則把固著在岩石裡的養分拆開,分解物質。這些是真菌在雙重棲位下的情況──真菌一部分的生命發生在植物體內,一部分在土壤中。菌根菌駐紮在碳進入陸生生命循環的入口,牽起大氣和土地的關係。時至今日,菌根菌就像擠進植物葉和莖裡的共生真菌,會幫助植物應付乾旱、炎熱和其他許多陸地生命一開始就有的逆境。我們稱為「植物」的,其實是演化成來栽培藻類的真菌,以及也演化來栽培真菌的藻類。

——本文摘自《真菌微宇宙:看生態煉金師如何驅動世界、推展生命,連結地球萬物》,2021 年 8 月,果力文化

-----廣告,請繼續往下閱讀-----
所有討論 1
果力文化
3 篇文章 ・ 3 位粉絲
以本土自製書系、獨到翻譯選書,提出創意的解讀;以創新編輯體例、設計風格、雜誌化的圖文整合。提供嶄新的觀點、有趣的知識、生活的提案。果然,為讀者創造閱讀的驚喜。

1

11
4

文字

分享

1
11
4
尼安德塔人與穿越時代的腸道菌!與古代人共生,是怎樣的微生物?
寒波_96
・2021/06/08 ・4807字 ・閱讀時間約 10 分鐘

人體內外住著許多微生物,腸道、皮膚、生殖器官、口腔等部位有不少微生物與人共生,可謂小小生態系。這些迷你生物們種類繁多,多半無法人為培養,從前難以研究。

受惠於科技進步,如今可以直接定序樣本中所有 DNA,拼湊不同生物的基因組。因此即使是無法培養、甚至是前所未知的微生物,都有機會被新的辦法找到。

同樣概念也能用於古時候的樣本,了解古代的共生微生物。最近有 2 篇論文發表,分別探討和古代人類共生的口腔與腸道菌。

尼安德塔人會吃草嗎?圖/取自 Mauricio Anton

從牙結石獲得古代口腔微生物

研究古人口腔中的微生物,比研究皮膚、腸道等其他部位容易。這是因為軟組織很難保存,即使有軟組織,除了冰人奧茲等罕見案例之外,裡頭的微生物也很難留下蹤影;相較之下,口腔中的各種成分卻常常會進入牙結石,和牙齒一同遺留至今。

-----廣告,請繼續往下閱讀-----

過往曾有一些古代智人牙結石的研究問世,而距今數萬年之久的尼安德塔人,也有過幾件樣本發表。

這次的兩篇新論文,除了 15 個已知樣本之外,又獲得 109 個新的牙結石;這總共 124 件的樣本,分別來自美洲的吼猴,非洲的大猩猩、黑猩猩,數萬年前的尼安德塔人和智人,以及更近期的智人。[1, 2]

貢獻牙結石樣本的古代、現代智人們。圖/取自 [參考資料 1]

各種靈長類動物之間,有些共通的微生物款式,由此可以推論,某些微生物,與靈長類應該有著長期的共生關係,也許超過千萬年。口腔中的微生物,主要有鏈球菌屬(Streptococcus)、放線菌屬(Actinomyces)、細梭菌屬(Fusobacterium)、棒狀桿菌屬(Corynebacterium)幾大類。

研究微生物常常碰到的困難是,近親彼此間變化太多,也有很多不知道的款式。這回由人類牙結石取得的口腔微生物們,根據遺傳差異總共可以歸類為 27 個屬(genus)的層級,可是其中 3 群竟然連名字都沒有。

-----廣告,請繼續往下閱讀-----

也就是說,儘管它們曾經是人類口中主要的微生物,整個屬卻都沒有已知的資訊。對於共生微生物,還有太多未知之處。

貢獻牙結石樣本的尼安德塔人們。圖/取自 [參考資料 1]

歐洲智人與尼安德塔人,口腔共享微生物?

這回獲得年代最早的樣本,是距今約 10 萬年的尼安德塔人,來自東歐的塞爾維亞 Pešturina 遺址,其餘數萬年前的尼安德塔人,則位於西班牙、比利時、義大利。

有趣的是,早於 1.4 萬年前的歐洲智人,和更早的尼安德塔人有類似的口腔微生物組成;晚於 1.4 萬年的歐洲智人卻明顯不同,接近後來的智人。已經知道距今 1.4 萬年過後有不少移民進入歐洲。看來狀況是:不同人群,也攜帶不同的口腔微生物。

歐洲較早智人的口腔微生物,和尼安德塔人有直接關係嗎?口腔微生物的形成和寶寶的照顧者有關,研究者因此推論,當初進入歐洲見到尼安德塔人的智人,雙方有過小孩,也獲得了尼安德塔人的口腔微生物。[3]

超過 4 萬年的歐洲智人(以 Zlatý Kůň 為代表)和後來歐洲、亞洲人的遺傳關係。非洲以外的智人尚未分家以前,已經與尼安德塔人發生遺傳交流;但是歐洲較晚的智人,遺傳上和較早的智人移民沒有直接關係。圖/取自 A bumpy ride to the re-discovery of Zlatý Kůň

問題是,上述推論不符合已知證據。智人繼承的尼安德塔人 DNA 皆來自超過 5 萬年前,非洲外族群尚未分家以前的階段。超過 4 萬年前進入歐洲的智人,確實見過尼安德塔人,有些人還有過更多遺傳交流;但是他們後來都滅團了,和更晚的歐洲智人沒有直接關係。[4, 5]

-----廣告,請繼續往下閱讀-----

與尼安德塔人擁有類似口腔微生物,距今 1.4 到 3 萬多年前的歐洲智人,非常可能是在尼安德塔人消失以後才進入歐洲,其實沒有見面的機會。雙方的口腔微生物之所以相似,我想並非來自直接交流,而是另有原因。

即使沒有農業,智人與尼安德塔人都吃很多澱粉?

另一項值得一提的發現是,尼安德塔人與智人的口腔,都存在不少會消化澱粉的鏈球菌型號。如果飲食中沒什麼澱粉,這類微生物不太可能這麼豐富;由此推論,尚未發明農業的智人,甚至是尼安德塔人,或許平時都攝取不少澱粉。

古今的智人飲食可謂千變萬化,即使沒有米、麥、玉米等農作物,不依賴農業,光憑採集塊根、塊莖、果果等食物,也能獲得大量澱粉。

美國的猶他,富含澱粉的野生馬鈴薯 Solanum jamesii。考古研究發現,尚未出現農業的一萬年前,當地人已經會食用這種植物。圖/取自 Starch granule evidence for the earliest potato use in North America

至於尼安德塔人吃什麼,目前了解仍很有限。有些研究認為尼安德塔人主要吃肉,尤其是大型植食動物的肉。這回提出的大量澱粉,仍是需要驗證的論點。

我個人的想法是,即使沒有農業,仰賴所謂的採集、狩獵、漁業,不同時空的智人飲食也差異很大,尼安德塔人或許也是如此。有些吃肉當主食,有些大量攝取澱粉,搞不好更接近實際狀況。至今取樣非常有限下,難以評估尼安德塔人的飲食多元性。

一千多年前美洲古人的腸道菌

住在腸道的微生物們會影響消化、免疫等功能,近年來知名度大增,可能連榕樹下的阿伯都知道。

近日發表的另一項研究,獲得了距今 1000 到 2000 年前,幾位美洲古人的腸道菌。取樣腸道菌通常不會深入腸道,而是由糞便採樣。新研究也是如此,稀有的樣本來自美國西南部 3 處遺址的糞便化石。[6, 7, 8, 9, 10]

-----廣告,請繼續往下閱讀-----

研究者嘗試 15 個樣本,成功 8 個,定序當中所有 DNA 後,總共拼湊出 498 種細菌的基因組。這兒想要探索的對象是「古代」「腸道菌」,排除疑似非古代的樣本後剩下 209 個,其中只有 181 種源自腸道,最有機會真的是古代人的腸道菌。

圖/取自 PHIL MARDEN

微生物數量多、突變多,品系差異千變萬化,大部分不在人類的認知內;這類研究方法又是靠拼湊 DNA 推測,沒有獲得完整的真正細菌。因此這兒的「種」和一般講的物種不太ㄧ樣,指的是 species-level genome bin,簡稱 SGB。為求方便,本文直接寫成種。

181 種古代腸道菌中有 39%,也就是 61 種之前沒有見過。它們或許已經消失,或是古代美國西南部獨特的款式。探索古代微生物時,發現未知的微生物算是常態。

呼應人類大歷史的腸道共生關係

古代和 789 位現代人相比,大部分腸道菌種類還是共通的,不過遺傳上有點出入。古代樣本拼湊出 2 款 Methanobrevibacter smithii,中文姑且稱之為「史密斯甲烷短桿菌」。甲烷短桿菌常常在腸道發現,它們不是細菌,是古生菌(archaea,也叫作太古生物)。

-----廣告,請繼續往下閱讀-----
古代與現代的史密斯甲烷短桿菌,根據基因組差異建構的演化樹。紅色是來自古代美洲人的樣本。圖/取自 [參考資料 6]

超過一千年的 2 款史密斯甲烷短桿菌,遺傳上彼此最相似,落在現代樣本的 DNA 變異之內。估計所有這類古生菌共同祖先的年代,介於距今 5.1 到 12.8 萬年之間,平均 8.5 萬年前。似乎是智人祖先離開非洲時,裝在肚子裡,一起帶著走的腸道菌之一。

有意思的是,美洲古代古生菌和最近同類分家的年代,介於距今 1.6 到 4 萬年之間,平均 2.7 萬年前。倘若估計正確,大概落在智人移民美洲,與亞洲漸漸分家的年代範圍。

這些與人共生的微生物,也隱藏著遷徙移民史的線索。

尚未工業化,沒有抗生素的年代

生活環境、日常飲食,都是影響腸道菌組成的主要原因。和 789 位現代人相比,古人的腸道菌較接近非工業化社會的人,和工業化社會的人差異很明顯,符合預期。

在 PCA 之下的腸道菌組成,古代美洲人較類似非工業化社會的現代人,不像工業化社會的現代人。圖/取自 [參考資料 7]

基因層次上,工業化社會現代人的腸道菌,有比較多分解聚糖(glycan)的基因(endo-4-O-sulfatase、SusD-like protein)。

相對地,古人和非工業化現代人的腸道菌,則有較多分解澱粉、肝糖(glycogen)的基因(carbohydrate-active enzyme,簡稱 CAZyme);另外它們的可動遺傳因子也比較多(mobile genetic element,例如轉座子),也許在變動的環境下,有助於增加適應力。

-----廣告,請繼續往下閱讀-----

但是不論工業化或非工業化社會的現代人,腸道菌配備對抗抗生素的基因,都明顯比古人更多。讓我們一瞥抗生素廣泛使用後,對腸道菌的影響。

上述兩項研究,不管論點有無道理,樣本都相當難得,肯定是酷炫的研究!

延伸閱讀

參考資料

  1. Yates, J. A. F., Velsko, I. M., Aron, F., Posth, C., Hofman, C. A., Austin, R. M., … & Warinner, C. (2021). The evolution and changing ecology of the African hominid oral microbiome Proceedings of the National Academy of Sciences, 118(20).
  2. Turns out developing a taste for carbs wasn’t a bad thing
  3. The surprising evolutionary history of our oral bacteria
  4. Hajdinjak, M., Mafessoni, F., Skov, L., Vernot, B., Hübner, A., Fu, Q., … & Pääbo, S. (2021). Initial Upper Palaeolithic humans in Europe had recent Neanderthal ancestry. Nature, 592(7853), 253-257.
  5. Prüfer, K., Posth, C., Yu, H., Stoessel, A., Spyrou, M. A., Deviese, T., … & Krause, J. (2021). A genome sequence from a modern human skull over 45,000 years old from Zlatý kůň in Czechia. Nature Ecology & Evolution, 1-6.
  6. Wibowo, M. C., Yang, Z., Borry, M., Hübner, A., Huang, K. D., Tierney, B. T., … & Kostic, A. D. (2021). Reconstruction of ancient microbial genomes from the human gut. Nature, 1-6.
  7. Ancient human faeces reveal gut microbes of the past
  8. Ancient gut microbiomes may offer clues to modern diseases
  9. Research reveals ancient people had more diverse gut microorganisms
  10. Piles of ancient poop reveal ‘extinction event’ in human gut bacteria

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁

-----廣告,請繼續往下閱讀-----
所有討論 1
寒波_96
193 篇文章 ・ 1090 位粉絲
生命科學碩士、文學與電影愛好者、戳樂黨員,主要興趣為演化,希望把好東西介紹給大家。部落格《盲眼的尼安德塔石器匠》、同名粉絲團《盲眼的尼安德塔石器匠》。