關於我們臉上的小生物，你不知道的三件事

• 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？

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。

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：

• 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

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？

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。

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？

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?

（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）或。

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。

• 作者 / 梅林．謝德瑞克
• 譯者 / 周沛郁

我們目前還不清楚菌根關係最初是怎麼形成的。有些人大膽提出，最初的相遇溼黏而沒有條理──藻類被沖上泥濘的湖岸和河岸，而真菌在這些藻類體內尋找食物和庇護。有些則主張，藻類來到陸地時，體內已經帶著真菌夥伴了。里茲大學（University of Leeds）教授凱蒂．菲爾德（Katie Field）解釋，不論如何，「它們很快就變得依賴彼此」。

菲爾德是一位傑出的實驗者，投入多年的時間研究現存最古老的植物支系。菲爾德用生長箱模擬遠古的氣候，並用放射性示蹤劑，測量生長箱裡真菌和植物之間的交換作用。真菌與植物的共生方式提供了線索，讓我們了解植物和真菌遷移到陸地的最早階段是怎麼互動的。化石也讓我們一瞥這些早期的聯盟。最精細的樣本來自大約四億年前，含有明確的菌根菌痕跡──羽狀瓣和今日一模一樣。菲爾德讚歎道：「你可看到真菌居然就長在植物細胞裡。」

最早的植物幾乎只是一坨綠色組織，沒有根或其他特化的結構。而這些植物逐漸演化出粗糙的肉質器官來容納真菌同伴，真菌則搜尋土壤中的養分和水。最初的根演化出來時，菌根關係已經存在五千萬年了。菌根菌是陸地上後續所有生命的根源。菌根（mycorrhiza）這個詞真是取得好。根（rhiza）隨著真菌（mykes）存在於世。

數億年後的今天，植物演化出更細、生長更快、更能見機行事的根，這些根表現更像真菌。不過即使是這些根，探索土壤的表現也無法超越真菌。菌根的菌絲比最細的根細了五十倍，長度可以超越植物根部達一百倍，比植物根部更早出現在植物上，延伸到根系之外。有些研究者更進一步。我的一位大學教授向一班吃驚的學生吐露：「植物其實沒有根，只有真菌根，也就是菌根。」

菌根菌太多產，菌絲體占土壤中活生物量的二分之一到三分之一。根本是天文數字。全球土壤表層十公分之中，菌根菌絲的總長度大約是我們銀河系寬度的一半（菌絲長 4.5 × 10¹⁷ 公里，銀河系寬度 9.5 × 10¹⁷ 公里）。如果把這些菌絲熨成一片，總表面積是地球上乾燥土地面積的二點五倍。然而，真菌不會停滯不動。菌根菌絲迅速死去、再度生長（一年十到六十次），一百萬年後，累積的長度會超過已知宇宙的直徑（菌絲長 4.8 × 10¹⁰ 光年，已知宇宙直徑是 9.1 × 10⁹ 光年）。菌根菌已經存在了大約五億年之久，而且不限於土壤表層十公分的地方，所以這些數字顯然低估了。

植物和菌根菌在彼此的關係中產生一種極化現象──植物的莖處理光與空氣，真菌和植物的根則處理周圍的土壤。植物把光和二氧化碳打包成醣類和脂質。菌根菌則把固著在岩石裡的養分拆開，分解物質。這些是真菌在雙重棲位下的情況──真菌一部分的生命發生在植物體內，一部分在土壤中。菌根菌駐紮在碳進入陸生生命循環的入口，牽起大氣和土地的關係。時至今日，菌根菌就像擠進植物葉和莖裡的共生真菌，會幫助植物應付乾旱、炎熱和其他許多陸地生命一開始就有的逆境。我們稱為「植物」的，其實是演化成來栽培藻類的真菌，以及也演化來栽培真菌的藻類。

——本文摘自《真菌微宇宙：看生態煉金師如何驅動世界、推展生命，連結地球萬物》，2021 年 8 月，果力文化。

人體內外住著許多微生物，腸道、皮膚、生殖器官、口腔等部位有不少微生物與人共生，可謂小小生態系。這些迷你生物們種類繁多，多半無法人為培養，從前難以研究。

受惠於科技進步，如今可以直接定序樣本中所有 DNA，拼湊不同生物的基因組。因此即使是無法培養、甚至是前所未知的微生物，都有機會被新的辦法找到。

同樣概念也能用於古時候的樣本，了解古代的共生微生物。最近有 2 篇論文發表，分別探討和古代人類共生的口腔與腸道菌。

從牙結石獲得古代口腔微生物

研究古人口腔中的微生物，比研究皮膚、腸道等其他部位容易。這是因為軟組織很難保存，即使有軟組織，除了冰人奧茲等罕見案例之外，裡頭的微生物也很難留下蹤影；相較之下，口腔中的各種成分卻常常會進入牙結石，和牙齒一同遺留至今。

過往曾有一些古代智人牙結石的研究問世，而距今數萬年之久的尼安德塔人，也有過幾件樣本發表。

這次的兩篇新論文，除了 15 個已知樣本之外，又獲得 109 個新的牙結石；這總共 124 件的樣本，分別來自美洲的吼猴，非洲的大猩猩、黑猩猩，數萬年前的尼安德塔人和智人，以及更近期的智人。^{[1, 2]}

各種靈長類動物之間，有些共通的微生物款式，由此可以推論，某些微生物，與靈長類應該有著長期的共生關係，也許超過千萬年。口腔中的微生物，主要有鏈球菌屬（Streptococcus）、放線菌屬（Actinomyces）、細梭菌屬（Fusobacterium）、棒狀桿菌屬（Corynebacterium）幾大類。

研究微生物常常碰到的困難是，近親彼此間變化太多，也有很多不知道的款式。這回由人類牙結石取得的口腔微生物們，根據遺傳差異總共可以歸類為 27 個屬（genus）的層級，可是其中 3 群竟然連名字都沒有。

也就是說，儘管它們曾經是人類口中主要的微生物，整個屬卻都沒有已知的資訊。對於共生微生物，還有太多未知之處。

歐洲智人與尼安德塔人，口腔共享微生物？

這回獲得年代最早的樣本，是距今約 10 萬年的尼安德塔人，來自東歐的塞爾維亞 Pešturina 遺址，其餘數萬年前的尼安德塔人，則位於西班牙、比利時、義大利。

有趣的是，早於 1.4 萬年前的歐洲智人，和更早的尼安德塔人有類似的口腔微生物組成；晚於 1.4 萬年的歐洲智人卻明顯不同，接近後來的智人。已經知道距今 1.4 萬年過後有不少移民進入歐洲。看來狀況是：不同人群，也攜帶不同的口腔微生物。

歐洲較早智人的口腔微生物，和尼安德塔人有直接關係嗎？口腔微生物的形成和寶寶的照顧者有關，研究者因此推論，當初進入歐洲見到尼安德塔人的智人，雙方有過小孩，也獲得了尼安德塔人的口腔微生物。^[3]

問題是，上述推論不符合已知證據。智人繼承的尼安德塔人 DNA 皆來自超過 5 萬年前，非洲外族群尚未分家以前的階段。超過 4 萬年前進入歐洲的智人，確實見過尼安德塔人，有些人還有過更多遺傳交流；但是他們後來都滅團了，和更晚的歐洲智人沒有直接關係。^{[4, 5]}

• 延伸閱讀：最初移民歐洲的智人，與尼安德塔人情慾交流，但是後來滅團

與尼安德塔人擁有類似口腔微生物，距今 1.4 到 3 萬多年前的歐洲智人，非常可能是在尼安德塔人消失以後才進入歐洲，其實沒有見面的機會。雙方的口腔微生物之所以相似，我想並非來自直接交流，而是另有原因。

即使沒有農業，智人與尼安德塔人都吃很多澱粉？

另一項值得一提的發現是，尼安德塔人與智人的口腔，都存在不少會消化澱粉的鏈球菌型號。如果飲食中沒什麼澱粉，這類微生物不太可能這麼豐富；由此推論，尚未發明農業的智人，甚至是尼安德塔人，或許平時都攝取不少澱粉。

古今的智人飲食可謂千變萬化，即使沒有米、麥、玉米等農作物，不依賴農業，光憑採集塊根、塊莖、果果等食物，也能獲得大量澱粉。

至於尼安德塔人吃什麼，目前了解仍很有限。有些研究認為尼安德塔人主要吃肉，尤其是大型植食動物的肉。這回提出的大量澱粉，仍是需要驗證的論點。

• 延伸閱讀：短篇 尼安德塔人，主要吃肉肉

我個人的想法是，即使沒有農業，仰賴所謂的採集、狩獵、漁業，不同時空的智人飲食也差異很大，尼安德塔人或許也是如此。有些吃肉當主食，有些大量攝取澱粉，搞不好更接近實際狀況。至今取樣非常有限下，難以評估尼安德塔人的飲食多元性。

一千多年前美洲古人的腸道菌

住在腸道的微生物們會影響消化、免疫等功能，近年來知名度大增，可能連榕樹下的阿伯都知道。

近日發表的另一項研究，獲得了距今 1000 到 2000 年前，幾位美洲古人的腸道菌。取樣腸道菌通常不會深入腸道，而是由糞便採樣。新研究也是如此，稀有的樣本來自美國西南部 3 處遺址的糞便化石。^{[6, 7, 8, 9, 10]}

研究者嘗試 15 個樣本，成功 8 個，定序當中所有 DNA 後，總共拼湊出 498 種細菌的基因組。這兒想要探索的對象是「古代」「腸道菌」，排除疑似非古代的樣本後剩下 209 個，其中只有 181 種源自腸道，最有機會真的是古代人的腸道菌。

微生物數量多、突變多，品系差異千變萬化，大部分不在人類的認知內；這類研究方法又是靠拼湊 DNA 推測，沒有獲得完整的真正細菌。因此這兒的「種」和一般講的物種不太ㄧ樣，指的是 species-level genome bin，簡稱 SGB。為求方便，本文直接寫成種。

181 種古代腸道菌中有 39%，也就是 61 種之前沒有見過。它們或許已經消失，或是古代美國西南部獨特的款式。探索古代微生物時，發現未知的微生物算是常態。

呼應人類大歷史的腸道共生關係

古代和 789 位現代人相比，大部分腸道菌種類還是共通的，不過遺傳上有點出入。古代樣本拼湊出 2 款 Methanobrevibacter smithii，中文姑且稱之為「史密斯甲烷短桿菌」。甲烷短桿菌常常在腸道發現，它們不是細菌，是古生菌（archaea，也叫作太古生物）。

超過一千年的 2 款史密斯甲烷短桿菌，遺傳上彼此最相似，落在現代樣本的 DNA 變異之內。估計所有這類古生菌共同祖先的年代，介於距今 5.1 到 12.8 萬年之間，平均 8.5 萬年前。似乎是智人祖先離開非洲時，裝在肚子裡，一起帶著走的腸道菌之一。

有意思的是，美洲古代古生菌和最近同類分家的年代，介於距今 1.6 到 4 萬年之間，平均 2.7 萬年前。倘若估計正確，大概落在智人移民美洲，與亞洲漸漸分家的年代範圍。

這些與人共生的微生物，也隱藏著遷徙移民史的線索。

尚未工業化，沒有抗生素的年代

生活環境、日常飲食，都是影響腸道菌組成的主要原因。和 789 位現代人相比，古人的腸道菌較接近非工業化社會的人，和工業化社會的人差異很明顯，符合預期。

基因層次上，工業化社會現代人的腸道菌，有比較多分解聚糖（glycan）的基因（endo-4-O-sulfatase、SusD-like protein）。

相對地，古人和非工業化現代人的腸道菌，則有較多分解澱粉、肝糖（glycogen）的基因（carbohydrate-active enzyme，簡稱 CAZyme）；另外它們的可動遺傳因子也比較多（mobile genetic element，例如轉座子），也許在變動的環境下，有助於增加適應力。

但是不論工業化或非工業化社會的現代人，腸道菌配備對抗抗生素的基因，都明顯比古人更多。讓我們一瞥抗生素廣泛使用後，對腸道菌的影響。

上述兩項研究，不管論點有無道理，樣本都相當難得，肯定是酷炫的研究！

延伸閱讀

• 短篇 由尼安德塔人牙結石獲取DNA，研究飲食習慣
• 短篇 尼安德塔人，主要吃肉肉
• 短篇 北美洲最早被吃掉的野生馬鈴薯，在一萬多年前的猶他
• 沒有化石沒關係，從泥土也能取得尼安德塔人DNA！
• 比維京人更古老的北歐天花，也許不如後來致命？傳染病的演化史
• 最初移民歐洲的智人，與尼安德塔人情慾交流，但是後來滅團
• 歐洲最早的智人時尚 Runway 在哪裡？在4.6萬年前的保加利亞啦
• 超過4.5萬年捷克金馬小姐，最古早已知智人DNA
• 反映古早人遷徙的胃幽門螺旋桿菌
• 美洲考古懶人包，Make America Great Again!
• 十年養一菌！普羅米修斯古生菌，加入洛基、索爾的阿斯嘉殿堂

參考資料

1. Yates, J. A. F., Velsko, I. M., Aron, F., Posth, C., Hofman, C. A., Austin, R. M., … & Warinner, C. (2021). The evolution and changing ecology of the African hominid oral microbiome Proceedings of the National Academy of Sciences, 118(20).
2. Turns out developing a taste for carbs wasn’t a bad thing
3. The surprising evolutionary history of our oral bacteria
4. Hajdinjak, M., Mafessoni, F., Skov, L., Vernot, B., Hübner, A., Fu, Q., … & Pääbo, S. (2021). Initial Upper Palaeolithic humans in Europe had recent Neanderthal ancestry. Nature, 592(7853), 253-257.
5. Prüfer, K., Posth, C., Yu, H., Stoessel, A., Spyrou, M. A., Deviese, T., … & Krause, J. (2021). A genome sequence from a modern human skull over 45,000 years old from Zlatý kůň in Czechia. Nature Ecology & Evolution, 1-6.
6. Wibowo, M. C., Yang, Z., Borry, M., Hübner, A., Huang, K. D., Tierney, B. T., … & Kostic, A. D. (2021). Reconstruction of ancient microbial genomes from the human gut. Nature, 1-6.
7. Ancient human faeces reveal gut microbes of the past
8. Ancient gut microbiomes may offer clues to modern diseases
9. Research reveals ancient people had more diverse gut microorganisms
10. Piles of ancient poop reveal ‘extinction event’ in human gut bacteria

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。