Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

生理時鐘在頭髮裡打卡

陸子鈞
・2011/05/03 ・705字 ・閱讀時間約 1 分鐘 ・SR值 496 ・六年級

-----廣告,請繼續往下閱讀-----

開夜車或者夜貓子可能會在頭髮中留下記號。研究人員發現,毛囊具有設定我們睡眠習慣的生物時鐘訊號,有朝一日,能幫助我們追蹤睡眠失調患者,或增進日夜顛倒工作者的健康。

科學家一度認為,生理時鐘只存在腦中。但在1990年代末期,找到人類生物時鐘基因後,科學家在人體所有的組織中,都能發現該基因的表現。在老鼠的研究中,更確定這些基因和體重上升,甚至是施用大麻後的「無時間感」有關。但這些研究很難在人體上進行,因為分析這些基因,需要透過侵入式的方法,像是一天之中抽取多次血液樣本,或是割取一片厚皮膚。

日本山口大學的誠明石和他的同事找尋一個較簡單的方法來確定時鐘基因的活性。他們轉向拔下來的毛髮,包括頭髮和鬍子,這些毛髮有很多細胞的毛囊。當研究人員在受測者清醒和警覺時,萃取RNA,偵測到時鐘基因表現高峰,且這高峰最早在受測者早上醒來時出現。

接下來,研究團隊擾亂健康受測者的睡眠週期,他們要受測者在三週內,越來越晚睡,並在醒來後,照射半小時的強光,模擬陽光。當受測者較平常習慣晚四小時醒來時,毛囊裡的時鐘基因活性高峰也跟著延遲,但大約只遲了2.5小時。

研究團隊在輪班的工作者身上,也發現了類似的情況。這些工作者在早上六點到下午三點間工作一週,下一週則換成下午三點工作到午夜,然後再換成第一週的工作時段。時鐘基因在這樣的輪班工作者身上,呈現了5小時延遲的現象,顯示三週的循環,並不足以讓生理時鐘調整去適應新的工作時段。

-----廣告,請繼續往下閱讀-----

資料來源:ScienceNow: Hair Follicles Track the Body’s Clock [23 August 2010]

-----廣告,請繼續往下閱讀-----
文章難易度
陸子鈞
294 篇文章 ・ 4 位粉絲
Z編|台灣大學昆蟲所畢業,興趣廣泛,自認和貓一樣兼具宅氣和無窮的好奇心。喜歡在早上喝咖啡配RSS,克制不了跟別人分享生物故事的衝動,就連吃飯也會忍不住將桌上的食物作生物分類。

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。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

3
1

文字

分享

0
3
1
為什麼人類有頭髮?人類是如何從毛怪演變成現在的樣子?——《有點噁的科學》
時報出版_96
・2023/09/23 ・1579字 ・閱讀時間約 3 分鐘

哺乳動物的毛髮功能

所有哺乳動物都有毛髮(即使是醜得離譜的裸鼴鼠也有幾根陰毛),或多或少罷了,不過人類算是其中毛髮最少的。毛髮的主要功能是為我們的祖先們保暖,人全身約有五百萬根毛髮,其中大部分每天生長約○.四公釐(○.○二英寸)。這毛髮量聽起來好像很多,但與海狸上百億的毛髮和灰蝶的一千億根毛相比,這個數字就顯得微不足道了。

毛髮的主要功能是為我們的祖先們保暖,人全身約有五百萬根毛髮。圖/pexels

人類在演化過程中捨棄掉如此多毛髮,這在靈長類動物中絕無僅有,發生的原因目前尚不清楚。基因中有跡象顯示,我們約在一百七十萬年前就不再努力長毛了。

人類捨棄掉這麼多毛髮的原因

人類的體毛生長可能已轉化為青春期後的第二性徵,當我們準備好生育時才會出現。有個有趣的觀點是這樣的,人類毛髮脫落是因為跳蚤等體外寄生蟲作祟。

當人類的社群性格發展得更加明顯,群聚生活變得更緊密,跳蚤和蝨子的問題會變得更令人在意──將容易窩藏寄生蟲的毛髮削減掉,可避免牠們大批繁殖侵擾而造成破壞。

-----廣告,請繼續往下閱讀-----

另外有個理論認為,人類學會用火之後,濃密的毛髮可能就成了一種負擔──毛髮稀疏的人引火自焚的機率比較小──但這個說法有點站不住腳。

人類的體毛生長可能已轉化為青春期後的第二性徵,當我們準備好生育時才會出現。圖/pexels

你閱讀本節時或許已經發現,我們對毛髮的了解遠不及我們所未知的。為什麼有些人頭髮是捲的,有些是直的,為什麼我們有頭皮屑,為什麼陰毛如此粗硬,這些都是待解的科學謎團。

一步一步解開毛髮的謎底

雖然如此,但基本生物學原理套用到所有毛髮上都還是說得通的。毛髮從深陷皮膚的毛囊中發芽,細胞在那裡分裂和繁殖,將毛髮從真皮乳突中擠出,有點像擠牙膏。你的頭髮在夏天長得比冬天時更快,毛髮的學術名稱為複層鱗狀角質化上皮(stratified squamous keratinized epithelium)。

複層意味著它是一層又一層細絲拼排而成,鱗狀表示它表面的細胞扁平,角質化上皮是一種由角蛋白組成的動物組織,角蛋白是相當特殊的纖維蛋白,許多堅韌而靈活的動物身體部位都由這種基礎材質構成,包括頭髮、指甲、爪子和蹄子。

-----廣告,請繼續往下閱讀-----
毛髮有許多待解的科學謎團。圖/pexels

毛髮實際上已經死了,裡面沒有生化活動,但讓我們截取一根髮絲的橫切面來看看。它由三個主要的同心環組成:位於中心的是柔軟細緻、相對無明顯結構的髓質。

包圍它的是皮質,皮質為毛髮提供堅韌強度和支撐結構,並賦予其顏色(取決於黑色素含量)。然後是角質層外殼,其表面覆蓋著一層油性防水脂肪,只有薄薄的一個分子那麼厚。

毛髮的生長週期可謂絢爛又奇特,可分成三個發育階段,你身上的每根毛必定處於其中之一:較長的毛髮生長期;較短的衰退分解階段,此時毛囊收縮;以及休止期,此時原本的毛髮脫落,新的毛髮開始生長。

註解

  • 裸鼴鼠是哺乳類動物中唯一的溫度順應者(thermoconformer),牠們與昆蟲一樣,實際上是冷血動物,不必為調節體溫的事操心。

——本文摘自《有點噁的科學:尷尬又失控的生理現象》,2023 年 8 月,時報出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
時報出版_96
174 篇文章 ・ 35 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。

1

4
3

文字

分享

1
4
3
貝多芬頭髮保存 DNA,讓台灣人肝同身受
寒波_96
・2023/04/26 ・2722字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

貝多芬,是歷史上最知名的音樂家之一。2023 年問世的論文報告貝多芬的基因組,得知他有肝硬化的遺傳高風險,另外還感染 B 型肝炎病毒,令台灣人肝同身受。

符合一般人心目中貝多芬形象的畫像。圖/GL Archive/Alamy

貝多芬留下很多頭髮,哪些是真的?

貝多芬在公元 1770 年 12 月 16 日出生,1827 年 3 月 26 日去世。他在生前就非常知名,去世後名聲歷久不衰,相關研究很多,這項研究從遺傳學切入,獲得寶貴的新觀點。

貝多芬去世後留下一些遺物,但是不見得是真品。這項研究由 8 份獨立收藏的頭髮抽取 DNA,據說源自貝多芬不同年紀留下的頭髮。

8 份樣本,有 1 份「Kessler」的 DNA 含量不足,其餘 7 份足夠分析。5 份長期由不同人保存,遺傳訊息卻完全一致,應該就是貝多芬本人的。其餘 2 份看來分屬沒有關係的 2 個人,顯然不是貝多芬的頭毛。

-----廣告,請繼續往下閱讀-----
很可能來自貝多芬的 5 份頭髮。圖/參考資料1

值得一提的是,「Hiller」頭毛之前檢驗出重金屬,有人藉此提出貝多芬去世前健康惡化,和重金屬中毒有關。但是這回得知這根本不是貝多芬的頭髮,推翻此一論點。

貝多芬的Y染色體,有點謎

從 5 個獨立來源獲得的古代 DNA,能拼湊出完整的基因組,覆蓋率高達 24。遺傳上看來是一位歐洲中部的男生,血緣上沒有特殊之處。Y 染色體型號為 I1a-Z139,也是歐洲的常見型號。

由不同頭髮中取樣拼湊而成的基因組,幾乎可以確認來自貝多芬本人。然而,和貝多芬家族如今的親戚比對,Y 染色體卻不一樣。

貝多芬整個基因組看來,與如今歐洲中部的人群最相似。圖/參考資料1

音樂家貝多芬在 1770 年出生,名字為 Ludwig van Beethoven。歷史可考有一位 1535 年出生、1609 年去世的祖先 Aert van Beethoven,比他更早好幾代,並且有男性後裔流傳至今。

-----廣告,請繼續往下閱讀-----

歐洲的姓是父系傳承,Y 染色體也是;所以同姓的人 Y 染色體應該類似,只有歷代突變累積的少數差異。然而比對發現,如今五位貝多芬的 Y 染色體皆為 R-FT446200,和音樂家貝多芬不同。

如果歷史記載正確,這五位應該都是 Aert 的直系後裔。論文推測,從 Aert 到音樂家貝多芬的兩百多年間,或許發生過某些缺乏紀錄的事。

另一方面,貝多芬類似款式的 Y 染色體,如今依然存在,而且在歐洲人資料庫中可以搜尋到 5 款,估計共同祖先能追溯到一千年前。奇妙的是,五群人的姓氏都不一樣,而且都沒有人姓貝多芬。

如今姓貝多芬的人,Y 染色體都和音樂家貝多芬不一樣。Y 染色體和音樂家貝多芬一樣的人,都不姓貝多芬。圖/參考資料1

爆肝的遺傳風險

有很明確的記載指出,貝多芬 56 歲去世前便長期健康欠佳,有腸道和肝的毛病。另外聽力問題也很出名,身為史上一流音樂家,貝多芬的聽覺竟然從 20 多歲起逐漸退化,去世前聽力極差,原因成謎。

-----廣告,請繼續往下閱讀-----

這些問題和遺傳有關嗎?人類遺傳學研究已經找到不少與疾病、健康有關的風險因子,檢查發現,聽力與腸道方面的毛病,貝多芬沒有配備哪些 DNA 變異明顯有關,後天因素的影響也許更大。

貝多芬的肝實際上大有問題,遺傳上看來,幾處基因上也具備高風險的變異。純以 DNA 來說有酗酒傾向,而他晚年確實會酗酒。

不過風險最明確的是 PNPLA3 基因,貝多芬在此基因 rs738409 位置,配備的一對變異與「肝硬化」高度相關,也就是先天上,肝硬化的機率更高。

貝多芬去世前留下的「Stumpff」頭髮,其中存在 B 型肝炎病毒的 DNA 片段。頭毛中竟然可以抓到 B 型肝炎病毒,奇怪的知識增加惹!圖/參考資料1

最終命運:肝硬化×酗酒×B型肝炎?

另一很難想像的發現是,貝多芬去世前不久留下的「Stumpff」頭髮中,偵測到 B 型肝炎病毒的 DNA 片段。

-----廣告,請繼續往下閱讀-----

儘管出乎意料,最近確實有研究報告,在病患的頭髮中檢驗到 B 肝病毒。因此頭髮中的病毒 DNA 或許不是後人汙染,而真的是曾經感染貝多芬的病毒。

B 肝病毒有很多款,貝多芬感染的型號是歐洲常見款式 D2。他在 1827 年 3 月去世,留下這些頭髮的日期則早於 1826 年冬天,由此可知去世前幾個月,貝多芬正在感染 B 型肝炎。

即使體內有 B 肝病毒,也不見得能在頭髮中偵測到,所以更早留下的頭髮中沒有病毒,不等於他當時沒有感染。貝多芬也有可能是長期感染的慢性帶原者。

無人不知的貝多芬,我們懷念他。圖/小賈斯汀 VS 貝多芬 – 經典饒舌爭霸戰 #6(正體中文)

貝多芬中年起健康明顯走下坡,去世前幾年或許同時受到肝硬化、酗酒、B 型肝炎的夾擊,才會導致嚴重的肝病問題。

-----廣告,請繼續往下閱讀-----

歷史記載 1826 年 12 月時,貝多芬出現黃疸、四肢腫脹,很像肝功能衰竭的症狀。他就此臥床,直到長眠。

貝多芬,我們懷念他。大家也要注意健康,小心肝。

延伸閱讀

參考資料

  1. Begg, T. J. A., Schmidt, A., Kocher, A., Larmuseau, M. H., Runfeldt, G., Maier, P. A., … & Krause, J. (2023). Genomic analyses of hair from Ludwig van Beethoven. Current Biology.
  2. Beethoven’s cause of death revealed from locks of hair

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》。