0

0
1

文字

分享

0
0
1

抗生素的扶龍命格?越戰越強大的超級細菌是怎麼出現的?——《下一個物種》

PanSci_96
・2019/07/31 ・3488字 ・閱讀時間約 7 分鐘 ・SR值 560 ・八年級

-----廣告,請繼續往下閱讀-----

  • 編按:當醫師指示我們服用抗生素時,我們都知道必須嚴格遵守醫師的醫囑,按時服藥並完成整個療程,不可以不經醫師的允許就自行停藥,然而,這究竟是為什麼呢?現在,就讓我們來談談,抗生與細菌之間的恩怨情仇吧!

透過飲食,牲畜與人體的病菌一起串聯

人類疾病發展抗生素抗藥性的速度之快,導致我們面對這些自己親手培育出來的新疾病,恐怕很快就要束手無策。醫藥界的挫敗源自人們在飼料中添加抗生素,幫助牲畜對抗疾病。因為集約畜牧方式飼養的豬、雞和牛隻生存空間過度擁擠,所以容易生病。然而,這些作為卻創造出對抗生素免疫的超級病菌  (superbug) 。

病菌之所以產生抗藥性,通常是因為醫生開藥的劑量不足以殺死病菌,或者你沒有按照處方服用規定的藥物劑量,導致病菌逐漸強大,在你後續服藥的過程中,病菌受到藥物的影響愈來愈小。撐過第一次抗生素治療而存活下來的細菌會繼續增殖,並對後續的治療產生抗性。編註

倘若我們攝取的肉品源自於服用過抗生素的動物,我們體內的病菌也會因此發展出抗藥性。所謂集約畜牧,就是在非常狹小的空間裡把動物養得肥肥胖胖,供應肉品市場所需,對這些動物而言,疾病是個不容忽視的問題。在動物飼料內添加抗生素固然可以減輕疾病帶來的威脅,並且促進動物生長,然而有些科學家發現,人類疾病發展出抗藥性,一部分是因為我們吃了受到抗生素污染的動物農產品。

在狹窄空間內的集約畜牧。圖/pixabay

讓牛、雞和豬隻服用低劑量的抗生素,等於替人類疾病培養抗藥性。事實上,食物中未受監測的低劑量藥物依然會選汰出具有抗藥性的菌株。這些生存下來的細菌繼續增殖,變得愈來愈強大。

-----廣告,請繼續往下閱讀-----

散佈在環境中的抗藥性細菌與抗生素

在使用抗生素來解決過度擁擠引發動物生病問題的集約畜牧場裡,具有抗藥性的細菌可能擴散至空氣中,進而影響附近居民。當動物糞便被沖往下游,具有抗藥性的細菌也藉此汙染人們游泳、玩水的水域。科學家甚至在佛羅里達州海灘上的沙粒當中發現海鷗帶來的抗藥性細菌。近來,美國食品藥物局宣布一項新的規範,強烈要求藥物公司和農產業者逐步停止在家禽和家畜身上使用某些抗生素,然而,這項規範並沒有強制性。根據奧斯佛的說法,這絕對無法終結細菌繼續發展抗藥性。許多使用在家畜身上的抗生素並未受到規範,微生物也將繼續針對抗生素演化出抗藥性。

不過,我們要擔心的可不是只有由農場動物引發的抗藥性問題。卡瑞研究所的水生生態學家艾瑪.羅希-馬歇爾 (Emma J. Rosi-Marshall) 研究的主題是個人健康照護產品中的抗微生物化學藥品究竟如何滲入環境中。羅希-馬歇爾表示,在牙膏和護手霜中加入抗生素,對人體健康並無助益,而且也沒有比一般的牙膏或肥皂水來得厲害,但卻提升環境中細菌的抗藥性。

若在健康照護產品中加入抗生素,容易增加環境細菌的抗藥性。圖/pexels

抗藥性是治療淋病、結核病的大敵

淋病和一些常見的疾病已經對青黴素、四環素等許多常用的抗生素產生抗性。淋病是一種性病,透過人與人之間的性行為擴散,因此和農場動物無關。世界衛生組織的報告指出,一九九〇年代末期至二〇〇〇年代初期,細菌開始發展出抗生素抗藥性之後,如今在澳洲、法國、日本、挪威、瑞典和英國,淋病已成為人們最主要的健康威脅之一。不加以治療的話,淋病會導致病人生殖器官嚴重感染和不孕,並提升感染 HIV 病毒、死產、自然流產和新生兒失明的風險。

藉由性行為傳播的淋病,也可能面臨抗藥性的治療危機。Photo by HOP DESIGN on Unsplash

結核病是另一種再度興起的疾病,這種有致命風險的肺部疾病也已發展出抗生素抗藥性。結核病病菌可以藉著病人咳嗽或打噴嚏時產生的飛沫在公共場合傳染給其他人,但主要還是家人間互相傳染為多。過去,在已開發國家,結核病已經非常罕見,然而自一九八〇年代起,世界各地結核病的病例數開始增加。一部分是因為HIV病毒的出現,這種引發愛滋病的病毒會弱化免疫系統,導致人體無法抵擋結核病病菌的攻擊。

-----廣告,請繼續往下閱讀-----

為了擺脫結核病的糾纏,患者必須長期服用多種藥物,同時又要面對抗藥性的問題。結核病病菌有許多不同菌株已經對結核病常用藥物產生抗藥性。在俄羅斯的監獄裡,具有多重抗藥性的結核病病菌橫行肆虐,因此囚犯非常容易感染結核病,並把病菌傳染給其他人。結核病病菌已經對許多藥物免疫,並在街友和愛滋病患者身上增殖。

掃描電子顯微鏡下的結核桿菌。圖/WIKI

病菌抗藥性儼然是全球性的嚴重問題。根據估計,目前感染多重抗藥性結核病病菌的病人有六十三萬人;感染多重抗藥性淋病病菌約有八千八百萬人。此外,每年還有四億四千八百萬起感染可治癒性病──包括梅毒、衣原體性病和滴蟲病──的病例,衛生當局正密切注意這些疾病的抗藥性菌株。

未來,傳染病或將成為最大贏家

病菌發展出抗藥性以及物種減少造成新疾病誕生,我們到底該不該擔心?重大的流行性疾病究竟會如何發生?一九一八至一九一九年間,流感大流行奪走五千萬人的性命;一九六八至一九六九年發生的香港流感,約有一百萬人喪生。目前為止,愛滋病已造成約三千萬人死亡。在非洲,愛滋病仍是猖獗的殺手,患者主要是異性戀者。世界衛生組織的報告指出,二〇一二年,六十二萬七千人因瘧疾而死。現在,結核病正強勢回歸。

《禽流感》的作者葛雷格認為,禽流感是地球下一場大災難。過去二十年來,禽流感演化出一種致命的變異株,在亞洲、歐洲和中東地區橫行,感染的禽類死亡率超過五成,有些變異株的殺傷力甚至更強。禽流感的致病病原是病毒,和 H1N1 或其他常見的病毒一樣,可以透過空氣、飛沫傳播。

-----廣告,請繼續往下閱讀-----
2014 年香港禽流感。來源:宋祥龍/大紀元

在相當罕見的狀況下,禽流感從家禽傳播至人類,成為有史以來最致命的病毒之一。約有六百起感染禽流感的病例,其中三百五十人死亡,死亡率在六成左右。「如果病毒發生突變,成為非常容易在人類之間傳播的變異株呢?」葛雷格為了著作《禽流感》接受托姆.哈特曼 (Thom Hartmann) 電視專訪時如此問道,「那就像是致命的伊波拉病毒和傳染性最強的流感病毒雜交一樣。」

後抗生素時代:不懼抗生素的超級細菌

一九〇〇年,結核病、肺炎和腸炎是人類三大主要死因。一百多年過去,如今人類的主要死因變成心臟病、癌症和中風。慢性疾病取代傳染病,成為人類最主要的殺手。這也未必是件壞事,畢竟慢性疾病主要影響年長者,因此,就在剛過去的二十世紀,傳染病的減少導致人類平均壽命至少增加了三十年。疫苗接種和抗生素是傳染病減少的重要功臣,受惠最多的主要是受傳染病影響最嚴重的年輕人。

若微生物對藥物產生免疫,藥劑即將失去功能,使傳染病肆虐不已。圖/pixabay

不過,這樣的平衡狀態正在改變。近來,世界衛生組織總幹事陳馮富珍博 (Margaret Chan) 醫師,在日內瓦對一群專家演講時,談到該如何應對抗藥性的問題。「對於我們用來拯救傳染病患者生命的藥物,有些微生物幾乎完全免疫,」她在演講中如此說道,「目前醫藥界正研發少數幾種新型的抗微生物藥物。微生物的抗藥性無可取代,這也是醫藥敗下陣來的原因。如今,我們正進入後抗生素時代,常見傳染病的殺傷力將重新崛起。倘若失去最有效的抗微生物藥劑(抗生素、抗真菌劑、抗病毒劑和抗寄生蟲藥),相信各位都知道,那表示現代醫學全面敗陣。」

疾病奪走的人命,比不上瘟疫、二戰和愛滋病。然而,倘若懷具抗藥性的新型疾病,碰上不斷增長的人類族群,再加上缺乏食物和適當營養,這些因素組成起來,可能就是造成人類滅亡的配方。

-----廣告,請繼續往下閱讀-----

編註:抗藥性的產生,還有一個本文未提及的前提背景是細菌本有的基因多樣性或自然的基因突變;不當使用抗生素會加速篩選出具有抗藥性屬性的菌株。非必要時勿濫用抗生素,有需求則遵守醫囑,仍為減少抗藥性產生的主要法則。

——本文摘自《下一個物種》,2019 年 4 月,臉譜出版

文章難易度
PanSci_96
1226 篇文章 ・ 2337 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

3
3

文字

分享

0
3
3
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

  • 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 ・ 56 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。

2

1
0

文字

分享

2
1
0
越南兩千年古早味咖哩?香料的食慾流動
寒波_96
・2023/09/06 ・3133字 ・閱讀時間約 6 分鐘

大多數台灣人對東南亞、南亞風格的香料不陌生,甚至有些常見的香料,不特別查詢還不知道起源於東南亞。

一項 2023 年問世的研究,調查將近兩千年前,越南南部的遺址,見到多款香料植物的蹤跡。證實那個時候已經有多款香料,從南亞或東南亞外海的島嶼,傳播到東南亞大陸。

很多香料,搭配是魔法。圖/參考資料3

越南兩千年古早味咖哩?

讀者們對咖哩(curry)想必都很熟悉,不過還是要先解釋一下。現今咖哩的定義範疇很廣,南亞、東南亞等地存在風味各異的香料混合料理,都能算是「咖哩」。此一名詞的讀音轉化自印度南部的泰米爾語,源自大英帝國對南亞的殖民,不過混合使用香料的料理,歷史當然更加悠久。

由澳洲國立大學的洪曉純率領的考古調查,地點位於越南南部的喔㕭(Oc Eo)遺址。這兒在公元一到七世紀,是「扶南國」的重要城市。這個政權以湄公河三角洲為中心,統治東南亞大陸的南部;柬埔寨的吳哥波雷(Angkor Borei)與喔㕭,為扶南國最重要的兩處遺址。

-----廣告,請繼續往下閱讀-----
東南亞大陸南部的喔㕭,與延伸的地理格局。圖/參考資料1

喔㕭地處湄公河三角洲的西南部,離海 25 公里。這兒一到八世紀有過不少人活動,四到六世紀最興盛。遺址中出土的 12 件工具,外型看來相當類似年代更早,南亞用於處理食物的工具。

進一步分析發現,工具上總共保存著 717 個澱粉顆粒,大部分年代可能介於距今 1600 到 1900 年左右的數百年間。不同植物產生的澱粉形狀有別,有時候可以用於識別物種,近年常用於考古學。

喔㕭遺址出土的研磨工具。圖/參考資料1

這批澱粉中有 604 個可以分辨物種,作為糧食的稻以外,還有八種常用於香料的植物,以薑科植物(Zingiberaceae)的存在感最高,包括五種:薑黃、薑、高良薑、凹唇薑、山奈;還有今日依然常見的丁香、肉豆蔻、肉桂。

解讀這些材料時必需注意,出土工具上能見到的澱粉,只是當年的一小部分,不能直接代表古代使用的比例,只能證明確實有過那些種類。

-----廣告,請繼續往下閱讀-----
越南南部,曾經相當繁榮的喔㕭遺址遠眺。圖/參考資料1

來自亞洲大陸:薑黃、薑、高良薑、凹唇姜、山奈

喔㕭遺址中出土數目最多的是薑黃(turmeric,學名 Curcuma longa)。薑黃的家鄉應該在南亞,早於四千年前的哈拉帕遺址中已經存在;後來薑黃向各地傳播,遠渡至地中海地區。這項發現則是東南亞大陸最早的紀錄。

台灣人大概對薑(ginger,學名 Zingiber officinale)更熟悉,薑可能起源於東亞與南亞,一路向西傳到歐洲。台灣飲食習慣中,薑不只是特定用途的香料,從海鮮湯中的薑絲,到餃子肉餡的蔥薑水與薑末,可謂無所不在的添加物(對!薑默默躲在很多食物中)。

另外三種比較少見的薑科植物,如今東南亞都有種植,包括高良薑(galangal,學名 Alpinia galanga)、凹唇姜(fingerroot,學名 Boesenbergia rotunda)、山奈(sand ginger,學名 Kaempferia galanga,也叫沙薑)。

香料考古的世界觀。圖/參考資料1

來自亞洲海島:丁香、肉豆蔻、肉桂

三種不屬於薑科的香料,如今台灣也都不陌生。肉豆蔻(nutmeg,學名 Myristica fragrans)原產於摩鹿加群島南部的班達群島。摩鹿加群島就是大航海時代歐洲人稱呼的「香料群島」,雖然算是東南亞外海的島嶼,不過靠近新幾內亞,和東南亞大陸有相當距離。

-----廣告,請繼續往下閱讀-----

丁香(clove,學名 Syzygium aromaticum)也原產於摩鹿加群島,早在公元前便已經傳播到歐亞大陸。越南南部的丁香應該是進口產品,不過無法判斷原本種在哪兒,是摩鹿加群島或更西邊的爪哇。

肉桂(cinnamon,學名 Cinnamomum sp.)可能源自好幾個物種,這回光靠澱粉無法準確判斷。不過從其餘植物遺骸看,喔㕭人使用的肉桂,大概是原產於斯里蘭卡,印度外海島嶼上的錫蘭肉桂(Ceylon cinnamon,學名 Cinnamomum verum)。

跨越空間,貫穿時間,香料的食慾流動

喔㕭出土的研磨器具上,除了澱粉還有另一種植物遺骸:植物矽酸體(phytolith),根據型態差異,也能用於植物的分門別類。棕梠、香蕉屬(Musa)植物的矽酸體,見證當時利用的植物種類相當多樣。

公元 1870 年,印度南部泰米爾的留影。 越南南部出土的工具,與她們使用的極為相似。圖/參考資料1

儘管缺乏直接證據,不過以常理推敲,東南亞大陸南部的喔㕭人,使用源於南亞的道具,研磨多款外地引進到當地種植,或是直接進口的香料植物,可能的一項目的,就是製作混合香料的咖哩料理。

-----廣告,請繼續往下閱讀-----

喔㕭遺址也保存許多稻米的碳化穀粒遺骸,稻米飯應該是當時菜單中的重要組成。我猜,當時的人會吃咖哩飯。

越南等地,香料搭配的魔法,顯然將近兩千年前已經存在惹。時至今日,和出土古物超過 87% 相似的研磨器具,依然有人使用。食慾流動的慾望,跨越空間,貫穿時間。

延伸閱讀

參考資料

  1. Wang, W., Nguyen, K. T. K., Zhao, C., & Hung, H. C. (2023). Earliest curry in Southeast Asia and the global spice trade 2000 years ago. Science Advances, 9(29), eadh5517.
  2. Researchers find evidence of a 2,000-year-old curry, the oldest ever found in Southeast Asia
  3. Curry may have landed in Southeast Asia 2000 years ago

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

所有討論 2
寒波_96
193 篇文章 ・ 1066 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》。

0

3
1

文字

分享

0
3
1
黔金絲猴物種起源,竟是近親雜交形成?
寒波_96
・2023/08/11 ・3267字 ・閱讀時間約 6 分鐘

新物種如何誕生,是演化最重要的主題之一,正如達爾文代表作的書名《物種起源》(The Origin of Species,也常譯作《物種源始》)。隨著基因體學帶來愈來愈多新知識,人們對物種的想法也不斷演變。

2023 年發表的一項研究調查多種金絲猴的基因組,意外發現有一種金絲猴,竟然直接由不同物種合體形成。這是靈長類的第一個案例,動物中也相當少見。

黔金絲猴。圖/Current status and conservation of the gray snub-nosed monkey Rhinopithecus brelichi (Colobinae) in Guizhou, China

五種金絲猴的親戚關係

金絲猴(snub-nosed monkey,學名 Rhinopithecus,也稱為仰鼻猴)主要住在中國西南部和東南亞,目前有五個物種。牠們的中文名字依照地名,英文名字則多半根據顏色。

古時候金絲猴的分布範圍更廣,像是台灣也曾經存在過,如今卻只剩下化石。現今五個物種分別為:

-----廣告,請繼續往下閱讀-----

*(雲南)滇金絲猴(black-white 黑白,學名 Rhinopithecus bieti

* 緬甸金絲猴(black 黑,學名 Rhinopithecus strykeri

*(四川)川金絲猴(golden 金,學名 Rhinopithecus roxellana

*(貴州)黔金絲猴(gray 灰,學名 Rhinopithecus brelichi

-----廣告,請繼續往下閱讀-----

* 越南金絲猴(Tonkin 越南東京,學名 Rhinopithecus avunculus

五種金絲猴。圖/參考資料1

比對五款吱吱的 DNA 差異,可知滇、緬甸金絲猴的親戚關係最近,川金絲猴則和黔金絲猴較近,但是黔金絲猴明顯介於兩者之間。黔金絲猴在自己獨特的變異之外,僅管基因組整體更接近川金絲猴,也有不少部分和滇、緬甸金絲猴相似。

見到不同物種之間共享血緣,最直覺的想法是,兩者的祖先發生過遺傳交流。但是詳細比對後,研究猿認為還有機率更高的可能性。

最滑順的劇本是,大約 197 萬年前,滇、緬甸金絲猴的共同祖先,和川金絲猴分家;又經過十幾萬年,約莫 187 萬年前,兩群金絲猴再度合體,形成一個全新的支系,也就是黔金絲猴的祖先;後來滇、緬甸金絲猴再衍生出兩個物種。

-----廣告,請繼續往下閱讀-----

這形成如今我們見到的狀態:黔金絲猴大約 75% 血緣來自川金絲猴,25% 源於滇、緬甸金絲猴的共同祖先。

四種金絲猴的親戚關係,與遺傳交流。圖/參考資料1

靈長類首見,雜交直接形成新物種

或許有人會疑惑,看起來都是共享 DNA 變異,上述說法和「不同物種之間,發生過遺傳交流」有何差別?

差別在於,所謂「不同物種之間」,指的是新物種已經誕生一段時間以後,彼此間又發生 DNA 交流,這個一點都不稀奇。例如 A、B 物種間發生關係,變成 A 的遺傳背景下,又有一點 B 血緣的物種。

但是黔金絲猴的狀況是,新物種之所以誕生,就是不同物種直接合體所致。例如 A、B 物種發生關係,衍生出差異更大,不是 A 也不是 B,足以認定為新物種的 C。

-----廣告,請繼續往下閱讀-----

假如重建的劇本為真,這就是首度在靈長類中觀察到,不同物種直接合體形成新物種的「hybrid speciation」。可以翻譯為「雜交種化」,不過「合體種化」似乎更直觀。

哥倫比亞猛獁,想像畫面。圖/wiki

經由兩個物種雜交,直接產生新物種的方式,植物較為常見,哺乳類動物極少。此前古代 DNA 研究認為,已經滅絕的美洲大象「哥倫比亞猛獁」(Columbian mammoth,學名 Mammuthus columbi)是不同猛獁象合體產生的新物種,但是證據沒那麼充分。

或許沒有那麼罕見?

直接雜交產生新物種,會很難想像嗎?仔細想想,金絲猴的案例可能沒那麼驚悚,或許還有某種程度的普遍性。

回到當初的情境,所謂「兩個物種」在當時其實只分家十萬年而已,差異應該仍很有限。是又累積 180 萬年的分歧到今日,才顯得親戚之間明顯有別。

-----廣告,請繼續往下閱讀-----

這邊 197 萬、187 萬、十萬年都是根據 DNA 變異的估計,實際數字未必如此。不過順序大概差不太多,就是首先分出兩群,很短的時間後又合體產生第三群,再經歷好幾倍的時間直到現在。

假如川金絲猴不幸滅團,缺乏樣本可供比較,那麼黔金絲猴與另外兩種近親,看起來就單純是 187 萬年前分家。

值得注意的是,我們能判斷演化樹上的不同分枝曾經合流,來自對樹形的比對。假如川金絲猴不幸滅團,這棵演化樹中我們只剩下三個物種的樣本,便會判斷黔金絲猴是跟另外兩種親戚分家而成,卻完全不會察覺有過合體種化。

這麼想來,雜交誕生新物種的現象,或許沒那麼罕見,只是時光抹去了許多痕跡。

血緣融合,猴毛也是奇美拉

另一有趣的發現是毛色演化。金絲猴現今四個物種,外表的毛色為一大差異。毛色與深色素有關,深色素愈多,毛色會顯得愈黑,相對則是愈淡,會呈現白毛、黃毛、金毛。

-----廣告,請繼續往下閱讀-----

身為不同演化支系合體的產物,黔金絲猴的毛色也混合兩邊的風格。頭和肩膀的淺色,類似川金絲猴;手腳的深色,則類似滇、緬甸金絲猴。

基因組合體以後,兼具兩群影響毛色的基因,形成混合的毛色搭配。圖/參考資料1

金絲猴毛的顏色深淺,取決於不同色素的相對比例。棕黑色素(pheomelanin)愈高,毛色愈淡;真黑素(eumelanin)愈高,毛色愈深。例如猴毛中含有大量棕黑色素、少量真黑素,便會呈現金毛。

很多基因有機會影響色素與毛色。分析得知金絲猴們有 5 個基因和毛色關係密切,黔金絲猴的基因組來自兩個支系,比對發現,三個基因 SLC45A2MYO7AELOVL4 繼承自川金絲猴,兩個基因 PAHAPC 則源於滇、緬甸金絲猴。

這些基因如何影響毛色,仍有許多不明朗之處。最明確知道的是,SLC45A2 基因表現降低,會使得棕黑色素產量上升,令顏色變淡。PAH 基因表現增加,可以讓顏色加深。

-----廣告,請繼續往下閱讀-----

同一隻金絲猴不同部位的細胞,同一批基因經由不同調控,就能控制毛色深淺。

這篇文章介紹的演化基因體學分析手法,對許多人大概不算容易,但是這些研究帶來的趣味,倒是不難體會。

延伸閱讀

參考資料

  1. Wu, H., Wang, Z., Zhang, Y., Frantz, L., Roos, C., Irwin, D. M., … & Yu, L. (2023). Hybrid origin of a primate, the gray snub-nosed monkey. Science, 380(6648), eabl4997.
  2. The Primate Genome Project unlocks hidden secrets of primate evolution
  3. Biggest ever study of primate genomes has surprises for humanity
  4. Hundreds of new primate genomes offer window into human health—and our past
  5. van der Valk, T., Pečnerová, P., Díez-del-Molino, D., Bergström, A., Oppenheimer, J., Hartmann, S., … & Dalén, L. (2021). Million-year-old DNA sheds light on the genomic history of mammoths. Nature, 591(7849), 265-269.

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

寒波_96
193 篇文章 ・ 1066 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》。