Loading [MathJax]/extensions/tex2jax.js

1

7
3

文字

分享

1
7
3

沒有菜市場名這回事,分類學只允許一個「家豪」的存在!——分類學家偵探事件簿(二)

蕭昀_96
・2020/12/06 ・2583字 ・閱讀時間約 5 分鐘 ・SR值 508 ・六年級

分類學是生物學研究的基礎,藉由正確的物種名鑑定,我們憑依此名累積相關生物學知識,得以檢索該物種的相關資訊,開啟我們對物種認識的第一扇門,建立完整且穩定的生物學名分類系統是必要且重要的研究工作。

人類可以有很多位「家豪、怡君」,但分類系統裡只能有一個「君の名は」!

由於學名如同生物類群的標籤般,是後人檢索相關資訊時的關鍵字,因此可想見若出現同名同姓的狀況會令這個學名系統的使用者相當困擾。

在人類的世界中,可以允許兩個人同名同姓,因此常常出現所謂的「菜市場名」,想必你我身邊都出現過很多個家豪、冠宇、怡君、欣怡。圖/Pixabay

在同一套生物分類學系統轄下,若發生了不同分類群卻取了相同名稱時,我們會稱為此二者為異物同名(Homonym)關係,此時遵循「優先原則」:先佔先贏,年代在後的名字必須被重新命名。

命運的相會,昆蟲學家和寄生蟲學家的交手!

褐艷華爾特菊虎 Walteriella brunnea (Wittmer, 1955) 是臺灣特有的菊虎物種。鍾奕霆 攝。圖/論文原文

今年三月時,臉書社團的朋友貼文詢問了菊虎的物種鑑定,專門研究菊虎的我第一眼就認出這是華爾特菊虎屬 Walteriella Kazantsev, 2001 的成員,為了回覆完整的答案,我估狗了一下屬名打算複製貼上,這一估下去不得了,竟發現在搜尋結果的第一行赫然出現一模一樣的屬名 Walteriella,並且是去年才發表的學術論文,身為分類學者的直覺告訴我這其中應該有蹊蹺。

-----廣告,請繼續往下閱讀-----
咦?什麼?這不是我所知道的 Walteriella 華爾特菊虎啊?圖/Google Search

我將該文章審讀後,發現作者們在 2019 年發表了一個來自南美洲秘魯亞馬遜流域的指環蟲新屬——華爾特指環蟲屬 Walteriella Mendoza-Palmero, Mendoza-Franco, Acosta & Scholz, 2019,並同時描述了兩個本屬的物種。

來自於亞瑪遜叢林的華爾特指環蟲屬 Walteriella ,為扁線油鯰的鰓寄生蟲。圖/論文原文

跟華爾特菊虎撞名的「華爾特指環蟲」

指環蟲為淡海水魚類身上常見的一種的寄生性扁形動物,種類繁多,隸屬於扁形動物門,扁形動物門最有名的成員莫過於切幾段再生幾隻的渦蟲以及令人聞風喪膽的公衛寄生蟲:肝吸蟲、血吸蟲。

而指環蟲由於主要寄生於魚類鰓部,又稱鰓吸蟲,大量寄生時會刺激鰓部組織而造成粘液分泌增加和組織增生,進而影響氣體交換功能,造成魚隻呼吸困難,甚至死亡。

其中,華爾特指環蟲屬是扁線油鯰屬 Platynematichthys 的鰓寄生蟲,而扁線油鯰是可以做為食用魚的魚種,有一定的經濟價值。

-----廣告,請繼續往下閱讀-----
華爾特指環蟲的宿主——有名扁線油鯰 (Platynematichthys notatus) 原產於南美洲亞馬遜流域,可做為食用魚。圖/Wikipedia

新來的指環蟲,名字給我改起來!

回到這個研究案例,華爾特指環蟲屬命名年代是 2019 年,明顯晚於華爾特菊虎屬的 2001 年,因此必須要改名!

我迅速聯繫了任職於捷克科學院生物中心寄生蟲研究所的 Dr Mendoza-Palmero 博士,M 博士對我的來信又驚(才剛發表就要改名…… @@)又喜(論文被關注了 >///<),本來不相往來的兩個學科專家因為分類學研究首度產生了交集,在數度的往返討論後,我們決定合寫一篇論文以提出本屬的新命名。

由於起初華爾特指環蟲的命名是為了紀念巴西籍新熱帶單殖類扁形動物區系的研究專家華爾特.博爾格博士(Dr Walter A. Boeger),因此新名訂為:博爾格指環蟲屬 Boegeriella Mendoza-Palmero & Hsiao,先前那兩個已發表的華爾特指環蟲物種也被更名。

其實,華爾特菊虎也曾經重複使用別人的名字

德不孤必有鄰,異物同名的案例其實在分類學研究中並不少見,但有趣的是,相同的命運也曾經發生在華爾特菊虎上過

華爾特菊虎屬一開始的屬名拼寫是 Walteria Kazantsev, 1999,這是為了紀念菊虎科分類學大師華爾特.魏特曼(Walter Wittmer)。

-----廣告,請繼續往下閱讀-----

然而,為其命名的昆蟲學者後來卻發現,這個屬名的拼寫早在 1886 年就被海綿動物門中的偕老同穴科物種——華爾特偕老同穴屬 Walteria Schulze, 1886 給優先佔名了,因此發表後兩年,也就是 2001 年,原發表者就重新給予了取代名——華爾特菊虎屬 Walteriella Kazantsev, 2001。

從多孔動物門到節肢動物門再到扁形動物門,跨越了三個不同的分類群,這次壞運氣到了指環蟲上,不知道這個衰運會不會繼續滾進六道輪迴,哪天又發生在哪位不走運的分類學家身上。

偕老同穴又稱維納斯花籃,常與一公一母的蝦類共生,而這對小蝦長大後卻游不出去,只得和另一半相依為命等待死亡來臨,因此得名。圖/Wikipedia
  • 本論文日前已經線上刊載於《系統寄生蟲學 Systematic Parasitology》
  • 此文響應 PanSci 「自己的研究自己分享」,以增進眾人對基礎科學研究的了解。

註解

動物分類學的學名寫法有嚴格的規定,「學名(屬名) 作者, 年代」,以華爾特菊虎屬 Walteriella Kazantsev, 2001為例:

  • Walteriella:學名(屬名),即華爾特菊虎屬。
  • Kazantsev:發表的作者。
  • 2001:發表的年代。

以華爾特偕老同穴屬 Walteria Schulze, 1886為例:

-----廣告,請繼續往下閱讀-----
  • Walteria:學名(屬名),即華爾特偕老同穴屬。
  • Schulze:發表的作者。
  • 1886:發表的年代。
  • Men doza-Palmero, C.A. & Hsiao, Y. 2020. Boegeriella nom. nov. (Monogenoidea: Dactylogyridae) for Walteriella Mendoza-Palmero, Mendoza-Franco, Acosta & Scholz, 2019, a junior homonym of Walteriella Kazantsev, 2001 (Coleoptera: Cantharidae). Systematic Parasitology 97: 857–858. DOI: https://doi.org/10.1007/s11230-020-09957-
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
蕭昀_96
22 篇文章 ・ 17 位粉絲
澳洲國立大學生物學研究院博士,在澳洲聯邦科學與工業研究組織國立昆蟲標本館完成博士研究,目前是國立臺灣大學生態學與演化生物學研究所博士後研究員,曾任科博館昆蟲學組蒐藏助理。研究興趣為鞘翅目(甲蟲)系統分類學和古昆蟲學,博士研究主題聚焦在澳洲蘇鐵授粉象鼻蟲的系統分類及演化生物學,其餘研究題目包括菊虎科(Cantharidae)、長扁朽木蟲科(Synchroidae)、擬步總科(Tenebrionoidea)等,不時發現命名新物種,研究論文發表散見於國內外學術期刊 。

0

0
0

文字

分享

0
0
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。

0

4
0

文字

分享

0
4
0
露兜樹象鼻蟲的身世之考察——分類學家偵探事件簿(四)
蕭昀_96
・2023/12/25 ・3950字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

一般大眾或甚至其他領域生物學家們,對於基礎生物分類學家的刻板印象,無非是常常在顯微鏡下進行形態解剖比較來鑑定物種、描述並發表新物種,或者常常東跑西跑去採集標本,頂多是抽取遺傳物質進行 DNA 分析。然而一位稱職的分類學家,為了搞清楚物種學名的分類地位,將整個命名系統修訂成一個穩定並適合大家使用的狀態,往往需要做大量的歷史文獻,造訪各大博物館並進行模式標本考察,其中的繁瑣和複雜程度,往往令人出乎意料。

再讓我們複習一次模式標本是什麼和其重要性?

如果有閱覽過這系列的文章便會很清楚的知道,模式標本是物種發表時的實體存證,是學者對分類地位有疑慮時,用以判別的客觀證據。每個物種都有其模式標本,而每個屬也有其模式物種,是判定該屬別的決定性物種,模式種和模式標本是進行物種與屬別層級的基礎分類研究時,不可或缺的重要資訊。

這個故事的主角是一類來自南亞和東南亞的露兜樹象鼻蟲,本文將講述其模式標本和背後歷史脈絡的考察,以及我們對於分類處理過程的案例分享。

分布於南亞、東南亞的露兜樹象鼻蟲和研究緣起

露兜樹科(Pandanus)為分布於東半球的亞熱帶及熱帶地區的灌木或喬木植物,其中林投(Pandanus tectorius)具有抗風、耐鹽的特性,是常見的海岸防風定砂植物,而俗稱斑蘭葉(pandan)的七葉蘭(Pandanus amaryllifolius),則是東南亞常見的料理與糕點製作材料,而南亞和東南亞的露兜樹上棲息著一群黑色扁平的小型象鼻蟲——露兜樹象鼻蟲(Lyterius)。

-----廣告,請繼續往下閱讀-----
露兜樹是東半球的亞熱帶及熱帶地區的灌木或喬木植物。(攝/B.navez from Wikipedia)
小小扁扁的露兜樹象鼻蟲(Lyterius)是與露兜樹有伴生關係的特別物種。(圖/論文原文)

而故事的緣起可追溯到 2022 年,當時筆者正在澳洲進行博士論文題目「澳洲蘇鐵授粉象鼻蟲的多樣性與演化」的研究,我們意外地發現澳洲的蘇鐵授粉象鼻蟲與東南亞產的露兜樹象鼻蟲親緣關係接近,因此我們便想進一步探究本類群的分類。在我們初步搜索模式標本時,我們驚奇地發現德國象鼻蟲學者延斯・普雷納博士 Dr. Jens Prena 似乎曾經有研究過這類象鼻蟲,出於好奇,我們聯繫了普雷納博士,進而開啟了本類群錯綜複雜的分類歷史考察之旅。

露兜樹象鼻蟲分類研究的現存問題

首先露兜樹象鼻蟲的分類問題分成兩個面向,一個是屬別層級的,而另一個是物種層級的。屬別層級的問題比較簡單,我們發現露兜樹象鼻蟲屬有三個相關的屬別,分別為 Lyterius Schönherr, 1844、Barisoma Motschulsky, 1863 和 Plaxes Pascoe, 1885,根據牠們形態的相似性和地理分布的重疊,我們認為牠們應該被合併成單一屬別,也就是說只要我們確認三個屬別的模式種都是屬於同一個屬別後,那自然我們就能依照優先權原則,把 1863 年發表的 Barisoma 和 1885 年發表的 Plaxes 處理為最早發表的 Lyterius 的同物異名。

但是!分類學研究最困難的就是這個但是!

我們雖然追蹤到 Barisoma Plaxes 的模式種和其模式標本,但是 Lyterius 的模式種問題,卻將這個研究的難度拉向了另一個層面——也就是物種層級的問題。

模式標本來源和流向超級複雜的 Lyterius

Lyterius 這個屬別是由瑞典昆蟲學家卡爾・約翰・舍恩赫爾(Carl Johan Schönherr)於 1844 年所提出,並以 Rhynchaenus musculus Fabricius, 1802,這個 1802 年由丹麥昆蟲學家約翰・克里斯蒂安・法布里丘斯(Johan Christian Fabricius )所發表的種類作為模式物種。他的合作對象瑞典昆蟲學家卡爾・亨利克・博赫曼(Carl Henrik Boheman)也在同一本書中使用了 Lyterius musculus (Fabricius, 1802) 這個學名組合,同時他將德國昆蟲學家弗里德里希・韋伯(Friedrich Weber)在 1802 年所描述的 Curculio abdominalis Weber, 1801 也拉進這個屬別,學名組合變成 Lyterius abdominalis (Weber, 1801) ,並且描述一個菲律賓的新物種 Lyterius instabilis Boheman in Schönherr, 1844 。這其中最為複雜難解的,便是 Lyterius musculus (Fabricius, 1802) 和 Lyterius abdominalis (Weber, 1801) 之間的關係了,因為這兩個物種的模式標本來源,都源自於達戈貝爾特・達爾多夫 Dagobert Karl von Daldorff 這位在俄羅斯出生,擁有德裔血統的丹麥博物學家,在 18 世紀末葉任職丹麥東印度公司時,於 1795 年在蘇門答臘的一次採集。

-----廣告,請繼續往下閱讀-----
除了我們常常聽到的荷蘭、英國東印度公司,丹麥也曾經創立了東印度公司。(攝/Wikipedia)

根據我們對於 19 世紀初期的歐洲甲蟲分類歷史文獻的爬梳,達爾多夫在蘇門答臘的標本被帶回歐洲後,應該至少被他贈與或交換給五位學者或機構,而這五位學者就包含剛剛提到的德國昆蟲學家弗里德里希・韋伯(Friedrich Weber),以及丹麥昆蟲學家約翰・克里斯蒂安・法布里丘斯(Johan Christian Fabricius),這兩位顯然同時對這批標本進行分類學研究。

令人存疑的 Lyterius abdominalisLyterius musculus

因此第一個疑點就是,韋伯和法布里丘斯分別在 1801 年和 1802 年用達爾多夫所採集的同一批蘇門答臘象鼻蟲標本,發表了後來在 1844 年被博赫曼放在同一個屬別的物種 Lyterius abdominalisLyterius musculus,這讓人很難不懷疑,這兩個名字會不會根本就是同一個物種,這在當年資訊不流通、分類研究還很粗淺的年代,是非常容易發生的事情。

而支持這樣想法的關鍵則有二,首先德國昆蟲學家約翰・卡爾・威廉・伊利格(Johann Karl Wilhelm Illiger)其實在 1805 年的著作中,就已經提出這兩個物種是同一個物種的論點了,然而這項分類處理卻被博赫曼在 1844 年的著作中,不明地忽略了。雖然博赫曼不小心遺漏了伊利格的分類處理,他卻也在看過兩種的模式標本後,在他那 1844 年的著作中,提出了兩個物種只不過是同一個物種的雄蟲和雌蟲的猜想,然而因為他手邊就只有兩隻標本,一隻是雄的 Lyterius abdominalis ,一隻是雌的 Lyterius musculus ,因此他無法下這個決定情有可原,而我們如今已經知道露兜樹象鼻蟲有很明顯的雌雄二形性,雄蟲的口喙比較短,且足部的前腳腿節有明顯的突起,博赫曼的猜想不證自明。

總而言之,從上述的歷史文獻爬梳,我們可以從

-----廣告,請繼續往下閱讀-----
  1. 韋伯和法布里丘斯研究的都是同一批蘇門答臘採集的標本
  2. 同時代的伊利格和後來的博赫曼都直接或間接的認為 Lyterius abdominalisLyterius musculus 是同一個物種

來推斷,這兩個種類很有可能是同一個種類!

瑞典昆蟲學家卡爾・亨利克・博赫曼。(攝/Wikipedia)

找不到模式標本啊!

在爬梳大量文獻後,我們同時也造訪歐陸各大標本蒐藏去尋找這些物種的模式標本下落。我們很幸運的在德國基爾的動物學博物館找到兩隻 Lyterius musculus 的總/群模式標本。然而,在尋找 Lyterius abdominalis 模式標本的過程中卻碰了壁,不管是文獻還是實際探訪,幾乎都找不到韋伯收藏的下落,韋伯所發表的模式標本有極大的可能已經遺失了,那要怎麼辦呢?

分類學家的決策

雖然沒辦法找到 Lyterius abdominalis 的模式標本,然而我們從以上的間接證據,可以合理相信 Lyterius abdominalisLyterius musculus 就是同一個物種。為了最適當的處理分類議題,穩定整個分類命名系統。我們使用了一個技術性的分類學處理,首先我們指定了 Lyterius musculus 的選模式標本,並且我們將「這一個」標本,再次的指定為 Lyterius abdominalis 的新模式標本,這個時候,這兩個學名便產生了動物命名法規上所謂的「客觀同物異名(objective synonym)」關係,相較於分類學家自行主觀認定的同物異名(主觀同物異名 subjective synonym ),客觀同物異名指的是用同一個標本發表不同學名的狀況,這樣這兩個名字無庸置疑的是同物異名關係,只有最早被發表的名字有優先權,因此我們的 Lyterius abdominalis (Weber, 1801) 獲得了優先被使用的地位,也成為露兜樹象鼻蟲屬的模式種。經由這一波操作,我們確立了 Lyterius 的模式和包含的物種,也因此我們終於能進一步處理剛剛提到的 BarisomaPlaxes 的同物異名,最後我們可以大聲的說:露兜樹象鼻蟲屬的學名是 Lyterius Schönherr, 1844 !

番外篇的 Plaxes 模式標本調查

另外一方面,我們在調查 Plaxes 的模式標本時,也發現到其模式種 Plaxes impar Pascoe, 1885 的總/群模式標本散落在英國倫敦自然史博物館、德國柏林自然史博物館、德國德勒斯登森肯堡博物館、義大利熱拿亞自然史博物館、澳洲國立昆蟲館,幾乎涵蓋了半個地球。這些標本可以分為來自婆羅洲砂拉越和蘇門答臘的標本,採自砂拉越的標本無疑是一個獨立的物種,我們也指定砂拉越的總/群模式標本為本種選模式標本。而來自蘇門答臘的標本,無獨有偶地都和 Lyterius abdominalis 是同一個物種,顯然這個物種在蘇門答臘當地是個常見的物種,這又再次加強我們上面提到的,達爾多夫所採集的同一批蘇門答臘象鼻蟲標本應該就只有一種露兜樹象鼻蟲的推測。

-----廣告,請繼續往下閱讀-----

這個研究重新梳理了露兜樹象鼻蟲的分類歷史並考察了歷史文獻和模式標本,最終作出了適宜的分類學處理,為亞洲地區的象鼻蟲研究推進了一步。

  • 本論文日前已經線上刊載於《動物分類群 Zootaxa 》
  • 此文響應 PanSci 「自己的研究自己分享」,以增進眾人對基礎科學研究的了解。
  • Prena, J., Hsiao, Y., Oberprieler, R.G. (2023) New combinations and synonymies in the weevil genus Lyterius Schönherr (Coleoptera, Curculionidae), with a conspectus of historical works on Daldorff’s Sumatran beetles. Zootaxa 5380(1): 26-36. https://doi.org/10.11646/zootaxa.5380.1.2
-----廣告,請繼續往下閱讀-----
蕭昀_96
22 篇文章 ・ 17 位粉絲
澳洲國立大學生物學研究院博士,在澳洲聯邦科學與工業研究組織國立昆蟲標本館完成博士研究,目前是國立臺灣大學生態學與演化生物學研究所博士後研究員,曾任科博館昆蟲學組蒐藏助理。研究興趣為鞘翅目(甲蟲)系統分類學和古昆蟲學,博士研究主題聚焦在澳洲蘇鐵授粉象鼻蟲的系統分類及演化生物學,其餘研究題目包括菊虎科(Cantharidae)、長扁朽木蟲科(Synchroidae)、擬步總科(Tenebrionoidea)等,不時發現命名新物種,研究論文發表散見於國內外學術期刊 。

2

5
2

文字

分享

2
5
2
從基隆進港的深海活化石中,意外發現新種具足蟲!——專訪國立臺南大學副教授黃銘志
Heidi_96
・2022/11/29 ・3890字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

新種具足蟲,發現!

2019 年,國立臺南大學生物科技學系副教授 黃銘志 從基隆漁民手中獲得一批具足蟲。為了鑑定這些小傢伙的種類,黃銘志從日本換來兩隻大王具足蟲(B. giganteus),沒想到卻意外發現前所未見的新種——猶加敦具足蟲(B. yucatanensis)!

這到底是怎麼回事呢?別急,在我們看下去前,先告訴你一個具足蟲的小秘密。

具足蟲又稱為深水蝨,是居住在深海的甲殼類活化石。你可能沒聽過這兩個名稱,但如果你看過《風之谷》或是《星際大戰》(Star Wars),肯定對王蟲和黑武士有印象,而他們的原型就是具足蟲!

在宮崎駿動畫《風之谷》中,王蟲是守護腐海的生物。當他們憤怒時,眼睛會由藍轉紅。圖/スタジオジブリ
《星際大戰》系列電影的角色——黑武士的面具原型也是具足蟲!圖/Star Wars

既然不小心撈到了,那就抓來研究吧~

小秘密說完了,讓我們原地跳一下,回到 2019 年看看事情發生的經過。

-----廣告,請繼續往下閱讀-----

當年七月,黃銘志在基隆正濱漁港採集到俗稱「金絲猴」的紅頭龍蝦,登錄為臺灣新記錄種「海神後海螯蝦(Metanephrops neptunus)」。此後,黃銘志就有和當地漁民保持聯繫。

臺灣新記錄種「海神後海螯蝦(Metanephrops neptunus)」。圖/TaiBNET

後來,有船長告訴黃銘志:「我抓到十隻具足蟲,你要不要?」

在基隆,具足蟲的漁獲量並不多,通常是拖網捕蝦附帶的戰利品。雖然東北角有很多販售具足蟲料理的店家,具足蟲吃起來也像龍蝦,但民眾還是喜歡吃真正的蝦子,所以具足蟲銷不出去,黃銘志就整批買了下來。

這時,問題來了!臺灣沒有具足蟲專家,而黃銘志本身也不是分類學家,要怎麼鑑定呢?沒辦法,只好自行摸索。

-----廣告,請繼續往下閱讀-----

於是,黃銘志和日本新江之島水族館交換兩隻大王具足蟲,但這兩隻越看越不對勁,「⋯⋯怎麼其中一隻腰身比較細?難道是牠比較瘦、吃比較少嗎?」

「背景不同的人,就會用不同的視角看事情!」

後來,黃銘志想起赴日深造時,研究魚類基因演化、解析人體基因結構的經驗,就決定分析具足蟲的基因。從黃銘志的專業背景——分子生物學的角度來看,至少要採用兩種分析方法才夠,因為每個基因演化速度都不同,像具足蟲演化得很慢,基因差異不太明顯,就很難區分。

經過細胞色素 c 氧化酶亞基 1(COI)和 16S rRNA 分析後,黃銘志赫然發現很多 DNA 片段都不同。起初還以為是分析出錯,或是樣本破損,但重複試驗多次後的結果都一樣,黃銘志不禁感到困惑:「奇怪了,歐美研究大王具足蟲長達 140 年,有超過 1000 隻樣本,怎麼沒發現裡面可能有基因結構不同的個體?」

細胞色素 c 氧化酶亞基 1(COI)分析結果:第一行是猶加敦具足蟲,第二行是大王具足蟲。圖/Journal of Natural History
 16S rRNA 分析結果:第一行是猶加敦具足蟲,第二行是大王具足蟲。圖/Journal of Natural History

為了進一步梳理這些數據,黃銘志找來兩位分類學家助拳,一位是日本國際螯蝦學會的會長——甲殼類專家川井唯史(Dr. Kawai Tadashi),另一位則是澳洲昆士蘭博物館的無脊椎動物榮譽研究員——具足蟲專家尼爾.布魯斯(Dr. Niel L. Bruce)

-----廣告,請繼續往下閱讀-----

不是這個專業,所以才能做到這件事

在三人正式合作前,黃銘志就大致完成這篇新種具足蟲的論文了,但後來,布魯斯發現了一個天大的錯誤,那就是黃銘志引用了某位印度專家錯誤的研究。

過去,也有中國學者引用這篇印度論文,指出印度洋海域有肯氏具足蟲(B. kensleyi)。黃銘志原先也以為是這樣,畢竟順著前人的研究比較不會有爭議,沒想到卻因此得出錯誤的推論。

第一次研究具足蟲,就要指正其他專家的研究,「老實說,我算哪根蔥?」黃銘志苦笑道。

為了修正錯誤,具足蟲的細部結構就交給布魯斯研究,再讓川井逐一比對、鉅細靡遺地畫下來。具足蟲演化較慢,所以每一種長得都很像,必須仔細觀察才能看出差異,比如鼻子的形狀、尾扇棘刺的數量、身體兩側的彎曲程度等等。

詹姆斯具足蟲(B. jamesi)和猶加敦具足蟲(B.yucatanensis)的身體(a)、頭部(b)、鼻子(c)和頭部側視圖(d)。圖/Journal of Natural History

雖然三人至今都沒有見過彼此,但當初為了辨別出不同的形態,他們互相傳了上千封信討論,才終於達成共識。回想這漫長的過程,黃銘志說:「那些圖都確認過十幾次了,意見不合也是常有的事,比如尾扇棘刺的數量要從哪裡開始數?」

-----廣告,請繼續往下閱讀-----

黃銘志也提到,每種生物都有「種間變異」和「種內變異」。只要有變異,一定有不同的地方,但這些不同的地方可以直接判斷成不同種嗎?假如尾扇棘原本有 13 根,卻因為互相打鬥而斷了一兩根,是不是就要分成不同種?

詹姆斯具足蟲(B. jamesi)和猶加敦具足蟲(B.yucatanensis)的尾扇棘(c)。圖/Journal of Natural History

在這種情況下,由於形態非常接近,按照傳統分類學的做法,其實很容易將一整群可能摻雜不同種的樣本全都混為一類。因此,黃銘志認為最好的做法是從基因著手,用分子生物學的方法鑑定,而不是用個體的外觀差異判斷。

當分類學家多次比對不同樣本的外形,認為這不是大王具足蟲,而基因定序的結果也和資料庫既有的物種都不匹配的時候,就可以確認牠是未經發表的新種。

延伸閱讀:新種形成——秘中之秘

根據論文發表的結果,黃銘志最後將來自新江之島水族館的新種,以發現地墨西哥灣猶加敦半島(Yucatán Peninsula)為依據,命名為猶加敦具足蟲(B.yucatanensis)。

-----廣告,請繼續往下閱讀-----

鑑定深海物種,有助於我們更認識深海

在十八、十九世紀時,科學家非常好奇深海到底有沒有生物,而如今,具足蟲就是活生生的鐵證,因此歐美國家非常重視具足蟲的學術價值。這些深海小傢伙證明了一件事:即使在光線微弱、水壓極高、溫度極低、幾乎沒有食物的環境下,還是有生物存在。

目前,我們對於月球的了解甚至還比深海多。布魯斯表示,陸生生物即使雜交,只要能產生有生殖能力的後代,原則上都可以算是同種,但水生生物並不完全遵循這個原則。

比方說,現在有很多鱘龍魚是雜交種,而且是不同種交配生下的、具有生殖能力的後代,這些不同的後代,都各自稱得上是新物種。按照這個邏輯,海洋時刻都有新物種誕生,是我們探索不完的神秘區域。

本篇論文的第三作者:尼爾.布魯斯。圖/ResearchGate

不過,相對於西方國家多半將具足蟲作為研究用途,東方國家比較在乎的反而是「這可以吃嗎?要怎麼料理才能變得更好吃?」

-----廣告,請繼續往下閱讀-----

在日本,有一種零食就是將具足蟲磨成粉後加進仙貝,讓仙貝吃起來有蝦子的味道。黃銘志笑著說:「這很暢銷!」但也補充道,他在東京大學做研究時,實驗室有個傳統,那就是「當你研究某種生物的時候,你就不吃牠們,代表你對這種生物的敬意。」

關於具足蟲,還有哪些待解之謎?

這份耗時三年的研究,不但指正了前人的研究、改變了具足蟲近百年來的分類,也暗示著既有的「群模式樣本」或許有很大的問題。換句話說,目前已知的具足蟲種類不多,可能是分類錯誤造成的結果,說不定早就有很多種摻雜在其中了!

延伸閱讀:怎麼把牠們當成一樣的物種!物種分類出錯怎麼辦?——分類學家偵探事件簿(三)

在日本,鳥羽水族館有一隻具足蟲長達五年沒進食。目前仍沒有科學家著手細探背後的原因,而牠們的食物來源、繁衍方法,以及牠們如何在極端惡劣的深海環境生存,都是接下來必須進一步探究的課題。

舉例來說,紅色在深海是一種隱性色,而深海的甲殼類生物(比如甜蝦、天使紅蝦)體內通常帶有蝦紅素,使得體表呈現紅色,可以保護牠們不被天敵發現。可是,具足蟲的分布範圍深達數千米,體內卻沒有蝦紅素,煮熟後也不會像蝦子那樣變紅。

-----廣告,請繼續往下閱讀-----

延伸閱讀:煮熟的龍蝦為什麼會變色呢?

此外,透過研究具足蟲,科學家可以更了解全球暖化對深海的影響、陸地上的重金屬和放射性物質沉進深海造成的衝擊,以及這些具足蟲是否可以取代龍蝦,成為新的食物選擇。

最近,南海的船長捕到了 80 幾隻具足蟲,黃銘志買下了形態看起來比較特殊的 10 隻,希望可以篩出更多新種,解開更多有趣的謎底。

延伸閱讀

  1. Huang, M. C., Kawai, T., & Bruce, N. L. (2022). A new species of Bathynomus Milne-Edwards, 1879 (Isopoda: Cirolanidae) from the southern Gulf of Mexico with a redescription of Bathynomus jamesi Kou, Chen and Li, 2017 from off Pratas Island, Taiwan. Journal of Natural History, 56(13-16), 885-921.
  2. 交換日本水族館具足蟲 南大發現深水蝨新物種|生活|中央社 CNA
-----廣告,請繼續往下閱讀-----
所有討論 2