AI不能“取代”医生给我们看病,这并不是因为AI不够强大

本文来自果壳网,地址在这里,未经许可不得进行商业转载

约翰霍普金斯医学院的娜塔莉·特拉雅诺娃(Natalie Trayanova)教授,刚刚度过了魔鬼一般的一年。

在外人看来,她的科研道路仿佛是一帆风顺。她带领的心血管造影技术团队拿着来自美国国立卫生研究院(NIH)的研究基金,过去三年光论文就发表了50多篇;她的项目还频频在媒体上曝光,她本人甚至被邀请到TED Talk上做演讲。然而,当她着手将这套“领域内前所未有的解决方案”向临床应用推进的时候,却遭遇了前所未有的困难。

Your Personal Virtual Heart | Natalia Trayanova | TEDxJHU

Your Personal Virtual Heart | Natalia Trayanova | TEDxJHU

她的方案在临床上的首要任务是治疗心颤。所谓心颤,指的是心脏不再有规律地按照周期跳动,而是无规律地快速“颤抖”;轻度的心颤有时本人都感觉不到,但严重的心颤可以让在几分钟内夺人性命。你可能在商场、路边或者影视作品里见过仪器装在红色盒子里,上面写着“AED”三个大字,还可能有红色的心形和闪电标记,这就是自动化的电除颤仪,依靠放电的办法结束心颤。这样的设备已经拯救了很多心脏病突然发作的人。

不过等到心颤发生再采取除颤,还是稍微有点晚。医学研究者开发出了一种心脏除颤手术,找到那些引发心律不齐的微小心肌纤维,把它们切除,从而根本上解决问题。麻烦的是,这些微小心肌纤维很难找,很大程度都靠医生经验,经常切不准地方还会误伤正常的部分。

特拉雅诺娃实验室就开发了一套结合了影像和人工智能的心脏造影方案,构建出全息3D的心脏模型,重建每一束心肌纤维、模拟心脏动态,精确地找出病灶,让手术“指哪打哪”。“我们还能顺便用这个影像,给心脏做3D打印,送给病人做留念。”来自保加利亚、已经在这个领域摸爬滚打了三十多年的特拉雅诺娃谈起自己的技术,仍然是一脸兴奋。而最近兴起的人工智能技术,更是有希望为这个技术添砖加瓦——例如,使用机器学习提高图像精度,优化计算流程,把时间和成本大幅降低。

图:特拉雅诺娃团队的“模拟心脏”

图:特拉雅诺娃团队的“模拟心脏”

然而,谈到实际应用的前景,她的乐观减少了大半。病人的各类实际需求,总是不能与技术设计完美结合,她不得不一周三天跑医院、两天跑实验室,与医生和工程师反复沟通。更大的挑战来自美国食品药监局(FDA),任何一项技术想要投入应用,都免不了和 FDA 大战三百回合;要是不能将研究成果转换为审批标准,发了再多论文都相当于白做。“还不知道什么时候会通过审批。”她对我说,“明年或者后年吧?希望如此(Hopefully),希望如此。”

“希望如此”,成了她挂在嘴边的口头禅。在人工智能计算能力大幅提升的今天,乐观派们认为AI接管医院只是时间问题,然而从实验室到医院的这段路,依然困难重重。

 


 

“你拿一万张猫的图片训练一个机器,机器能够非常迅速地判断眼前的图片是否是猫,”约翰·霍普金斯生物工程教授杰弗里·希维尔德森(Jeffrey Siewerdeson)给我打了个比方,“但你要让机器从一张元素繁多的图片里找猫,难度就指数级增大了。”

他的实验室曾经是约翰·霍普金斯医院的病房,墙上还残留着当年的病床支架和插座。如今的实验室已经远离了医院的喧闹,被各类计算机和影像仪器所占据。生物医学领域,基于机器和数据,而不用和湿漉漉的培养基或组织器官打交道的“干科学”(dry science)逐渐成为了领域热门。据医药研究机构 Signify Research 的数据预测,5年内光医疗影像和AI这一个细分领域的市场就将超过20亿美元,其中深度学习技术更是占据了半壁江山。诊断正在逐渐从病人身上分离,转入机器。

图:作者和希维尔德森在他的实验室

图:作者和希维尔德森在他的实验室

然而,人们需要对机器能做什么、不能做什么有清晰的认识。目前AI的主要成就,是给人类医生的判断打底子,而不是自行下达判断。比如希维尔德森所做的工作之一,是利用机器来学习高精度图片的特征,然后据此把低清图片“算”成高精图片——换言之,就是去马赛克。有些时候医生手头的设备不够先进,另一些时候医生需要实时观察图像,这些时候的低分辨率图片都可以在机器学习帮助下变得高清。

的确,图像识别是目前的AI最擅长的事情之一。大概从2013年开始,AI在这一个领域的能力就开始飞速发展;2015年,在谷歌ImageNet数据库训练下的机器,人脸识别能力已经超过了人类。这得益于机器能够在相对短的时间内吃进海量的影像数据,并通过深度神经网络各个层级进行分析、学习,成为阅“片”无数、经验丰富的“老医生”。希维尔德森和特拉雅诺娃所做的事情,都是利用AI的这方面长处,给予医生以诊断辅助,让医生“看”得更清楚、判断更准确。

可这并不是我们平时想象的“AI看病”。AI是否能对疑难杂症做出独立的诊断?

对于有的疾病,让AI看到影像就做出相应判断其实不那么难。比如眼科教授尼尔·布莱斯勒(Neil Bressler)正在做的项目,是使用AI技术诊断糖尿病人的眼底病变。由于这种疾病十分常见,数据积累丰富,再加上对于病变的判定相对简单,目前这个技术已经有了相对成熟的应用场景。然而,触及到更难的领域,例如癌症、肿瘤等等,图像模式十分复杂,很难用一种或者几种机械的模式概括,机器往往会卡在这种人脑依靠模拟(analogy)判断的地方。而有的病变本身也十分罕见,根本无法形成值得信赖的数据库。换句话说,现在还无法像训练一个真正的医生一样训练AI。

而更根本的矛盾还在后面:就算数据够多、计算能力够强,AI能够取代人类判断吗?

图:电视剧《西部世界》

图:电视剧《西部世界》

 


 

2011年12月,在美国麻省的一家医院,急救车送来了一个晕倒的老年男性。他立即被安置在了急救病房,安插上体征了监控设备——如果他的生命体征出现危险的波动,设备就会发出警告,召唤护士。这样一来,护士就不必时时过来查看他的情况了。

然而,第二天,这个老人却死在了病床上。死之前监控设备的红灯闪了一夜,但却被路过的护士一遍接一遍地摁掉。疏于料理的护士当然难辞其咎,然而在深入的调查之后,另外一个问题浮出水面:包括这套系统在内,许多医院用于自动化监控的装置所发出的警报,很多是误报。

通常此类自动化系统,会把极其微小的波动当做风险来处理,毕竟,万一错过了一个风险,责任就大了,所以厂商都倾向于把机器调得“过度灵敏”,并产生一系列大惊小怪的误报;反过来,医护人员则在接连不断的误报冲击下产生了疲劳,忽略了真正的危险。这是一个现代版的“狼来了”。

狼来了问题本身看似是可以解决的:把自动化系统的敏感度调低就行(厂商无疑会不愿这样做,因为这样意味着他们自己要直接担负更多责任,不过这至少原则上是可解的)。但这是本质的问题吗?人类同样常常过度敏感,每一个医生都无数次经历过家属大呼小叫、护士匆忙跑来报告异常但最后平安无事的场景,但却无法想象有多少合格的医生会因为假警报太多而从此对它们彻底无动于衷、像对待自动系统那样一遍遍按掉。问题在哪里?

在于人并不信任机器。

图:电影《机械姬》

图:电影《机械姬》

科幻小说常常把人对机器的猜疑描述成没来由的非理性行为甚至是灾祸的根源,但现实中这样的不信任其实是有理由的:人和机器的决策方式并不相同。譬如一个简单的自动化系统也许会监控病人的心率,低于一定数值就报警,但不同病人静息心率原本就不同,对一个普通人而言危险的低心率,对职业运动员而言也许只是稍微异常。传统的自动化系统只能在事先设好的规则内行事,超出规则就无能为力了。

今天最火的AI路线——深度学习看起来有望打破这个限制,但它带来了一整套新的问题。最近通过FDA审批的一个叫做“WAVE”的诊断平台,能够综合病人各项身体指标,通过深度学习的算法,给出“病人什么时候会进入病危状态”的预测。然而,《科学》(Science)2019年3月的一篇评论文章指出,不像是药品或者其它医药设备,机器学习为内核的算法并非一个逻辑确定的系统,里面涵盖了上千个互相牵涉的指标,也会根据训练数据的不同产生不同的效果,究竟是否存在确凿无疑、让人百分百信服的因果联系(就像你站在体重秤上的数字从不撒谎一样),很难说清。

而治病救人的医学,恰恰最需要稳定且可重复的证据支撑。

循证的过程需要控制变量,得出A和B之间确凿的因果联系,例如病人吃了A药之后,就是比吃安慰剂的效果要好,那么A药毫无疑问发挥了作用;而这种药在一小部分病人中产生的作用,和大部分病人相似,是可以重复的。深层到药物作用的机制和原理,则更需要有大量的动物实验打底,厘清一个化合物和病菌、器官、神经之间的具体联系。然而,目前主流的深度学习的技术却是吃进数据、吐出结果的 “黑箱”,很难照着这个方式循证。再加上机器学习的核心——数据本身就具有不确定性,更为人工智能的普适性和可重复性提出了问题。

在2019年2月华盛顿美国科学促进会(AAAS)的年会上,赖斯大学(Rice University)数据科学教授吉内薇拉·阿伦(Genevera Allen)用一系列事例直击了这个问题的核心。当下,有不少团队都在癌症相关的基因上做文章,输入癌症患者的基因组和病例数据,用机器学习的方式分析出几个不同的亚型(Sub-type),并在这个基础上开发靶向药物。这也是承袭乳腺癌的成功先例——根据基因表达的不同,乳腺癌可以分为10多种亚型,每一种的具体治疗方案和预后都不同。但是这种模式可以套到所有的癌症上吗?把大量数据“喂”给机器,机器真的能依靠数据模式给出靠谱的分类吗?

图:Genevera Allen,来源:EurekAlert!

图:Genevera Allen,来源:EurekAlert!

她综合了一些研究结果,发现在某个样本的数据上表现出色的算法,不一定适用于所有情况,也并不能重复,在这种分类的基础上得出的诊疗意见,自然也是无意义的。“两个团队用不一样的数据,很可能得到完全不重合的亚型分类,”阿伦在会议报告上说。“这些‘发现’真的具有科学价值吗?背后是否有可靠的医学证据支撑?”

她表示,如果继续这样发展,医疗科学很有可能陷入“危机”。虽然有点悲观,但也不无道理。毕竟,不靠谱的算法在亚马逊上给你推荐一本你不喜欢的书,你不买就好了;但是“推荐”一个疗法,有时候却是关乎生死的。当然,这并不是说人类医生不会犯错误。但在面对错误的时候,医学诊断的循证基础,能够给我们提供充足的条件复盘错误、并探求避免的方法。而面对人工智能的黑箱,我们甚至很难知道机器为什么会错,应该如何纠正。

一边是人工智能领域大幅提高的计算能力与不断优化的算法,另一边却是临床医学对于证据的谨慎。在不同的学科进行交叉和对话的同时,两边是否在使用同一套语言体系,成为了解决问题的关键。

 


 

这个年代最常听到的一句话,是“什么专业都得写代码”。的确,像希维尔德森和布莱斯勒的实验室里,懂医学和懂计算机同等重要,甚至还需要统计等数据科学。越来越多的研究者开始恶补相关知识,注册线上课程,甚至去跟本科生挤教室。许多老教授也拉下面子,向年轻博士生和博士后取经。

而随着大数据和人工智能的广泛应用,医生们也要开始懂得怎样跑数据,即使不会编程也必须明晓其中的原理。“(数据科学)就像另一门语言,或者好几门语言,”英国惠康基金会桑格研究所的研究员蔡娜在接受 Mosaic Science 采访时的一席话,说出了生物、医药研究人员的心声。“我不得不把之前大脑中的生化路径、流程图,转化成编程代码。”

从某种程度上讲,编程和数据成为医学领域最重要的能力之一。然而,计算机领域和医学领域的学科逻辑和评价标准,却存在一些分歧。特拉雅诺娃说,“现在太多人醉心于技术细节的提升,你去参加一个学术会议,到处都是跟你吹嘘自己的技术表现有多好,算法性能有多棒,然后在核心期刊上发了多少论文——这是他们领域的‘语言’。但最后能达到什么效果呢?” 说到这里,特拉雅诺娃摇了摇头。

“现有的大部分算法,包括诊断和预测等,都不是在传统的医学范式下研究出来的,不能直接体现医学所需要的指标,即使一些已经投入应用了,但可靠度、可应用程度等,都需要进一步验证。”宾夕法尼亚大学医学院血液和肿瘤专家拉维·帕里克(Ravi Parikh)在电话里对我说。“他在《科学》期刊上发表的评论文章谈及了这个问题:当下的许多医疗人工智能相关的研究,都以计算能力、反应速度、概率分布曲线等作为指标,比如一个算法能够把判断某种征兆的速度提高百分之几之类。但是,这到底在临床上意味着什么?这对病人的治疗效果有多大增益?速度提高了,但误诊率呢?病人接受了这个诊断,是否病程变短、返诊率下降?这些所谓 “落脚点”(endpoint)才是医学关心的指标,也是监管机构是否给某个技术放行的依据。

一言以蔽之,人工智能想要治病救人,必须要接受医学标准的审视。特拉雅诺娃深知其中的不易,前文提到的3D造影技术即将投入大规模临床实验,最终的评判标准并不是技术、性能,而是手术的成功率。“接受了手术的病人,究竟有多少不用返工重来?返诊率是多少?”能够让临床医生彻底掌握这个技术,把除颤手术目前接近40%的返诊率大幅降低,才是这个技术成功的标志。

图:作者和特拉雅诺娃合影

图:作者和特拉雅诺娃合影

希维尔德森也表示,算法必须要“翻译”成为医学实验的成果方才能称之为医疗,定量的测试和评估是一切的基础。而在临床实验中,需要照顾的不仅仅是数据,还有病人。“要验证现有技术的可用性、可靠性和效果,目前通用的方式是回溯性分析研究,这样才能在不影响病人的治疗水平的前提下得到好的结果,并且也需要伦理委员会的批准。”

而且,我们必须诚实面对算法的局限。所有的药物都有副作用和适用人群,同样,做人工智能的人也必须从“用算法去解决普适性问题”的思维中跳出,重视应用情景、数据来源和数据质量等等,学会医学语言的谨慎。监管也必须面对一些关键挑战——例如,如何保证数据的多样性,如何打开人工智能和机器学习的“黑箱”,确定一个算法的具体原理与医学证据之间的联系。 “目前可以做的是建立完善的事后审计机制(auditing system),追踪算法和数据之间的关系,以及可能出现的数据偏差。”帕里克说,“但最后,一定还是落在临床的表现上,保证效用和可重复性。”

 


 

我在希维尔德森的实验室里看到了一个比乒乓球略小的3D打印模型,质感柔韧,中间的裂痕用细密的针脚缝了起来。“这是一个有着先天心脏缺陷婴儿的心脏的一部分。”希维尔德森对我解释道,“我们用当前的造影技术,结合人工智能技术为心脏建模,然后打印出来供进行手术的医生练手。”

图:心脏模型

图:心脏模型

看着这个小小的模型,我仿佛能看到主刀医生和助手们围在屏幕前讨论手术方案,仔细观察和打量模型,思考着从哪里入手——这才是人机的完美配合,也是当下的医疗技术带来的最实际的进步。“在诊断和治疗中,一个医生的训练、经验和观察依然是最重要的。即使是最好的技术,也只能是增强医生的知识和能力,而不是替代。” 希维尔德森说。

帕里克也认为,我们不应该拿人工智能和医生相比。关键并不在于人工智能本身的能力,而是人工智能和现有的医学条件结合,能够发挥多大的功效。医生多年所见、所识、所领悟的并不能完全被翻译成数据、变成机器学习的资料;而人工智能亦有更精准的观察、更快的速度和永不疲倦的眼。谈论“医生+算法”的效果,远比谈论如何替代、或者谁比谁好要更有意义。

未来的医疗场景,一定不是病人被送进机器人医生的诊所,进行全身扫描之后得到“智能”的诊疗,而是可复制、可量产的机器,为医生提供足够多有价值的参考,节省更多人力物力,让诊疗变得更普及、更平民、更快捷。医疗人工智能领域的科技树不是冲着天空、往高处长,而是伸开枝叶,为更多的人提供安全和健康的荫蔽。

这个未来甚至并不遥远,脚踏实地一定走得到。(编辑/Ent)

(拇姬对本文有重要贡献;感谢美国科学促进会AAAS提供访问支持。)

参考资料

  1. Allen, G. I. (2017). Statistical data integration: Challenges and opportunities. Statistical Modelling, 17(4-5), 332-337.
  2. Parikh, Ravi B., Ziad Obermeyer, and Amol S. Navathe. “Regulation of predictive analytics in medicine.” Science 363.6429 (2019): 810-812.
  3. Razzak, Muhammad Imran, Saeeda Naz, and Ahmad Zaib. “Deep learning for medical image processing: Overview, challenges and the future.” Classification in BioApps. Springer, Cham, 2018. 323-350.
  4. Giger, M. L. (2018). Machine learning in medical imaging. Journal of the American College of Radiology, 15(3), 512-520.
  5. Tenner, E. (2018). The Efficiency Paradox: What Big Data Can’t Do. Knopf.
  6. https://www.bbc.com/news/science-environment-47267081
  7. https://www.wired.com/2017/03/biologists-teaching-code-survive/
  8. https://mosaicscience.com/story/how-big-data-changing-science-algorithms-research-genomics/
  9. https://www.signifyresearch.net/medical-imaging/ai-medical-imaging-top-2-billion-2023/

起初人们杀死蜂鸟,是因为爱它们

本文来自微信公众号“物种日历”,未经许可不得进行商业转载

1851年,万国博览会(Great Exhibition)在伦敦召开。形形色色的展品中间,二十四个玻璃展示箱吸引了许多人的目光,就连维多利亚女王和小说家狄更斯都驻足赞美。箱子里的藏品,是许多奇异的小鸟标本,身躯小巧如拇指,羽毛绚丽如火焰。这些标本制作得非常精致,摆放在人造花中,仿佛还在采蜜飞舞。

它们是鸟类学家和画家约翰·古尔德(John Gould)收藏的蜂鸟标本。

约翰·古尔德的蜂鸟标本匣。图片:Nature History Museum

约翰·古尔德的蜂鸟标本匣。图片:Nature History Museum

自从蜂鸟出现在欧洲人的视野里,对它们的赞美和关注,就一直没有停止过。蜂鸟的美丽和奇异,征服了一代代西方人。我们可以把人们对蜂鸟的喜爱,当作一扇小窗,从中窥视到科学史的一角。对蜂鸟的追求和了解,是科学文化对于自然万物的追求和了解的一部分,而人们了解自然万物的活动,最后成为了新的学科:博物学。

布丰的蜂鸟:科学之起点

maxime miranda in minimis”,至完美臻于至微小,布丰伯爵(Comte de Buffon)用拉丁文如此赞美蜂鸟。在布丰心目中,蜂鸟是自然的至高杰作,集中了鸟类的一切优点:优雅、小巧、敏捷,羽毛美丽如宝石。

雄性红喉北蜂鸟。图片:Joe Schneid / wikimedia

雄性红喉北蜂鸟。图片:Joe Schneid / wikimedia

我们对布丰并不陌生。他写马、天鹅、松鼠的散文,被誉为描写动物的经典,还登上过语文课本。他描写蜂鸟,不仅仅是出于对动物的喜爱,更是出于一个宏大的志向。他想写一部包罗万象的“自然通史”,将自然万物都收纳其中。

这部书就是《自然通史》(Histoire Naturelle),布丰耗费近五十载时光,完成了36卷,在他过世以后,他的弟子又完成了8卷。书的内容涵盖人类、动物、植物、矿物、地理现象各个方面。在今天看来,44卷书当然不足以概括地球上的一切。但《自然通史》的出现意义非凡。它代表着,历史上人类第一次拥有野心和能力,可以了解“万物”。

布丰与他的《自然通史》。图片:François-Hubert Drouais / Georges-Louis Leclerc, comte de Buffon(1753);Denismenchov08 / wikimedia

布丰与他的《自然通史》。图片:François-Hubert Drouais / Georges-Louis Leclerc, comte de Buffon(1753);Denismenchov08 / wikimedia

据说哥伦布曾在日记中写道:“这里的奇特小鸟,与故乡的鸟完全不同。”他所说的是不是蜂鸟,难以考证,但蜂鸟和新大陆的发现,确实有着不解之缘。正因为发现了通往美洲的航道,欧洲才开始通过殖民、商业等手段,走遍全世界,从而使人类有可能了解全世界。布丰是法国皇家花园的管理人,法国从全世界搜刮来的生物和矿物标本,都可以供他研究使用,他还能与世界各地的博物学家通信,知晓最新的探索成果。

清朝人李汝珍的小说《镜花缘》里,描写了一座虚构的海外奇峰,上面生活着一种奇禽,名叫细鸟,小如苍蝇,毛色鲜艳如鹦鹉。这段描写很难不让人想到蜂鸟,只不过细鸟是传说中的奇禽,蜂鸟却是现实存在的动物。在探索世界的过程中,原先神秘若仙境的“海外世界”,变成了可以抵达的土地,这些土地上也存在奇珍异兽,只不过它们都是实实在在,可以供博物学家研究的真实动物。传说的终点,同时也是科学的起点。

1570年出版的《世界地图集》(Theatrum Orbis Terrarum)中的怪兽形象。图片:old-map.com

1570年出版的《世界地图集》(Theatrum Orbis Terrarum)中的怪兽形象。图片:old-map.com

布洛克的蜂鸟:统治自然的野心

伦敦的自然史博物馆(Natural History Museum)有一件奇异的展品,一个高近两米的玻璃柜,里面摆放着一棵假树,枝上点缀着数以百计的蜂鸟标本。年深日久,一些标本的眼珠和喙已经脱落(博物馆进行过修复),闪烁着幽蓝、碧绿光辉的羽毛也已黯淡发黑。这些小鸟生前轻如鸿毛,却给人一种沉重的压抑感。

自然史博物馆的蜂鸟展柜。图片:Natural History Museum

自然史博物馆的蜂鸟展柜。图片:Natural History Museum

我们对这件展品所知不多,只知道它原先属于收藏家威廉·布洛克(William Bullock),于1819年进入大英博物馆。布洛克不仅是收藏家,也是经营动物标本的商人,1812年,他亲自来到苏格兰的帕帕韦斯特雷岛(Papa Westray)追捕大海雀(Pinguinus impennis),一种因人类过度捕杀而灭绝的鸟。

大海雀标本。图片:球藻

大海雀标本。图片:球藻

和所有的科学一样,博物学总免不了与人类的权力和利益扯上关系。西方帝国主义对外扩张的暴行,客观上却为博物学向外探索世界,提供了前所未有的机会。野心勃勃的殖民者,不仅企图统治外国的人民、国土和市场,也企图“统治”自然界。欧洲人抢掠财富的同时,也在猎取各种来自异国的动物、植物、矿物。来自世界各地的奇异标本,如流水一般进入欧洲。

这一时期的博物学,隐含着欧洲中心主义的思想。欧洲人认为,只有“优越”的他们,才有资格了解自然。来自世界各地的生物与矿物,只有到了他们手里,才能发挥出真正的价值。他们对自然万物的索取是天经地义的——虽然在今天的人看来,这种索取无异于残酷的掠夺。

深受欧洲人喜爱的蜂鸟,首当其冲成了受害者。当时西方人表达钟爱的方法,是将它们的尸体据为己有。当时,人们对于物种保护的概念,浅薄到让人吃惊,如果一种动物因人类捕杀而濒临灭绝——比如布洛克追杀过的大海雀(最后由一名当地人杀死,送到他手中)——他们反而会更加卖力地追捕,因为动物越稀少,标本肯定就越珍贵。

维多利亚时期的羽毛扇,用蜂鸟的标本装饰。图片:Pitts Rivers Museum, Oxford

维多利亚时期的羽毛扇,用蜂鸟的标本装饰。图片:Pitts Rivers Museum, Oxford

古尔德的蜂鸟:显贵的奢侈收藏

约翰·古尔德与布洛克一样,热衷于收藏珍贵的动物标本,但他还找到了另一条道路,来表达他对蜂鸟的热爱:出书。1849到1861年,古尔德出版了五卷关于蜂鸟的书《蜂鸟科专著》(A Monograph of the Trochilidae),书中有360张插画,制作得极尽精美。为了表现蜂鸟的羽毛,这些画上甚至贴了金银箔,来创造闪闪发光的效果。

在《蜂鸟科专著》出版前后,古尔德出版过多本关于鸟类的书,都制作得十分精美,备受喜爱。古尔德与画师合作,绘制了漂亮的平板画插图,而且他非常精明,懂得“市场定位”。一百多年前的印刷成本昂贵,古尔德的书制作得非常精致,普通大众肯定买不起,他的目标,是把自己的书变成达官贵人的珍贵藏品。

约翰·古尔德主持制作的蜂鸟平版画。图片:John Gould Hummingbird Prints(1861)

约翰·古尔德主持制作的蜂鸟平版画。图片:John Gould Hummingbird Prints(1861)

英国维多利亚时期,博物学不仅是学者钻研的科学,也是上流社会和中产阶级间流行的“高雅活动”。珍稀的标本既可以展现主人的财富,也可以展示主人的文化修养,如果你家里没有几柜子稀罕的矿石或美丽的鸟标本,在“高洋上”的社交圈子里简直抬不起头来。达官贵人和中产人士,都以收藏生物和矿物标本为自己身份的象征,就像今天的人收集华服名表一样。古尔德正是利用了上流社会中的“博物学热”,为自己的书找到了“金主”。

在这股追捧博物学的热潮里,蜂鸟依然首当其冲,成了“高雅活动”的牺牲品。这些不幸的小动物,不仅被做成标本,还被装饰在女帽、扇子,甚至耳环上。1881年一年内,伦敦公开销售了1.2万张蜂鸟皮。古尔德过世以后,他收藏的蜂鸟标本和皮张,被大英博物馆(British Museum)接收下来,数量竟达几千件。

维多利亚时期,蜂鸟头部制成的耳环。图片:Gates Sofer / Victoria and Albert Museum

维多利亚时期,蜂鸟头部制成的耳环。图片:Gates Sofer / Victoria and Albert Museum

科学技术的进步,给予了人类控制自然的强大能力,西方社会收集珍禽异兽的“高雅活动”,又对野生物种造成了前所未有的打击。直到19世纪末,人们终于意识到,滥捕滥杀珍稀生物会铸成大错,人类是一个具有无穷破坏力的物种。于是,保护自然、爱护动物的思想应运而生,博物学爱好者仍然钟情于珍禽异兽,但表达喜爱的方法,从猎杀变成了保护。

萨金特的蜂鸟:今日博物学

1987年,在美国阿拉巴马州的摩根堡(Fort Morgan),鲍勃·萨金特(Bob Sargent)和他的太太玛莎(Martha Sargent),开始为飞进他家后院的红喉北蜂鸟(Archilochus colubris)戴脚环。

萨金特观察蜂鸟。图片:Alabama Local News

萨金特观察蜂鸟。图片:Alabama Local News

红喉北蜂鸟每年春天飞往北美洲繁殖,冬天飞往中美洲过冬,其间要跨越超过800公里的墨西哥湾,而摩根堡是许多蜂鸟飞越大海之前的必经之地。城市花园里的鲜花和喂鸟器,为这些小鸟提供了宝贵的“充电站”,让它们补充糖分,为迁徙积蓄能量。

萨金特的职业是电气技师,但他对鸟类的兴趣和探索精神,使他成为当代的博物学家。1993年,萨金特和太太成立了蜂鸟与其他鸟类研究小组(Hummer/Bird Study Group),到2004年,这个组织已经培养了上百名业余的鸟类研究者,为超过3万只红喉北蜂鸟装了脚环。给蜂鸟戴上脚环之后,人们就可以了解它们迁徙的规律,为鸟类学的研究提供素材。

一只在空中翻飞的雌性红喉北蜂鸟。图片:Gary Bridgman

一只在空中翻飞的雌性红喉北蜂鸟。图片:Gary Bridgman

如今,人类对自然万物的认识,已经细微到原子层面,布丰的华丽散文和古尔德的精美标本,似乎已成为尘封的历史。然而,博物学的传统并没有消失。

萨金特在后院里,凝视蜂鸟绚丽如红宝石的脖子,决心去了解这些“小客人”的那一刻,我们就知道,蜂鸟撩拨心弦的魅力仍在。

振翅的精灵。图片:jeffreyw / Flickr

振翅的精灵。图片:jeffreyw / Flickr

哈佛大学说吃辣有助长寿,医生说忌食辛辣,要不要让他们打一架?

美食纪录片《风味人间》有一集专门拍摄世界各地的食物香料,辣椒是浓墨重彩的一段。虽然辣椒传入中国的历史并不长,现在却已成为了中餐中最具代表性的风味之一。

图片来自pixabay

图片来自pixabay

辣椒给人带来的特有风味是痛,一种“令人愉悦的痛”。这种痛,对于健康是好是坏呢?

世上的辣椒有千百种,辣度相差大

谈到辣椒,人们的第一个问题无疑是:有多辣?。要谈“有多辣”,自然需要一个标准。辣的标准又是如何定义的呢?

辣是辣椒素与人体中的辣椒素受体结合而产生的“痛觉”。有多辣,自然也就取决于有多少辣椒素。现代分析设备可以精确地测出辣椒素的含量,也就可以用它来比较辣椒的“辣度”。不过,辣椒素的含量数值虽然精确,但并不直观。而在在一百年前,人们也没有办法测出辣椒素的含量。辣椒有多辣,也就只能把人作为“仪器”去测量。

1912年,药师史高维尔设计了一种分析方式。他把辣椒用糖水进行稀释,然后让人们来尝。一直稀释到人们尝不出辣味,然后把这个稀释倍数定义为“辣度”。这个辣度称为史高维尔单位,简称为SHU。

世界上有各种各样的辣椒,辣椒素含量相差巨大。像川菜、火锅等等大家日常吃的“辣”,辣度大致在1000SHU上下。而让普通人感到“非常辣”的朝天椒,辣度能达到5万到10万SHU。《风味人间》中拍摄的“涮涮辣”,辣度大致在60万SHU,所以只是用来在汤里涮一涮,也就相当的辣了。目前世界上培育出的辣椒之王,辣度超过了200万SHU。

不辣的辣椒,是很好的蔬菜

辣椒的魅力在于辣,太辣的辣椒只能作为“调料”,营养成分也就无关紧要。不过并不是所有的“辣椒”都辣,比如柿子椒几乎不含有辣椒素,就可以作为“蔬菜”来吃。

实际上辣椒是很好的蔬菜。100克柿子椒的热量只有20千卡左右,相当于一天总热量的1%,而其中的维生素C几乎可以满足成年人一天的需求。此外还有很多营养成分也相当可观,比如膳食纤维、B族维生素以及铁、镁、钾等矿物质。实际上,这些营养成分在辣的辣椒中含量更高,只是吃不了太多,也就不那么重要了。

辣椒对健康是好是坏?

当年有位红遍全国的“养生大师”,宣称“肺癌是辣椒吃出来的”。后来随着大师被揭批而销声匿迹,“把吃出来的病吃回去”也就成了一个笑话。不过,经常有医生和营养专家建议“少吃辛辣食物”,许多人也就会纠结:吃辣,是不是不利于健康呢?

辣椒与癌症的关系有过一些研究。用不同的研究方法,不同的研究对象,结果是一地鸡毛,有的说好,有的说不好,而且都只是“初步研究”,不足以得出什么结论。

对于食物,我们更关心它对整体健康的影响。2015年哈佛大学发表了一项研究,跟踪了近50万中老年人数年之久,然后分析他们的饮食与死亡率的关系。在排除了其他已知的影响因素之后,他们发现:那些几乎每天都吃辣的人,比每周吃辣不超过一次的人,死亡几率低了14%;经常吃辣的人群中,死于癌症、心脏病和呼吸道疾病的比例要低一些。这是一项流行病学调查研究,证据等级不算高。从这项研究来说,可以认为:经常吃辣不会危害健康,而且很可能有益。

吃辣会长痘吗?

人们经常说“吃辛辣油腻的食物会长青春痘”。其实,这里有很多误区。

痘的产生于皮肤毛囊被阻塞。阻塞的直接原因一般是皮脂腺的分泌物以及脱落的细胞、死去的细菌等等。从目前的科学认识来看,“皮脂腺分泌物阻塞毛囊”源于体内激素水平变化、某些药物,以及情绪压力。

有些饮食对长痘有一定影响,文献中列出来的主要是奶制品、糖果以及巧克力等等,而“油腻”“辛辣”的食物影响并不大。不过,吃辣的食物之后容易出汗,长了痘的人会感觉更不舒服——如果再去挠,那么就可能加剧长痘。

吃辣过度,愉悦就变成了痛

从生理上说,辣是一种痛觉。通常我们都不愿意承受“痛”,但是辣产生的痛却受到许多人的喜欢。这个悖论的科学解释是:辣椒素受体也是感知高温和痛觉的受体;辣椒素与受体结合之后,激发受体产生神经信号传递到大脑,大脑并不区分是哪种因素产生的信号,都会激发神经元分泌内啡肽;当痛觉过去,内啡肽产生的愉悦就占了主导。

不过,不同的人对于“痛”有不同的承受阈值。如果超过了自己的承受阈值,那么内啡肽带来的愉悦就不足以抵消痛觉,我们也就不会感到舒服了。承受阈值高的人,我们说是“能吃辣”,而承受阈值低的人,就是“不能吃辣”。实际上,“不能吃辣”的人也能够体验到吃辣的愉悦,只不过需要的辣度比“能吃辣”的人低而已。

本文来自云无心的微信个人公众号,系今日头条签约稿件,未经许可不得进行商业转载

动图欣赏:水滴转圈圈

本文来自窗敲雨的微信个人公众号“酷炫科学”,未经许可不得进行商业转载

如果一滴水掉落在一个非常疏水的表面上,那么在表面张力的作用下,它还能像一个有弹性的球一样跳起来:

vrain-droplet-surface-microstructure-movement-1

而今天我们还会看到一个弹跳水滴的升级版:它不仅会从固体表面上弹起来,而且还会开始旋转:

vrain-droplet-surface-microstructure-movement-2

能让水滴自发开始旋转的表面经过一些特殊处理,从动图上可能已经能看出一些端倪。简单说,处理方法是这样的:首先在固体表面覆盖一层非常疏水的氟化合物涂层,接下来在上面覆盖上一个模板,并用紫外光进行处理。这样处理的结果是,只有照到紫外光的局部材料性质发生了改变,变成了亲水的,在疏水表面上形成了一个亲水的螺旋图案(应该叫螺旋吗……)。

上图中染色水滴拍上去之后变成了橙色的线条就是经过处理留下的亲水部分。亲水部分与水滴的相互作用导致了不平衡的受力,引导水滴产生旋转。利用这种方法可以让液滴的转速达到每分钟7300转。

改变亲水区的设计,还可以让液滴以其他方式运动,例如像下图这样翻滚着飞向一侧:

vrain-droplet-surface-microstructure-movement-3

来自中科院化学研究所和清华大学的研究者们在Nature Communications上报告了这种新颖有趣的控制液滴运动的方法。而对液滴运动的控制或许可以应用于自清洁、喷墨打印等领域。

相关报道及论文见:

https://www.sciencemag.org/news/2019/03/these-falling-drops-don-t-splash-they-spin

https://www.nature.com/articles/s41467-019-08919-2

kxkx-qr

“大胃王”们,为什么吃那么多也不长胖

媒体上经常有“大胃王”的比赛或者表演。那些选手身材苗条,却能一口气吃下几十个汉堡或者其他食物。可以吃那么多却不长胖,对于吃货们实在是有莫大的吸引力。

图片来自pixabay

图片来自pixabay

首先,来说说他们为什么能吃那么多食物。

我们进食的时候,食物先进入胃,在哪里被胃液进行预消化。胃是平滑肌组成的,弹性很好,空腹的时候收缩,容积很小,吃下食物后被撑开,就变大。被撑起来之后对食物形成挤压,靠着胃上端的贲门阻止食物反流;以及下端的幽门控制食物慢慢进入肠道并且防止反流回胃里。食物在胃中保存的时间比较长。胃里的食物越多,胃就被撑得越大,胃里的压力就越大,我们就觉得越“饱”。这种饱腹感会让大脑发出“停止进食”的指令。正常情况下,我们觉得饱了也就不会再吃。

但如果强行继续吃,胃就被继续撑大。如果胃里的压力超过了贲门的弹性限度,也就会“冲开”贲门而返回食道。所以吃的太多,就可能出现呕吐。

胃能够被撑倒多大而且不出现反流,跟遗传关系比较大。此外,后天的训练也会有很大影响。在长期反复的强化刺激中,胃的平滑肌就像多次吹得过大的气球,弹性被破坏,再撑大也就不那么费劲了,可以装进更多的食物而不产生太大的压力。

大胃王的比赛不仅要吃得多,还需要吃得快。这也是强化和训练的结果——下颚被锻炼得很强大,吞咽速度比常人快了许多。也就是说,大胃王惊人惊叹的进食速度和能吃的食物量,也是一种强化得到的运动技能。这就跟职业运动员一样,经过系统的、有针对性的训练,把身体的“天赋”发挥到了极致。但这对身体未必是好事——就像大多数的职业运动员,退役之后都存在不同程度的伤痛。甚至很多运动员,本身就是因为身体受损过度而退役的,比如姚明,比如刘翔——他们的身体,其实已经不处于“正常”“合理”的健康状态。

 


 

然后,我们来说说为什么他们“能吃不胖”。

“怎么吃都不胖”是吃货们的梦想,大胃王们的表现自然也就让人们很向往。但是,人们长胖还是变瘦,归根结底还是热量摄入和热量消耗的平衡结果——吃得多消耗得少,就长胖;吃得少消耗得多,就减肥。不过这里的“摄入”并不等于所吃下的食物。影响长胖还是减肥的是热量——食物要经过消化、吸收、代谢,才能够产生热量。

而“大胃”的比赛与表演,只是把食物吃到胃里而已。

每个人的消化吸收率不相同。有的人消化吸收的能力比较差,吃进去的食物很多并没有被消化吸收,自然也就不会转化为热量。在《史记》中,收了贿赂的赵国使者告诉赵王廉颇虽然老了,但还能吃很多饭,但“顷之三遗矢”——这意味着廉颇的消化吸收功能已经不行,也就不能被启用了。大胃王们“只吃不胖”,有的人是消化能力病态地差,也有一些人是比赛或者表演完之后进行催吐。

此外,长胖与变瘦并不取决于一两顿饭。比赛或者表演是工作,镜头前大量吃,并不意味着他们平时也那么吃。进行了一场比赛或者表演之后“断食”,也可以找补回来。饮食决定了热量摄入,而长胖变瘦的关键是摄入与消耗的差值。据媒体的报道,多数参加大胃比赛和表演的人,平时也会进行大量的运动去消耗热量。

 


 

简而言之,公众看到的“怎么吃都不胖”的大胃,其实并不是一种正常的生活方式。能在短内吃下大量食物的能力,是以破坏胃的正常生理状态为代价。而吃了那么多还不胖,如果不是消化道异常导致食物难以被正常消化吸收,就是通过催吐来解决——而催吐本身就会对消化道造成损伤。

为了赚钱,进行一些牺牲身体的表演也可以理解。但对于大多数人来说,完全没有必要去模仿尝试。

本文来自云无心的微信个人公众号,系今日头条签约稿件,商业转载须经授权

地球最古老岩石的奇幻月球之旅

本文来自果壳网,地址在这里,未经许可不得进行商业转载

科学家找到了最古老的地球岩石,年龄超过40亿年。然而,说起来有些曲折,这块岩石是在月球上保存下来的,直到大约50年前才被阿波罗14号重新带回到地球上来。

从月球上带回来的岩石,科学家如何认定它形成于地球?当初这块岩石又是怎么跑到月球上去的?

这个故事,可就说来话长了。

说出来你可能不信,阿波罗14号宇航员从月球上带回了最古老的地球岩石。图片来源:NASA

说出来你可能不信,阿波罗14号宇航员从月球上带回了最古老的地球岩石。图片来源:NASA

地球46亿岁了,和太阳系各大行星几乎一样古老。46亿年来,地球一刻不停地塑造着自己的环境,日日新又日新。在这个充满活力的星球表面,还寄宿着一群同样活泼的栖居者——生命。亿万年来,生命由简单一步步走向复杂,并在复杂中一步步孕育出智慧。这是一个向前看的故事。我们叫它演化。

但处在演化进行时的智慧生命——人类,却把头扭转180度,往回看了起来:他们想弄明白地球的历史脉络,想得到地球历史原点的记忆。但很快,他们遇到了难题,这套支撑了生命不息演化的环境,对历史档案的保存却是灾难性的。在时间的长河里涉足愈深,能够解读的档案就愈发语焉不详。至于地球出生时的细节,已经几乎被它自己糟蹋完了。

活泼环境的代价

说穿了,昨日早已不在,想要挖掘旧日环境特征,只能寻找在当时环境中对应形成的坚固记录——也就是岩石。但在始终保持着活跃的地球上,永不停歇的风化作用让旧日环境破碎磨灭,持续不竭的构造作用则让旧日环境翻覆循环。在这些过程中,封存着远古记忆的岩石史料,不是被地表的风雨磨成毫无意义的尘埃,就是被板块的碰撞送入炼狱般的地幔,彻底融化,成为孕育新生岩浆的素材。

想在这样的艰难背景下一路保存至今,不仅仅需要物态上的稳定,大概也需要一丝丝的幸运。

迄今为止,地球上发现最古老岩石是Acasta片麻岩,年龄接近40亿年。那46亿-40亿年前冥古宙的这段时间呢?对不起,史料空白。

只有在地质运动极其稳定的区域内,并且自身的物理化学性质也得极其坚韧——比如杰克山的那颗锆石,才能有幸闯过冥古宙的一路蹂躏,勉强保存下来。但即便这样的稀世遗宝,也不过就是一颗能报出44亿年“读数”的硅酸锆晶体罢了。晶体只是成分固定的化合物,而岩石却是在环境的综合控制下,由繁多的化合物组装而成的精细结构。晶体记录的信息量,根本无法与岩石同日而语。于是,除了记录下年龄成为地球最古老结晶以外,人们也就不在那颗锆石身上追问别的所以然了。

杰克山的锆石晶体,是迄今发现的最古老地球物质,形成了大约44亿年前。但除了年龄以外,它无法提供更多关于当年环境的线索。图片来源:John Valley, University of Wisconsin

杰克山的锆石晶体,是迄今发现的最古老地球物质,形成了大约44亿年前。但除了年龄以外,它无法提供更多关于当年环境的线索。图片来源:John Valley, University of Wisconsin

除了把目光投向时间的起点外,人们还在拓展空间的边缘。我们的天然卫星——月球,自然成为接纳人类雄心的第一站。接下来就是一幕幕熟悉的故事:露娜的来访、阿波罗的登陆、嫦娥的飞腾。跨越两个世纪的不竭探索,将一次次迈向未知领域的壮举刻在科技史的长卷上,但值得记入史书的奇迹,并不只有太空步和月球车,还有那些被带回地球的珍贵月岩样品。

在科学家手里,那是另一扇足以叩响新世界的大门。

月岩第14321号样品,由1971年登月的阿波罗14号宇航员采自弗拉·毛罗环形山(Fra Mauro crater),是雨海陨击事件中迸溅到月球表面的月岩碎片。几十年后的今日,想挖掘月球历史新篇章的人们,仍旧不减当年热情地关注着他们。毕竟,它们是目前人们想接触月球物质最方便的途径了。(比起把人重新发射上去再搬一块回来,在NASA那儿申请切一小块回来研究的难度,显然小太多了。)

近日,当人们从这块珍贵的样品上切下新的一小块研究时,却发现“打开的方式”有点不太对:怎么感觉这块不是月岩,而是一块地球上常见的普通石头呢?

阿波罗宇航员显然不可能大老远飞到月球上去搞恶作剧。那么,为啥一块地球石头会封存在月岩内呢?而且这还不是最扑朔迷离的地方。更令人匪夷所思的是,由于雨海陨击事件本身发生于距今40亿年前,不难推想,在雨海事件中被砸出来的这些月陆残片,形成的时间必然要比40亿年前更早。这相当于承认:这块地球石头,在月球上被静放了40多亿年!

等等,40多亿年前的地球岩石?这不正是回溯地球历史的人们苦苦追寻的“圣杯”么?地球自身失落的记忆,居然出现在月球上?!

白色圈圈代表阿波罗系列诸任务的着陆位置;蓝色区域内的月海便是雨海。图片来源:维基百科;本文作者在此基础上添加了雨海的范围

白色圈圈代表阿波罗系列诸任务的着陆位置;蓝色区域内的月海便是雨海。图片来源:维基百科;本文作者在此基础上添加了雨海的范围

不是月岩的“月岩样品”

月岩第14231号样品是一块砾岩,由许多更小的独立岩屑相互粘合而成。它有着一个有趣的昵称:大伯莎。科学家开始注意到它的不对劲儿,是因为发现它的其中一块岩屑的成分压根无法在月球环境下形成。

是的,岩石这种东西,也是要分产地的。

月岩的种类可简单了。以成分来看,你能在月面上找到的“土著”岩石,不外乎只有两大类:斜长岩和玄武岩(如果不算从外头飞进来的陨石)。斜长岩是构成月陆的主要成分,几乎清一色由钙长石这种单一矿物成分所组成。当月球最初还是一片岩浆海的时候,钙长石逐渐从岩浆里结晶析出,它们比重较小,全部漂浮到岩浆海的表面,相互连接,最终凝成月陆。而在随后的岁月里,剩下的岩浆也找到了机会涌出月表,充填了月面上的低洼盆地。这些岩浆一经凝固,就形成了所谓的玄武岩。由于富含镁铁,这些玄武岩颜色较暗,构成了我们今日清晰可辨的月面暗斑——月海。

而这次在“大伯莎”上切下的新碎屑,属于上述哪一类呢?都不属于。

它是一块长英质岩,由石英(SiO2)和钾长石(KAl3SiO8)组成。石英的析出,标志着岩浆中二氧化硅达到饱和,这一条件在月球的原始岩浆中是远远达不到的。而钾也是一种和原始岩浆相性很差的元素,只有岩浆中的镁铁质晶体析出得差不多了,它才会“极不情愿”地从岩浆中结晶而出。这样的条件,月球上的岩浆也是达不到的。

那么,哪里的岩浆能满足这两种成分结晶析出的条件呢?地球。事实上,以这两种标志性物质为特征的长英质岩类,在科学家眼中几乎是“地球岩石圈土特产”的代名词。此外,科学家还进一步测定了该岩石内部的微量元素特征(它们与生成环境的对应关系更精确),发现这块碎屑形成于氧含量较高而温度相对较低的环境。在科学家眼里,这照样不是月球能够提供的环境条件。40亿年前,能完美满足上述环境的地方只有一个,仍然是地球。

那么,为啥一块地球岩石会出现在月球上?而且,早在40多亿年前就飞了上去呢?

 月岩14321号样品“大伯莎”(Big Bertha)的野外原位照片,阿波罗14号宇航员阿兰‧谢泼德(Alan Shepherd)1971年摄于月球。图片来源:NASA。

月岩14321号样品“大伯莎”(Big Bertha)的野外原位照片,阿波罗14号宇航员阿兰‧谢泼德(Alan Shepherd)1971年摄于月球。图片来源:NASA。

亿万年前的“登月工程”

科学家回答这个问题的出发点,是一个放在本文里似乎没多大关联的事实:月亮正在逐渐远离我们。

阿波罗宇航员登月时可不光踩了些脚印、搬回些石头,他们还在月面上摆了几面镜子。从地球朝这些镜子发射激光,通过测量激光反射回地球所用的时间,人们就能计算出地月距离。几十年来的测量显示,激光返回地球的时间逐年都在变长。这意味着,月球每年离我们都更远了。

N年之后它会飞到哪儿?别管这个。我们先回过头想想:在过去,月球是否离我们更近呢?是的。天文学家经过推算发现,反推回40亿年前的话,月地距离只有今日的1/3不到!

今日的地月距离和39亿年前的地月距离对比。如果站在当时的地表看月亮,会发现它比今天的月亮大差不多3倍。图片来源:David Kring, 月球与行星研究所/月球科学勘测中心

今日的地月距离和39亿年前的地月距离对比。如果站在当时的地表看月亮,会发现它比今天的月亮大差不多3倍。图片来源:David Kring, 月球与行星研究所/月球科学勘测中心

这个距离,对登月工程来说方便太多啦。只不过,彼时登月的不是人类,而是地球上的岩石。

40亿年前,冥古宙,太阳系刚走出一片混沌的原行星盘时代,尽管大大小小的星球都已经逐步形成,但行星之间轨道的调整还是让太阳系成为一片充满危险的地方:轨道相交了怎么办?撞。轨道没相交但邻居挪跑了怎么办?也得跟着调整,然后轨道改变,继续撞。当时,密密麻麻的小陨石撞向原行星如同家常便饭;而原行星和原行星相撞也照样泛滥。在这样的环境下,说不定哪颗“愣头青”某天就一股脑朝着地球撞过去了。撞击过程的能量太大,砸碎了地壳,迸飞了无数地球岩石的碎块。许多碎块飞着飞着,就再也没落下。

没错,达到第一宇宙速度,飞向星辰大海了。

其中一些“发射成功”的小石块,在突破地球轨道之外,很快就遇到了近距离守在地球上空的大月亮。月亮说,还是别星辰大海了,都过来陪我吧。就这样,这些来自地球的小石块完成了“登月着陆”,和月球地壳融为了一体。

但在当时那个环境下,月球同样不是一片宁静祥和的乐园。距今40亿年前左右,冥古宙后期重轰炸如期而至。无数小行星再一次把月球表面砸了一遍。当那颗直径差不多200公里的小行星砸出后来的月海盆地之时,不用想,自然又是无数小碎块漫天飞。其中就包括我们的“大伯莎”。而且此时,它“怀中”还紧紧抱着上次地球挨砸时迸飞过来的那块地球碎屑。只不过,“大伯莎”并没能脱离月球引力的束缚而一去不复返。在月球上空划过抛物线之后,它终归还是落在了雨海盆地南侧的弗拉·毛罗地区。

当时的它还不知道,这颗星球短暂而活跃的历史已经走向尾声。由于体积太小,月球的引力天然就无法在表面维持一个浓厚的大气层,进而驱动气候令岩石圈迎风沐雨;由于内能太少,月球的热量天然就无法在内部维持一个对流的地幔,进而驱动板块构造,令岩石圈挪移更替。月球的活跃只是一个表象,是冥古宙后期活跃陨击期一个被动的注脚而已。一旦陨击期结束,月球和活跃彻底道别的日子就不远了。

这一切对于月球表面的岩石来说,却是个值得庆幸的历史分水岭,因为它们幸存了下来。

月岩14321号样品中包含的地球岩石碎片。图片来源:月球与行星研究所

月岩14321号样品中包含的地球岩石碎片。图片来源:月球与行星研究所

遥看隔壁地球,岩石圈跃跃涌动,生物圈演化不息,一切都是不安分的,一切都是短暂的。新世界的地基贯穿旧世界的碎片,新世界再度成为旧世界,把明日让给来者。地球永远在变,月亮永远静观。地月连线的距离,一侧翻天覆地,一侧沉默无言;荏苒时光中,这一等就是40亿年。

直至月尘再次扬起,似乎又有地球物质飞了过来?只不过,这次不是残暴的撞击,而是人类好奇的脚步。他们搬起静待了亿万年岁月的岩石,进入太空舱,跨越重重的黑暗,又回到属于他们的世界。

人类当然会为这一新发现而感到兴奋,他们可以问心无愧地宣告:我们终于取回属于地球自己的历史。(虽说是从月球上绕了一大圈吧……)

那么岩石呢?倘若铮铮磐石有心,穿越40亿年光阴和38万公里旅途的它,大概也会为有一天居然能重返家园而感触些什么吧。毕竟,每一位归乡的旅人,多少都怀揣着一些相同的默契。

家,美丽的家。欧空局宇航员提姆·皮克(Tim Peake)摄于国际空间站。图片来源:ESA

家,美丽的家。欧空局宇航员提姆·皮克(Tim Peake)摄于国际空间站。图片来源:ESA

“地球,我回来了。”(编辑:Steed)

神秘人鱼惊现东海,童话故事真的要实现了吗?

本文来自微信公众号“物种日历”,未经许可不得进行商业转载

2019年2月29日,中国科学家洪尔等人在国际知名期刊《PAC》上发表封面文章《贾氏中华人鱼——海生哺乳类新物种》,在世界上首次对一种分布于中国东南沿海的神秘人鱼类生物,进行了完整的研究和描述,并且根据模式标本正式命名了新物种Naeryoua chinensis。论文对该物种分类地位的确定在国际博物学界引发了激烈争论。

神秘的人鱼为何物?

文章中提到的人鱼其实在世界各地文化中出场频率都颇高,不过均是以想象生物的身份。《山海经》中就曾提到一个人鱼国度:“氐人国在建木西,其为人,人面而鱼身,无足。”

最经典的“美人鱼”形象则源自西方, 最早可追溯到古代两河流域的女神阿塔伽提斯,在误杀了自己的凡人情侣之后因羞愧跳入河中,变为人首鱼身。另一位著名的美人鱼是亚历山大大帝的妹妹帖撒罗妮加,在兄长去世后跳爱琴海自杀未遂,变成人鱼盘问过往船只亚历山大大帝是否健在,如果答案不是“他活着,统治并征服世界!”就怒发冲冠,掀起风暴令船毁人亡。在希腊神话中,海中仙女塞壬(Siren)有着类似的设定,以歌声引诱水手把船驶入险境,或者溺水而亡。

《荷马史诗》中奥德修斯把自己绑在桅杆上,让水手以蜂蜡堵住耳朵,以抵抗塞壬的美丽歌声。画家:Herbert James Draper  / wikimedia.org

《荷马史诗》中奥德修斯把自己绑在桅杆上,让水手以蜂蜡堵住耳朵,以抵抗塞壬的美丽歌声。画家:Herbert James Draper / wikimedia.org

当然,让美人鱼的形象深入千家万户的还是文学巨匠安徒生——“她的皮肤又光又嫩,像玫瑰的花瓣,她的眼睛是蔚蓝色的,像最深的湖水。 不过,跟其他的公主一样,她没有腿;她身体的下部是一条鱼尾。”在《海的女儿》中,小美人鱼继承了古代神话中人鱼的优美歌声,而她的命运也同样和凄美的悲情故事联系在一起。美女身材外加一条分叉大尾巴的形象还出现在其他艺术作品中,比如《加勒比海盗》和《美人鱼》;而今天全世界许多水族馆里的“美人鱼”表演,也都是人身鱼尾的形象。

美女形象配上曼妙的鱼尾,总是令人赏心悦目,难怪水手们会执迷不悟。但是等等!你不觉得有哪里不对吗?

人鱼,到底该怎么游泳来的?

要想弄清楚鱼人到底是什么鱼,我们必须先强行科普一点脊椎动物比较解剖学知识。

首先,我们来思考一个问题:鱼和人的区别到底在哪?

我们通常所说的“鱼”主要包括软骨鱼类和硬骨鱼类。前者包括鲨鱼、鳐鱼、蝠鲼等等,而日常生活中能见到的绝大多数鱼类属于硬骨鱼类中的“辐鳍鱼”。乍一看,美人鱼的形象非常符合鱼的设定:下半身常常覆盖着鱼鳞,而鱼尾和可能存在的鱼鳍都被设定成典型辐鳍鱼的附肢骨骼形态——由平行向外辐射的棘条撑开成薄薄的一片,没有肌肉组织。

银高体鲃的臀鳍和尾鳍,是不是跟你想象中美人鱼的尾巴差不多?图片:W.A. Djatmiko /  wikimedia.org

银高体鲃的臀鳍和尾鳍,是不是跟你想象中美人鱼的尾巴差不多?图片:W.A. Djatmiko / wikimedia.org

可是再仔细想想,无论是软骨鱼还是辐鳍鱼类,你见过鱼儿像水族馆里的小姐姐那样“趴”在水里上下摆动“尾鳍”的吗?

答案是否定的。 简单来说,鱼类的肌肉结构决定了它们不能“弯腰”:以中轴骨骼(就是鱼身体正中的那整条鱼刺)为界,鱼的躯干肌肉分为左右两部分,我们可以想象一条鱼交替收缩身体左右两侧肌肉时,竖起来的尾鳍就会相应地向左右两侧摆动,由此提供前进的动力。

左右摆尾很easy,上下摆?对不起,你还是炖了我吧。图片:Giphy

左右摆尾很easy,上下摆?对不起,你还是炖了我吧。图片:Giphy

严格来说,“鱼”其实不是演化史上一个独立的类群,因为更加高等的两栖类、蜥形类(包括爬行类和鸟类)和哺乳类都是从硬骨鱼中一支所谓的“肉鳍鱼”演化而来,和现存肺鱼的亲缘关系比较近。上面所说的左右摆动尾鳍这种推进方式,我们在两栖类的大鲵和各种蝌蚪中都还能看到。《山海经 · 北山经》有云:“……其中多人鱼,其状如䱱[tí]鱼,四足,其音如婴儿,食之无痴疾。”这里的“人鱼”描述的应该就是大鲵。

中国大鲵的尾巴就是左右摆动来推动身体前进的。图片:J. Patrick Fischer / wikimedia.org

中国大鲵的尾巴就是左右摆动来推动身体前进的。图片:J. Patrick Fischer / wikimedia.org

所以应该叫美人鲸???

那么“经典款”美人鱼可以“拍水”的扁平尾巴又是从哪儿来的呢? 这就要说到更高等的海生哺乳类了。

哺乳动物中有三个独立类群在演化过程中下了海:鲸豚类、鳍脚类(海狮、海豹和海象)和海牛目(儒艮、海牛)。鲸豚类和海牛目的物种有着扁平的尾巴,而鳍脚类的鳍状后肢也是扁平而不是“竖直”的。相应地,和鱼类不同,它们游泳时主要是上下摆动身体作为驱动力。

座头鲸的泳姿。小美人鱼的尾巴是不是跟这个更像?图片:giphy.com

座头鲸的泳姿。小美人鱼的尾巴是不是跟这个更像?图片:giphy.com

这些动物的泳姿就和水族馆的小姐姐们很像了。你问为什么?当然是因为大家都是哺乳类啊!和鱼类不同的是,我们哺乳类很善于“弯腰”,想想有多少健身的人心心念念八块腹肌你就能明白。对哺乳类来说,“扁平的尾巴或鳍脚 + 腹肌和背侧肌肉”完成的“摆动” 动作,就是产生游泳动力的最优解。要是给水族馆的美人鱼小姐姐们安上一个竖直的尾巴……你倒是问问她们答不答应。

当然,中外文化里也不是没有比较实诚的人鱼形象,比如“哈利·波特”系列电影中,黑湖里的人鱼真的是左右摆动身体游泳的。我国唐代以后出现的人首鱼身俑,虽然不算是“美人鱼”,但也是如假包换的鱼尾巴。

南唐人首鱼身俑。图片:kknews.cc

南唐人首鱼身俑。图片:kknews.cc

分析到这,这个“鱼人”之谜就比较明朗了:经典的人鱼形象明明就是——披着鱼皮的哺乳动物啊! 而且你可能听说过,美人鱼的传说起源于儒艮或者白鲸,这样看来,美人鱼真的是跟鱼没有半毛钱的关系了。至于相似的鳞片和尾巴,只是艺术处理需要而强加的设定啦。

至于开头那篇科学研究?“鱼人”当然是愚人节的玩笑啦,毕竟期刊《PAC》不就是物种日历的英文名嘛!

后记:美人鱼美丽而魅惑的形象深入人心,《太平广记》里甚至提到“临海鳏寡多取得,养之于池沼。交合之际,与人无异。”这样一来,弄明白人家其实不是鱼也是一件幸事——不然想象下,海的女儿们是靠产卵后体外受精来繁殖,岂不幻灭?

如何从透明中变出五彩斑斓?你只需要一杯热水,再加上这样道具……

本文来自窗敲雨的微信个人公众号“酷炫科学”,首发于果壳的微信公众号,未经许可不得进行商业转载

当潮湿温暖的空气遇到凉凉的眼镜片、镜子或者其他类似的表面,冷凝的小水滴总是会在上面蒙上一层“薄雾”。这层雾看起来是什么颜色?

你可能会说,当然是白色啦!毕竟它都是由无色透明的小水珠组成的嘛。

但是,事情没有这么简单。在特定的情况下,原本无色的小水珠其实能形成一层五彩斑斓的雾!

vrain-droplet-color-1

(这个真的是水。原视频来源:参考文献1)

而且这还不是最厉害的。真正最厉害的是——这层五彩斑斓的水雾发在了《自然》上,而且还登上了2月28日的期刊封面:

vrain-droplet-color-2

(封面图片:Sara Nagelberg)

彩色的水雾到底是怎么回事?下面我就来详细讲讲。

如何拥有同款彩色水雾?

想要观察到和Nature封面研究同款的彩色水雾,首先需要准备一个聚苯乙烯材质的透明塑料培养皿。只要有了这样道具,剩下的事情其实都很简单:只要在培养皿里倒上一些热水,盖上盖子,并用一束白光把它照亮即可。下面是我自己测试的结果。实验中用的是准直LED光源,我这里没有专门的光源,只是靠房间顶上的日光灯。虽然效果没有那么好,但色彩确实看得很清楚了:

vrain-droplet-color-3

(毫无PS的作者手抖自摄……动图经过加速,实际时间十秒左右)

从实际观察来看,从盖上盖子起水雾色彩的分布一直都在变化,这些色彩肉眼明显可见的时间并不会维持很久。而如果在显微镜下观察这些彩色水雾,会发现这些微米级的小水滴边缘都有一个明亮的“彩色光圈”。不同大小的液滴“光圈”颜色各不相同。

vrain-droplet-color-4

(在显微镜下看,每个小水滴的边缘都顶着一个彩色的光圈。我知道这个图很像画的,但确实不是_(:з」∠)_图片来自原论文,大图的下方的比例尺是200μm,小图的比例尺是1cm。)

彩色从哪儿来?

首先需要说明:这不是一道迷你版的彩虹,也不是一个个超小号肥皂泡。水雾上的色彩形成原因和颜色的分布规律都与这两种常见现象不同。

研究者发现,彩色水雾其实是两种光学现象共同作用的结果:一个是全反射,一个是干涉。

当光线从折射率大介质入射,并且角度超过一个临界值时就会发生全反射。

vrain-droplet-color-5

(动图来源:QuantumBoffin)

而当光线从上方入射时,它就很容易沿着培养皿下壁的液滴边缘发生全反射(如下图)。光线可能会从不同的路径发生全反射,这些路径的长度不同,因此光线最终出射时就产生了相位差。具有相位差的光线彼此发生干涉,就能让白光变成不同的色彩。

vrain-droplet-color-6

(全反射与干涉的共同作用让微米级小液滴产生色彩。截图来源:MIT)

这个效应取决于液滴的折射率,同时也非常依赖液滴的大小和形状。一定要选择塑料而不是玻璃的培养皿就是为了让挂壁的水滴形成合适的形状。

为啥要研究这个?

这种小液滴的虹彩现象最初是艾米·古德林(Amy Goodling)和劳伦·扎扎尔(Lauren Zarzar)两个人发现的。当时他们在研究一些培养皿上的透明小液滴(不过并不是水),研究中突然发现液滴看起来格外地蓝,这激起了他们的研究兴趣。

除了满足好奇心,这项研究也为人们提供了一种制造结构色的新思路。虽然培养皿盖子上的小液滴没法保持稳定,但把液滴换成聚合物小颗粒也可以实现同样的效果。而且研究者们也为这种现象建立了模型,可以预测不同条件下的颜色规律。

然而,这种虹彩现象的效果非常取决于光源和观察角度,这一点会限制它的应用前景。

vrain-droplet-color-7

(转一转角度,液滴的虹彩看起来就完全不一样了。这里展示的并不是水滴,不过原理类似。原视频来自参考文献1)

不过,能在家里拥有一个Nature封面同款我还是非常开心的……

参考资料

https://www.nature.com/articles/s41586-019-0946-4

http://news.mit.edu/2019/water-droplets-structural-color-0227

kxkx-qr

被色诱的雄蜂,你没发现自己交了个假女友么?

本文来自微信公众号“物种日历”,未经许可不得进行商业转载

都说日历娘的萌点崎岖,emmm……我写这篇文章的心路历程也很崎岖。

蜂兰(Ophrys apifera),Hans Hillewaert摄于意大利西西里岛,图片:Hans Hillewaert / Wikimedia Commons

蜂兰(Ophrys apifera),Hans Hillewaert摄于意大利西西里岛,图片:Hans Hillewaert / Wikimedia Commons

大概这种哈哈大笑的小丑长相的确很喜人吧。然而,小丑背后的故事不会总是天真无邪的,蜂兰(Ophrys apifera)也不例外。如果你是十六岁以下或不能面对赤裸裸真相的小盆友,请看完第一张图后就此打住吧。

倾情服务,只为一锤子买卖

首先,蜂兰是一种兰花。这一群从白垩纪末就在地球上盛开的花朵,岁月经年,如今已个个堪称奇葩。它们的三枚花瓣中有一枚特化成“唇瓣”,千奇百态不单似嘴唇,比如这里哈哈大笑的小丑身体。其实这种为飞行的传粉昆虫提供降落平台和跑道标记的做法倒也不是兰科独门绝技,只是它们的平台款型略嫌丰富(极大的丰富)罢了。而兰科的独创是绝大部分成员都把雌雄生殖器官长在了一起成为“合蕊柱”。

蜂兰合蕊柱侧面,箭头所指的黄色部分是花粉块,另一个花粉块还在盔状的花药里没有掉出。图片:BerndH / Wikimedia Commons

蜂兰合蕊柱侧面,箭头所指的黄色部分是花粉块,另一个花粉块还在盔状的花药里没有掉出。图片:BerndH / Wikimedia Commons

如图,蜂兰合蕊柱上面的高耸头盔是雄性的花药,下面好像小丑的额头凹陷进去的空间是雌性的柱头,它们为传粉昆虫提供“一站式服务”,“收发快递”都在一起。花药里的花粉打包成有细长柄的花粉块,黄色的成熟花粉块被外力扰动会掉出,如上图箭头所指的那样。下方柱头上有粘盘,花粉块只要进入那里,一整块花粉里的足量精子都有机会与子房里的繁多胚珠结合。如此造化,让大多数兰花的传粉变成了要么颗粒无收、要么赢家通吃的一锤子买卖。为了做成这“买卖”,兰花们对虫子们有温情、有利诱,也有坑蒙拐骗、绑架勒索,可谓机关算尽。

雄蜂:我可能交了假女朋友

蜂兰属名Ophrys是希腊语“眉毛”的意思,因为唇瓣边缘毛茸茸的,故本属又常被称作“眉兰”,不过它们总是打蜂类的算盘,比如我们的主角,种加词apifera意即“有蜂的”。眉兰们多生活在地中海和西亚,阿尔卑斯山北边最远到过类似当年罗马帝国的疆域,然而它们在罗马共和国建国前很久就已经成精,称之为“妖孽”毫不为过。其妖法:色诱。

一只正在为蜂兰传粉的长角长须蜂Eucera longicornis。 图片:ekermeur.net

一只正在为蜂兰传粉的长角长须蜂Eucera longicornis。 图片:ekermeur.net

蜂兰的香气是复合的烃类物质,几种脂族、杜松烯和萜类的精准配方香型可以逼真地模仿雌蜂的性外激素,让“闻香识女人”的雄蜂神魂颠倒,蜂拥而至。而由唇瓣、侧瓣和合蕊柱模仿的雌蜂虽然在人类看来有点灵魂画风,但显然足以骗过心里火烧火燎的雄蜂。而唇瓣的“眉毛”其实是在模仿蜂类的体毛,这样可以让来访的蜂抓牢,诱导它们到正确的体位,并留下真实的触感。大卫·爱登堡爵爷曾一本正经地说:有时因为来的雄蜂太多,沉醉于性外激素的它们甚至等不及花儿上的空位,开始抱住另一只雄蜂不可言说……(请想象幼小的我看到这一段时打开新世界大门的惊叹!)

BBC纪录片《植物私生活(The Private Life of Plants)》片段,被褐花眉兰Ophrys fusca吸引的地蜂科物种Andrena sp.,请问,至少有多少只?图片:bilibili.tv(UP:石田丸菌)

BBC纪录片《植物私生活(The Private Life of Plants)》片段,被褐花眉兰Ophrys fusca吸引的地蜂科物种Andrena sp.,请问,至少有多少只?图片:bilibili.tv(UP:石田丸菌)

当然,妖孽们在1862年就引起了达尔文老师傅的注意,他记载道: “蜂们如对付必须打倒的小恶魔一般,向那些花儿们发起攻击”,并对此行为的原因感到着迷,因为显然,蜂类不会从兰花那里得到任何奖励。后来,法国人波漾(Pouyanné,译成这两个字比较符合本文的气氛)提出了也许蜂兰长得像雌蜂是欺骗性拟态,如今我们把它叫做“拟交配”(Pseudocopulation)。最终,着急的雄蜂还是会意识到“我可能交了假女朋友”,遗恨之前的莽撞已经让它头上黏住了花粉块的长柄,怎么也取不下来,只能悻悻离去。

BBC纪录片《植物私生活(The Private Life of Plants)》片段,被花粉块长柄黏住的雄蜂。图片:YouTube(UP:Gota Xemco)

BBC纪录片《植物私生活(The Private Life of Plants)》片段,被花粉块长柄黏住的雄蜂。图片:YouTube(UP:Gota Xemco)

然而故事没有到此结束,带着花粉块的雄蜂还会飞向另一只“雌蜂”。研究发现,它不会再去找已经确认的“假女朋友”,并不是由于它真的长了记性,而是它把那朵花儿的香氛归为不受欢迎的雌蜂的外激素(比如不友好的或已经交配过的雌蜂)。

而妖术登峰造极的是昆虫眉兰Ophrys insectifera,它的花粉块有直立的柄,只有萎蔫下垂时才有可能自花授粉,因此一朵花在失去花粉后会在正巧接近花粉块柄萎蔫时主动下逐客令,变成不受欢迎的香氛,让余兴未尽的雄蜂乖乖去把花粉交给另一朵花。

正在为昆虫眉兰Ophrys insectifera传粉的掘土蜂Argogorytes mystaceus。图片:J. Claessens & J. Kleynen / Wikimedia Commons

正在为昆虫眉兰Ophrys insectifera传粉的掘土蜂Argogorytes mystaceus。图片:J. Claessens & J. Kleynen / Wikimedia Commons

脸盲的人类,你们知道什么

也许大多数人类都是脸盲,昆虫眉兰Ophrys insectifera被认为长得像蝇类而在英语里叫蝇兰(Fly orchid),虽然它明明是靠蜂类传粉的。而另两种O. sphegodesO. fuciflora被认为像蜘蛛,因此叫做早蛛兰和晚蛛兰(Early / Late spider orchid),而它们分别是由地蜂属Adrena和分舌蜂属Colletes传粉的。

与蜂兰同属、也可以欺骗地蜂的早蛛兰Ophrys sphegodes,因为长得像蜘蛛得名,摄于英国南部Folkestone。图片:GkgAlf / Wikimedia Commons

与蜂兰同属、也可以欺骗地蜂的早蛛兰Ophrys sphegodes,因为长得像蜘蛛得名,摄于英国南部Folkestone。图片:GkgAlf / Wikimedia Commons

也有高阶脸盲如叶蜂眉兰O. tenthredinifera,传粉者主要是蜜蜂科条蜂属的Anthophora pillipes,而非学名所指的叶蜂科。唉,罢了,植物和昆虫分类都很难,不全怪人类。

叶蜂眉兰,扫描二维码看更多。摄影:余天一

叶蜂眉兰,扫描二维码看更多。摄影:余天一

不过蜂类眼里的世界是我们难以想象的,它们的可见光波段与人类不一样,加上复眼视觉,这些兰花看上去也许非常逼真……或者它们也不在乎那么多,只要找到头在哪边就可以上了,比如黄花眉兰O. lutea和前面BBC里出现过的褐花眉兰O. fusca就是采取的让地蜂科昆虫的腹部沾上花粉块的体位,让唇瓣拟态了雌蜂的头部。最重要的还是精确配比的性外激素,不同的眉兰属物种的香味能吸引的冤大头也是各自专属的,通过它模拟的性外激素的差异,可以用来界定分类尚不明确的眉兰属物种。

假戏真做,蜂岂不是损失惨重?

拟交配现象并不只有眉兰属才有,其它兰科成员也有不少精妙的情色骗术。另一个著名的例子是分布于澳大利亚的铁锤兰属Drakaea,它利用当地土蜂会抱起没有翅膀的雌蜂飞到空中交配的行为,在拟态雌蜂腹部的唇瓣基部巧妙地长出活动的关节,意图起飞的雄蜂会随着这种机关的运动一头撞上合蕊柱。而同在澳大利亚的姬蜂和隐柱兰属物种Cryptostylis spp.假戏真做时过于投入,因此被研究者观察到损失了不少精子。

分布于澳大利亚的铁锤兰Drakaea glyptodon,唇瓣由一个活动的杠杆链接在花朵上,为了让蜂类抱起它时头部撞向合蕊柱。图片:Mark Brundrett / Wikimedia Commons

分布于澳大利亚的铁锤兰Drakaea glyptodon,唇瓣由一个活动的杠杆链接在花朵上,为了让蜂类抱起它时头部撞向合蕊柱。图片:Mark Brundrett / Wikimedia Commons

BBC纪录片《植物私生活(The Private Life of Plants)》片段,打算抱着“雌蜂”起飞的土蜂,中了铁锤兰的机关。图片:bilibili.tv(UP:石田丸菌)

BBC纪录片《植物私生活(The Private Life of Plants)》片段,打算抱着“雌蜂”起飞的土蜂,中了铁锤兰的机关。图片:bilibili.tv(UP:石田丸菌)

真的很替蜂们担心,不是么?被兰花骗那么惨,会不会真的由于损失过大而自己生殖不成功呢?好在,似乎兰花这些凶狠的骗术都只作用于可以孤雌生殖的非社会性蜂类,因此就算真的损失了几个单倍体的雄蜂,雌蜂们仍然可以自己再生一批,让种群的基因库不受太大冲击。至于为什么会这样,大概是兰花和蜂类一方产生更高明的骗术,另一方发展更好的减损手段而不断博弈的结果吧,有点红皇后的协同演化的意思。

红皇后:“你必须尽力地不停地跑,才能使你保持在原地。”图片:DirectConversations

红皇后:“你必须尽力地不停地跑,才能使你保持在原地。”图片:DirectConversations

在兰花这边,也不是存心作恶。眉兰属有一些种类就是模仿蜂的栖息地而不是拟交配的,只开房不陪睡。不过,为了模仿蜂的洞穴,兰花也用上了蜂类传达聚集信息的外激素,研究者通过谱系统计推断眉兰属进行拟交配的物种的祖先性状时发现,也许通过模拟蜂类栖息地,眉兰在形态和化学上都已经预先适应了以后可能用到的骗术。毕竟,一旦用过就效果拔群,停不下来了。

其实这些高明的骗术让眉兰属成功传粉的概率只有5%~10% ,然而这对于整个种群的繁殖来说已经够了,成功受精的眉兰花每一朵可以产生12000~14000枚种子。这些种子里都有通过有性生殖才能发生的基因重组,因此保证了种群的遗传多样性,也就是物种在演化的基因长河里立足的根基。性是如此的重要,因此它甚至被演化用来设置这样反讽般的骗局。

一道冰川,阻隔了牛郎织女

最后,回到我们的主角蜂兰。也许是因为第四纪的大陆冰川覆盖过欧洲阿尔卑斯山以北的大部分地区,蜂兰的传粉者并没有跟上冰川消退的脚步回到曾经的分布区,因此,生长在北欧的蜂兰竟然大部分是严格自花授粉的,主动适应了自交,只有在地中海边的它们还能施展那古老的媚惑。

1777年《伦敦植物志(Flora Londinensis)》的蜂兰绘图,让我们不要只看在历史资料里看到它们曾经生活在这里。图片:William Kilburn / Kew

1777年《伦敦植物志(Flora Londinensis)》的蜂兰绘图,让我们不要只看在历史资料里看到它们曾经生活在这里。图片:William Kilburn / Kew

透过这张蜂兰的全身图我们可以想见,还好地下有充满营养的块根,让蜂兰能在孤独的北欧存续生息。它们或许会由于遗传结构变得单一,前途堪忧——这就像是命运的玩笑。

想到这样的蜂兰,我总不禁忧虑:我们这个物种在这颗星球上带来的剧烈变化,又会使多少演化中多年相爱相杀的伙伴,因为应变的步调不一致而被迫分离呢?

睡前喝酒、喝牛奶,能够帮助睡眠吗?

睡眠是人生中花时间最多的事情,多数人一生中大约有三分之一的时间在睡眠中。成年之前,充足的睡眠有利于身高,也有利于大脑发育;到了青壮年时代,合理的睡眠有助于保持充沛的体力和敏锐的脑力;到了老年,睡得好不仅是健康的标志,也是幸福的来源。

ywx-sleep-drink-1

然而不是所有人都能想睡就睡,许多人都有“想睡睡不着,睡着了没睡好”的状态。于是,各种“帮助睡眠”的方法也就别具号召力。

睡前喝口白酒,或者喝杯红酒,被许多人认为有助于睡眠。这大致来源于喝醉了的人很容易呼呼睡去。

酒对睡眠的影响吸引了许多科学家的目光,也有很多研究发表。总体而言,睡前喝一点酒,可以帮助人们更快地“入睡”。但是,“更快入睡”只是睡眠的一个方面。身体休息得如何,睡眠质量跟睡眠时间同样重要。在睡眠中,人体的肌肉和大脑并不处于一直不变的状态,而是存在着“由浅入深”的循环。在深度睡眠时,人会进入梦境。在这种状态下,人体能够得到最大程度的休息和恢复。喝酒会促进人体更快从清醒进入睡眠状态,但是会减少深度睡眠的时间。所以,虽然酒后入睡得快一些,睡的时间可能长一些,但是睡眠质量并不好,醒来之后的身体感觉,并不像真正的“充足睡眠”那么好。

简而言之,不管是喝白酒还是喝红酒,表面上看可能“帮助入睡”,但实际上并不能起到“改善睡眠”“更好休息”的作用。

在生活中,还有许多人会在睡前喝一杯牛奶来帮助睡眠。这种做法的“理论依据”是:牛奶中有比较多的色氨酸,经过血脑屏障进入松果体,作为原料合成褪黑素。而褪黑素是调控人体睡眠的激素。

这个理论能够自圆其说,不过实际上不见得有多大用。一方面,色氨酸只是牛奶中的氨基酸之一,想要获得足够的色氨酸,需要摄入大量的蛋白质,也就会同时摄入大量的其他氨基酸和牛奶中的其他物质。在美国,也有一些商家把色氨酸纯品作为膳食补充剂销售,宣称能够改善睡眠以及还有其他功效。不过,FDA并不认可这些功能,所以它们也就只是作为膳食补充剂销售,给消费者“信则灵”的选择。

不过,牛奶毕竟是一种不错的食物,睡前喝一杯至少不会有什么坏处。一种常见的推荐是,保持不饱不饿的状态,对于良好的睡眠是有帮助的。而合适的食物,是少量的蛋白类食物(比如牛奶、奶酪、酸奶、豆浆、豆干等等),加上一些粗粮类食物。前者提供氨基酸,后者缓慢消化,保持血糖的持续稳定。

本文来自云无心的微信个人公众号,系今日头条签约稿件,媒体转载须经授权