Loading [MathJax]/extensions/tex2jax.js

0

7
1

文字

分享

0
7
1

怎麼調配黃狗、棕狗,或是黑狗?——狗與狼的遺傳調色盤

寒波_96
・2021/09/29 ・4432字 ・閱讀時間約 9 分鐘

-----廣告,請繼續往下閱讀-----

只要控制一個基因,就有黃狗、棕狗、黑狗變化

黑狗、灰狗、棕狗、黃狗、乳牛狗、白狗……狗的毛色非常多變,受到多個基因影響,其中一個基因叫作 Agouti。一項研究調查各種毛色的狗與狼,發現透過不同的調控方式,只要操縱同一個基因,便能產生黑狗到黃狗的深淺變化。

所謂「不同的調控方式」其實是兩段 DNA 序列的組合,在狗被馴化以前已經存在;回溯其演化過程,除了新突變,也涉及未知古狼的遺傳交流。

論文定義出 5 種毛色的狗狗。圖/參考資料 1

影響色素的 Agouti(也叫 ASIP)基因不只狗有 ,鼠、兔等哺乳類也都具備。此一基因的蛋白質產物,是個會影響毛囊生產色素的訊號分子,如果不存在,毛囊會生產偏深的 eumelanin 色素;假如存在,會促進偏淺的 pheomelanin 色素形成。

狗狗們都配備一樣的 Agouti 基因,但是基因表現的高低,會導致毛色由淺到深的差異,趨勢是 Agouti 表現愈多,毛色便會愈淺。

不同顏色的狗,基因的編碼 DNA 序列都一樣,那麼基因表現的差異,應該是取決於調控的非編碼序列差異。倘若某些 DNA 變異是影響毛色的原因,我們應該可以看到,具備某款變異的狗是一個顏色,其他變異的狗是另一個顏色。

-----廣告,請繼續往下閱讀-----

釐清毛色的遺傳調色盤

為了找到基因型與表現型的關係,研究者定義從很黑到淺黃 5 群不同毛色,比較大家 Agouti 基因周圍的差異。

基因表現受到旁邊的啟動子(promoter)影響,狗的 Agouti 基因有 3 個啟動子,一個距離最遙遠,不同毛色的狗都一樣;而另外兩個啟動子,不同毛色的狗序列有異,看似為影響毛色深淺的成因。

狗的 Agouti 基因有三個啟動子調控,兩個在不同狗中各有差異。圖/參考資料 1

一個啟動子叫作 hair cycle promoter,簡稱 HCP,位置就在基因前方,跟編碼 DNA 連在一起,照序列差異可分為 5 款。另一個啟動子叫作 ventral promoter,簡稱 VP,位置離基因比較遠,可以分為 2 款。

比較各種 HCP 啟動子,5 款中有 3 款會讓基因失去活力;毛色不太受到 Agouti 影響之下,配備 HCP3、HCP4、HCP5 的狗狗都會走深色系。

-----廣告,請繼續往下閱讀-----

其餘 2 款,HCP2 令基因表現較低,使得毛色較深;HCP1 讓基因表現較高,毛色較淺,不過仍然會有些色素,毛色將是淺黃狗,不至於到白狗。

另一個啟動子 VP,配備 VP1 的表現較高,毛色淺;配備 VP2 則表現較低,毛色深。

Agouti 基因的兩個調控零件 VP、HCP 搭配,能形成不同毛色。圖/參考資料 1

兩段啟動子的序列搭配,可以形成多種組合,例如 VP2 加 HCP4 會是最深的黑狗,VP2 加 HCP1 是棕狗,VP1 加 HCP1 則是最淺的黃狗。

至此,研究者們釐清了毛色表現型與基因型的關係,不過這是怎麼演化而來的呢?進一步分析發現好像有點複雜,有意思的是,VP 與 HCP 的演化史很不一樣。

  • 延伸閱讀:《哈士奇的藍眼睛,基因》。之前研究眼睛顏色也發現過,狗的基因不變,調控改變造成顏色不同這回事。
Agouti 基因不同調控零件組合,形成各種毛色的狗狗。圖/參考資料 1

祖傳的毛色調控零件

同一生物分家後,若是不再遺傳交流或受到天擇影響,累積 DNA 改變將隨著時間愈來愈多。因此將大家的遺傳序列擺在一起畫演化樹,呈現的關係通常會符合親戚分家的順序。較晚分家的成員,在演化樹上會比較近,較早分家的則比較遠。

-----廣告,請繼續往下閱讀-----

Agouti 基因兩個啟動子周圍的序列,畫出來的演化樹不一樣。只看遠離基因的 VP 周圍序列(48 kb),狗、灰狼、胡狼、豺等親戚,呈現的演化樹和物種關係一致。意思是這段序列的演化,應該是照著親戚分家的過程累積差異。

由序列判斷,VP2 是原本的遺傳型號,後來才衍生出 VP1。長眠於西伯利亞東北部的亞納古狼(Yana),已經配備讓毛色變淺的 VP1,所以這個突變誕生的年代,肯定比他活跳跳的 3.35 萬年前更早,也非常可能早於狗的馴化。

比較豺、郊狼、灰狼、狗等親戚 Agouti 基因周圍的序列,將距離基因較遠的 VP 周圍區域,以及包含編碼部分的 HCP 周圍區域拆開,分別畫演化樹,發現兩者的樹形關係明顯有別。VP 和物種關係一致,HCP 則受到毛色深淺影響。圖/參考資料 1

與未知古狼遺傳交流,獲得遠古調控零件

然而,包含基因編碼部分的 HCP 周圍序列(16 kb),各親戚畫出來的演化樹,和物種關係不一樣。狗和灰狼血緣最近,演化樹上卻被歸類到兩個不同分枝。

非洲的豺(dhole) 最早分出,和物種的關係一致。但是在此之後,先分家的是淺色狗和北極狼(Arctic gery wolf),本該與淺色狗被歸為同一群的深色狗和灰狼,之間還夾著衣索比亞狼( Ethiopian wolf)、郊狼(coyote)、亞洲胡狼(golden jackal),這些親戚關係差異更大的物種。

很明顯,HCP 此一調控基因表現的零件,有狼沒有照著祖傳繼承。詳細考量 DNA 差異,論文推論最可能的狀況是:狗、灰狼、圖博狼(Tibetan wolf,也叫西藏狼、喜馬拉雅狼)、郊狼、亞洲胡狼等親戚,在共同祖先的時期配備 HCP2,很近期的某群狗又衍生出毛色變深的 HCP5。

-----廣告,請繼續往下閱讀-----
論文推論 HCP 的演化狀況。令毛色變淺的 HCP1,原本誕生於某未知的古狼支系,後來由於情慾流動,才轉移到圖博狼、北極狼、狗的族群中。圖/參考資料 1

而圖博狼、北極狼與狗的 HCP1 是哪來的?依照演化關係推論,它本來應該存在於某種未知的古狼,其演化位置處於和豺分家之後,亞洲胡狼、郊狼、灰狼分家之前(約超過 200 萬年)。某個時刻未知古狼基因突變,誕生了 HCP1,又透過情慾交流使 HCP1 傳進其他狼群。

目前資訊不可能得知未知古狼是誰,遺傳交流發生在什麼時候,論文也沒有太多著墨。我們不要太在意細節!只能看出圖博狼似乎保留變化最少的 HCP1 型號,北極狼與狗的 HCP1 改變較多;而某些黑狗的祖先,又衍生出令毛色變深的 HCP3 和 HCP4。

毛色變淺,有助於適應雪地環境?

論文推論,情慾流動而來的 HCP1 能幫助適應雪地。因為住在北極區的灰狼,以及青藏高原與蒙古的圖博狼,兩地環境頗有相似,都配備會讓毛色變淺的 HCP1。

住在類似雪地環境的圖博狼與北極狼,毛色類似,他們也都配備 HCP1。圖/參考資料 1

控制毛色的 2 個遺傳零件,最淺組合為 VP1 加 HCP1。現代各地的灰狼中,只有北美洲部分灰狼長這樣,主要住在北極區,歐亞大陸都沒有。

已知的古代樣本中, VP1 加 HCP1 組合最早見於距今 3.35 萬年的亞納古狼;可以推論人類尚未馴化狗以前,古代早有野生的淺毛狼存在。

不過他的近親兼鄰居,3.5 萬年前也住在西伯利亞東北部的泰梅爾古狼(Taimyr)毛色倒是比較深。不見得住在雪地,一定要長成淺毛。

-----廣告,請繼續往下閱讀-----
令毛色變淺的 VP1 和 HCP1 變異,可能的逐步演變過程。圖/參考資料 1

你要淺色狗,還是深色狗?

狗最初馴化的狀況,可謂曖昧難解。狗源自某群灰狼,在距今 1.5 到 4 萬年前馴化(亞納古狼的分家時間更早,並非狗的直系祖先),但是具體的時間、地點,一次、兩次或更多次都不清楚。

綜合現有資訊推測,大部分毛色的可能組合,在一萬年前都已經存在;接下來的發展,應該同時受到環境適應與人為偏好影響。

論文分析中,最早的淺黃狗距今 4800 年,位於愛爾蘭;可是遺傳上分家很早的澳洲野犬(Dingo)、新幾內亞唱犬(New Guinea singing dog)也是黃狗,可見黃毛狗的基因歷史悠久。

古代、現代的狗與狼,Agouti 基因的調控組合與預期毛色。圖/參考資料 1

出土於西伯利亞東北部的若霍夫島(Zhokhov Island,ZKV),距今 9500 年的古狗,遺傳是 VP2 加 HCP4,應當為毛色最深的黑狗。他可謂白雪中的黑色雪橇犬,這是人類為了方便識別,有意挑選的結果嗎?

令毛色變淺的遺傳零件 VP1 和 HCP1,在狗馴化之前已經存在。但是使得毛色變深的突變們,其實也一直誕生,而且是在狗馴化之後多次發生:HCP2 衍生出 HCP5、HCP1 變成 HCP3、HCP1 變成 HCP4。若霍夫古狗的 HCP4 便是早期案例。

-----廣告,請繼續往下閱讀-----

最後歸納一下重點。新研究釐清了狗、狼毛色與遺傳的關係:Agouti 基因的兩個調控零件搭配組合,能形成由黑到黃的深淺毛色。毛色既有的可能性中,野生狼受到環境影響;馴化狗出現以後,除了環境適應,還取決於人為的偏好。

延伸閱讀

參考資料

  1. Bannasch, D. L., Kaelin, C. B., Letko, A., Loechel, R., Hug, P., Jagannathan, V., … & Leeb, T. (2021). Dog colour patterns explained by modular promoters of ancient canid origin. Nature ecology & evolution, 1-9.
  2. Dog coat patterns have ancient origin
  3. Genetic enigma solved
  4. Bergström, A., Frantz, L., Schmidt, R., Ersmark, E., Lebrasseur, O., Girdland-Flink, L., … & Skoglund, P. (2020). Origins and genetic legacy of prehistoric dogs. Science, 370(6516), 557-564.
  5. Sinding, M. H. S., Gopalakrishnan, S., Ramos-Madrigal, J., de Manuel, M., Pitulko, V. V., Kuderna, L., … & Gilbert, M. T. P. (2020). Arctic-adapted dogs emerged at the Pleistocene–Holocene transition. Science, 368(6498), 1495-1499.
  6. Ramos-Madrigal, J., Sinding, M. H. S., Carøe, C., Mak, S. S., Niemann, J., Castruita, J. A. S., … & Gopalakrishnan, S. (2020). Genomes of Pleistocene Siberian wolves uncover multiple extinct wolf lineages. Current Biology.

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
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》。

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

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

1
1

文字

分享

0
1
1
貓咪也會學鳥叫?揭秘貓貓發出「喀喀聲」背後的可能原因
F 編_96
・2024/12/24 ・2480字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

F 編按:本文編譯自 Live Science

貓是一種神秘而又引人注目的動物,牠們看似深居簡出,但擁有多元的聲音表達:從吸引人類注意的「喵喵叫」,到面對威脅時的「嘶嘶聲」與低沉的「咆哮」。

延伸閱讀:貓咪為什麼總愛對人喵喵叫?看貓如何用聲音征服人類的心

然而,細心的貓奴們可能會注意到,貓有時會對著窗外的鳥兒或屋內小動物玩具,發出一種獨特的「卡卡聲」或「咯咯聲」。這種聲音既像牙齒打顫,又好似一陣陣輕微的顫鳴,卻很難歸類到常見的喵叫或咆哮裡。這種名為「chatter」的行為,究竟在貓的生活中扮演什麼角色?目前科學界尚未對此有定論,但有幾種廣為討論的假說,或許能為我們提供一些思考方向。

卡卡叫:情緒的釋放或表達?

有些貓行為專家推測,貓咪在看到獵物(如窗外的鳥、老鼠)卻無法接近時,會因「欲捕無法」的挫折感或興奮感,發出這種「卡卡聲」。就像人類遇到障礙時,可能會發出抱怨的咕噥聲或乾著急的嘆息聲一樣,貓咪的「喀喀聲」也可能只是把當下的情緒外顯,並非有特別針對人或其他動物的溝通目的。

  • 情緒假說
    • 挫折:當貓看見鳥兒在窗外飛舞卻無法撲殺,內心焦躁,遂用聲音抒發。
    • 興奮:或許貓在準備捕獵時也感到高度亢奮,因此嘴部不自覺抖動並出聲。
貓咪的「喀喀聲」可能源於挫折或興奮情緒,表達捕獵受阻的內在反應。圖/envato

要在科學上驗證「情緒假說」並不容易,因為需要同時測量貓咪行為和生理指標。例如,研究人員可能需要測量貓咪在卡卡叫時的壓力荷爾蒙變化,才能確認牠們究竟是帶著正面興奮,或是負面挫折的情緒。不過,由於貓的獨立特質,實驗設計往往困難重重,樣本量要足夠也不容易,所以至今沒有定論。

-----廣告,請繼續往下閱讀-----

增強嗅覺?貓咪的「第二鼻子」

另一種說法則認為,貓咪發出「卡卡聲」時,可能同時開啟了其位於口腔上顎的「犁鼻器」(vomeronasal organ),也稱作「賈氏器官(Jacobson’s organ)」。這個感知器官能捕捉一般鼻腔聞不到的化學分子,如費洛蒙或特定氣味分子,因此對貓的求偶、社交和獵捕行為都非常重要。

  • 嗅覺假說
    • 張口呼吸:如果貓咪一邊「咯咯咯」地開合上下顎,可能在嘗試讓空氣(及其中所含的氣味分子)進入犁鼻器。
    • 蒐集更多環境資訊:在確定下手前,更完整的嗅覺分析或能提高牠們獵捕成功率,或是幫助判斷環境中是否有其他潛在威脅或機會。

然而,要科學驗證「增強嗅覺假說」同樣不簡單。研究人員不僅要觀察貓咪在卡卡叫時的行為,也需要測量牠們是否真的打開了更大的氣道,並在那個同時有效使用犁鼻器。這些行為與生理測量都必須在相對可控卻又不影響貓自由行動的實驗環境中進行,實務上難度頗高。

聲音模仿:貓咪的「偽鳥叫」?

貓咪的「卡卡聲」或許是為了模仿獵物的聲音,讓獵物降低警戒。圖/envato

第三種最有趣也最具「野性色彩」的假說,是「模仿獵物聲音」。在野外,一些中南美洲的小型貓科動物(例如:長尾虎貓,又稱美洲豹貓或瑪家貓,Margay)曾被觀察到,在捕獵小猴群時,發出類似猴子叫聲的音調;有些當地原住民族群也傳說,叢林裡的某些捕食者會模仿目標獵物的聲音來誘捕。由此推測,家貓看到鳥兒時發出的「卡卡聲」,可能包含些微模仿鳥兒啁啾的元素,試圖降低獵物警戒或甚至吸引獵物靠近。

  • 模仿假說
    • 案例參考:野生貓科動物曾出現學習或偽裝聲音的紀錄。
    • 家貓可能繼承的行為:家貓的祖先——北非野貓(African wildcat)及其他小型貓科物種,是否具備聲音模仿能力?這在生物演化研究上仍是未解之謎。
    • 缺乏大規模觀察:由於小型野生貓科動物研究資料有限,且家貓實驗更不易做大樣本長期追蹤,最終導致此理論尚未獲得廣泛實證。

貓咪行為研究的挑戰:野性祖先的重要性

探討貓咪行為,常常需要回溯至野生祖先的棲地環境。家貓(Felis catus)普遍被認為源自北非野貓(Felis lybica),然而,野貓習性的研究本就不多,尤其是關於聲音與捕獵策略更是資料有限。我們想知道「為什麼家貓會卡卡叫」,首先要確定:「牠們的野性祖先或其他小型貓科,也有同樣的行為嗎?」若有,家貓則可能繼承自古老基因;若無,則可能是家貓在與人類共處的環境中演化出的新行為。

-----廣告,請繼續往下閱讀-----
如果要探查家貓「卡卡叫」的原因,還需要了解其祖先或其他小型貓科是否具有類似行為。圖/envato

再者,貓在實驗室中的「不可控」因素相當多。貓不像狗般樂於服從人類指令,常有自己的規律與個性。要在實驗情境下穩定地誘發貓的「卡卡叫」行為、同時檢測牠們的生理和心理反應,並確保每隻貓的個體差異都被考慮到,這些都對研究團隊是極大考驗。

對於許多貓奴來說,貓咪坐在窗邊,一邊盯著外頭的鳥兒或松鼠,一邊發出獨特的「卡卡聲」,是一幕既可愛又神祕的風景。究竟牠們是在抒發情緒、強化嗅覺、抑或真的在「假扮鳥叫」以誘捕獵物?目前沒有確切的答案。然而,也正因為這層未知,貓貓才更顯得迷人。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

4
1

文字

分享

0
4
1
微小 RNA,大大改變!2024 諾貝爾生醫獎揭示基因調控新篇章
PanSci_96
・2024/11/12 ・2604字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

2024 年諾貝爾生理學或醫學獎榮耀地頒發給了兩位傑出的科學家——維克多·安布羅斯(Victor Ambros)和蓋瑞·魯夫昆(Gary Ruvkun),以表彰他們對 microRNA 的發現和研究。他們的工作揭示了一種過去人類一無所知的基因調控機制,不僅顛覆了我們對生物學的理解,還為未來全新的醫療技術開啟了大門。那麼,什麼是 microRNA?它是如何被發現的?又能用來治療哪些棘手的疾病?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

microRNA 是什麼?

首先,讓我們澄清一個常見的誤解:microRN A並非我們熟知的 mRNA(信使 RNA)。microRNA,中文稱為微型核糖核酸,是一種長度僅有 20~25 個核苷酸的小型 RNA 分子。與長度動輒數百甚至數千個核苷酸的 mRNA 相比,microRNA 確實名副其實地「微」。

microRNA 本身並不會被轉譯成蛋白質,但它在基因調控中扮演著關鍵角色。它能夠與特定的 mRNA 結合,抑制或調節這些 mRNA 的轉譯,從而控制蛋白質的合成。這種調控機制被稱為「轉錄後基因調控」(post-transcriptional gene regulation),是細胞精確控制基因表達的重要方式。

它如何調控基因表現?

在細胞中,DNA 是遺傳信息的載體,但它需要通過轉錄和轉譯過程才能發揮作用。轉錄(transcription)是將 DNA 上的遺傳信息轉錄到 mRNA 上,而轉譯(translation)則是將 mRNA上的信息轉譯成蛋白質。

-----廣告,請繼續往下閱讀-----

然而,microRNA 在轉錄與轉譯之間的關鍵環節發揮了調控作用。它可以與目標 mRNA 分子結合,阻礙或抑制其轉譯過程,從而控制特定蛋白質的生成。這就像是在烹飪過程中,microRNA 扮演了一個負責調整出菜速度的協調人員,決定了哪道菜(蛋白質)應該在何時上桌(被合成)。

更有趣的是,microRNA 與 mRNA 之間並非一對一的關係。一個 microRNA 可以調控多個 mRNA,而一個 mRNA 也可能受到多個 microRNA 的影響。這種多對多的關係,使得細胞內的基因調控網絡極為複雜,但也提供了極大的靈活性,讓細胞能夠精確地適應內外環境的變化。

microRNA 的發現經過

microRNA 的發現充滿了機緣巧合。上世紀 80 年代,安布羅斯和魯夫昆對基因在不同時序活化的機制深感興趣。他們選擇了秀麗隱桿線蟲(C. elegans)作為研究對象,這種微小的線蟲體長僅 0.1 公分,但擁有肌肉、神經等多種細胞類型,且全身透明,非常適合觀察和研究。

他們發現,當線蟲的 lin-14 基因發生突變時,線蟲會跳過幼蟲的第一發育階段,直接進入第二階段,導致成蟲體型較小。而當 lin-4 基因突變時,第一發育階段會被延長,成蟲體型較大。他們推測,lin-4 可能通過抑制 lin-14 的表現來調節線蟲的發育。

-----廣告,請繼續往下閱讀-----

經過數年的研究,安布羅斯證明了 lin-4 會產生一段不編碼蛋白質的短鏈 RNA,這正是 microRNA。同時,魯夫昆發現,lin-14 的 mRNA 雖然正常轉錄,但在轉譯過程中被抑制,導致基因表達受阻。兩人的研究互相印證,揭示了 microRNA 如何通過結合目標 mRNA,控制基因的表達。

然而,這一重要發現並未立即引起廣泛關注。當時的科學界普遍認為,這種機制可能僅存在於線蟲中,對於其他生物並無意義。直到 2000 年,科學家們在多種生物中發現了類似的 microRNA,證明了這種調控機制的普遍性和重要性。

microRNA 的調控機制直到 2000 年才被證明了它的重要性。

microRNA 可以用於治療哪些疾病?

microRNA 在生物的生命歷程中扮演著重要角色,從胚胎發育、器官功能到老化過程,都與其息息相關。目前,已發現的人類 microRNA 種類可能超過 2500 種,並且這個數字還在不斷增加。

在醫學領域,microRNA 的發現為多種疾病的治療帶來了新的希望。

-----廣告,請繼續往下閱讀-----

1. 癌症治療

microRNA 與癌症的關係密切。研究發現,某些 microRNA 的異常表達可能導致細胞無限制地增殖,從而形成腫瘤。通過調節這些 microRNA 的表達,有可能抑制癌細胞的生長。目前,已有生物科技公司開始研發基於 microRNA 的抗癌療法。

2. 神經退行性疾病

在阿茲海默症、帕金森氏症等神經退行性疾病中,microRNA 也被發現參與了病理過程。調節特定的 microRNA,有望減緩疾病的進展,改善患者的生活質量。

3. 心血管疾病

microRNA 在心肌梗塞、心臟衰竭、動脈硬化等心血管疾病中也扮演著關鍵角色。通過調節相關的 microRNA,有可能促進心肌細胞的再生,恢復心臟功能。

4. 其他疾病

此外,microRNA 還與先天性聽力損失、眼科疾病、骨骼疾病、糖尿病、自身免疫疾病等多種疾病相關。研究者們正積極探索 microRNA 在這些領域的治療潛力。

-----廣告,請繼續往下閱讀-----

挑戰與未來展望

儘管 microRNA 在醫學上具有巨大潛力,但要將其應用於臨床治療,仍然面臨著諸多挑戰。

1. 脫靶效應

由於 microRNA 可以影響多個目標 mRNA,調節一個 microRNA 可能會對多個基因的表達產生影響,導致不可預測的副作用。如何提高 microRNA 療法的精準性,減少脫靶效應,是一大難題。

2. 遞送系統

microRNA 分子在體內容易被降解,如何將其穩定地運送到目標細胞或組織,是技術上的另一個挑戰。需要開發高效、安全的遞送系統,確保 microRNA 能夠發揮預期的治療效果。

3. 安全性和有效性評估

任何新的治療方法都需要經過嚴格的安全性和有效性評估。microRNA 療法需要經過大量的臨床試驗,才能最終應用於臨床。

-----廣告,請繼續往下閱讀-----

然而,這些挑戰並未阻止科學家們的熱情。隨著技術的不斷進步,我們有理由相信,microRNA 療法將在未來為人類的健康帶來重大突破。

microRNA 療法或許將在未來帶來人類醫療上的重大突破。圖/envato

結語

microRNA 的發現,不僅顛覆了我們對基因表達和調控的傳統認識,還為醫學領域帶來了革命性的變革。2024 年諾貝爾生醫獎的頒發,是對安布羅斯和魯夫昆兩位科學家傑出貢獻的最高肯定。

未來,隨著對 microRNA 研究的不斷深入,我們有望開發出更多基於 microRNA 的診斷和治療方法,為癌症、阿茲海默症、心臟衰竭等棘手疾病帶來新的希望。

如果你對生物醫學領域感興趣,或許下一個重大突破將由你來實現。microRNA 的故事告訴我們,即使是最微小的發現,也可能帶來巨大的改變。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。