المعلوماتية الحيوية هي حقل فضولي للغاية من المعرفة العلمية ، لأنه يجمع بين المهام التي صيغت في المصطلحات البيولوجية والأساليب المألوفة للمتخصصين في الخوارزميات ، ومعالجة البيانات الكبيرة ، والتعلم الآلي. وبالتالي ، فإن المعلوماتية الحيوية هي أحد الأمثلة التي يمكن أن تنقذها تقنية المعلومات في استكشاف العالم الحقيقي.
قمت مؤخراً بزيارة ميخائيل سيرجيفيتش غيلفاند في معهد مشاكل نقل المعلومات. تحدثنا عن ماهية المعلوماتية الحيوية ، وعن تطبيقاتها المثيرة للاهتمام ، حول كيف يمكن لمتخصصي تكنولوجيا المعلومات في المعلوماتية الحيوية أن يكونوا مفيدين ، وما يحتاجون إلى تعلمه من أجل هذا.
في الجزء السفلي من هذه المقالة ، ستجد نسخة كاملة من محادثتنا ، ويمكن مشاهدة الفيديو على YouTube .
أليكسي شغاريف: المعلوماتية الحيوية - أي نوع من العلوم هذا ، ماذا يفعل؟
ميخائيل غيلفاند : المعلوماتية الحيوية هي وسيلة لدراسة علم الأحياء باستخدام الكمبيوتر. على العموم ، هذا ليس علمًا ، ولكنه مجرد مجموعة من التقنيات. بالمعنى نفسه ، على سبيل المثال ، المجهر الإلكتروني ليس علمًا.
الجزء الأول من المعلوماتية الحيوية هو حسابي. يصف كيفية سحب البيانات من جهاز إلى كمبيوتر. لتحديد تسلسل النيوكليوتيدات التي تشكل الجينوم (لتسلسلها) ، لأسباب تقنية ، يجب قطع هذا الجينوم إلى عدد كبير من الأجزاء الصغيرة ، التي تحتاج بعد ذلك إلى لصقها في سطر واحد كبير. في هذه الحالة ، من الضروري مراعاة الضوضاء في البيانات ، والمخالفات المختلفة لكل شيء في العالم. هذه مهمة نموذجية إلى حد ما ؛ تنشأ مشاكل حسابية أخرى في تحليل بيانات الطيف الكتلي.
الجزء الثاني من المعلوماتية الحيوية الكلاسيكية والبيولوجية. إنها أقرب بكثير إلى ما أقوم به. بتعبير أدق ، يمكن أن يطلق عليه البيولوجيا الجزيئية. هنا لديك البروتين. ماذا يفعل؟ أو لديك جين. متى يتم تشغيله ، متى يتم إيقافه؟ أو ، على العكس ، أنت تعرف أن شيئًا ما في الخلية له وظيفة محددة. أي بروتين يفعل ذلك؟ هذه أمثلة على المشكلات الكلاسيكية للبيولوجيا الجزيئية ، وتبين أن الكمبيوتر يعد أداة فعالة إلى حد ما لحل هذه المشكلات. لم يعد الباحثون بحاجة إلى اختبار جميع وظائف البروتين الممكنة ؛ بدلاً من ذلك ، يمكنهم التحقق من أن البروتين يؤدي الوظيفة التي تنبأ بها النموذج. إذا كان يفي حقا - يا هلا! وبالتالي ، يوفر الكمبيوتر وقت المجرب من خلال تضييق مساحة البحث. هذا هو البيولوجيا الجزيئية الكلاسيكية ، ويتم ذلك على جهاز كمبيوتر قبل أنبوب الاختبار.
أخيرًا ، الجزء الثالث الذي ظهر مؤخرًا من المعلوماتية الحيوية هو تحليل البيانات الضخمة. لقد أثبتت الأساليب التجريبية التي قام بها علماء الأحياء أنها فعالة لدرجة أنه يتم بالفعل إنتاج الكثير من البيانات. ذهب علم الفلك بنفس الطريقة إلى الفيزياء الفلكية - التلسكوبات الهائلة تنتج الآن غيغابايت من البيانات كل دقيقة. حدث شيء مشابه في فيزياء الطاقة العالية. المهمة الأولى التي تنشأ هي ببساطة حفظ البيانات واستخراج علم الأحياء المثير للاهتمام منها. بسبب الحجم الكبير ، من الممكن وصف عمل الخلية ككل - وليس عمل جين واحد ، ولكن عمل جميع جينات هذه الخلية.
بالإضافة إلى ذلك ، قلت لك في البداية كذبة. بالطبع ، هناك معلومات علمية حيوية ، فقط يطلق عليها بشكل مختلف - البيولوجيا التطورية. هناك الكثير من أساليب الكمبيوتر التي تصف بالفعل الأنماط التطورية - كيف حدث الاختيار ، وما الذي تغير. السؤال الأساسي الأكثر طبيعية هو من يرتبط بمن. ويبدأ بعد ذلك: ما هي البيولوجيا التطورية لحيوانات مختلفة؟ .. يختلف الشخص عن الفئران ليس لأن جيناتنا مختلفة ، ولكن لأنها تعمل بشكل مختلف. علاوة على ذلك ، تكمن الاختلافات الرئيسية في تكوين الأجنة.
متى وكيف فهم الناس لأول مرة أنه في هذه المناطق يمكن لجهاز الكمبيوتر أن يحقق فوائد ملموسة؟
فرانسيس كريك
كان أول من يفهم كل شيء هو فرانسيس كريك ، الذي كان ، على ما يبدو ، رجلاً لامعًا تمامًا. في عام 1958 ، أدرك أن تسلسل - ثم ، في رأيي ، فكرت في البروتينات - يمكن استخدامها لتحديد القرابة. التسلسلات نفسها لم تكن هناك. أعرب أولاً عن هذه الفكرة في مقال مخصص لمقال مختلف تمامًا ، حيث أدخل جملتين من قصة مختلفة.
يعد فرانسيس كريك أحد أعظم علماء الأحياء في القرن العشرين ، وهو حائز على جائزة نوبل عام 1962 في علم وظائف الأعضاء أو الطب. اقترح (مع جيمس واتسون) بنية الحلزون المزدوج للحمض النووي ، وصاغ ما يسمى بالعقيدة المركزية للبيولوجيا الجزيئية ، والتي تنص على الطبيعة ذات الاتجاه الواحد لنقل المعلومات الوراثية في الخلية: من الحمض النووي عبر الحمض النووي الريبي إلى البروتينات. أحد مؤلفي العمل الكلاسيكي الذي يصف بنية الشفرة الوراثية. - مذكرة من أليكسي شغاريف
ثم ، في أوائل الستينيات ، ظهرت التسلسلات الأولى بالفعل ، بدأ الناس في بناء الأشجار. في هذا العلم ، يطلق عليهم اسم phylogenetic ، والمعنى الذي لديهم هو من يرتبط بمن.
شجرة النشوء والتطور - شجرة تعكس العلاقات التطورية بين مجموعات مختلفة من الكائنات الحية. تتكون الأفكار الحديثة من حقيقة أن جميع الكائنات الحية تنقسم إلى ثلاثة مجالات أو تفوق: الكائنات القديمة والبكتيريا وحقيقيات النوى . - مذكرة من أليكسي شغاريف
ثم ظهرت طرق التحليل ، وأصبح هناك المزيد من التسلسلات المتاحة. بعد مرور بعض الوقت ، أصبح من الواضح أن الأيدي لم تعد قادرة على العمل ، فأنت بحاجة إلى كتابة برنامج.
المعلوماتية الحيوية كعلم بدأت في التبلور في أوائل الثمانينات. بهذا المعنى ، كنت محظوظًا للغاية - عندما جئت إليها في عام 1985 ، كان هذا الغرب المتوحش ، الحدود. كان من الممكن الخروج والقيام بمهمة ، مع احتمال كبير ، لم يفعل أحد. ليست هناك حاجة لمعرفة أي شيء - كان من الضروري القيام به. نادرا ما يكون شخص محظوظ جدا.
في البداية ، اعتبر علماء الأحياء هذا ألعابًا في صندوق الرمال. ولكن كانت هناك أشياء مفيدة. بمجرد أن أصبح من الواضح أنه كان من المستحيل اتباع التسلسل ببساطة عن طريق منشورات المجلات. بدأت قواعد البيانات تظهر حيث وضعت هذه التسلسلات على الجهاز - قبل نشر المقالات التحريرية ، طالبوا بوضع التسلسل في قاعدة البيانات. وفقًا لذلك ، بدأ الأشخاص في كتابة البرامج للبحث عن تسلسلات مماثلة في قواعد البيانات. كان هذا بالفعل علمًا جادًا ، نظرًا لأن هذه القواعد تنمو بسرعة كبيرة ويجب أن تكون الخوارزميات فعالة بجنون.
هناك قصة رعب معروفة أن أداء أجهزة التسلسل - أجهزة التسلسل - ينمو مع الأس الذي هو أسرع من قانون مور . وهذا هو ، يهربون من أجهزة الكمبيوتر. هناك أيضا قانون حول سعة الذاكرة ، الأسي أيضا. نسيت ما يطلق عليه. سؤال منفصل هو ما إذا كانوا يقفون ضد أي قيود مادية. لكن أجهزة التسلسل وزيادات البيانات الأسية ذات معدلات أعلى من طاقة الكمبيوتر هي كابوس.
ثم ظهرت طرق التسلسل السريع للغاية ، وهناك بالفعل المعلوماتية الحيوية تعمل بالفعل من البداية. الآن ، عند التخطيط لتجربة ما ، يفهم عالم الأحياء الجيد (أو يتشاور مع شخص ما) كيف سيعالج النتيجة. يأخذ تصميم التجربة نفسها بالفعل في الاعتبار إلى حد كبير معالجة ما يحدث.
الآن بدأ الناس في دفع كل شيء إلى شبكات عصبية عميقة. لدينا مشاريع حول حقيقة أنه إذا جعلت الشبكة تحل المشكلة الصحيحة ، فسيتعين عليها تعلم كل علم الأحياء على طول الطريق. وهناك أمثلة.
هناك نوعان من المشاكل.
في بعض المهام ، يلزم التعرف على الجودة العالية فقط. على سبيل المثال ، التشخيص التفريقي للسرطان أو بعض التشخيص. لديك مجموعة من المرضى: أحدهما يساعد هذه الأدوية ، والآخر لا يساعد. سيكون من الجيد أن لا تعرف متى بدأت العلاج ، ولكن مقدمًا. يمكنك دراسة ميزات تلك الطفرات التي حدثت من هذا السرطان ، ومشاهدة كيف تبدأ الجينات في الورم في العمل.
أو يمكنك التنبؤ بالهيكل المكاني للبروتين - وهذه مهمة كلاسيكية أيضًا. لدينا تسلسل ، لكننا نريد أن نعرف كيف يتم طي الجزيء في الفضاء. مهمة قديمة ، ربما بدأت في السبعينات. الناس ببساطة يطاردون نوعية التنبؤ. هناك العديد من الطرق المختلفة. شباك فوز شخص ما ، شخص لا. مثل هذا العلم.
الشبكات العصبية والمعلوماتية الحيوية . على سبيل المثال ، انظر منشور مدونة DeepMind على خوارزمية طي البروتين للشبكة العصبية AlphaFold ومحاضرة محمد القريشي . - مذكرة من أليكسي شغاريف
وهناك شيء ، في رأيي ، أكثر برودة. قمت بتعيين مهمة ليس لها معنى عملي ، ولكن لحلها ، تحتاج إلى فهم شيء حول بنية علم الأحياء. ثم يبدو أن الشبكة تتعرض للضغط ، إنها غزيرة للغاية لأن جودة التعرف عليها ضعيفة للغاية على الأرجح. ولكن بعد ذلك يمكننا الوصول إلى الخلايا العصبية لها ونرى ما تعلمته ، في محاولة لحل هذه المشكلة.
لا يوجد رواد في تطوير هندسة الشبكات في علم الأحياء. بدلاً من ذلك ، هناك أشخاص يحاولون ببساطة تطبيق تصميمات جاهزة بالطريقة الصحيحة. هذا مثل هذا الضجيج في الآونة الأخيرة ، وهناك أعمال جميلة حقا.
رسم توضيحي من مقالة كتبها DeepMind
أي الكائنات الحية هي الآن الأكثر شعبية للدراسة في هذا المجال ولماذا؟
رجل ، بالطبع ، لأننا نريد أن نفيد الجميع وتعلم كل الأدوية.
هناك كائنات نموذجية تقليدية. رجل - لأن الطب. الفئران - لأنها الثدييات ، لكنها ليست آسف. ذبابة الفاكهة - لأنه بشكل عام الكلاسيكية. الإشريكية القولونية - لأنها بكتيريا ، فهي تنمو بسرعة وهي أيضًا كلاسيكية (مثل عدد قليل من البكتيريا). Nematode C. Elegans - نظرًا لأن لديها عددًا ثابتًا من الخلايا في كل حالة ، فإن علم الأنساب لهذه الخلايا معروف تمامًا ، ولديها مخطط قياسي للشبكة العصبية ، فهي متطابقة تمامًا ، لكن يمكن أن تكون مختلفة وراثياً.
نظرًا لوجود طرق متسلسلة مثمرة ، يمكننا أن نسمح لأنفسنا بأن ندرس ليس فقط الكائنات الحية النموذجية التي تم فعل الكثير من أجلها ، ولكن أيضًا بعض الكائنات الرائعة الأخرى. مشروعي المفضل لآخر مرة - لم نفهم شيئًا عاديًا تمامًا فيما يتعلق بتطور الأخطبوطات ، ولم يكن لدى أي شخص آخر ذلك. عندما يسألني الطلاب ، أقترح البحث عن بعض الحيوانات الصغيرة الرائعة.
البروتوزوا أحادي الخلية هي كائنات لها خلايا نواة ، مثل خلايانا. ليس للبكتيريا نواة ؛ فهي بسيطة. على البكتيريا ، يمكنك أن تفعل أشياء عميقة جدا. يمكننا أن نقول الكثير حول كيفية حياة البكتيريا ، وماذا تأكل ، وماذا توليفها ، وما تحتاجه لتلقيها من البيئة الخارجية - دون القيام بأي تجربة على الإطلاق ، مجرد مشاهدة فيلم. والحيوانات الصغيرة ، التي تحتوي خلاياها على نواة ، على سبيل المثال ، أنت وأنا ، أكثر تعقيدًا. ولكن هناك نوى أحادية الخلية رائعة ، ولديها علم الأحياء الأكثر تنوعًا. في ciliates ، في الأميبات. أروع حديقة الحيوان هناك.
ماذا عن الفيروسات؟
الفيروسات هي في المقام الأول مثيرة للاهتمام من وجهة نظر طبية. أتساءل كيف يعمل تطور الفيروسات ، لأن هناك عددًا قليلاً من البروتينات التي اخترعتها الفيروسات على ما يبدو.
لا تزال هناك فيروسات عملاقة ، يكون جينومها أكبر بالفعل من بكتيريا صغيرة. لا أحد يفهم من أين جاء هذا هراء. أنا أعرف فقط أسوأ هذا العلم الفيروسي. هناك تحديات تطورية جيدة.
ما هي الاتجاهات المثيرة للاهتمام الموجودة الآن ، حيث يمكن تحقيق نتائج ملحوظة لعامة الناس فيما يتعلق بالمعلوماتية الحيوية ودراسة الجينومات؟
من ما يمكن تفسيره لعامة الناس ، فإن الأكثر إثارة للاهتمام هو قصة الجينومات القديمة . يتم استخراجها من الاكتشافات الأثرية وتغيير ملحوظ - على أي حال ، إثراء - فكرتنا عن تاريخ البشرية. تم تعديل وجهات النظر حول أصل الرجل تماما. مرة أخرى ، هناك أجزاء حسابية جيدة ، لكن الزملاء الرئيسيين هم مجربون تعلموا ببساطة كيفية عزل تسلسل الحمض النووي وتحديده. كانت التجارب صعبة للغاية.
كل واحد منا لديه اثنين في المئة من شظايا الإنسان البدائي. من السهل إخبار الجمهور بما أقوم به دوريًا.
عن الجينات القديمة. في عام 2006 ، تم إطلاق مشروع لقراءة الجينوم الكامل للإنسان البدائي ، وكانت إحدى النتائج التي توصلت إليها هي استنتاج أن البشر القدامى قد تقاطعوا مع البشر البدائيون ، انظر المقال في Science . ويمكن الاطلاع على سرد كامل لهذه القصة من قبل إيلينا نيمارك على "العناصر" . - مذكرة من أليكسي شغاريف
المعلوماتية الحيوية الصرفة ... مرة أخرى ، نظرًا لأن هذا جزء من علم الأحياء ، بالنسبة لنا المستهلك عالم أحياء. في العمل البيولوجي الجيد ، عندما نعالج ولا حتى سرطان مجردة من نوع معين ، أي ورم لمريض معين ، وهذا هو دواء شخصي. هناك أمثلة جيدة عندما يعمل هذا. لكن ما حجمها وما إذا كان سيتم سحب اقتصادها ليس واضحًا للغاية. من حيث المبدأ ، نعم ، هناك أمثلة على الأدوية ، قبل تعيينهم يقومون بتحليل الطفرات في ورم معين. المعلوماتية الحيوية تقع تحت كل هذا "في الطابق السفلي". دون تطوير أساليب المعلومات البيولوجية ، كان هذا مستحيلاً. ولكن في الأساس المستهلك بالنسبة لنا ليس شخصًا ، لكنه عالم أحياء آخر.
تخيل المطور: ربما من ذوي الخبرة. ربما أخصائي تحليل البيانات ؛ أو العكس ، طالب آخر. ما هي المهمة التي يمكن أن تلهمه الآن للدخول في هذا العلم ومساعدة شيء ما؟
يمكنك الذهاب إلى بعض المختبرات حيث يوجد الكثير من البيانات ، ثم قم بمعالجتها. يمكن أن تكون البيانات رائعة. يمكن أن يكون هيكلًا مكانيًا - كيف يتم تعبئة الحمض النووي في الخلية وكيف يؤثر على عملها. هناك الكثير من التجارب غير المتجانسة ، الكثير من البيانات حقًا. وهناك مجال واسع: من فيزياء البوليمرات إلى نوع من تحليل الارتباط وشيء إحصائي. يمكنك أن تفعل أشياء جميلة حقا. البيانات مختلفة جدا ، ويمكن مقارنتها بطرق مختلفة. بشكل عام ، الكثير من الخير.
كذلك هناك هذا الزورق مع الشبكات. وهنا مرة أخرى ، من الضروري التشبث ببيولوجيي جيد ، ثم يمكنك حل المشاكل البيولوجية الجيدة بشبكات جيدة. إما أن تفوز ببطولة العالم للتنبؤ ، والتي هي شرف في حد ذاتها ، أو حاول إخراج بعض الأحياء. تحدثنا عن هذا قليلا.
أو يمكنك حقًا الانضمام إلى شركة تحاول إنشاء طرق للتشخيص المتمايز - بشكل رئيسي تشخيصات السرطان - وفعل شيء جيد. هذا هو أيضا تحليل البيانات ، ولكن هناك الكثير من كل شيء.
ما هو الوضع الأكثر شيوعا والمهمة النموذجية؟ هناك مفارقة: لدينا نفس الجينوم في جميع الخلايا ، والخلايا تعمل بشكل مختلف - وبالمناسبة ، يتم ترتيبها بشكل مختلف أيضًا ، لأن الجينات المختلفة فيها تعمل بشكل مختلف. في الورم السرطاني ، الجينومات مختلفة بالفعل ؛ حدثت طفرات هناك. لكن مرة أخرى ، تولد الخلية من جديد ، ليس بسبب تغير شيء في الحمض النووي ، ولكن لأن الجينات بدأت تعمل بشكل مختلف. ويمكننا محاولة التنبؤ بتأثير العقاقير أو عمل تنبؤات أو القيام ببساطة بالتشخيص التفريقي بناءً على كيفية عمل الخلايا في أنواع مختلفة من الأورام.
لكن عند إجراء هذا التحليل ، نأخذ قطعة من الأنسجة ، وهناك الكثير من الخلايا المختلفة. هذه خلايا سرطانية وخلايا صحية ونوع من الخلايا اللمفاوية تزحف هناك - الكثير من كل شيء. تحتاج إلى تحليل متوسط عمل الجينات ، والذي يمكنك قياسه في التجربة ، حول كيفية عمل الجينات في كل نوع من الخلايا. يمكنك تقدير نسبة هذه الخلايا. هذه هي مهمة التحلل. في بيئة ساذجة ، يعتقد الجميع أنه يمكن حلها ببساطة كمشكلة جبر خطية ، كنظام كبير من المعادلات الخطية. اتضح أن الضوضاء في البيانات وغيرها من الصعوبات تجعلها تدور كثيرا. لا يمكن اختصار هذا إلى جبر خطي بسيط. لقد رأيت هذا عدة مرات: يأتي الطالب ، يقول - هنا سنكتب المعادلة الآن ، وهذا كل شيء. لكن التين. لكنها فائدة مباشرة للبشرية - للبحث عن توقيعات السرطان.
سيكون هناك علم جيد للغاية ، إنه يحدث بالفعل - التنمية المبكرة. نحن الآن نحدد كيفية عمل الجينات في خليط من الخلايا ، في عينة يوجد بها ملايين الخلايا. لكن عليك أن تكون قادرًا على فعل الشيء نفسه في خلية واحدة ، ولهذا - لكسب ضوضاء كبيرة. ثم يمكننا أن ننظر ، على سبيل المثال ، علم الأجنة ، وننظر إلى مسارات تطور الخلايا في المراحل المبكرة للغاية ، عندما لا تزال قليلة. يمكنك مشاهدة كيفية حدوث التمايز المبكر للخلايا ، وسيصبح علم الأجنة مختلفًا تمامًا مع هذه القصص في المستقبل القريب ، وسيتم القيام بعمل جيد. هذه هي الأجنة التطورية. لا يقتصر الأمر على النظر في كيفية اختلاف التشريح في الرئيسات والقوارض (هذا قرن كلاسيكي في القرن التاسع عشر) ، ولكن مراقبة كيف يتم تأسيس هذه الاختلافات في مرحلة مبكرة جدًا نظرًا للجينات التي تعمل فيها. سيكون ذلك.
كيف يبدو الاختصاصي المثالي من سيأتي الآن إلى هذا المجال ويحقق الكثير من الفوائد؟ ماذا يجب أن يكون قادرا على؟ أين يفعل ذلك؟
يجب أن يعرف علم الأحياء. بادئ ذي بدء ، هناك برنامج ماجستير في علوم الحياة في سكولتيك. يمكن لأي شخص بدون تعليم بيولوجي الذهاب إلى هناك أيضًا. سيكون الأمر صعبًا بالنسبة له ، ولكن هناك مثل هذه الأمثلة.
يوجد برنامج لتحليل بيانات البيولوجيا والطب في المدرسة العليا للاقتصاد في كلية علوم الحاسوب. هناك ، على العكس ، يمكنك الاستغناء عن تعليم الكمبيوتر. يوجد علماء الأحياء أيضًا ، ولكن سيكون هناك عدد أقل من علم الأحياء ، والمزيد من المعلوماتية الحيوية. هذا هو للسادة. وبالنسبة لطلاب الصف الحادي عشر ، هناك كلية للهندسة الحيوية والمعلوماتية الحيوية في جامعة موسكو الحكومية. هذا إذا تحدثنا عن موسكو.
في سانت بطرسبرغ هناك برامج معلوماتية حيوية في جامعة سانت بطرسبرغ و ITMO ، في رأيي ، لكني أعرف القليل عنها.
عن ميخائيل جلفاند
كيف أتيت إلى هذا العلم؟
عدم القدرة على القيام الرياضيات. عندما انتهى مهمت ، أدركت أنني لست جيدًا في إثبات النظريات ، ناهيك عن اختراعها. لقد كنت محظوظًا للغاية ، لأن المعلوماتية الحيوية لم تبدأ إلا في البداية ، ومن ثم يمكنك الوصول إلى هناك ، وهذا كل شيء.
لطالما أحببت علم الأحياء: مسكت بالفراشات وأخطاء معذبة ، هذا كل شيء. بالنسبة لي ، كان الذهاب إلى علم الأحياء أمرًا طبيعيًا جدًا. بالإضافة إلى ذلك ، كنت مهتمة باللغويات ، ذهبت إلى الدائرة ، في الألعاب الأولمبية. والمعلوماتية الحيوية بهذا المعنى هي علم لغوي إلى حد ما ، إذا تم التعامل معه بشكل صحيح. لذلك كان اختيارًا طبيعيًا للغاية ، على الأقل بالنسبة لي.
ماذا تفعل الان؟
أنا شخصياً أتعامل بشكل أساسي مع مهمة تحرير النصوص من الأخطبوطات ، ومن أين جاءت الشرانق من الفراشات والخنافس والنمل والنحل وجميع الحشرات التي تحتوي على الشرانق. لدي نظرية معينة.
لا تحتوي الصراصير على الشرانق. إنه صغير ، أسود ولا يبدو مثل صرصور ، ثم يذوب عدة مرات ويصبح أكثر فأكثر مثل صرصور في كل مرة. ولكن هناك الحشرات التي لديها مرحلة pupal ، ويبدو أننا اكتشفنا من أين جاء. إذا نجحنا في إظهاره بعناية ، فسيكون ذلك رائعًا.
أقوم بتحليل البكتيريا التي تعيش في المن ، والشعاب المرجانية ومنجم النفط. لقد حدث ذلك تاريخيا. مع المن ، لدينا متعاونون جيدون في بيلاروسيا ، مع المرجان - المتعاونين في موسكو الذين يختارون قطعًا من هذه المرجان. وبشأن آبار النفط ، لديّ طالب دراسات عليا نشط بجنون يتلاعب ببساطة بشركات النفط ويغمرها بهذه المهمة. وهذا هو ، هذه هي المهام الانتهازية ، في الواقع.
أتعامل مع طي الحمض النووي في الخلية وكيف يؤثر هذا الطي على عمل الجينات.
أقوم بالكثير - أو بالأحرى طلاب الدراسات العليا - في تطور البكتيريا ، لأن هذا الشيء موصوف بشكل سيء ، يمكنك النظر إليه بطريقة مختلفة. وبشكل عام ، فهم كيفية تطور البكتيريا ، ومن أين تأتي الأنواع البكتيرية ، وكيف يتم تقسيمها إلى أنواع. ليس الأمر جيدًا. هذه ليست منطقة عصرية للغاية ، ولكن يمكنك أيضًا القيام بالكثير من الأشياء الرائعة هناك.
أفعل كيف يتم تنظيم الجينات ، وخاصة في البكتيريا ، وكيف تتطور هذه الشبكات التنظيمية. يمكنك مقارنة الأنواع القريبة ، ومعرفة كيفية اختلافها ، وفهم (أو عدم فهم) كيفية حدوث هذه التغييرات.
ميخائيل غيلفاند هو أحد المتحدثين في مؤتمر YaTalks ، الذي سيعقد في 30 نوفمبر في قاعة مؤتمرات Paveletsky Space في موسكو. التسجيل مفتوح ومتاح هنا .