2

5
1

文字

分享

2
5
1

冠狀病毒常有新突變,不過很少傳染成功

寒波_96
・2021/05/07 ・2690字 ・閱讀時間約 5 分鐘 ・SR值 610 ・十年級

COVID-19(武漢肺炎、新冠肺炎)全世界感染幾十億人口以後,它的病原體 SARS二世冠狀病毒(SARS-CoV-2)已經發展出不少變異。除了少數特例,病毒突變的速度似乎不快,不過這只是表面上看到的結果。

一項研究發現,感染後病毒其實常常產生新突變,遺傳有別的病毒們,在同一位宿主體內共存是常態;但是在傳染給下一個人的時候,大部分變異無法轉移。

遺傳有別的病毒們,在同一位宿主體內共存是常態;但是在傳染給下一個人的時候,大部分變異無法轉移。圖/參考資料 

同一位宿主,常有不同病毒共存

研究對象來自英國第一波疫情,93 個無記名和 1,173 位有症狀的感染者,總共定序 1,390 個樣本。主要希望回答的問題是:

同一位感染者體內,病毒有多少多樣性?傳染給下一個人時,轉移多少病毒及其多樣性?

要回答上述問題,技術上並不容易。想要知道一位感染者體內的病毒有多少遺傳變異,各佔多少比例,必需正確定序樣本內所有 RNA 片段,計算每一種可能突變的比例。可是定序有一定的出錯機率,因此見到的「突變」,也可能只是人為偏差。論文花了不少篇幅,闡述如何避免潛在的問題。

-----廣告,請繼續往下閱讀-----

一個人感染時,進入體內的病毒應該都是一樣的,假如取樣中見到不同變異,極可能是病毒在這個人體內突變所致。分析發現,

多數感染者的體內,都存在不只一種遺傳型號,2 種、3 種都很常見;因此病毒發生突變,在同一位宿主的體內共存,可謂常態。

但是也要考慮到,也有可能同時感染兩種以上病毒,或是樣本遭到汙染。對這方面的疑慮,論文分析後認為,汙染和多次感染的比例非常低,應該只有 1-2%。所以大部分宿主體內的病毒遺傳多樣性,皆為新突變造成。

多數感染者的體內,都存在不只一種遺傳型號,2 種、3 種都很常見。圖/參考資料

只有一款病毒傳染給下一個人

然而,這麼多新突變,傳染時轉移成功的機率卻不高。即使大部分感染者體內共存多款病毒,被這個人傳染的下一位,往往只能偵測到其中一款;表示病毒傳播時,如同通過狹窄的瓶頸一般,大多數新突變無法轉移到下一位宿主。

此一研究沒有特別討論,不過已知的另一項觀察是:感染者傳染給下一位的比例很低。少數傳染源造成大部分感染,大部分感染者,其實都沒有再傳染給別人。綜合起來可以推論,

-----廣告,請繼續往下閱讀-----

病毒在眾多宿主體內,其實有不少新突變誕生,但是只有少數感染者能傳染給下一個人;而少數成功的傳染源,又只有少量病毒能通過窄門,順利轉移到下一個人。

在這個過程中,病毒曾經突變產生的遺傳多樣性,大部分都喪失了,難以持續累積。這也是事後看結果,大多數時候病毒累積突變的數量都不多的一大原因。

還有不少新突變被演化淘汰

另一個原因是,新突變不容易留下來。這部分牽涉一些分子演化學的分析。

生物以 DNA,部分病毒如冠狀病毒以 RNA 承載遺傳訊息。3 個核苷酸(DNA 或 RNA)組成一個密碼子,密碼子又對應一個氨基酸,許多氨基酸合在一起形成蛋白質。總共有 61 個密碼子,對應 20 個氨基酸;因此有時候核苷酸突變,會導致氨基酸改變,有時候卻又不變。

基本假設是,核苷酸突變使得氨基酸變或不變,機率沒有差別;但是改變若是有利或有害,將受到天擇影響,新突變留下的機率有差。比較基因序列改變 (dN) 以及沒有改變的數值 (dS),便能推論基因是否傾向變化。

-----廣告,請繼續往下閱讀-----

如果改變有利,新變異的存在感增加,稱為「正向選汰(positive selection)」,dN/dS 的比值便會大於 1。相反地,假如是改變有害,遭到天擇淘汰的「淨化選汰(purifying selection)」,dN/dS 比值將小於 1。比值等於 1 的話,意謂雙邊力量持平,算是中性。

根據蒐集樣本計算的結果是,所有基因的 dN/dS 為 0.55,感染關鍵的 S蛋白質(spike protein)為 0.60。看來在演化上,SARS二世冠狀病毒更傾向在 RNA 改變時,保留原本的氨基酸。

整個基因組以及每個基因的 dN/dS。整個基因組為 0.55,S蛋白質為 0.60。圖/參考資料

然而,改變某些位置似乎可以接受,甚至更受歡迎。不同樣本的 S蛋白質上,總共有 30 個導致氨基酸改變的新突變,其中 3 處:L5F、G446V、A879V,都在不同宿主獨立出現。體外測試指出,L5F 能提升傳染力,而 G446V 和 A879V 有助於對付某些抗體。

依照上述分析,SARS二世冠狀病毒演化時的主要力量,是避免改變的淨化選汰,這也是觀察到突變累積不多的另一個原因。不過仍有少數突變,重複誕生在關鍵的有利位置,容易留存下來

-----廣告,請繼續往下閱讀-----

由這項研究看來,病毒儘管常常產生新突變,大部分卻無法傳播,擴散開來的機率不高。如今見到的眾多突變們,事實上是極大量突變中,非常少數通過窄門的勝利者。

那麼去年底被注意到,在英國、南非、巴西各自誕生的三款新型病毒又是怎麼回事?和近親相比,它們一次就配備大概 17 個新突變,這是如何累積的?

至今最合理的解釋是,那些很多突變的病毒品系們,是在同一個人體內,長期感染後醞釀而成。

結合這回的新研究大膽揣測,同一個人長期感染,避免經歷傳染時的窄門,更能保留曾經產生的新突變,加快病毒改變累積的速度

延伸閱讀

參考資料

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-----
文章難易度
所有討論 2
寒波_96
193 篇文章 ・ 1057 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

1
2

文字

分享

0
1
2
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 ・ 54 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。

0

1
1

文字

分享

0
1
1
誠實面對人類參與的「自然」——太田欽也專訪
顯微觀點_96
・2024/07/11 ・3228字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

本文轉載自顯微觀點

斑馬魚是最知名的模式生物之一,其基因、型態與發育深受了解,並用於探討深度同源等重要演化生物學問題。但也有科學家提出,演化生物學該持續隨環境演進,並嘗試以新的實驗物種——金魚——探討人類世(Anthropocene)環境下的生物演化。

育種歷史與基因巧合 奠定金魚的演化生物學價值

例如有千年馴化歷史、型態千變萬化的金魚,就相當適合探討人類因素與生物型態演化的關聯。

中研院細生所派駐臨海研究站的演化與發育生物學家太田欽也指出,斑馬魚與金魚兩者的胚胎都可以透過顯微鏡仔細觀察,相對於受精一年後才成熟的金魚,斑馬魚有成熟較快,基因組較為單純等優點,也具備許多現成基因研究工具。

-----廣告,請繼續往下閱讀-----

但斑馬品系間仍以其生理機能與基因為主要差別,對型態差異的演化並未那麼明顯。因為,科學家為了操作基因與細胞特徵而培育斑馬魚,使不同品系的差異大多來自目標明確的基因工程。

金魚型態演化圖。Courtesy of Kinya Ota and Gembu Abe

而金魚的型態變異,則完全來自飼養者對型態的偏好和育種,蘊藏更多元的型態變化與發育差異。其悠長的馴養歷史以及更古老的基因重複(Gene Duplication)機遇,使其值得成為演化發育生物學的新模式生物。研究器材和方法上的調整,則是生物學家展現才智的機會。

太田欽也舉例,「一般的解剖顯微鏡工作距離適合觀察和操作斑馬魚,但是經過我們自己的創意,也改裝出可以對金魚進行顯微手術的器具和適合拍攝的大型解剖顯微鏡。設備上的差異並不難克服。」

金魚胚胎的發育生物學優勢

太田欽也說,現代生物學家以果蠅和微生物育種進行遺傳與演化實驗,擴大時間維度來看,千年來金魚愛好者挑選、強化金魚外觀特徵的過程,可以比擬長時間的人擇實驗。

金魚不僅適合用來觀察人擇壓力如何影響成年生物的型態。太田欽也更想進一步探索,從胚胎階段的差異進行選擇,是否可能改變生物的型態。

-----廣告,請繼續往下閱讀-----

太田欽也提到,人工育種對發育與型態的影響力也展現在其他物種上,例如家犬與鴿子也被培育出許多特殊表型。但是哺乳動物和鳥類的胚胎觀察不易,需要相當高的技術與成本。

相對於動物子宮與鳥類蛋殼內的胚胎,在透明卵囊中發育的半透明金魚胚胎,就是非常容易觀察的研究對象。只要有恰當的複式顯微鏡、解剖顯微鏡和顯微手術能力,金魚的胚胎從受精到孵化都可以全程順利紀錄,而且每次繁殖可以蒐集到上百筆資料。

現代顯微攝影技術搭配容易觀察的金魚胚胎,讓太田欽也可以拍攝清晰影片,在網路上生動地分享發育生物學知識。攝影:楊雅棠

自製影片 盼演化生物學跨過學院圍牆

除了將金魚研究成果發表在 Nature 等科學期刊,太田欽也同時努力當起「Youtuber」。他希望能將演化發育生物學、金魚飼育經驗、臨海研究站的學術特色,甚至是宜蘭的風光,透過網路傳達給大眾。

武漢肺炎導致的漫長隔離,是他學習影音製作的契機。最初他在百無聊賴之下看了大量影片,後來逐漸萌發「我也要拍自己的題材!」的企圖心。開始搜尋拍攝、後製、配樂等網路教學,在隔離的單人房中逐漸進步。

-----廣告,請繼續往下閱讀-----

太田欽也說,拍攝影片最重要的動機是「分享」。他解釋,「科學的頻道不管累積再多追蹤者,例如數十萬人追蹤的 Nature, Science, 觀眾也以科學領域工作者為主。現代知識逐漸朝向『專家』與『外人』的兩極化狀態發展,我不喜歡這樣的社會。」

如同他推進學術研究的方法,他也透過自學、自己組裝基礎設備如空拍機、手機等,在節省開支的情況下拍出了中研院同僚為之驚艷的影片。

太田欽也為臨海研究站拍攝的簡介影片,基本款空拍機呈現了頭城的舒暢美景。

在早已開始的人類世 何謂自然?

太田欽也熱衷以空拍影片介紹宜蘭的郊野與人文,但他對主流輿論的「自然環境」內涵存疑,他認為「自然」早已被人類行為大幅改變。自從農業擴張、工業革命發生,人類對環境與生物的改變程度早已無法恢復「自然原貌」。

他以金魚的馴化過程為例,從宋朝開始的愛好者,透過育種極力凸顯特殊形態,從沒有背鰭的「蛋種」,到眼周水泡足以遮蔽視線的「水泡眼」。都不是基於適應「自然」而進行的育種。

-----廣告,請繼續往下閱讀-----

太田欽也強調,「如果是宋朝或明朝人有今天的生物學工具,以他們的追求珍奇的育種態度,一定會用 CRISPR 編輯金魚基因,製造出更奇特的變異型態。」

他說,這樣的行為會在現代科學圈與社會輿論上遭到反對,「認為動物被修改基因、型態變異很可憐」,但人類採用動物進行藥物實驗或經濟用途時,也並未優先考慮「自然原則」。

太田欽也反問,「若是透過基因編輯技術將金魚修改回類似野生鯽魚的型態,更適應野外環境,這樣算是自然或不自然呢?」

建立科技倫理 而非堅守「自然」想像

他指出,金魚的馴化與育種反映著東亞社會的自然觀念,不同於西方基督教倫理的「人統御、保護自然」意識形態。可以促進人們反思,人類也身在其中的「自然」的標準是什麼?而非執著於保護想像中的自然「原狀」。

太田欽也強調,「本質化『自然』、建構一個保守不變的形象,不會幫助人們了解生物學。」

他認為,宋朝人、明朝人的自然觀念與今日不同;甚至現代人常引用的「道法自然」倡議者老子,他所提倡的自然,與現代許多人想像、意圖恢復的也是不同的自然。

背鰭退化、尾鰭倍增的蛋種雙尾金魚,是古代貴族最青眼有加的奇特型態之一。作者:清 馬文麟 來源:國立故宮博物院

太田欽也建言,科學地面對人類因素影響世界各地生態的現實、建立基因科技的社會倫理與規範,都是比恢復建構出的「自然」意象更重要的生物學議題。

-----廣告,請繼續往下閱讀-----

來自日本和歌山縣鄉間的太田欽也說,長期駐守宜蘭頭城的臨海研究站不僅是因為設施與職位,也是因為此處環境與故鄉有幾分神似。

「但我不會說這兩個地方都很『自然』,在人們對我說『這裡很自然!』的時候。」太田欽也無奈地笑說,「想到周遭可以釣起吳郭魚的溪流、被整治疏濬成田園的原洪氾濕地,反而會讓我很疑惑彼此對『自然』的共識。」

1995 年諾貝爾化學獎得主克魯岑(Paul Crutzen)指出,現代已是由人類行為影響地質特性的人類世。此概念引起地質科學界激烈討論,從新石器時代、工業革命到核彈試爆頻繁的 1960 年代都有學者認為是人類世的開端。

最後由國際地層委員會的人類世工作小組投票決定,視第二次世界大戰後、人口與人類活動高速成長的20世紀中葉為人類世起點。

查看原始文章

參考資料

  1. Li IJ, Lee SH, Abe G, Ota KG. Embryonic and postembryonic development of the ornamental twin-tail goldfish. Dev Dyn. 2019 Apr;248(4):251-283.
  2. Abe G, Lee SH, Chang M, Liu SC, Tsai HY, Ota KG. The origin of the bifurcated axial skeletal system in the twin-tail goldfish. Nat Commun. 2014 Feb 25;5:3360.
  3. 太田欽也實驗室

討論功能關閉中。

顯微觀點_96
9 篇文章 ・ 3 位粉絲
從細微的事物出發,關注微觀世界的一切,對肉眼所不能見的事物充滿好奇,發掘蘊藏在微觀影像之下的故事。

2

1
0

文字

分享

2
1
0
找回擁有食物的主導權?從零開始「菇類採集」!——《真菌大未來》
積木文化
・2024/02/25 ・4266字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

菇類採集

在新冠肺炎(COVID-19)大流行後,馬斯洛「需求層次理論」裡的食品與安全在眾目睽睽下被抽離出來,變成後疫情時代最重要的兩個元素。對食物的焦慮點燃人們大腦中所有生存意志,於是大家開始恐慌性地購買,讓原本就已經脆弱、易受攻擊的現代糧食系統更岌岌可危。

值得慶幸的是,我們的祖先以前就經歷過這一切,留下來的經驗值得借鏡。菇類採集的興趣在艱難時期達到顛峰,這反映了人類本能上對未來產生的恐懼。1 無論是否有意,我們意識到需要找回擁有食物的主導權,循著古老能力的引導來找尋、準備我們自己的食物,如此才能應付食物短缺所產生的焦慮。

在新冠肺炎大流行後,馬斯洛「需求層次理論」裡的食品與安全在眾目睽睽下被抽離出來,變成後疫情時代最重要的兩個元素。圖/pexels

我們看見越來越多人以城市採集者的身分對野生菇類有了新的品味,進而找到安全感並與大自然建立起連結。這並不是說菇類採集將成為主要的生存方式,而是找回重新獲得自給自足能力的安全感。此外,菇類採集的快感就足以讓任何人不斷回歸嘗試。

在這個數位時代,菇類採集是讓我們能與自然重新連結的獨特活動。我們早已遺忘,身體和本能,就是遺傳自世世代代與自然和諧相處的菇類採集者。走出現代牢籠、進入大自然從而獲得的心理和心靈滋養不容小不容小覷。森林和其他自然空間提醒著我們,這裡還存在另一個宇宙,且和那些由金錢、商業、政治與媒體統治的宇宙同樣重要(或更重要)。

-----廣告,請繼續往下閱讀-----
在這個數位時代,菇類採集是讓我們能與自然重新連結的獨特活動。圖/unsplash

只有願意撥開遮蓋的落葉並專注尋找,才能體認到菇類的多樣性和廣泛分布。一趟森林之旅能讓人與廣大的生態系統重新建立連結,另一方面也提醒我們,自己永遠屬於生命之網的一部分,從未被排除在外。

腐爛的樹幹不再讓人看了難受,而是一個充滿機遇的地方:多孔菌(Bracket Fungi)──這個外觀看起來像貨架的木材分解者,就在腐爛的樹幹上茁壯成長,規模雖小卻很常見。此外,枯葉中、倒下的樹上、草地裡或牛糞上,也都是菇類生長的地方。

菇類採集是一種社會的「反學習」(遺忘先前所學)。你不是被動地吸收資訊,而是主動且專注地在森林的每個角落尋找真菌。不過度採集、只拿自身所需,把剩下的留給別人。你不再感覺遲鈍,而是磨練出注意的技巧,只注意菇類、泥土的香氣,以及醒目的形狀、質地和顏色。

只有願意撥開遮蓋的落葉並專注尋找,才能體認到菇類的多樣性和廣泛分布。圖/unsplash

菇類採集喚醒身體的感官感受,讓心靈與身體重新建立連結。這是一種可以從中瞭解自然世界的感人冥想,每次的發現都振奮人心,運氣好的話還可以帶一些免費、美味又營養的食物回家。祝您採集愉快。

-----廣告,請繼續往下閱讀-----

計畫

菇類採集就像在生活中摸索一樣,很難照既定計畫執行,而且以前的經歷完全派不上用場。最好的方法就是放棄「非採集到什麼不可」的念頭,持開放心態走出戶外執行這項工作。菇類採集不僅是享受找到菇的滿足感,更重要的是體驗走過鬆脆的樹葉、聞著森林潮濕的有機氣味,並與手持手杖和柳條筐的友善採菇人相遇的過程。

菇類採集很難照既定計畫執行,最好的方法就是放棄「非採集到什麼不可」的念頭。採集過程幾乎就像玩捉迷藏,只不過你根本不確定自己在找什麼,甚至根本不知道要找的東西是否存在。圖/unsplash

你很快就會明白為什麼真菌會有「神秘的生物界」的稱號。真菌無所不在但又難以捉摸,採集過程幾乎就像玩捉迷藏,只不過你根本不確定自己在找什麼,甚至根本不知道要找的東西是否存在。但還是要有信心,只要循著樹木走、翻動一下原木、看看有落葉的地方,這個過程就會為你指路。一點點的計畫,將大大增加你獲得健康收益的機會。所以,讓我們開始吧。

去哪裡找?

林地和草原,是你將開始探索的兩個主要所在。林地底層提供真菌所需的有機物質,也為樹木提供菌根關係。橡樹、松樹、山毛櫸和白樺樹都是長期的菌根夥伴,所以循著樹種,就離找到目標菇類更近了。

林地底層提供真菌所需的有機物質,也為樹木提供菌根關係。圖/pexels

草原上也會有大量菇類,但由於這裡的樹木多樣性和環境條件不足,所以菇類種類會比林地少許多。如果這些地點選項對你來說都太遠了,那麼可以試著在自家花園或在地公園綠地當中尋找看看。這些也都是尋菇的好地方。

-----廣告,請繼續往下閱讀-----

澳洲新南威爾斯州奧伯倫

澳洲可以說是真菌天堂。與其他大陸隔絕的歷史、不斷變化的氣候以及營養豐富的森林,讓澳洲真菌擁有廣大的多樣性。澳洲新南威爾斯州(New South Wales)的奧伯倫(Oberon)就有一座超過四萬公頃的松樹林,是採集菇類的最佳地點之一。

在那裡,有廣受歡迎的可食用菌松乳菇(又稱紅松菌),據說這種真菌的菌絲體附著在一棵歐洲進口樹的根部,而意外被引進澳洲。 1821 年,英國真菌學家塞繆爾・弗里德里克・格雷(Samuel Frederick Gray)將這種胡蘿蔔色的菇命名為美味乳菇(Lactarius deliciosus),這的確名符其實,因為「Deliciosus」在拉丁語中意為「美味」。如果想要在奧伯倫找到這些菇類,秋天時就要開始計劃,在隔年二月下旬至五月的產季到訪。

位於澳洲新南威爾斯州的奧伯倫就有一座超過四萬公頃的松樹林,是採集菇類的絕佳地點。圖/unsplash

英國漢普郡新森林國家公園

在英國,漢普郡的新森林國家公園(Hampshire’s New Forest)距離倫敦有九十分鐘的火車車程。它由林地和草原組成,當中有種類繁多的植物群、動物群和真菌可供遊客觀賞,甚至還有野生馬匹在園區裡四處遊蕩。

這片森林擁有兩千五百多種真菌,其中包括會散發惡臭的臭角菌(Phallus impudicus),它的外觀和結構就如圖鑑中描述般,與男性生殖器相似且不常見。還有喜好生長於橡樹上,外觀像架子一樣層層堆疊的硫色絢孔菌(Laetiporus sulphureus ,又稱林中雞)。該國家公園不允許遊客採收這裡的菇,所以請把時間花在搜尋、鑑別與欣賞真菌上。如果幸運的話,該地區可能會有採集團體可以加入,但能做的也僅限於採集圖像鑑別菇類,而非採集食用。

-----廣告,請繼續往下閱讀-----
在英國,漢普郡的新森林國家公園由林地和草原組成,當中有種類繁多的植物群、動物群和真菌可供遊客觀賞。該國家公園不允許遊客採收這裡的菇,所以請把時間花在搜尋、鑑別與欣賞真菌上。圖/unsplash

美國紐約市中央公園

甚至紐約市的中央公園也有採集菇類的可能性。雖然在 1850 年代公園建造之時並未刻意引進菇類物種,但這個占地八百四十英畝的公園現已登錄了四百多種菇類,足以證明真菌孢子的影響之深遠。

加里・林科夫(Gary Lincoff)是一位自學成才、被稱作「菇類吹笛人」2 的真菌學家,他住在中央公園附近,並以紐約真菌學會的名義會定期舉辦菇類採集活動。林科夫是該學會的早期成員之一,該學會於 1962 年由前衛作曲家約翰・凱吉(John Cage)重新恢復運作。凱吉也是一位自學成才的業餘真菌學家,並靠自己的能力成為專家。

甚至紐約市的中央公園也有採集菇類的可能性。雖然在 1850 年代公園建造之時並未刻意引進菇類物種,但這個占地八百四十英畝的公園現已登錄了四百多種菇類。圖/wikipedia

進行菇類採集時,找瞭解特定物種及其棲息地的在地專家結伴同行,總是有幫助的。如果你需要一個採集嚮導,求助於所在地的真菌學會會是一個正確方向。

何時去找?

在適當的環境條件下(例如溫度、光照、濕度和二氧化碳濃度),菌絲體全年皆可生長。某些物種對環境條件較敏感,但平均理想溫度介於 15~24 ℃ 之間,通常是正要進入冬季或冬季剛過期間,因此秋季和春季會是為採集菇類作計畫的好季節。

-----廣告,請繼續往下閱讀-----
秋季和春季是為採集菇類作計畫的好季節,但因為菇類受溫度變化模式和降雨量的影響很大,所以每年採菇的旺季時間會略有不同。圖/unsplash

當菌絲體從周圍吸收水分時,會產生一股破裂性的力量,讓細胞充滿水分並開始出菇。這就是菇類通常會出現在雨後和一年中最潮濕月份的原因。牢記這些條件,就可以引導你找到寶藏。但也要記得,因為菇類受溫度變化模式和降雨量的影響很大,所以每年採菇的旺季時間會略有不同。

註解

  1. Sonya Sachdeva, Marla R Emery and Patrick T Hurley, ‘Depiction of wild food foraging practices in the media: Impact of the great recession’, Society & Natural Resources, vol. 31, issue 8, 2018, <doi.org/10.1080/08941920.2 018.1450914>. ↩︎
  2. 譯注:民間傳說人物。吹笛人消除了哈梅林鎮的所有老鼠,但鎮上官員拒絕給予承諾的報酬,於是他就吹奏著美麗的音樂,把所有孩子帶出哈梅林鎮。 ↩︎

——本文摘自《真菌大未來:不斷改變世界樣貌的全能生物,從食品、醫藥、建築、環保到迷幻》,2023 年 12 月,積木文化出版,未經同意請勿轉載。

所有討論 2