Реферати

Реферат: «Биокомпьютери»

Облік розрахунків і аналіз по оплаті праці ТОВ "Юнион". Види оплати праці, задачі обліку. Синтетичний і аналітичний облік розрахунків по оплаті праці. Показники по праці і його оплаті, задачі їхнього аналізу. Оцінка обґрунтованості росту розрахунків по оплаті праці. Ефективність використання засобів на оплату праці.

Можливості екзистенціальної терапії "важких" підлітків. Підлітковий вік - це вік найбільших невизначеностей. Підлітка можна описувати довгим перерахуванням, що починається словами "уже не..." і "у теж час ще не...".

Змінені стани свідомості. Область психічної діяльності людини, її природа і функції. Продукування змінених станів свідомості і їхні ознаки. Сон як природний стан і гіпноз як штучний сон. Забуття реальності, творчі акти, медитація, левітація.

Потреби і мотиви особистості. Особливості потреб і мотивів, їхня класифікація, функції і властивості. Послідовність появи потреб в онтогенезі, суть їхньої ієрархії. Роль незадоволених потреб і нереалізованих намірів, форми нервово-психічних розладів.

Родина як суб'єкт педагогічної взаємодії і социокультурная середовище виховання і розвитку особистості. Форми суспільних відносин і процесів, що відбуваються в родині. Репродуктивна, виховна, господарсько-економічна, відбудовна, регулятивна, комунікативна, соціально-статусна функції родини. Проблеми, з якими зіштовхується родина.

Московська Державна Академія Приладобудування і Інформатики

ДИПЛОМНА РОБОТА

по інформаційних економічних системах

«Біокомпьютери»

Виконав: Пяров Тімур Р

ЕФ2, 2 курс, 35.14

2002

Москва

Зміст

Повністю био. 3

У Німеччині створений перший в світі нейрочип, що поєднує електронні елементи і нервові клітки 4

Біологія in silico. 5

Інфузорне програмування. 8

Біоалгорітміка. 11

Біочипи як приклад індустріальної біології. 17

Перший биокомпьютер

Групі вчених з мюнхенского Інституту біохімії імені Макса Планка вдалося створити перший в світі нейрочип. Мікросхема, виготовлена Пітером Фромгерцом і Гюнтером Зеком, поєднує в собі електронні елементи і нервові клітки.

Головною проблемою при створенні нейрочипов завжди була складність фіксації нервових кліток на місці. Коли клітки починають утворювати з'єднання один з одним, вони неминуче зміщаються. На цей раз вченим вдалося уникнути цього.

Взявши нейрони равлика, вони закріпили їх на кремнієвому чопі за допомогою мікроскопічних пластмасових держателів (на фото). У результаті кожна клітка виявилася сполучена як з сусідніми клітками, так і з чопом. Подаючи через чіп на певну клітку електричні імпульси, можна управляти всією системою.

Поєднання біологічних і комп'ютерних систем таїть в собі величезний потенціал. На думку фахівців, нейрочипи дозволять створити більш довершені, здібні до навчання комп'ютери, а також протези для заміни пошкоджених дільниць мозку і високочутливий биосенсори.

Як заявив недавно славнозвісний британський фізик Стівен Хокинг, якщо ми хочемо, щоб біологічні організми як і раніше перевершували електронні, нам доведеться пошукати спосіб об'єднати комп'ютери і людський мозок, або спробувати штучним шляхом удосконалити власні гени. (Детальніше про це розказується тут)

Проте, такі проекти поки залишаються фантастикою. До їх реалізації поки ще дуже далеко, а поки головним призначенням пристроїв, подібних створеної в Мюнхене нейросхеме, є вивчення механізмів роботи нервової системи і людської пам'яті.

Повністю био

Група вчених з Вейцмановського Інституту (Weizmann Institute), Ізраїль, вдалося створити перший в світі комп'ютер, всі дані, що обробляються і компоненти якого, включаючи "залізо", програми і систему введення-висновку, уміщаються в одній скляній пробірці. Фокус полягає в тому, що замість традиційних кремнієвих чопів і металевих провідників новий комп'ютер складається з набору биомолекул - ДНК, РНК і деяких ферментів. При цьому ферменти (або, по-іншому, ензими) виступають в ролі "заліза", а програми і дані зашифровані собою парами молекул, що формують ланцюжки ДНК (на ілюстрації).

Зі слів керівника проекту професора Ехуда Шапіро (Ehud Shapiro), биокомпьютер поки може вирішувати лише самі прості задачі, видаючи усього два типи відповідей: "істина" або "брехня". При цьому в одній пробірці вміщується одночасно до трильйона елементарних обчислювальних модулів, які можуть виконувати до мільярда операцій в секунду. Точність обчислень при цьому становитиме 99,8%. Для проведення обчислень необхідно заздалегідь змішати в пробірці речовини, відповідні "залізу", "програмному забезпеченню" і початковим даним, при цьому ферменти, ДНК і РНК провзаимодействуют таким чином, що в результаті утвориться молекула, в якій зашифрований результат обчислень.

Коментуючи нове досягнення Шапіро повідомив, що природа надала людині чудові молекулярні машини для кодування і обробки даних, і, хоч вчені ще не навчилися синтезувати такі машини самостійно, використання досягнень природи вже в швидкому майбутньому дозволить вирішити цю проблему. У майбутньому молекулярні комп'ютери можуть бути впроваджені в живі клітки, щоб оперативно реагувати на негативні зміни в організмі і запускати процеси синтезу речовин, здатних протистояти таким змінам. Крім цього, завдяки деяким своїм особливостям, биокомпьютери зможуть витіснити електронні машини з деяких областей науки.

У Німеччині створений перший в світі нейрочип, що поєднує електронні елементи і нервові клітки

Групі вчених з мюнхенского Інституту біохімії імені Макса Планка вдалося створити перший в світі нейрочип. Мікросхема, виготовлена Пітером Фромгерцом і Гюнтером Зеком, поєднує в собі електронні елементи і нервові клітки.

Головною проблемою при створенні нейрочипов завжди була складність фіксації нервових кліток на місці. Коли клітки починають утворювати з'єднання один з одним, вони неминуче зміщаються. На цей раз вченим вдалося уникнути цього.

Взявши нейрони равлика, вони закріпили їх на кремнієвому чопі за допомогою мікроскопічних пластмасових держателів. У результаті кожна клітка виявилася сполучена як з сусідніми клітками, так і з чопом. Подаючи через чіп на певну клітку електричні імпульси, можна управляти всією системою.

Поєднання біологічних і комп'ютерних систем таїть в собі величезний потенціал. На думку фахівців, нейрочипи дозволять створити більш довершені, здібні до навчання комп'ютери, а також протези для заміни пошкоджених дільниць мозку і високочутливий биосенсори.

Як заявив недавно славнозвісний британський фізик Стівен Хокинг, якщо ми хочемо, щоб біологічні організми як і раніше перевершували електронні, нам доведеться пошукати спосіб об'єднати комп'ютери і людський мозок, або спробувати штучним шляхом удосконалити власні гени. (Детальніше про це розказується тут)

Проте, такі проекти поки залишаються фантастикою. До їх реалізації поки ще дуже далеко, а поки головним призначенням пристроїв, подібних створеної в Мюнхене нейросхеме, є вивчення механізмів роботи нервової системи і людської пам'яті.

Джерело:

Nature

Біологія in silico

Автор: Михайло Гельфанд, gelfand@integratedgenomics.ru

Дата публікації:21.09.2001

Обчислювальна біологія, вона ж биоинформатика, вона ж комп'ютерна генетика - молода наука, виникла на початку 80-х років на стику молекулярної біології і генетики, математики (статистики і теорії імовірності) і інформатик, що випробувала вплив лінгвістики і фізики полімерів. Поштовхом до цього послужило появу в кінці 70-х років швидких методів секвенирования* послідовностей ДНК*. Зростання об'єму даних відбувалося лавиноподібно (мал. 2) і досить скоро стало ясне, що кожна отримана послідовність не тільки представляє інтерес сама по собі (наприклад, для цілей генной інженерії і біотехнології), але і придбаває додаткове значення при порівнянні з іншими. У 1982 році були організовані банки даних нуклеотидних послідовностей - GenBank в США і EMBL в Європі. Спочатку дані переносилися в банки з статей вручну, однак, коли цей процес почав захлинатися, все ведучі журнали стали вимагати, щоб послідовності, що згадуються в статті, були вміщені в банк самими авторами. Більш того оскільки секвенирование вже давно стало рутинним процесом, який виконують роботи або студенти молодших курсів на лабораторних роботах, багато які послідовності зараз попадають в банки без публікації. Банки постійно обмінюються даними і, в цьому значенні, практично рівноцінні, однак кошти роботи з ними, що розробляються в Центрі биотехнологической інформації США і Європейському інституті биоинформатики, різні. Мабуть, першим біологічно важливим результатом, отриманим за допомогою аналізу послідовностей, було виявлення схожості вірусного онкогенаv нормального гена чинника зростання тромбоцитов, що привело до значного прогресу в розумінні механізму рака. Відтоді робота з послідовностями стала необхідним елементом лабораторної практики.

Рис. 2.

Кількість статей по молекулярній біології в бібліографічній базі даних PubMed (червоні ромби) і кількість фрагментів нуклеотидних послідовностей в базі даних GenBank (сині квадрати) за станом на 1982-2000 роки.

Шкала - логарифмічна, так що зростання кількості послідовностей - експонентний.

Об'єм бази в нуклеотидах також зростає експонентно.

У 1995 році був секвенирован перший бактерійний геном*, в 1997 - геном дріжджів. У 1998 було оголошено про завершення секвенирования генома першого багатоклітинного організму - нематоди1. За станом на 1 вересня 2001 року доступні 55 геномов бактерій, геном дріжджів, практично повними геномиArabidopsis thaliana(рослини, родинної гірчиці), нематоди, мухи дрозофили - все це стандартні об'єкти лабораторних досліджень. Вже два рази (навесні 2000 і взимку 2001 року) було оголошено про практичне завершення секвенирования генома людини - фрагменти, що є дійсно покривають його більш ніж на 90%. Кількість геномов, що знаходяться в розпорядженні фармацевтичних і биотехнологических компаній, оцінити важко, хоч, мабуть, воно складає багато які десятки і навіть сотні. Ясно, що переважна більшість генів в цих геномах ніколи не буде досліджена експериментально. Тому комп'ютерний аналіз і стає основним засобом вивчення.

Все це привело до того, що биоинформатика стала надзвичайно модною областю науки, попит на фахівців в якій дуже великий. Потрібно відмітити, що одним з неприємних наслідків виниклого шуму стало те, що биоинформатикой називають все, де є біологія і компьютери2. У той же час багато які області вже пережили такі моменти (наприклад, теорія информации3), і хочеться сподіватися, що за піною ажіотажу не пропаде те дійсно цікаве, що робиться в справжньої биоинформатике.

Традиційно до биоинформатике відноситься:

- статистичний аналіз послідовностей ДНК;

- прогноз функції по послідовності (розпізнавання генів в послідовності ДНК, пошук регуляторних сигналів, прогноз функцій білків - деякі з цих задач розглянуті в наступній статті);

- аналіз просторової структури білків і нуклеїнових кислот, в тому числі прогноз структури білка по послідовності, - тут биоинформатика межує з біофізикою і фізикою полімерів;

- теорія молекулярної еволюції і систематика.

Потрібно відмітити, що багато які задачі з різних областей вирішуються схожими алгоритмами, один з прикладів цього приводиться в статті М. А. Ройтберга.

У останні роки виник ряд нових задач, пов'язаних з прогресом в області автоматизації не тільки секвенирования, але і інших експериментальних методів: мас-спектрометрії, аналізу білок-білкових взаємодій, дослідження роботи генів в різних тканинах і умовах (див. статтю І. А. Грігорян і В. Ю. Макеєва в цьому номері). При цьому не тільки виникає необхідність створювати і запозичити з інших областей нові алгоритми (наприклад, для обробки результатів експериментів в області протеомики* широко застосовуються методи аналізу зображень), але і відбувається поширення биоинформатических підходів на суміжні області, наприклад популяционную і медичну генетику. Істотно при цьому, що роль биоинформатики не зводиться до обслуговування експериментаторів, як це було ще декілька років тому: у неї з'явилися власні задачі. Більш детально про це можна прочитати в огляді (М. С. Гельфанд, А. А. Міронов. Обчислювальна біологія на рубежі десятиріч. Молекулярна біологія. 1999, т. 33, № 6, з. 969-984); можна згадати також збірник статей (Математичні методи для аналізу послідовностей ДНК. М. С. Уотермен, ред. - М.: Мир, 1999). Проект курсу по биоинформатике, що перелічує основні напрями. Основні журнали по биоинформатике - «Bioinformatics», «Journal of Computational Biology» і «Briefings in Bioinformatics», конференції - ISMB (Intellectual Systems for Molecular Biology) і RECOMB (International Conference on Computational Biology).

Словник

[i41320]

1 (зворотно до тексту) - Питання про те, що таке повністю секвенированний геном багатоклітинного організму, нетривіальне. Зокрема, значну його частину (декілька відсотків) складають повтори, які і взагалі надто складні для секвенирования. У таких областях знаходиться мало генів, і тому їх звичайно залишають «на потім». Поточний же стан генома людини нагадує розсипану мозаїку, частина елементів якої відсутня, а крім того, підмішені фрагменти інших мозаїк (сторонні послідовності).

2 (зворотно до тексту) - В плані одного академічного інституту на 2001 рік в розділі «биоинформатика» можна було зустріти, наприклад, комп'ютерне моделювання скорочень серцевого м'яза - це дуже цікава і шановна, але абсолютно окрема тема. А в університетському курсі биоинформатики пропонується вивчати «Можливий механізм пунктурной терапії».

3 (зворотно до тексту) - См. дуже повчальну нотатку Клода Шеннона «The Bandwagon» (Trans. IRE, 1956, ИТ-2 (1), 3, російський переклад в: К. Шеннон. Роботи по теорії інформації і кібернетиці. - М.: Изд-у іноземної літератури, 1963). Ось цитата: «Зараз теорія інформації, як модний п'янкий напій, кружляє голову всім навколо. Для всіх, хто працює в області теорії інформації, така популярність безсумнівно приємна і стимулює їх роботу, але в той же час і насторожує... Будівля нашого декілька штучно створеного благополуччя дуже легко може звалитися, як тільки в один прекрасний день виявиться, що за допомогою декількох магічних слів, таких какинформация, ентропія, надмірність... не можна вирішити всіх невирішених проблем... На поняття теорії інформації дуже великої, навіть, можливо, дуже великий попит. Тому ми зараз повинні звернути особливу увагу на те, щоб дослідницька робота в нашій області велася на самому високому науковому рівні, який тільки можливо забезпечити».

Словник

ДНК (дезоксирибонуклеиновая кислота) - полімерна молекула, елементарними одиницями якої є четиренуклеотида: А, З, G, T. Ген- дільниця ДНК, що кодує один білок. Білок- полімер, в побудові якого беруть участь 20аминокислот (насправді більше, але інші амінокислоти з'являються внаслідок додаткової хімічної модифікації). Білки грають основну роль в житті клітки - формують її скелет, катализируют хімічні реакції, виконують регуляторние і транспортні функції. У живій клітці кожна молекула білка має складну просторову структуру (див. мал. 1).

Рис. 1. Схема біосинтезу білка.

РНК-полимераза синтезує РНКовую копію (мРНК) фрагмента ДНК (транскрипція). Рибосома транслює мРНК і здійснює синтез білка, приєднуючи амінокислоти відповідно до таблиці генетичного коду (див. мал. 1 до наступної статті). Потім білок згортається в просторову структуру (про це детальніше див. в КТ #398).

Геном- сукупність всіх генів організму або, ширше, повна послідовність ДНК. Розмір генома людини - 3 мільярди нуклеотидов, що кодують 35-40 тисяч генов1, генома бактерій - від 600 тисяч нуклеотидов/600 генів (внутрішньоклітинні паразити) до 6-8 мільйонів нуклеотидов/5-6 тисяч генів (вільно мешкаючі бактерії). Вправа: в скількох випусках журналу «Компьютерра» можна буде опублікувати бактерійний геном, якщо присвячувати цьому половину кожного номера?

Секвенирование- визначення послідовності нуклеотидов у фрагменті ДНК. Саме це є у вигляду, коли в газетах пишуть про «розшифровку генома людину». Дослідження роботи генів в масштабі цілих організмів, а також еволюція геномов складають предметгеномики, а аналіз повного набору білків в клітці і їх взаємодій один з одним - предметпротеомики2.

Інфузорне програмування

У другій декаді вересня в Празі пройшла 6-я «Європейська конференція по штучному життю» - міждисциплінарний форум, на який збираються вчені, що вивчають природу і що переймають в своїх дослідженнях її «творчий досвід».

Наприклад, дослідники з голландського «Центра природних обчислень» при Лейденськом університеті вважають, що, освоївши деякі прийоми генетичних маніпуляцій, запозичені у найпростіших одноклітинних організмів - ресничних інфузорій, людство зможе скористатися гігантським обчислювальним потенціалом, прихованим в молекулах ДНК.

Ресничние мешкають на Землі, щонайменше, два мільярди років, вони виявляють практично всюди, навіть в самих негостинних місцях. Директор Центра Гжегож Розенберг (Grzegorz Rozenberg), називає ці інфузорії «одними з найбільш успішних організмів на Землі». Вчені пояснюють таку «удачливість» надзвичайно ефективними механізмами маніпуляції власної ДНК, що дозволяють інфузоріям пристосовуватися практично до будь-якого середовища мешкання.

Унікальність ресничних в тому, що їх клітка має два ядра - одне велике, «на кожний день», де в окремих нитках зберігаються копії індивідуальних генів; і одне маленьке, що зберігає в клубку єдину довгу нитку, що використовується при репродукції ДНК з всіма генами відразу. У ході розмноження «микроядро» використовується для побудови «макроядра» нового організму. У цьому ключовому процесі і відбуваються надзвичайно цікаві для вчених «нарізання» ДНК микроядра на короткі сегменти і їх перетасовування, що гарантують те, що в макроядре неодмінно виявляться нитки з копіями всіх генів.

Розенбергом і його колегами встановлено, що спосіб, за допомогою якого створюються ці фрагменти, дивно нагадує техніку «зв'язних списків», здавна вживану в програмуванні для пошуку і фіксації зв'язків між масивами інформації. Більш глибоке вивчення репродуктивной стратегії ресничних інфузорій при сортуванні ДНК відкриває нові і цікаві методи «зациклення», згортання, виключення і інвертування послідовностей.

Нагадаємо, що в 1994 році Леонардом Едлманом (Leonard Adleman) експериментально було продемонстровано, як за допомогою молекул ДНК в єдиній пробірці можна швидко вирішувати класичну комбинаторную «задачу про комівояжера» (обхід вершин графа по найкоротшому маршруту), «незручну» для комп'ютерів традиційної архітектури. Результати ж експериментів вчених з лейденского центра дають підстави сподіватися, що в недалекому майбутньому ресничние інфузорії можна буде використовувати для реальних ДНК-обчислень.

А ось англійські дослідники з компанії British Telecom прийшли до висновку, що вивчення поведінки колоній бактерій дає ключ до рішення найскладнішої задачі впорядкування комунікаційних мереж.

Для опису найближчого майбутнього комп'ютерів сьогодні все частіше залучають популярну концепцію «всепроникающих обчислень» - ідею про гігантську сукупність мікрокомп'ютерів, вбудованих у всі предмети побуту і непомітно взаємодіючих один з одним. У цій єдиній беспроводной мережі буде пов'язане все: кухонна техніка, побутова електроніка, що стежить за мікрокліматом сенсори в кімнатах, радіомаяки на дітях і домашніх тваринах... Список цей можна збільшувати нескінченно. Але зараз додавання кожної нової «розумної штучки» віднімає масу часу, щоб взаємно підстроїти роботу цього пристрою і конфігурації, що вже сформувалася. У концепції ж майбутнього, оскільки господарі будинку, по визначенню, не володіють ні часом, ні знаннями для настройки спільної роботи всієї цієї армії незліченних «розумних речей», спочатку передбачається здатність системи до самоорганизації. Тому досить природно, що погляд вчених спрямувався до природи, де подібні задачі вирішені давно і успішно. Зокрема, експерименти дослідників British Telecom показали, що їх система, що імітує поведінку колонії бактерій в строматолитах1, здатна підтримувати роботу мережі з декількох тисяч пристроїв, автоматично управляючи великими популяціями окремих елементів.

Для симуляції функціонування такої колонії британськими вченими була створена мережа з трьох тис. вузлів. Основою самоорганизації стало привласнення різних пріоритетів пакетам даних, що розсилаються по мережі. Наприклад, вищий пріоритет отримали «інформаційні» пакети, що доносять послання від одного вузла до іншого (крім них в системі розсилаються ще «керівники», «що конфігурують» і інші пакети), тому ними займаються пристрої, що мають в даний момент найкращі зв'язки з максимальним числом елементів мережі.

У British Telecom вважають, що втілення експериментальної концепції в реальних продуктах можна чекати вже через п'ять-шість років.

Ще одна цікава розробка була представлена на конференції бельгійськими дослідниками під керівництвом професора Мазке Доріго (Marco Dorigo). Вони продемонстрували, що програми, що імітують стратегію поведінки мурашиного співтовариства, можуть успішно управляти роботою складних комп'ютерних мереж.

Нишпорячи в пошуках корму, мурашки-розвідники залишають за собою мічену феромонами доріжку. При цьому часто до одного джерела їжі прокладається відразу декілька стежок, але розвідник, що відкрив саму коротку стежину, повертається швидше і відводить за собою одноплемінник. Ті, що Виділяються ними феромони роблять стежинку більш пахучою, ніж інші - в результаті сама вигідна стежка швидко стає самої популярною. Вчені взяли цю тактику на озброєння: створені ними програмні агенти випадковим образом «прозванивают» канали зв'язку між різними вузлами мережі і мітять «стежини» цифровими «феромонами», на основі чого визначають оптимальний маршрут для передачі пакетів даних з однієї точки в іншу.

Практичні випробування проводилися в мережах Національного наукового фонду США і японській корпорації NTT. Синтетичні «мурашки» повинні були, нічого не знаючи про конфігурацію мережі, відшукати найкоротшу дорогу від одного вузла до іншого. Швидко досліджувавши мережу, агенти визначили її будову і невдовзі вже могли «підказати» будь-якому інформаційному пакету до якого наступного вузла йому треба попрямувати, щоб досягнути своєї мети швидше. Інакше говорячи, був реалізований механізм високоякісного інтелектуального роутинга, причому при виникненні різних «заторів» в мережі «штучні мурашки» реконфигурировали схему роутинга швидше, ніж традиційні рішення.

Як вважають автори, їх розробка може використовуватися і для виконання інших неординарних задач, наприклад динамічної організації постачання товаром в складній торговій мережі.

Біоалгорітміка

Ця нотатка присвячена розділу биоинформатики, який можна назвати «биоалгоритмикой», - алгоритмам аналізу первинних структур (послідовностей) биополимеров. Биоалгоритмика знаходиться на стику прикладної теорії алгоритмів і теоретичній молекулярній біології і, подібно іншим розділам биоинформатики, бурхливо розвивалася протягом 70-х - 90-х років XX века1.

Алгоритми аналізу символьних послідовностей і пов'язані з ними алгоритми сортування і алгоритми на графах активно вивчалися і розроблялися, починаючи з другої половини 50-х років. Алгоритмічний бум 60-х - 70-х років був пов'язаний як з розробкою теоретичних моделей обчислень (кінцеві автомати і їх варіанти з різними видами пам'яті), так і з появою комп'ютерів і, отже, реальною потребою в обробці значних (на ті часи) об'ємів даних. Своєрідними підсумками цього періоду стали многотомное «Мистецтво програмування» Д. Кнута (1968-1973) і «Побудова і аналіз обчислювальних алгоритмів» А. Ахо, Дж. Хопкрофта і Дж. Ульмана (1976). Аналіз досягнень цього чудового етапу в розвитку теорії алгоритмів є також в книзі: В. А. Успенський, А. Л. Семенов. Теорія алгоритмів: основні відкриття і додатки. - М.: Наука, 1987.

Таким чином, до моменту створення перших баз даних послідовностей ДНК і білків - початку 80-х років - алгоритмічний апарат був, значною мірою, готовий. При цьому фахівці в області алгоритмів розглядали біологічні додатки в одному ряду з технічними, одні і ті ж алгоритми застосовувалися, наприклад, для порівняння («вирівнювання») біологічних послідовностей і для пошуку збоїв при зберіганні файлів. Характерно назва першого збірника робіт по биоалгоритмике - «Time Warps, String Edits, and Macromolecules: The Theory and Practice of Sequence Comparison» (Sankoff, D and Kruskal, JB, eds, 1983).

Проте, досить скоро з'ясувалося, що аналіз біологічних послідовностей має свою специфіку - передусім з точки зору постановок задач. Ось, наприклад, задача про розпізнавання «повторної» структури РНК. Вона дуже важлива для молекулярної біології і уперше була розглянута ще в кінці 70-х років. Молекула рибонуклеиновой кислоти (РНК) - однонитевой полімер, що складається з чотирьох видів мономеров-нуклеотидов (аденин, гуанин, урацил, цитозин). АУ і, відповідно, Г-Ц можуть утворювати водневі зв'язки, що стабілізують молекулу. Однак утворення одних зв'язків через стереохимических міркування унеможливлює утворення інших, тобто не всі комбінації межнуклеотидних зв'язків в молекулі РНК допустимі (правила конфліктів між зв'язками відомі). Потрібно для даної нуклеотидной послідовності знайти найбільш стабільну повторну структуру, т. е. допустимий набір межнуклеотидних зв'язків, вмісний найбільшу можливу кількість елементів (мал. 1). Ця задача може бути переформулирована як задача побудови графа (точніше - гиперграфа, див. нижче) спеціального вигляду з максимально можливою сумою ваги ребер (вершини відповідають нуклеотидам, ребра - встановленим зв'язкам) і вирішена за допомогою методу динамічного програмування (Ruth Nussinov і соавт., 1978; також див. гл. 7 в книзі М. Уотермена). Однак обмеження, що з'являються на вигляд графа вельми екзотични з точки зору небіологічних додатків. Інший приклад задачі, що не має значення поза біологічним контекстом, - розпізнавання кодуючих фрагментів ДНК, розглянуте в статті Михайла Гельфанда.

Рис. 1. Повторна структура дільниці бактериофага Qb (231 основа). Суцільні лінії проведені між парами основ, пов'язаних водневими зв'язками.

Повертаючись до задачі розпізнавання найбільш стабільної «повторної» структури РНК, відмітимо наступні обставини, характерні для багатьох важливих задач биоалгоритмики:

- в описаній вище моделі правильніше вважати не кількість зв'язків, а їх сумарну енергію, енергія кожної можливої пари вважається відомою. З алгоритмічної точки зору задача практично не міняється;

- модель, встановлена в основу описаної вище задачі, - спрощена і в багатьох випадках не узгодиться з експериментом. Корисно враховувати і внесок нуклеотидов, що не беруть участь в утворенні водневих зв'язків. Обмеження на безліч допустимих наборів зв'язків, прийняті в задачі (а), дуже суворі. Різні формальні постановки задач, що краще відображають біологічну реальність, приводять до істотного ускладнення алгоритму;

- в реальності молекула РНК може приймати не ту структуру, якою ми приписали оптимальну енергію, а трохи інакшу, наприклад, через те, що ми не знаємо точних значень енергетичних параметрів. Тому корисно не шукати одну «оптимальну» структуру, а проаналізувати всі можливі структури і оцінити імовірність утворення кожного окремого зв'язку («статистична вага» зв'язку). Це також можна вирішити методом динамічного програмування.

- багато які автори намагаються з'ясувати повторну структуру РНК, не зводячи її до якої-небудь алгоритмічної оптимизационной задачі, а шляхом моделювання реального процесу «згортання» молекули РНК (т. е. встановлення і зникнень водневих зв'язків).

Специфіка биоалгоритмики, однак, виявляється не тільки в задачах, які «по визначенню» не могли зустрітися поза аналізом біологічних послідовностей. Показова сама стара і, напевно, сама популярна задача аналізу біологічних послідовностей - їх вирівнювання. Вирівняти дві послідовності - це зобразити їх один над одним, вставляючи в обидві пропуски так, щоб зробити їх довжини рівними. Ось, наприклад, як можна вирівняти слова ПІДБЕРЕЗОВИК і ПІДОСИНОВИК (см. врезку).

Такий спосіб зображення послідовностей широко поширений в молекулярній біології. Передбачається, що вирівнювання відображає еволюційну історію, тобто стоячі один під одним символи відповідають одному і тому ж символу послідовності-предка. На жаль, ми не знаємо, як саме йшла еволюція послідовностей. Тому як «правильне» звичайно вибирається вирівнювання, оптимальне відносно деякої функції якості. Але як ми можемо контролювати правильність вибору цієї функції? Чи Є у нас (нехай приблизні) «еталони»? На щастя, так. Як еталонні можна взяти вирівнювання, відповідні найкращому можливому поєднанню їх просторових структур (такі структури відомі для декількох сотень білків). Це пов'язано з тим, що функціонування білка в клітці визначається передусім його просторовою структурою і можна чекати, що амінокислоти, лежачі в схожих місцях трьохмірної структури, відповідають одним і тим же амінокислотам предкового білка.

У «добиологическом» аналізі послідовностей (наприклад, при порівнянні файлів) використовувалося понятиередактирующего відстані. При цьому фіксується набір редагуючих операцій (наприклад, заміна символа, вставка символа і видалення символа) і для кожної операції фіксується ціна. Тоді кожне вирівнювання отримує свою ціну, визначувану як сума цін окремих операцій.

Кращим вважається те, яке має найменшу ціну. Наприклад, при ціні заміни 1 і ціні вставки/видалення 3, кращими в прикладі у врезке 2 будуть третє і четверте вирівнювання, а при ціні заміни 10 і тій же ціні вставки/видалення, кращим буде п'яте.

Досить скоро з'ясувалося, що для вирівнювання біологічних послідовностей в цю природну схему необхідно внести ряд важливих змін. Справа в тому, що різні амінокислоти різні по-різному. Наприклад, аланин і валин дуже схожі по своїх властивостях (і ціна заміни аланина на валин повинна бути невеликою), і вони обидва абсолютно не схожі на триптофан. Більш того навіть однакові амінокислоти «однакові по-різному». Так, триптофан - рідкий, і зіставлення двох триптофанов більш цінне, ніж зіставлення вельми поширених аланинов.

Тому замість «ціни заміни символа» в схемі редагуючої відстані при порівнянні білків используетсявесовая матриця замін, де кожній парі символів відповідає вага (позитивний - для схожих, негативний для несхожих), а вирівнюванню загалом - весW=R-G, гдеR-сумарна вага зіставлень символів (відповідно до вибраної вагової матриці замін), G-сумарний штраф за видалення і вставки символів. Таким чином, оптимальне вирівнювання - це вирівнювання, имеющеенаибольшийвес (в той час як ціна требоваласьнаименьшая). Наприклад, нехай вага збігу для голосних букв +2, вага збігу для приголосних букв +1, вага зіставлення двох різних голосних або двох різних згідних -1, вага зіставлення голосної і згідної -2. Далі, нехай штраф за видалення або вставку символа -5. Тоді, наприклад, третє вирівнювання має вагу -3, а четверте - +1. Таким чином, оптимальне вирівнювання слів ПІДБЕРЕЗОВИК і ПІДОСИНОВИК (при вибраних матриці замін і штрафі за видалення/вставку) - четверте. Перехід отминимизациицени кмаксимизациикачества, - це не тільки технічний трюк. На мові максимізації якості природно ставиться задача про пошук оптимальноголокальногосходства. Ця задача відповідає порівнянню двох білків, які в ході еволюції стали зовсім непохожи - скрізь, крім відносно короткої дільниці.

Алгоритм побудови оптимального вирівнювання заснований на методі динамічного програмування, введеному в широку практику Річардом Беллманом в 1957. Ідея методу складається в наступному: щоб вирішити основну задачу, треба вигадати безліч проміжних і послідовно їх вирішити (в якому порядку - окреме питання). При цьому чергова проміжна задача повинна «легко» вирішуватися, виходячи з вже відомих рішень раніше розглянутих задач. Безліч проміжних задач зручно представляти у вигляді орієнтованого ациклического графа. Його вершини відповідають проміжним задачам, а ребра вказують на те, результати рішень яких проміжних задач використовуються для основної. Таким чином, початкова задача зводиться до пошуку оптимального шляху в графе2(детальніше про метод динамічного програмування див. книгу Ахо, Хопкрофта і Ульмана, а також статтю Finkelstein A.V., Roytberg M.A. Computation of biopolymers: а general approach to different problems. Biosystems.1993; 30 (1-3): 1-19.). Аналогічно можна переформулировать різні варіанти задач вирівнювання, прогнозу повторної структури РНК і білків, пошуку білок-кодуючих областей ДНК і інших важливих проблем биоинформатики.

При побудові оптимального вирівнювання (ми розглядаємо найпростіший випадок, коли видалення і вставка окремих символів штрафуються незалежно) проміжні задачі - це побудова оптимальних виравниваний початкових фрагментів початкових послідовностей. При цьому задачі треба вирішувати в порядку зростання довжин фрагментів. Граф залежності між проміжними рішеннями для порівняння слів «ПАПКА» і «ПАПАХА», а також послідовність проміжних кроків, що приводять до оптимального вирівнювання, показані на мал. 2.

Рис. 2.

(a) Граф залежності між проміжними задачами для вирівнювання слів ПАПКА і ПАПАХА. Кожна вершина відповідає парі початкових фрагментів вказаних слів. Діагональне ребро, вхідне у вершину, відповідає зіставленню останніх букв початкових фрагментів (випадок 1), що порівнюються, горизонтальне ребро - видаленню букви в слові ПАПАХА, вертикальне ребро - видаленню букви в слові ПАПКА (випадки 2 і 3). Права верхня вершина - початкова і відповідає вирівнюванню пустих слів, ліва нижня вершина - кінцева, відповідає вирівнюванню повних слів ПАПКА і ПАПАХА.

(b) Оптимальне вирівнювання слів ПАПКА і ПАПАХА при наступних параметрах: вага збігу букв: 1, штраф за заміну голосної на голосну або згідної на згідну: 1, штраф за заміну голосної на згідну або згідної на голосну: 2, штраф за видалення символа: 3.

(з) Траєкторія, відповідна оптимальному вирівнюванню. У клітках вказані ваги проміжних оптимальних виравниваний. Наприклад, вага оптимального вирівнювання для «ТАТ» і «ТАТО» рівна 0, а для «ПАПК» і «ПАПАХ» рівний -1.

На двох прикладах - розпізнавання повторної структури РНК (нашвидку) і вирівнювання білкових послідовностей (більш детально) ми прослідили за еволюцією постановок задач в биоалгоритмике. Згадаємо стисло ще декілька аспектів. Мабуть, з практичної точки зору самим важливим є пошук в базах даних послідовностей, схожих з тією, що вивчається. Визначальну роль починають грати проблеми обчислювальної ефективності, що вирішуються, зокрема, із застосуванням алгоритмів хеширования. Для прогнозу просторової структури білків важливі алгоритми вирівнювання послідовності зі структурою (при цьому використовується той факт, що через різницю фізико-хімічних властивостей амінокислоти зустрічаються з різною частотою на поверхні білка і в структурному ядрі). Нарешті, ми повністю залишили збоку задачі побудови еволюційних дерев по білкових послідовностях. Підкреслимо, що у всіх випадках відбувається інтенсивна «притирка» постановок задач - як з біологічної (велика адекватність), так і з алгоритмічної (можливість побудови більш ефективних алгоритмів) точки зору.

Врезка 1

1 (зворотно до тексту) - Остання монографія -Pavel A. Pevzner.Computational Molecular Biology. An Algorithmic Approach. The MIT Press. Cambridge, MA, 2000, изкнигнарусскомязикеукажемМ. С. Уотермен (ред). Математичні методи для аналізу послідовностей ДНК.-М.: Мир, 1999.

2 (зворотно до тексту) - Іноді (наприклад, в згадуваній задачі про побудову оптимальної повторної структури РНК) доводиться розглядати не графи, а гиперграфи. Гиперграф відрізняється від графа тим, що замість ребер на безлічі вершин задаються гиперребра. Ребро в (орієнтованому) графі зіставляє початковій вершині одну кінцеву вершину. Гиперребро зіставляє початковій вершині безліч вершин (не обов'язкове одноелементное). Аналогом шляху в гиперграфе є гиперпуть - об'єкт, схожий на дерево.

ПІДБЕРЕЗОВИК

ПІДОСИНОВИК-

(1)

ПІДБЕРЕЗОВИК

- ПІДОСИНОВИК

(2)

ПІДБЕРЕЗОВИК

ПІДОСИНОВИК

(3)

ПІДБЕРЕЗОВИК

ПІДОСИНОВИК

(4)

ПІДБЕРЕЗОВИК

ПІДОСИНОВИК

(5)

Сточки зору алгоритму побудови оптимального вирівнювання введення вагових матриць нічого не міняє. Однак виявляється, що не можна розглядати видалення одного символа як окрему еволюційну подію. Вагу треба приписувати видаленню цілого фрагмента, і ця вага повинна залежати від довжини фрагмента. Обмеження на вибір функцииG(L) штрафів за видалення фрагментів (L- довжина фрагмента, що видаляється ) впливають на ефективність побудови оптимального вирівнювання. У найпростішому разі посимвольних замін (цей випадок відповідає функцииG(L)=k-L, гдеk- штраф за видалення одного символа) час роботи квадратично залежить від довжини слів (вважаємо, що їх довжини приблизно рівні), що порівнюються, а у разі допустимості довільних штрафних функцій порядок зростання часу роботи відповідного алгоритму - кубічний. Комп'ютерні експерименти показали, що розумним компромісом служать лінійні функції видаG(L)=k-L+s, гдеs- штраф за початок видалення/вставки, гдеkиLимеют те ж значення, що і раніше. Для таких функцій можна побудувати квадратичний за часом роботи алгоритм побудови оптимального вирівнювання (хоч і з більшою константою пропорційності).

Алгоритм оптимального вирівнювання (нарис)

Нехай нам треба знайти оптимальне вирівнювання последовательностейU=XaиW=Yb(здесьа- остання букваU, b - остання букваW, последовательностиXиY - виходять відповідно изUиWотбрасиванием останньої букви. Для оптимального вирівнювання можливе рівне три альтернативи:

- останні букви словUиWсопоставлени один одному;

- остання буква словаUудалена, остання буква словаW - немає;

- остання буква словаWудалена, остання буква словаU - немає.

У першому випадку вага оптимального вирівнювання рівна

S1= S(X, Y)+m(a, b).

ЗдесьS(X, Y)- вага оптимального вирівнювання последовательностейXиY(воно вже побудовано раніше, т. до. пара (X, Y) розглянута до поточної пари (U, W)),m(a, b)- вага зіставлення символовaиb.

У другому і третьому випадку аналогічно отримуємо формули:

S2= S(X, Yb)+g,

S3= S(Xa, Y)+g.

Здесьg - штраф за удалениесимвола, S(X, Yb) иS(Xa, Y) - ваги оптимальних виравниваний для пар послідовностей (XиYb = W) і (Xa=UиY) відповідно. Оптимальні вирівнювання для цих пар послідовностей також побудовані раніше. Таким чином, щоб знайти весS(U, W) оптимального вирівнювання последовательностейUиWи саме це вирівнювання, досить знайти найбільше з чиселS1, S2, S3. Очевидно, кожне з цих чисел можна обчислити за кінцевий (що не залежить від довжин початкових послідовностей) час. Тому загальний час побудови оптимального вирівнювання двох послідовностей пропорційний кількості проміжних задач, т. е. твору довжин цих послідовностей.

Биочипи як приклад індустріальної біології

Живі організми влаштовані надто складно і містять велику кількість взаємодіючих систем. Основну роль в управлінні життєдіяльністю грають гени - дільниці молекули ДНК, в яких зберігається інформація про пристрій молекул, залучених в різні процеси в живій клітці. Вважається, що ген працює, коли з нього прочитується інформація.

Біологам і медикам необхідно знати реакцію великих каскадів взаємозалежних і взаимообуславливающих генів на ту або інакшу зміну зовнішніх умов, наприклад у відповідь на введені ліки.

Повне число генів вимірюється величинами порядку 103 (6200 у дріжджів) - 104 (38 000 за останніми даними у людини), при цьому базові життєві процеси регулюються сотнями генів. До останнього часу значною мірою був відсутній можливості для отримання, зберігання і обробки так значних масивів даних. Завдяки прогресу комп'ютерної індустрії були створені як технології для одночасного експериментального отримання інформації про роботу великого числа генів в клітці, так і методи обробки цієї інформації, що дозволяють зробити на її основі прості і однозначні висновки (наприклад, поставити точний діагноз якого-небудь захворювання).

Виникла індустріальна молекулярна біологія, в якій застосування комп'ютерних технологій є необхідною умовою і передбачається вже на стадії планування експерименту. Формування цієї області абсолютно змінило погляд на роль обчислювальних пристроїв в біологічній науці - те, що раніше було додатковим, необов'язковим і допоміжним чинником, несподівано стало грати визначальну роль. Таким чином, виявилося, що прогрес біотехнології нереальний без розробки спеціалізованих апаратних, алгоритмічних і програмних засобів, а відповідна галузь кібернетики увійшла в склад биоинформатики.

Сучасна експериментальна техніка дозволяє створити аналізуючу матрицю (звану такжебиочипом) розміром декілька сантиметрів, за допомогою якої можна отримати дані про стан всіх генів організму. Для створення ефективної методики необхідні спільні зусилля фахівців в області молекулярної біології, фізики, хімії, мікроелектроніки, програмування і математики.

Історія розвитку технології биочипов відноситься на початок дев'яностих років, при цьому російська наука зіграла не останню роль. Тут доречно пояснити, що биочипи за природою нанесеного на підкладку матеріалу діляться на «олигонуклеотидние» (див. «КТ» № 370, Рубен Ениколопов, «Біочипи»), коли наносяться короткі фрагменти ДНК, звичайно належні до одному і того ж гену, і биочипи на основі кДНК, коли робот наносить довгі фрагменти генів (довжиною до 1000 нуклеотидов).

Найбільш популярні в цей час биочипи на основі кДНК, що стали по-теперішньому часу революційною технологією в биомедицине. Зупинимося детальніше на їх приготуванні, а також на отриманні і обробці даних з їх допомогою. Визначальною технологічною ідеєю стало застосування скляної підкладки для нанесення генетичного матеріалу, що зробило можливим вміщувати на неї нікчемно малі його кількості і дуже точно визначати місцеположення конкретного вигляду ДНК, що тестується. Для приготування биочипов стали використовуватися роботи, вживані раніше в мікроелектроніці для створення мікросхем (мал. 1). Молекули ДНК кожного типу створюються в достатній кількості копій за допомогою процесу, званого амплификацией; цей процес також може бути автоматизований, для чого використовується спеціальний робот - помножувач. Після цього отриманий генетичний матеріал наноситься в задану точку на склі (на жаргоні такий процес називається «друк») і хімічно до скла пришивається (иммобилизация). Для иммобилизації генетичного матеріалу необхідна первинна обробка скла, а також обробка надрукованого биочипа ультрафиолетом, стимулюючим утворення хімічних зв'язків між склом і молекулами ДНК (мал. 2).

Грубо говорячи, з клітки виділяється суміш продуктів роботи генів, т. е. РНК різних типів, вироблюваних в певних умовах. Результатом експерименту і є знання того, продукти яких саме генів з'являються в клітці в умовах, що цікавлять дослідника. Молекули кожного типу РНК зв'язуються (щонайбільше ) з єдиним типом молекул з иммобилизованних на биочипе. Ті молекули, які не зв'язалися, можна змити, а для визначення того, до яких з иммобилизованних на чопі молекул знайшлися «партнери» в досліджуваній клітці, експериментальна і контрольна РНК мітиться флуоресціюючий барвниками.

Таким чином, наступним етапом в отриманні результату на приготованому биочипе є біохімічна реакція, в процесі якої один або трохи зразків ДНК або РНК, отримані з кліток, тканини або органу, мітяться одним або декількома флуоресцентними барвниками і гибридизуются (зв'язуються) з матеріалом, надрукованим на биочипе.

Після того як флуоресціюючий зразки прореагировали з биочипом, чіп сканують лазером, освітлюючи по черзі точки нанесення ДНК кожного конкретного типу і стежачи за інтенсивністю сигналу флуоресценції (мал. 3).

Виготовлення одного биочипа займає від трьох до шести тижнів, при умові, що в розпорядженні дослідника є генетичний матеріал для нанесення на чіп. Сам експеримент - гібридизація і зняття даних - займає один-два дні, а при традиційній технології така ж група дослідників витратила б роки на послідовне проведення всіх експериментів, включених в один биочип.

Сигнали лазерного сканування повинні бути оброблені і проаналізовані. Гени на склі дають сигнали різної інтенсивності, крім того, завжди є деяке фонове випромінювання від мітки, що не змилася зі скла, яке також неоднорідне. Необхідно автоматично виділити з шуму сигнали різної інтенсивності, несучі різну інформацію.

На наступному етапі гени, які дають в однакових умовах однаковий сигнал, об'єднуються в групи. Це також робиться автоматично, за допомогою алгоритмів кластерного аналізу. Кластери генів, ведучих себе схожим образом в різних умовах або в різні моменти часу, служать початковою точкою для висновків біологічного характеру.

У Радянському Союзі була створена чудова школа з розробки алгоритмів розпізнавання зображень, насамперед для аналізу зображень, що поступають з штучних супутників Землі. Наше математичне утворення протягом багатьох десятиріч було одним з кращих в світі, тому наші прикладники, інженери і алгоритмисти завжди легко розробляли оригінальні спеціалізовані методи аналізу даних. Недивно, що виходці з нашої Вітчизни трудяться в багатьох фірмах, працюючих на передньому краї виникаючої на наших очах індустрії. Наші колишні співвітчизники є організаторами однієї з найбільш відомих фірм, що надають методи обробки, -Informax, акції якої є ценообразующими у всіх биотехнологических біржових індексах.

Однак створення біохімічної технології, в переважній мірі, - заслуга американських фірм і наукових центрів. Mногие фірми роблять на замовлення самі биочипи. Самі відомі з них - етоAffymetrix і Clontech.Incyte - сама могутня на сьогоднішній день компанія - крім виготовлення биочипа на замовлення і продаж генетичного матеріалу для друку на чіп, сама виконує і гибридизацию, а замовнику надає тільки готові дані. Розвиток індустрії зайшов настільки далеко, що виник прибутковий ринок приготування спеціально обробленого скла для приготування биочипов в умовах окремої молекулярно-біологічної лабораторії. До таких фірм відноситься, наприклад, Corning.

Які ж задачі під силу подібної непростої технології, що має справу з сотнями тисяч генів одночасно? Відразу хотілося б зробити обмовку, що на сьогоднішній момент є тенденція переходу від чопів з тисячами генів до чопів з сотнями генів, відібраних спеціально для рішення конкретної задачі. Пояснимо на прикладі. Дослідниками Массачусетсського технологічного інституту була зроблена робота по використанню чопів для діагностики різних підкласів гострого лейкозу людини. Точна діагностика двох подтипов гострого лейкозу (гострий миелоидний і гострий лимфобластний) має визначальне значення при виборі курсу терапії. Спочатку був використаний олигонуклеотидний чіп з 6000 генів. Використовуючи в якості проби РНК з кліток кісткового мозку, дослідникам вдалося виділити і підготувати до реального використання в якості подчипа набір з 50 генів, сильна відмінність по експресії яких дозволяє однозначно визначити тип опухоли1(мал. 4). Ми вважаємо, що немає потреби доводити необхідність діагностичних чопів, тому враховуючи невелику кількість аналітичних осередків на чопі, а значить меншу собівартість, існує реальна можливість їх розробки і виробництва у нас в країні.

Що ж до класичної науки, то тут можливості застосування чопів безмежні. Група дослідників з Іллінойського університету під керівництвом Андрія Гудкова, використовуючи кДНК-чопи, знайшла і порівняла спектри генів, що відповідають за реакцію клітки на радіаційні впливи різної природи. Під впливом радіації, який клітка сприймає як стрес, активуються гени, відомі як каскад залежних від р53 генів (р53 - білок, одна з головних функцій якого - захищати клітку від будь-яких несприятливих впливів). Багато Які з цих білків можуть розглядатися як кандидати на використання в химиотерапії ракових пухлин і для захисту нормальних кліток організму від противоопухолевих агентів, таких як радіаційне опромінювання і химиотерапевтические препарати.

Цікаву по практичному додатку роботу зробили вчені з лабораторії радіобіології в Хельсінкі. Використовуючи чопи, вони спробували з'ясувати, які гени міняють свою активність під впливом радіосигналу з частотою 900 МГц, який дають всіма нами любимі стільникові телефони. Людські клітки з первинного подкожного шара були витримані в культурі під цим сигналом протягом однієї години, після чого РНК з цих кліток і з кліток контрольної серії була пущена як проба на чіп. Гени, активність яких істотним образом змінилася протягом цього експерименту, відносяться до генів стресу-відповіді, таких як р53, hsp27, зміна активності яких в багатьох випадках говорить про те, що клітка або цілий організм зазнають несприятливих впливів. Мабуть, можна говорити (хоч і дуже обережно) про те, що отримані прямі докази стрессогенного впливу електромагнітного поля, а також дані про біохімічні основи його біологічної дії. Так що не виключено, що люди, менше говорячі протягом дня по стільниковому телефону або використовуючі спеціальні навушники, менше втомлюються в кінці робочого дня.

Судячи по всьому, ми присутні при виникненні нового методу отримання і використання інформації про живу природу. Дані будуть збиратися автоматично і на промисловій основі. Планування і підготовка таких експериментів, ймовірно, згодом також буде здійснюватися автоматично. На користь цього свідчить досвід розвитку комп'ютерних технологій, де створення мікропроцесора автоматизоване значною мірою вже на ранніх стадіях проектування, все ж подальші стадії розробки і впровадження у виробництво у все більшій мірі відбуваються практично без участі, так і без контролю людини. На «вході» буде ставитися задача надто загального вигляду, наприклад: знайти три характерних гени, що відповідають за реакцію клітки на такі-то нестандартні зовнішні умови, і не працюючі ні в яких нормальних умовах. Автоматична система буде сама здійснювати підбір біологічного матеріалу, підготовку, постановку і інтерпретацію біологічного експерименту, а також формулювання найбільш вірогідного рішення поставленої задачі. На частку дослідника залишиться тільки тестування отриманих результатів і виработка інструкцій для застосування отриманого нового знання в медицині або біотехнології.

Більш того зміниться, ймовірно, сама ідея біологічного експерименту. Оскільки висновок про роботу тієї або інакшої живої системи буде виноситися за допомогою комп'ютерного аналізу даних, біологічний експеримент буде часто ставитися не з метою безпосередньої перевірки тієї або інакшої ідеї, як зараз, але з метою расшивки «вузьких місць» в роботі автоматизованої системи зберігання і обробки інформації. Щось подібне ми вже спостерігаємо в фізиці високих енергій, де експерименти на прискорювачах ставляться з урахуванням існуючих наближених методів обчислень в фізичних теоріях, з метою більш точного визначення оцінних параметрів, в найбільшій мірі впливаючих на точність фізичних величин, що обчисляються.

Хотілося б сподіватися, що в російських умовах можна буде включитися в серйозну роботу по створенню програмного забезпечення індустріальної биомедицини. Робота в цій області не вимагає великих витрат, характерних для біологічних досліджень (на обладнання, реактиви і т. д.) Дорогі суперкомп'ютери також загалом-то не необхідні - в більшості науково-дослідних центрів в США використовуються кластери ПК. Необхідні винахідливість, завзятість і фантазія, а також хороше володіння сучасними математичними методами статистичного аналізу, що завжди складало наші сильні сторони.

Мабуть, єдиною організацією в Росії, що серйозно займається технологією биочипов, є Інститут молекулярної біології РАН ім. В. А. Енгельгардта. У цьому інституті створюються також микрочипи з осередками, вмісними різні зонди для проведення хімічних і ферментативних реакцій із зразками (, що аналізуються див. «Инфобизнес», №151 - Л. Л.-М.).

Розробка технології біологічних микрочипов почата в ИМБ РАН в 1989 році і відтоді продовжується посиленими темпами, в останні роки в співпраці з США. ИМБ РАН належить 15 міжнародних і безліч російських патентів. Більш детально з дослідженнями, що проводяться в ИМБ РАН, можна ознайомитися на сайтеhttp://www.biochip.ru/.