0

0
0

文字

分享

0
0
0

黑紋蒼藍天牛(斯文豪氏天牛)影片

賴鵬智
・2011/08/26 ・248字 ・閱讀時間少於 1 分鐘 ・SR值 514 ・六年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

黑紋蒼藍天牛(斯文豪氏天牛)屬昆蟲綱鞘翅目天牛科,台灣特有種,廣泛分佈於全島平地至1600公尺左右的山區。

學名:Paraglenea swinhoei Bates, 1866

同種異名:Paraglenea swinhoei posticeapertaParaglenea swinhoei swinhoei,

影片與相片攝於2011年7月12日嘉義縣竹崎鄉仁壽村圓潭生態園區

下列相片由影片擷取而得:

參考資料:周文一(2004),「台灣天牛圖鑑」,貓頭鷹出版社,台北市。

原發表於 賴鵬智的野FUN特區

文章難易度
賴鵬智
45 篇文章 ・ 0 位粉絲
野FUN生態實業公司總經理

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2220 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

1

5
1

文字

分享

1
5
1
隱翅蟲的毒液生化武器,演化上如何組裝而成?
寒波_96
・2022/01/17 ・3910字 ・閱讀時間約 8 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

隱翅蟲是一群小型甲蟲的總稱;牠們以毒聞名,卻不見得都具有毒性。有些隱翅蟲會生產毒液儲存在身體裡,需要時噴射攻擊。毒液不只是嚇唬人的工具,像是跟螞蟻搶地盤這類場合,生化武器能發揮實在的優勢。

本文沒有真實隱翅蟲的圖像,閱讀時不用擔心。

隱翅蟲毒液的用途之一:攻擊螞蟻。圖/參考資料 1

隱翅蟲的毒液包含毒素和溶劑兩部分,有意思的是,兩者是獨立生產;溶劑本身沒有毒,毒素單獨存在也沒多少毒性。兩者極為依賴彼此,生產線卻是獨立運作,此一狀況是怎麼形成的?一項新研究投入大筆資源,便探討其演化過程。

「毒」加「液」才有毒液

這項研究探討的隱翅蟲叫作 Dalotia coriaria,為求簡化,本文之後稱之為「隱翅蟲」。它的毒素並非導致隱翅蟲皮膚炎的隱翅蟲素 (pederin) ,切莫混淆。

隱翅蟲的毒液發射器位於背上,體節的 A6、A7 之間,這兒有部分表皮細胞特化成儲存囊壁,並分泌脂肪酸衍生物作為溶劑。而毒素為配備苯環的化學物質 benzoquinone(苯醌),簡稱 BQ;另有一群細胞專門生產 BQ,再運送到儲存囊,和其中的脂肪酸衍生物混合後形成毒液。

生產毒素和溶劑的細胞,是兩類完全不一樣的細胞,各有不同的演化歷史。隱翅蟲的祖先,沒有毒素也沒有溶劑,兩者都可謂演化上的創新 (novelty) 。

一類細胞製毒,另一類細胞產液,兩者合作才有毒液。圖/參考資料 1

論文將生產溶劑的細胞稱為「溶劑細胞」;分析成分得知溶劑總共有 4 種,是碳數介於 10 到 12 的脂肪酸衍生物。合成脂肪酸,本來就是各種生物的必備技能,但是溶劑細胞製作的脂肪酸衍生物,原料並非一般常見的脂肪酸。

脂肪酸的合成,都是以 2 個碳的基礎材料開始,作為類似 PCR 中引子 (primer) 的角色,然後由 FAS(全名 fatty acid synthase)這類酵素一次加上 2 個碳,2、4、6、8 碳一直加上去。人類的 FAS 通常會製作長度為 16 碳的棕櫚酸,昆蟲則會造出 14、16、18 碳的最終產物。

隱翅蟲的溶劑細胞中,脂肪酸衍生物只有 10 到 12 個碳,比 FAS 一般的產物更短。奇妙的是,這兒的脂肪酸並非由 14 或 16 個碳縮短而來,而是溶劑細胞內 FAS 的最終產物直接就是 12 個碳。

隱翅蟲毒液的組成物,碳鏈長度介於 10 到 12 個碳,4 種脂肪酸加工而成的衍生物作為溶劑;3 種 BQ 作為毒素。圖/參考資料 1

改造脂肪酸合成線路,製作溶劑

要闡明其中奧妙,必需先稍微認識昆蟲的脂肪酸合成系統。昆蟲有一群特殊的脂肪酸衍生物,稱為「表皮碳氫化合物(cuticular hydrocarbon,簡稱 CHC)」,具有防止水分散失、費洛蒙等作用。

表皮碳氫化合物多半由 oenocyte 所製造(類似人類的肝細胞),在 FAS 酵素催化形成 14 到 18 個碳長的脂肪酸以後,繼續由延長酶 (elongase) 增加長度,去飽和酶 (desaturase) 加上雙鍵,最後經過兩道尾端的還原手續,分別由 FAR(全名 fatty acyl-CoA reductase)和 CYP4G(全名 cytochrome p450 family 4 subfamily G)兩類酵素執行,產生通常介於 20 到 40 個碳長的產物。

隱翅蟲溶劑細胞和 oenocyte 的脂肪酸生產線的比較,兩邊多數酵素種類是重複的,但是每一類酵素都有好幾個,兩邊各自使用的酵素不一樣。圖/參考資料 1

隱翅蟲和其他昆蟲一樣,oenocyte 細胞內有完整的表皮碳氫化合物生產線,每一步驟的酵素一應俱全。比對可知,溶劑細胞內也有一條脂肪酸衍生物的產線,顯然是由表皮碳氫化合物的生產線改版而成。

隱翅蟲至少有 4 個 FAS 基因,3 個負責製作一般的脂肪酸和表皮碳氫化合物,只有一個特定的 FAS 參與溶劑生產,專職在溶劑細胞中大量表現,製造 12 碳的脂肪酸,最後也由 FAR 和 CYP4G 收尾形成衍生物。值得一提,已知產物長度為 12 碳的 FAS 酵素相當罕見。

溶劑細胞和表皮碳氫化合物的生產線,兩者都有 FAS、FAR、CYP4G 三類酵素,但是在溶劑細胞作用的三種酵素,都不管其他細胞的脂肪酸合成。除此之外,有時候還有另一種酵素 α-esterase 的參與。依靠這些專門在溶劑細胞工作的酵素們,隱翅蟲能生成 4 種溶劑。

溶劑細胞內,4 種脂肪酸衍生物的合成過程。acetyl-CoA 作為引子,由 FAS 以 malonyl-CoA 為材料,一次加上 2 個碳,再分別經還原酶或 α-esterase 加工。圖/參考資料 1

演化上,隱翅蟲並沒有捨棄原本的脂肪酸生產線,整套都還存在;相對地,隱翅蟲在少數特定細胞新增一條產線,不影響原本的重要部門。這是隱翅蟲在遺傳和細胞層次的演化創新。

改造粒線體代謝線路,生產毒素

類似的狀況,也在毒素生產線觀察到。隱翅蟲的毒素,也是由原本有重要功能的古老生產線,調整再改版而成。

論文將生產毒素的細胞稱為「BQ 細胞」,這部分沒有溶劑細胞了解的那麼詳盡,不過經由碳的穩定同位素追蹤,還是得知毒素原料來自食物中的氨基酸:酪胺酸 (tyrosine) ,經過一系列加工後形成 BQ。

這條生產線上有個關鍵酵素叫作 laccase,它一般的功能是參與 Coenzyme Q10,也就是 ubiquinone 的合成。這是粒線體有氧代謝中的重要成分,對生存不可或缺。和其他甲蟲相比,隱翅蟲多出一個 laccase 酵素,專門在 BQ 細胞表現,將 HQ (hydroquinone) 催化成 BQ 作為毒素。

由此看來,隱翅蟲祖先演化出溶劑和毒素的道理是一樣的。

溶劑方面,以舊的表皮碳氫化合物生產線為基底,改用多個新酵素基因,形成新的生產線。毒素方面,源自古老的粒線體代謝線路,同樣加入新的酵素基因,改版後變成毒素產線。兩者各自皆為遺傳與細胞層次的新玩意,合在一起則衍生出功能上的演化創新。

由粒線體代謝線路改版而成的 BQ 毒素生產線,有一個專職生產毒素的 laccase(Dmd)酵素參與。圖/參考資料 1

組合新功能,一步一步累積有利變異

這項研究有許多潛在的討論方向,有興趣的讀者可以自行鑽研。像是生物學研究者能估計所有實驗耗資多少,感受自己的微渺(例如為了分辨不同細胞的作用,論文使用大量昂貴的「單細胞轉錄組 single cell transcriptome」進行分析)。這邊只提兩點。

第一點有趣的問題是:隱翅蟲的溶劑和毒素要同時存在才有效果,可是演化上是哪個先出現呢?論文推測是溶劑細胞先出現。

假如只有 BQ 這類毒素存在,殺傷效果非常差(論文用果蠅幼蟲做實驗),但是溶劑細胞的產物,即使不作為 BQ 的溶劑,脂肪酸衍生物也可以有其他用途,像是潤滑油之類的,或是扮演別種物質的溶劑。

想來新的脂肪酸生產線比較可能先出現,扮演某些不是太重要的角色,接著再加入 BQ;毒素加上溶劑,兩者合體產生新的強大功能,脂肪酸生產線又由於獲得新功能而調整優化,最終形成現在的樣貌。

替隱翅蟲帶來優勢的毒液,由兩個原本獨立的部門組合而成。圖/參考資料 1

第二點有趣的是,這回發現產物為 12 碳的 FAS 酵素。乍看沒什麼,影響卻很關鍵。

FAS 這類酵素的差異,在於催化生成的脂肪酸最終產物有幾個碳(或是說,可以加到幾個碳那麼長);已知幾乎皆為 14、16、18 個碳,隱翅蟲的溶劑細胞表現的 FAS 卻是 12 個碳。好像只差一點,然而實際測試發現,脂肪酸衍生物超過 13 個碳,作為 BQ 溶劑的效果便會差一大截。

也就是說,隱翅蟲倘若沒有脂肪酸產物僅 12 碳長的 FAS,儘管仍然可以生成溶劑,毒性將弱化不少。由此推想,隱翅蟲如今威力強大的毒液,並非透過少數變化一次到位,而是逐漸累積有利變異的結果。

想得更遠一點,由兩種細胞合作衍生而成的毒液,可以視為由多種細胞合夥,複雜器官的最簡單版本。原本不相關的各式細胞們,持續累積一個一個微小的改變,也有機會組合發展成複雜的組織或器官。

延伸閱讀

參考資料

  1. Evolutionary assembly of cooperating cell types in an animal chemical defense system.
  2. A beetle chemical defense gland offers clues about how complex organs evolve

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 1
寒波_96
175 篇文章 ・ 677 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

10
0

文字

分享

0
10
0
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)
蕭昀_96
・2021/10/08 ・2539字 ・閱讀時間約 5 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

特產於澳洲的刺葉樹和刺葉樹象鼻蟲

刺葉樹(Xanthorrhoea; grasstrees)是僅分布於澳洲的特有植物,木質莖幹頂上有一圈又細又長的葉子,開花季時會從頂上長出一根細細長長的花柄,常被利用為園林造景植物,澳洲原住民傳統上也會利用刺葉樹的樹脂於器具製作和容器修補。

刺葉樹是澳大利亞特有的植物。攝 / Hermes E. Escalona

刺葉樹象鼻蟲(Paratranes是體態呈長橢圓形而扁平的黑色象鼻蟲,和刺葉樹有著相存相依的伴生關係,更是僅僅分布於澳洲的獨特昆蟲。

在我們最新發表的分類學研究論文中[2],我們確認了本屬有兩個物種,分別為長細刺葉樹象鼻蟲(Paratranes monopticus (Pascoe, 1870)) 和一個全新物種——齊氏刺葉樹象鼻蟲(Paratranes zimmermani Hsiao & Oberprieler, 2021),這個新物種紀念來已故的澳洲象鼻蟲分類學家埃爾伍德.齊默爾曼(Elwood Zimmerman)以彰顯這位極具貢獻的分類學者。

刺葉樹象鼻蟲 (Paratranes) 是僅分布於澳洲的獨特象鼻蟲:A-B. 長細刺葉樹象鼻蟲 (Paratranes monopticus (Pascoe, 1870)); C-D. 齊氏刺葉樹象鼻蟲 (Paratranes zimmermani Hsiao & Oberprieler, 2021)。 圖/參考資料 2
刺葉樹象鼻蟲和刺葉樹有著依存的伴生關係,圖為齊氏刺葉樹象鼻蟲 (Paratranes zimmermani Hsiao & Oberprieler, 2021)。 圖/參考資料 2

不是新發現,是前人搞錯了!

不過這次的研究並非是在田野調查中找到了新物種,而是過往研究中,出現了把不同物種當作同一物種的狀況。

1898 年,亞瑟.米爾斯.李(Arthur Mills Lea)描述了一種外型與長細刺葉樹象鼻蟲極為相似的物種 Tranes xanthorrhoeae Lea, 1898

我們重新比對李在 1898 年發表的科學文獻與模式標本,發現在原始文獻中,並未指定正模式標本(Holotype),而文獻中引用的不同物種的複數標本,全被視為同一種物種的群模式標本(Syntypes)。

模式標本是什麼?

分類學家除了形態分類鑑定外,「維穩生物的學名分類系統」也是相當重要的任務。為了避免相同物種被重複命名,或是不同的物種被當作同一種,分類學家會用實體標本來說明特定物種的特徵,這些標本統稱為「模式標本(Type specimens)」

在分類學中,模式標本作為物種發表時的實體存證,是回顧前人描述的物種,重新對其物種假說地位進行檢視的客觀證據。

具有權威性的模式標本,或稱為「具(載)名模式標本(Name-bearing type)」有三類,分別為「正模式標本(Holotype)」、「群(總)模式標本(Syntype)」和「選模式標本(Lectotype)」

其中,群模式標本是研究者描述一個物種時,指定多個標本來代表該物種,而每具標本皆能定義該物種,但這產生了一個問題,在群模式標本中,不小心混入其他物種該怎麼辦呢?

為了避免這個狀況,生物分類命名規約規定,後人學者可重新指定這些群模式標本中的其中一隻,作為代表該物種定義的唯一模式標本,這個被再次選出來的模式標本,就叫「選模式標本」。

作者正在研究昆蟲的模式標本。 圖/作者提供

一般來說,若群模式標本都是同一物種的話,並不需要特別挑選選模式標本(Lectotype)。但李用來引證 Tranes xanthorrhoeae Lea, 1898 的群模式標本中,混合了兩個物種,分別是長細刺葉樹象鼻蟲,以及被李誤認為是 Tranes xanthorrhoeae Lea, 1898 雌性個體的新物種,也就是後來被我們新分類出來的齊氏刺葉樹象鼻蟲,而面對這種情況,就必須特別思考該用哪一個物種當作選模式標本。

分類學家的決策過程

選模式標本的選擇,並不只是為物種選擇正確的模式標本這麼簡單。以李的情況為例,背後就牽扯到 Tranes xanthorrhoeae Lea, 1898 這個學名最後會代表什麼物種,以及李是否發現了新物種。

就李的狀況,分類學家會有以下兩種做法:

  • 方案一:若指定了長細刺葉樹象鼻蟲為選模式標本,也代表李當初沒有發現新物種,新物種只是不小心混入群模式標本中,而 Tranes xanthorrhoeae Lea, 1898 這個學名,就會等同於長細刺葉樹象鼻蟲,由於 Tranes xanthorrhoeae Lea, 1898 的出現時間晚於長細刺葉樹象鼻蟲,因此它將成為細刺葉樹象鼻蟲的同物異名 (Synonym),而另一個新物種需要重新命名(這也是我們最終選擇的方案)。
  • 方案二:如果選擇新物種為選模式標本,也代表李當初確實發現了新物種,只是群模式標本中混入了長細刺葉樹象鼻蟲,這時 Tranes xanthorrhoeae Lea, 1898 的意義,將變成與長細刺葉樹象鼻蟲相異的新物種,Tranes xanthorrhoeae Lea, 1898 就會變成新物種的有效學名,我們也不需要再另外描述命名一個新種了。

那麼作為一個專業的分類學家,我們應當選哪個方案呢?

在參考李對 Tranes xanthorrhoeae Lea, 1898 的原始描述後,我們發現李在形態描述,大部分只有長細刺葉樹象鼻蟲的形態,而新物種的描述卻是寥寥數語,因此我們選擇了方案一,認為李並沒有發現新物種。

除了發現、描述未知的生物多樣性,分類學家更應回顧過去前人所做的研究,考據、檢視過往的文獻以及模式標本以檢驗物種假說,並作出合理的決策處置。這個研究成果也再次將澳洲的象鼻蟲分類學往前推進了一步。

  • 本論文日前已經線上刊載於《歐洲分類學期刊 European Journal of Taxonomy》
  • 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。

參考資料

  1. Lea A.M. (1898) Descriptions of new species of Australian Coleoptera. Part V. Proceedings of the Linnean Society of New South Wales 23: 521-645.
  2. Hsiao, Y. & Oberprieler, R.G. (2021). A review of Paratranes Zimmerman, 1994, Xanthorrhoea-associated weevils of the Tranes group (Coleoptera, Curculionidae, Molytinae), with description of a new species. European Journal of Taxonomy 767, 117-141. https://doi.org/10.5852/ejt.2021.767.1493
蕭昀_96
21 篇文章 ・ 12 位粉絲
澳洲國立大學生物學研究院和聯邦科學與工業研究組織─澳洲國立昆蟲標本館聯合培養博士生,國立臺灣大學昆蟲學系學士,中研院臺灣生命大百科(TaiEOL)編輯人員、泛科學專欄作者,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 。因為攻讀博士所以持續焦慮中。