"यह डेटा विश्लेषण भी है।" मिखाइल गेलफैंड के साथ जैव सूचना विज्ञान के बारे में बात करें

जैव सूचना विज्ञान वैज्ञानिक ज्ञान का एक अत्यंत उत्सुक क्षेत्र है, क्योंकि यह एल्गोरिदम, बड़े डेटा प्रसंस्करण और मशीन सीखने के विशेषज्ञों के लिए जैविक शब्दों और विधियों में तैयार किए गए कार्यों को जोड़ता है। इस प्रकार, जैव सूचना विज्ञान एक उदाहरण है जहां आईटी वास्तविक दुनिया की खोज में बचाव के लिए आ सकता है।

हाल ही में मैंने इंस्टीट्यूट फॉर इंफॉर्मेशन ट्रांसमिशन प्रॉब्लम में मिखाइल सर्जयेविच गेलफैंड का दौरा किया। हमने इस बारे में बात की कि जैव सूचना विज्ञान क्या है, इसके दिलचस्प अनुप्रयोगों के बारे में, जैव सूचना विज्ञान में आईटी विशेषज्ञ कैसे उपयोगी हो सकते हैं, और इसके लिए उन्हें क्या सीखने की आवश्यकता है।

इस लेख के कट के तहत आपको हमारी बातचीत की पूरी प्रतिलिपि मिल जाएगी, और वीडियो को YouTube पर देखा जा सकता है।

जैव सूचना विज्ञान क्या है

एलेक्सी शाग्रैव: जैव सूचना विज्ञान - यह किस प्रकार का विज्ञान है, यह क्या करता है?

मिखाइल गेलफैंड : जैव सूचना विज्ञान एक कंप्यूटर का उपयोग करके जीव विज्ञान का अध्ययन करने का एक तरीका है। द्वारा और बड़े, यह एक विज्ञान नहीं है, लेकिन सिर्फ तकनीकों का एक सेट है। उसी अर्थ में, उदाहरण के लिए, इलेक्ट्रॉन माइक्रोस्कोपी एक विज्ञान नहीं है।

जैव सूचना विज्ञान का पहला भाग एल्गोरिथम है। यह वर्णन करता है कि डेटा को कंप्यूटर से डेटा को कैसे खींचें। तकनीकी कारणों से जीनोम बनाने वाले न्यूक्लियोटाइड के अनुक्रम को निर्धारित करने के लिए (इसे अनुक्रम करने के लिए), इस जीनोम को बड़ी संख्या में छोटे टुकड़ों में काटने की आवश्यकता होती है, जिसे तब एक बड़ी रेखा में विभाजित किया जाना चाहिए। इस मामले में, डेटा में शोर को ध्यान में रखना आवश्यक है, दुनिया में हर चीज की विभिन्न अनियमितताएं। यह एक काफी विशिष्ट कार्य है, द्रव्यमान स्पेक्ट्रोमेट्रिक डेटा के विश्लेषण में अन्य एल्गोरिदम समस्याएं उत्पन्न होती हैं।

जैव सूचना विज्ञान का दूसरा भाग शास्त्रीय, जैविक है। मैं जो करती हूं, वह उसके ज्यादा करीब है। अधिक सटीक रूप से, इसे आणविक जीव विज्ञान कहा जा सकता है। यहां आपके पास प्रोटीन है। वह क्या कर रहा है? या आपके पास एक जीन है। यह कब चालू होता है, कब बंद होता है? या, इसके विपरीत, आप जानते हैं कि सेल में कुछ एक विशिष्ट फ़ंक्शन है। कौन सा प्रोटीन करता है? ये आणविक जीव विज्ञान की शास्त्रीय समस्याओं के उदाहरण हैं, और यह पता चला है कि ऐसी समस्याओं को हल करने के लिए एक कंप्यूटर एक प्रभावी उपकरण है। शोधकर्ताओं को अब सभी संभावित प्रोटीन कार्यों का परीक्षण करने की आवश्यकता नहीं है; इसके बजाय, वे यह सत्यापित कर सकते हैं कि प्रोटीन उस फ़ंक्शन को निष्पादित करता है जो मॉडल ने भविष्यवाणी की थी। अगर वास्तव में पूरा करता है - तूफान! इस प्रकार, कंप्यूटर खोज स्थान को कम करके प्रयोगकर्ता के समय को बचाता है। यह एक क्लासिक आणविक जीव विज्ञान है, यह टेस्ट ट्यूब से पहले एक कंप्यूटर पर किया जाता है।

अंत में, जैव सूचना विज्ञान का तीसरा, हाल ही में उभरा हिस्सा बड़ा डेटा विश्लेषण है। जीवविज्ञानियों ने जो प्रायोगिक तरीके निकाले वे इतने प्रभावी थे कि पहले से ही बहुत अधिक डेटा का उत्पादन किया जा रहा है। खगोल विज्ञान खगोल भौतिकी के लिए उसी तरह से चला गया है - कोलोसल टेलीस्कोप अब हर मिनट डेटा के गीगाबाइट का उत्पादन करते हैं। उच्च-ऊर्जा भौतिकी के साथ एक समान बात हुई। पहला काम जो उठता है वह है केवल डेटा को बचाना और उससे रोचक जीव विज्ञान निकालना। बड़ी मात्रा के कारण, एक सेल के काम का संपूर्ण वर्णन करना संभव है - एक जीन का काम नहीं, बल्कि इस सेल के सभी जीनों का काम।

इसके अलावा, मैंने आपको एक शुरुआत में झूठ कहा था। बेशक, वैज्ञानिक जैव सूचना विज्ञान है, केवल इसे अलग तरह से कहा जाता है - विकासवादी जीव विज्ञान। बहुत सारे कंप्यूटर तरीके पहले से ही विकासवादी पैटर्न का वर्णन करते हैं - चयन कैसे हुआ, क्या बदला। सबसे स्वाभाविक, बुनियादी सवाल यह है कि किससे संबंधित है। और फिर शुरू होता है: विभिन्न जानवरों का विकासात्मक जीव विज्ञान क्या है? .. एक व्यक्ति चूहों से अलग है क्योंकि हमारे जीन अलग नहीं हैं, लेकिन क्योंकि वे अलग तरह से काम करते हैं। इसके अलावा, भ्रूणजनन में मुख्य अंतर रखे गए हैं।

लोगों ने पहली बार कब और कैसे समझा कि इन क्षेत्रों में एक कंप्यूटर मूर्त लाभ ला सकता है?

फ्रांसिस क्रीक

सब कुछ समझने के लिए सबसे पहले फ्रांसिस क्रिक थे, जो स्पष्ट रूप से, एक पूरी तरह से प्रतिभाशाली व्यक्ति थे। 1958 में, उन्होंने महसूस किया कि अनुक्रम - फिर, मेरी राय में, उन्होंने प्रोटीन के बारे में सोचा - रिश्तेदारी निर्धारित करने के लिए इस्तेमाल किया जा सकता है। अनुक्रम स्वयं नहीं थे। उन्होंने पहली बार इस विचार को पूरी तरह से अलग एक को समर्पित एक लेख में व्यक्त किया, एक अलग कहानी के दो वाक्य डाले।

फ्रांसिस क्रिक 20 वीं सदी के सबसे महान जीवविज्ञानी, भौतिक विज्ञान या चिकित्सा में 1962 का नोबेल पुरस्कार से एक है। उन्होंने (जेम्स वॉटसन के साथ) डीएनए डबल हेलिक्स की संरचना का प्रस्ताव किया, आणविक जीव विज्ञान के तथाकथित केंद्रीय हठधर्मिता का सूत्रपात किया , जो सेल में आनुवंशिक जानकारी के हस्तांतरण की एकतरफा प्रकृति को बताता है: डीएनए से आरएनए से प्रोटीन तक। आनुवांशिक कोड की संरचना का वर्णन करने वाले क्लासिक काम के लेखकों में से एक। - अलेक्सी शाग्रेव द्वारा नोट

फिर, 60 के दशक की शुरुआत में, वास्तव में पहला क्रम दिखाई दिया, लोगों ने पेड़ों का निर्माण शुरू किया। इस विज्ञान में उन्हें फेलोजेनेटिक कहा जाता है, और उनका अर्थ है कि कौन किससे संबंधित है।

Phylogenetic tree - एक पेड़ जो जीवों के विभिन्न समूहों के बीच विकासवादी संबंधों को दर्शाता है। आधुनिक विचार इस तथ्य में समाहित हैं कि सभी जीवित जीवों को तीन डोमेन में विभाजित किया जाता है या सुपरस्टेट करते हैं: आर्किया , बैक्टीरिया और यूकेरियोट्स । - अलेक्सी शाग्रेव द्वारा नोट

फिर विश्लेषण विधियां दिखाई दीं, और अधिक अनुक्रम उपलब्ध हो गए। कुछ समय बाद, यह स्पष्ट हो गया कि हाथ अब काम नहीं कर सकते हैं, आपको एक कार्यक्रम लिखने की आवश्यकता है।

एक विज्ञान के रूप में जैव सूचना विज्ञान ने 80 के दशक की शुरुआत में आकार लेना शुरू किया। इस अर्थ में, मैं बहुत भाग्यशाली था - जब मैं 1985 में आया था, तो यह एक वाइल्ड वेस्ट, एक सीमा थी। यह संभव है कि उच्च संभावना के साथ, एक ऐसा कार्य किया जाए और किया जाए। कुछ भी सीखने की आवश्यकता नहीं थी - यह करना आवश्यक था। शायद ही कोई इतना भाग्यशाली होता है।

पहले, जीवविज्ञानी इसे सैंडबॉक्स में गेम के रूप में मानते थे। लेकिन उपयोगी चीजें थीं। एक बार यह स्पष्ट हो गया कि केवल जर्नल प्रकाशनों द्वारा अनुक्रमों का पालन करना असंभव था। डेटाबेस दिखाई देने लगे कि ये अनुक्रम मशीन पर कहाँ रखे गए थे - संपादकीय लेख प्रकाशित करने से पहले उन्होंने मांग की कि अनुक्रम को डेटाबेस में डाला जाए। तदनुसार, लोगों ने डेटाबेस में समान अनुक्रमों की खोज के लिए कार्यक्रम लिखना शुरू कर दिया। यह पहले से ही एक गंभीर विज्ञान था, क्योंकि ये आधार बहुत तेजी से बढ़ रहे हैं और एल्गोरिदम को अत्यधिक कुशल होना चाहिए।

एक अच्छी तरह से ज्ञात डरावनी कहानी है कि सीक्वेंसर्स - सीक्वेंसिंग डिवाइसेस का प्रदर्शन - एक घातांक के साथ बढ़ता है जो मूर के नियम से तेज है। यानी वे कंप्यूटर से दूर भागते हैं। मेमोरी क्षमता के बारे में भी एक कानून है, घातीय भी। भूल गए इसे क्या कहते हैं। एक अलग सवाल है कि क्या वे किसी भी शारीरिक सीमा के खिलाफ आराम करते हैं। लेकिन कंप्यूटर शक्ति की तुलना में उच्च दर के साथ अनुक्रमिक और घातांक डेटा वृद्धि एक बुरा सपना है।

और फिर बहुत तेजी से अनुक्रमण के तरीके दिखाई दिए, और पहले से ही जैव सूचना विज्ञान बहुत काम करता है। अब, एक प्रयोग की योजना बनाते समय, एक अच्छा जीवविज्ञानी समझता है (या किसी के साथ सहमति) वह परिणाम कैसे संसाधित करेगा। प्रयोग का डिज़ाइन पहले से ही बड़े पैमाने पर प्रसंस्करण को ध्यान में रखता है कि क्या होता है।

अब लोगों ने इसे गहन तंत्रिका नेटवर्क में बदलना शुरू कर दिया है। हमारे पास इस तथ्य के बारे में परियोजनाएं हैं कि यदि आप नेटवर्क को सही समस्या का समाधान करते हैं, तो इसे सभी जीव विज्ञान को सीखना होगा। और उदाहरण हैं।

दो तरह की समस्याएं हैं।

कुछ कार्यों में, बस उच्च-गुणवत्ता की मान्यता की आवश्यकता होती है। उदाहरण के लिए, कैंसर या कुछ रोग का निदान। आपके पास रोगियों के दो सहसंयोजक हैं: एक इन दवाओं की मदद करता है, दूसरा नहीं करता है। यह पता लगाना अच्छा होगा कि जब आपने उपचार शुरू किया था, लेकिन पहले से नहीं। आप इस कैंसर से होने वाले उत्परिवर्तन की विशेषताओं का अध्ययन कर सकते हैं, यह देख सकते हैं कि ट्यूमर में जीन कैसे काम करना शुरू करते हैं।

या आप प्रोटीन की स्थानिक संरचना का अनुमान लगा सकते हैं - यह भी एक क्लासिक कार्य है। हमारे पास एक अनुक्रम है, लेकिन हम यह पता लगाना चाहते हैं कि अंतरिक्ष में अणु कैसे मुड़ा हुआ है। एक पुराना काम, यह शायद 70 के दशक में शुरू हुआ था। लोग बस भविष्यवाणी की गुणवत्ता का पीछा कर रहे हैं। कई अलग-अलग तरीके हैं। नेट किसी को जीतते हैं, किसी को नहीं। ऐसा विज्ञान।

तंत्रिका नेटवर्क और जैव सूचना विज्ञान । उदाहरण के लिए, AlphaFold न्यूरल नेटवर्क प्रोटीन फोल्डिंग एल्गोरिथ्म और मोहम्मद अलकुरैशी के व्याख्यान पर डीपमाइंड ब्लॉग पोस्ट देखें। - अलेक्सी शाग्रेव द्वारा नोट

और ऐसा कुछ है, जो मेरी राय में, और भी ठंडा है। आप एक ऐसा कार्य निर्धारित करते हैं जिसका व्यावहारिक अर्थ नहीं है, लेकिन इसे हल करने के लिए, आपको जीव विज्ञान की संरचना के बारे में कुछ समझने की आवश्यकता है। और फिर ग्रिड तनावपूर्ण लगता है, यह बहुत ही चमकदार है क्योंकि इसकी मान्यता गुणवत्ता सबसे खराब होने की संभावना है। लेकिन फिर हम उसके न्यूरॉन्स में जा सकते हैं और देख सकते हैं कि उसने क्या सीखा, इस समस्या को हल करने की कोशिश कर रहा है।

जीव विज्ञान में नेटवर्क आर्किटेक्चर के विकास में कोई अग्रणी नहीं हैं। बल्कि, ऐसे लोग हैं जो बस सही तरीके से तैयार आर्किटेक्चर लागू करने की कोशिश कर रहे हैं। यह हाल के दिनों का ऐसा प्रचार है, वास्तव में सुंदर काम हैं।

दीपमिन्द के एक लेख से चित्रण

आधुनिक जैव सूचना विज्ञान

अब कौन से जीव इस क्षेत्र में अध्ययन के लिए सबसे लोकप्रिय हैं और क्यों?

बेशक, मनुष्य, क्योंकि हम सभी को लाभान्वित करना चाहते हैं और सभी चिकित्सा सीखना चाहते हैं।

पारंपरिक मॉडल जीव हैं। आदमी - क्योंकि दवा। चूहे - क्योंकि वे स्तनधारी हैं, लेकिन उन्हें खेद नहीं है। ड्रोसोफिला - क्योंकि यह आम तौर पर एक क्लासिक है। एस्चेरिचिया कोलाई - क्योंकि यह एक जीवाणु है, यह तेजी से बढ़ता है और एक क्लासिक (कुछ और बैक्टीरिया की तरह) भी है। नेमाटोड सी। एलिगेंस - क्योंकि उनके पास प्रत्येक उदाहरण में कोशिकाओं की एक निश्चित संख्या है, इन कोशिकाओं की वंशावली कड़ाई से ज्ञात है, उनके पास तंत्रिका नेटवर्क की एक मानक योजना है, वे बिल्कुल समान हैं, लेकिन आनुवंशिक रूप से भिन्न हो सकते हैं।

चूंकि उत्पादक अनुक्रमण विधियां हैं, हम खुद को न केवल मॉडल जीवों का अध्ययन करने की अनुमति दे सकते हैं, जिसके लिए पहले से ही बहुत कुछ किया गया है, लेकिन कुछ अन्य अच्छे हैं। पिछली बार की मेरी पसंदीदा परियोजना - हमने ऑक्टोपस के विकास के बारे में पूरी तरह से कुछ नहीं समझा, और किसी और के पास नहीं है। जब छात्र मुझसे पूछते हैं, तो मैं कुछ शांत छोटे जानवरों की तलाश करने का सुझाव देता हूं।

एककोशिकीय प्रोटोजोआ ऐसे जीव हैं जिनकी कोशिकाओं में एक नाभिक होता है, जैसे कि हमारा। बैक्टीरिया में कोई नाभिक नहीं है, वे सरल हैं। बैक्टीरिया पर, आप बहुत गहरी चीजें कर सकते हैं। हम काफी कुछ कह सकते हैं कि जीवाणु कैसे रहता है, यह क्या खाता है, यह क्या संश्लेषित करता है, इसे बाहरी वातावरण से क्या प्राप्त करना चाहिए - बिना किसी प्रयोग के, बस एक फिल्म देखकर। और छोटे जानवर, जिनकी कोशिकाओं में एक नाभिक होता है, उदाहरण के लिए, आप और मैं, अधिक जटिल हैं। लेकिन अद्भुत एककोशिकीय नाभिक हैं, और उनके पास सबसे विविध जीव विज्ञान है। सिलियट्स में, अमीबाओं में। सबसे शांत चिड़ियाघर है।

वायरस के बारे में क्या?

चिकित्सा दृष्टि से वायरस मुख्य रूप से दिलचस्प हैं। मुझे आश्चर्य है कि वायरस का विकास कैसे काम करता है, क्योंकि काफी प्रोटीन हैं जो जाहिरा तौर पर वायरस द्वारा आविष्कार किए जाते हैं।

अभी भी विशाल वायरस हैं, जिनमें से जीनोम पहले से ही एक छोटे जीवाणु की तुलना में बड़ा है। किसी को समझ नहीं आ रहा है कि यह बकवास कहां से आया। मैं सिर्फ इस वायरल विज्ञान को बदतर जानता हूं। अच्छी विकासवादी चुनौतियां हैं।

अब कौन सी दिलचस्प दिशाएँ हैं, जहाँ जैव सूचना विज्ञान से संबंधित आम जनता के लिए ध्यान देने योग्य परिणाम और जीनोम का अध्ययन संभव है?

आम जनता को क्या समझाया जा सकता है, सबसे दिलचस्प प्राचीन जीनोम की कहानी है। वे पुरातात्विक खोजों और बिल्कुल परिवर्तन से निकाले जाते हैं - किसी भी मामले में, समृद्ध - मानव जाति के इतिहास के बारे में हमारा विचार। मनुष्य की उत्पत्ति पर विचार काफी संशोधित किए गए हैं। फिर, अच्छे कम्प्यूटेशनल विखंडू हैं, लेकिन मुख्य अध्येता ऐसे प्रयोगकर्ता हैं जिन्होंने केवल इस डीएनए अनुक्रम को अलग करना और निर्धारित करना सीखा। प्रयोग बहुत कठिन थे।

हममें से प्रत्येक के पास निएंडरथल अंशों का कुछ प्रतिशत है। जनता को यह बताना आसान है कि मैं समय-समय पर क्या करता हूं।

प्राचीन जीन के बारे में। 2006 में, निएंडरथल के पूर्ण जीनोम को पढ़ने के लिए एक परियोजना शुरू की गई थी , जिसके परिणामों में से एक यह निष्कर्ष था कि प्राचीन लोगों को निएंडरथल के साथ पार किया गया था, विज्ञान में लेख देखें। ऐलेना नैमार्क की इस कहानी का एक पूरा विवरण तत्वों पर पाया जा सकता है। - अलेक्सी शाग्रेव द्वारा नोट

शुद्ध जैव सूचना विज्ञान ... फिर से, यह जीव विज्ञान का हिस्सा है, हमारे लिए उपभोक्ता एक जीवविज्ञानी है। अच्छे जैविक कार्य में, जब हम किसी विशेष प्रकार के एक अमूर्त कैंसर का भी इलाज नहीं करते हैं, अर्थात् एक विशेष रोगी का ट्यूमर, यह एक व्यक्तिगत दवा है। जब यह काम करता है तो अच्छे उदाहरण हैं। लेकिन वे कितने बड़े पैमाने पर हैं और क्या उनकी अर्थव्यवस्था खींची जाएगी यह बहुत स्पष्ट नहीं है। सिद्धांत रूप में, हां, ड्रग्स के उदाहरण हैं, जिनकी नियुक्ति से पहले वे एक विशेष ट्यूमर में म्यूटेशन का विश्लेषण करते हैं। जैव सूचना विज्ञान इस तहखाने में "इस सब के नीचे बैठता है।" जैव सूचनात्मक तरीकों के विकास के बिना, यह असंभव होता। लेकिन मूल रूप से हमारे लिए उपभोक्ता एक व्यक्ति नहीं है, बल्कि एक अन्य जीवविज्ञानी है।

एक डेवलपर की कल्पना करें: शायद एक अनुभवी; संभवतः एक डेटा विश्लेषण विशेषज्ञ; या इसके विपरीत, एक और छात्र। इस विज्ञान में आने और कुछ मदद करने के लिए अभी क्या कार्य उसे प्रेरित कर सकता है?

आप कुछ प्रयोगशाला में जा सकते हैं जहां बहुत अधिक डेटा है, और बस इसे संसाधित करें। डेटा अद्भुत हो सकता है। यह एक स्थानिक संरचना हो सकती है - डीएनए एक सेल में कैसे पैक किया जाता है और यह उसके काम को कैसे प्रभावित करता है। बहुत सारे विषम प्रयोग हैं, वास्तव में बहुत सारे आंकड़े हैं। और एक विस्तृत क्षेत्र है: पॉलिमर की भौतिकी से किसी प्रकार के सहसंबंध विश्लेषण और कुछ सांख्यिकीय। आप वास्तव में सुंदर चीजें कर सकते हैं। डेटा बहुत अलग है, उनकी तुलना अलग-अलग तरीकों से की जा सकती है। सामान्य तौर पर, सभी अच्छे का एक बहुत।

इसके अलावा ग्रिड के साथ यह डोंगी है। और यहां फिर से अच्छे जीवविज्ञानी से चिपकना आवश्यक है, फिर आप अच्छी जैविक समस्याओं को अच्छे ग्रिड के साथ हल कर सकते हैं। या तो भविष्यवाणी विश्व चैंपियनशिप जीतें, जो अपने आप में एक सम्मान है, या कुछ जीव विज्ञान को बाहर निकालने की कोशिश करना। हमने इस बारे में थोड़ी बात की।

या आप वास्तव में एक कंपनी में शामिल हो सकते हैं जो विभेदित निदान के लिए तरीकों का निर्माण करने की कोशिश कर रहा है - मुख्य रूप से कैंसर निदान - और कुछ अच्छा करना। यह डेटा विश्लेषण भी है, लेकिन बहुत कुछ है।

सबसे विशिष्ट स्थिति और विशिष्ट कार्य क्या है? एक विरोधाभास है: हमारे पास सभी कोशिकाओं में एक ही जीनोम है, और कोशिकाएं अलग-अलग काम करती हैं - और, वैसे, अलग-अलग तरीके से व्यवस्थित भी होती हैं, क्योंकि उनमें अलग-अलग जीन अलग-अलग काम करते हैं। एक कैंसर वाले ट्यूमर में, जीनोम पहले से ही अलग हैं, वहां उत्परिवर्तन हुआ है। लेकिन फिर से, सेल का पुनर्जन्म होता है, इसलिए नहीं कि डीएनए में कुछ बदल गया है, बल्कि इसलिए कि जीन अलग तरह से काम करने लगे। और हम दवाओं के प्रभाव की भविष्यवाणी करने, भविष्यवाणियां करने या बस विभिन्न प्रकार के ट्यूमर में कोशिकाओं के काम करने के आधार पर अंतर निदान करने की कोशिश कर सकते हैं।

लेकिन इस विश्लेषण को करते हुए, हम ऊतक का एक टुकड़ा लेते हैं, और कई अलग-अलग कोशिकाएं होती हैं। ये ट्यूमर कोशिकाएं हैं, और स्वस्थ कोशिकाएं हैं, और कुछ प्रकार के लिम्फोसाइट्स रेंगते हैं - बहुत कुछ। आपको जीन के औसत कार्य को विघटित करने की आवश्यकता है, जिसे आप एक प्रयोग में माप सकते हैं कि प्रत्येक प्रकार के सेल में जीन कैसे काम करते हैं। आप ऐसी कोशिकाओं के अनुपात का अनुमान लगा सकते हैं। यह अपघटन का कार्य है। एक भोली सेटिंग में, हर कोई सोचता है कि इसे केवल रेखीय बीजगणित समस्या के रूप में हल किया जा सकता है, रैखिक समीकरणों की एक बड़ी प्रणाली के रूप में। यह पता चला है कि डेटा और अन्य कठिनाइयों में शोर यह बहुत स्पिन करता है। इसे सरल रैखिक बीजगणित में कम नहीं किया जा सकता है। मैंने इसे कई बार देखा है: एक छात्र आता है, कहता है - यहाँ हम अब समीकरण लिखेंगे, और यह बात है। लेकिन अंजीर। लेकिन मानवता के लिए इसका सीधा लाभ है - कैंसर हस्ताक्षरों की तलाश करना।

एक बहुत अच्छा विज्ञान होगा, यह पहले से ही हो रहा है - प्रारंभिक विकास। अब हम यह निर्धारित कर रहे हैं कि कोशिकाओं के मिश्रण में जीन कैसे काम करते हैं, एक नमूने में जहां लाखों कोशिकाएं होती हैं। लेकिन आपको एक ही सेल में एक ही काम करने में सक्षम होना चाहिए, और इसके लिए - एक बड़ा शोर जीतने के लिए। तब हम देख सकते हैं, उदाहरण के लिए, भ्रूणविज्ञान, बहुत प्रारंभिक अवस्था में कोशिकाओं के विकास के लक्षणों को देखें, जब वे अभी भी कम हैं। आप देख सकते हैं कि कोशिकाओं के प्रारंभिक भेदभाव कैसे होते हैं, और निकट भविष्य में इन कहानियों के साथ भ्रूणविज्ञान पूरी तरह से अलग हो जाएगा, अच्छा काम होगा। यह विकासवादी भ्रूणविज्ञान है। न केवल यह देखते हुए कि कैसे एनाटॉमी प्राइमेट्स और कृन्तकों में भिन्न होती है (यह एक क्लासिक, XIX सदी है), लेकिन यह देखते हुए कि इन मतभेदों को बहुत प्रारंभिक चरण में कैसे स्थापित किया जाता है, जिसके कारण जीन कहां काम करते हैं। वह होगा।

आदर्श विशेषज्ञ क्या दिखता है जो अब इस क्षेत्र में आएगा और बहुत सारे लाभ लाएगा? वह क्या करने में सक्षम होना चाहिए? वह कहां करता है?

उसे जीव विज्ञान पता होना चाहिए। , . . , .

. , , . , , — . . 11- . .

- , -, .

?

. , , , . , - , , .

: , , . . , , , . — , . , .

?

, , , , , , . .

. , , . , , , . , .

, , . . , — , . , . , .

, .

— , — , , - . , , , . . , .

, , , . , , , ( ), .

— YaTalks, 30 - Paveletsky Space . .