Science does not deal with facts; rather, it deals with evidence.
科學家就像偵探，我們沒有辦法知道真相是什麼，我們只能從證據去推測什麼是比較有可能的真相。
圖一 Arecibo Observatory, Puerto Rico. 目前世界上最大的單一口徑電波望遠鏡
以你問，那我們國小國中高中浪費大把青春寫了無數參考書上了無數補習班學的這些定理都不是真的囉？對，也不對。科學上的理論被推翻在歷史上的確不斷發生 (不然你也不用買最新版本的大學原文書了對吧?)，但能進到我們課本上大概都是歷經了一段時間還沒有被推翻，科學家普遍認為應該是可以正確描述這個世界的論述。
要成為科學的假說，就要能被用實驗來檢驗對錯，也就是可以證偽。譬如亞里斯多德認為沒有力，物體就應該靜止，有力才有速度。於是我們可以去做實驗，發現在結冰的湖面上輕輕推一個雪橇，手放開後雪橇還是會繼續移動，說明沒有力了物體還是可以繼續移動，也就是亞里斯多德的理論被推翻了。
有了實驗的支持後，假說就形成理論。有用的理論應該要不僅可以解釋過去實驗的數據，還要能用來推斷還沒做的實驗的結果，也就是要具有預測性。另外，好的理論普遍認為還要簡單。因為一般相信，如果宇宙是依據幾個原則來運行的，這些原則應該要很簡單。如果現象能用簡單的原則解釋，就不應該用複雜的去說明。數據如果大部分都能兩個參數說明，就不需要也不應該用第三個參數。
然而，生物學一直以來最大的問題就是實驗的困難性。不像物理或化學問題，我們能在實驗室建立一個良好控制的環境去測試。像是我們可以用重物去測定重力加速度，如果想要移除空氣阻力，也可以在真空的環境下測試。 (熊註：真空環境的落地實驗在很多博物館裡都可以看到；NASA曾經在月球表面酷炫地直播這個實驗，前一陣子又用他們世界最大的真空腔重新炫耀了一次XDD。) 但傳統生物研究，尤其是生態研究，我們很難控制各種環境的變因，像是我們無法讓雨量和溫度保持恆定並增加野外的綿羊數量去看野外的大野狼的數量變化。既然不能控制，很多情況下我們只能觀察，並用統計的方式去說明相關性。但其實生物學家更有興趣的是因果關係 (Causality)。像是知道毛利小五郎出現的地方犯罪率也比較高 (果)，不能告訴我們毛利小五郎是否殺人 (因)，雖然這是一種很可能的解釋方式。而且因為我們不能控制其他變因不變 (譬如：所有地方的美女數量和長相氣質均類似)，讓我們不能排除是美女同時吸引了毛利小五郎和兇手的可能性。
要怎樣才知道毛利小五郎是不是兇手呢？當然是要看證據啊！這裡我們參考 S. Gilbert 的發育生物學，把證據依照強度分為以下幾種：[1]
- 1. 相關性 Correlation
- 2. 失去功能 Loss of Function
- 3. 得到功能 Gain of Function
雖然 Gilbert 用此原則來研究發育生物學，但我覺得這些原則在很多生物學領域都適用。
相關性就如前面所說，是最弱的證據，但卻往往是研究的第一步。科學來自於觀察，而大部分的情況觀察到的現象只能給我們一些對於這個現象的成因的提示。相關性簡單的來說就是兩種：正相關和負相關。正相關是當你發現一個變量增多，另一個變量也增多。負相關則是相反。前者譬如發現生物體內細菌濃度高，白血球數量也會較多，但知道這個並不能告訴我們是白血球造成細菌濃度增加，還是細菌造成白血球增加，又或者是因為其他理由造成兩者上升。
要進一步說明因果關係，我們可以用下面兩種方式：
1. 消除某種可能的原因，看看結果是否還是會發生。
2. 在沒有這種變因的環境加入這種變因，看看能不能導致我們想要的結果。
前者稱之為「失去功能」，後者稱為「得到功能」。失去功能，譬如我們可以剔除某個基因或抑制某個基因的表現，去看某種生理功能是否會受到破壞，並推測這種基因和這種生理功能可能有某種關係。但這只能證明必要條件，只能證明這種基因是這種功能所必須，不能說這個基因直接和這個功能有關。就像是媽媽叫你把電燈關掉，有一種可能的做法是：你把家裡的電源總開關關掉。的確，電燈熄了。但是這只能說明要讓電燈亮 (生理功能B可以作用) 一定要先把總開關 (基因A) 打開，但我們不知道總開關打開 (基因A) 電燈是不是一定會亮。
要怎麼知道是不是A導致B呢？像前面的例子，你說，那很簡單啊，我們就把總開關打開看看吧！但是為了確定是總開關讓電燈亮的，而不是其他變因，我們首先要先找到一個房子，裡面的電燈沒有亮，而且這個房間沒有總開關。如果裝上了總開關並打開它，是不是能讓電燈變亮呢？很有可能不會吧！而且即使電燈亮了，並不是只有電燈亮，可能冰箱也開始運作了。但如果我們打開電燈的開關，電燈的確亮了，而且只有電燈亮了，我們就可以說電燈開關 (基因A) 是直接控制電燈 (功能B) 的。一個有名的例子就是幽門桿菌和胃炎及胃潰瘍的關係，巴利‧馬歇爾 (Barry Marshall) 為了證明是幽門桿菌導致胃炎及胃潰瘍，自己喝下幽門桿菌並在幾天後胃炎發作。[1] (後記：巴利‧馬歇爾在2005年因為幽門桿菌和胃炎的實驗獲得諾貝爾獎。) 另外，研究者也會在沒有某種功能的物種上轉入某種基因，看是否能讓這種本來沒有某種功能的物種有這種生理功能，像是轉入綠螢光蛋白可以讓本來不會發光的生物發出綠色螢光。這種實驗，我們稱之為「得到功能」，這可以證明充分性。也就是幽門桿菌是胃炎的充分條件，也就是幽門桿菌會導致胃炎的發生。請注意，這種研究仍然沒有說明A是導致B發生的唯一因素，僅說明了A是導致B發生的其中一個原因。
對於不是簡單可以操控的實驗，譬如我們很難移動太陽看看地球有什麼改變，也很難改變地磁看看生物會不會改變遷徙方向，我們的理解都是由觀察得來，很難去說明因果關係。於是我們只能藉由夠多組的觀察數據，嘗試去說明充分和必要性。當我們觀察的樣本夠大且變異夠多時，我們就可以把每一次的觀察當成一組實驗數據去看哪些可能是充分條件哪些可能是必要條件。說到這裡你大概就會明白，為什麼能夠調控基因對生物學來說是這麼重要的發現吧！因為有了這個工具，我們能回答的問題從相關性晉升到因果關係。
##番外篇:
應觀眾要求，我們用毛利小五郎跟美女的例子再說明一次XD 前面提到，如果想知道毛利小五郎到底是不是兇手，還有他是不是被案發現場的美女吸引而來，根據證據的強度可以分為幾種。
1. 相關性 Correlation:
經過觀察，在美女多的地方愈常看到毛利小五郎出沒，而他出現的地方犯罪率也比較高。這裡的例子就是所謂的正相關。相關性最容易觀察、也是研究的第一步，但要做為證據卻最為薄弱，因為我們並沒有辦法確認到底是美女吸引了毛利小五郎到此行兇、美女同時吸引了毛利小五郎和兇手、還是其他因素造成了美女毛利小五郎和兇手同聚一堂。相關性只能提供(可能的)因素與結果間的消長關係，想要更進一步測試因果關係，我們有以下兩種方式。
2. 失去功能 Loss of Function:
這個方法是去除某樣可能的原因，看看結果(謀殺案)是否還是會發生。為了例子了的完整性，我們假設某個社區接連幾天都發生案件，而毛利小五郎這幾天也都在場…XD 於是居民很害怕立刻把他趕了出去，接下來幾天就天下太平了。又或者，居民把社區的美女都藏起來，之後幾天小五郎消失了也沒有新的案件發生。但這些都只能證明必要條件而不是直接的因果關係，第一個例子裡毛利小五郎是案件發生的必要條件，而第二個例子裡美女是小五郎留在社區和案件發生的必要條件。至此我們還不知道小五郎或美女是不是會直接引起刑案發生。(還有其他的可能性我們就暫時不探討了，要不然所有狀況寫都寫不完…)
3. 得到功能 Gain of Function:
這個方法是在原本沒有某種變因的環境加入這種變因，看看能不能導致我們預期的結果。為了嚴謹，我們找到了一個毛利小五郎從來沒拜訪過、從來沒發生過刑案、也沒有美女 (恩…這好主觀…) 的社區。根據前面的第一個例子，我們把小五郎丟到這個社區裡，然後，噹噹，刑案發生了，至此我們可以推論出是小五郎的存在導致了刑案的發生，也就是充分條件 (但是沒辦法證明是他幹的)。
而第二個例子比較複雜，我們請了一群美女到社區暫住。第一種可能是我們先把小五郎關在家，但是刑案還是發生了，至此我們可以推論美女的存在造成刑案的發生，而小五郎的出現只是 side effect，他跟案件發生並無關聯 (也就是他只是單純愛看美女，大家都誤會他了XD)。而第二種可能是放任小五郎趴趴走，美女出現後小五郎被目擊出現了而刑案也發生了，這種狀況下我們就無法肯定到底他只是side effect還是是刑案發生的充分條件了。不過兩種可能的情況下美女的存在都是刑案發生的充分條件。
最後要注意的一點是，不論哪種研究方法，我們仍然沒有說明美女/小五郎的存在是導致刑案發生的唯一因素喔!
[1]S. Gilbert (2010)’Sidelights & Speculations : Rules of Evidence : “Find it, Lose it, Move it”’. Developmental Biology. 9th Ed., p.144
[2] http://www.nobelprize.org/nobel_prizes/medicine/laureates/2005/marshall-bio.html
留言列表
