Тут вот на Хабре хостинг-провайдер опубликовал пост про изучение локомоции саламандры. Почему бы и нет, тем более что пятничка? 🦎

Сложновато вышло, но запощу, потому что мы стали чуть ближе к реальности вселенной Нейроманта: Создали ключевые части синтетических клеток мозга, которые могут хранить воспоминания. Это может привести к созданию компьютеров, работающих по аналогии с человеческим мозгом (ну, в теории, а может и не привести 🌚).

Энергоэффективность человеческого мозга колоссальна, для выполнения работ в течение дня он затрачивает минимальное количество энергии. И это главная отличие современного компьютера от человеческого мозга — компьютер может выполнять огромную работу, но требует при этом больших затрат энергии. ИИ, например, тоже может моделировать работу мозга, но это потребует в десятки тысяч раз больше энергии. Целью исследования было сделать машину более похожим на человеческий мозг, энергоэффективность решает 🦾

Искусственные нейроны могут производить такие же электрические сигналы, которые настоящие нейроны используют для передачи информации в мозге. Посылая ионы через тонкие струи воды, имитирующие настоящие ионные каналы, исследователи смогли производить эти электрические всплески, пишет Science.

В итоге получилась система, которая имитирует процесс генерации электрохимических сигналов («спайков») — неких скачков электрической активности. Для их создания нейрон начинает пропускать больше положительных ионов, которые притягиваются к отрицательным. Там весьма сложный процесс, но проходя от клетки к клетке заряд как-бы перемещается по мозгу, неся информацию. И именно здесь исследователи отметили способность «запоминать» данные в течение небольшого отрезка времени. Следующим шагом является экспериментальное доказательство того, что эти новые системы могут выполнять базовые алгоритмы обучения, которые могут стать основой для обеспечения электрической памяти.

Опять же пока всё это теория, но очень интересно узнать, как это будет использоваться в реальной жизни, например тот же Neuralink Маска. Я уже представляю себе черны рынок украденных «мыслей» из вживленных чипов — утопичное будущее, все как у Уильяма Гибсона ✨

Тут все технические подробности.

This is why we can’t have nice things.

Сообществу аутистов не понравился проект Spectrum 10K, в рамках которого планировалось собрать образцы ДНК у 10 тысяч людей, больных аутизмом, и их родственников, чтобы попытаться получше разобраться в генетике аутизма.
¯\_(ツ)_/¯

Интересную вещь обнаружили учёные — небольшой сдвиг в активации одного белка может определить, будут ли некоторые муравьи обычными рабочими или королевой, которая занимается откладыванием яиц. По сути один белок может не плохо так продвинуть обычного муравья по карьерой лестнице на место босса.

Как это происходит в природе: королева умирает и обычные муравьи начинает схватку за её место. Победивший муравей, у него, кстати, крутое название — «Гамэргат» (жутковато смотрится), оставляет свои обязанности и начинает заниматься размножением, по сути берет на себя роль королевы. Так вот, прошлые исследования показали, что смена роли сопровождается изменением в мозге муравья. Еще плюс такого «повышения» — можно жить примерно в 5 раз дольше.

И благодаря вот этим исследованиям удалось понять что такую трансформацию вызывает пластичность мозга, то есть мозг способен менять структуру и функции в зависимости от окружающей среды. Учёные решили провести эксперимент, где нейроны муравьев подвергали воздействию различных уровней гормонов.

В итоге удалось найти такую комбинацию, когда принадлежность муравья к касте можно было регулировать вручную. Интересно, что в геноме муравья записано как бы сразу два предназначения, это и впечатляет. Учёные хотят провести еще больше экспериментов и попробовать других насекомых со схожими гормонами, например пчёлами.

О супер-пчёлах я писал вот тут, там их гены редактировали с CRISPR, дабы они были устойчивы ко всяким вредным веществам, а тут и без этого обошлись. Просто интересно, значит такими манипуляциями можно и рождаемость муравьев контролировать? Если да, то получается мы взломав муравьев устроим муравьепокалипсис и они выйдя из под контроля захватят мир? В общем, полно вопросов, мало ответов

​​Современные протезы кистей рук — это высокотехнологичные гаджеты, а «Моторика» — успешный русский стартап, «дизраптор рынка» в области протезирования.

Как присоединить протез к телу человека? Можно ли управлять протезом силой мысли и чувствовать прикосновения искусственной рукой? Станем ли мы все киборгами?

В новом эпизоде говорим с основателем компании «Моторика» Ильей Чехом.

Слушайте и подписывайтесь: Apple, Google, Яндекс, Spotify, Castbox, Overcast, веб-версия.

​Черное зеркало к нам всё ближе и ближе — учёные из Бристоля разработали летающего робота с крылышками как у пчёл. Но тут есть интересный момент, в отличии от обычных летающих роботов, у этих движение крыльев происходит без использования вращающихся частей или шестеренок.

За взмахи отвечает система искусственных мышц с прямым приводом, названная Liquid-amplified Zipping Actuator (LAZA), она значительно упрощает механизм махания крыльями, это позволить сделать миниатюрных роботов куда проще, чем раньше. Как я понял, основание крыла с отрицательным зарядом находится между двух пластин с положительными зарядами. Таким образом и происходит движение вверх-вниз (на видео пример работы).

Пара машущих крыльев может обеспечить бОльшую мощность по сравнению с насекомым того же веса, например за секунду робот сможет развить скорость в 18 длин своего тела. А LAZA может обеспечить стабильное «хлопание» на протяжении миллиона циклов, что плюс для автономности, ведь роботов будут использовать для мониторинга окружающей среды, развертывания в опасных условиях, убийства неугодных, наружного наблюдения и т. п.

Я, кстати, уже писал о похожих роботах — микрофлайерах, только они вообще без внутренних механизмов, и работаю по принципу «вертолётиков», которые с деревьев падаю, вот, почитайте. Они тоже очень мелкие и по сути, следя за загрязнением окружающей среды, сами собой будут её загрязнять.

Статью взял отсюда.

В своём эссе Джеймс Сомерс (он писал, например, для Нью-Йоркера и для Атлантика) рассуждает о том, как мы могли бы преподносить биологию в системе образования. Ключевая идея, пожалуй, применима к пониманию наук вообще: запоминание фактов само по себе теряет смысл без мыслительного процесса, в ходе которого эти факты смысл бы приобретали.

Липидный бислой и эндоплазматический ретикулум, рассуждает Джеймс, это замечательно, но не очень понятно, почему они должны кого-то волновать. Как противоположность бесконечному перечислению терминов, возможное ощущение восторга от биологии можно описать словами Берта Хуберта Our Amazing Immune System: перед вами содержимое космического корабля, технологии в котором из очень далёкого будущего.

В Mathematician's Lament Пол Локхарт сетует, что математическое образование обедняется, когда даются ответы, но не вопросы. С биологией похожая история, но ещё и феноменальная сложность на разных уровнях абстракций. Возможно, для эффективной коммуникации биологии и её продуктивного развития как науки необходимо развивать визуальные или механические средства представления и передачи информации, позволяющие взаимодействовать с интерактивными 3D-симуляциями.

Одна из основ в современной биологии, на которую здесь обращено внимание, это методы. Основных методов молекулярной биологии не так уж и много, и они проходят нитью через все статьи. Так что для понимания современной литературы изучать методы может быть даже полезнее, чем заучивать отдельные факты.

Помимо всего прочего, Джеймс упоминает и советует несколько книг:
– The Medusa and the Snail;
– Gödel, Escher, Bach;
– The Machinery of Life (того самого Дэвида Гудсела);
– A Computer Scientist’s Guide to Cell Biology;
– The Eighth Day of Creation: Makers of the Revolution in Biology.

Эссе называется I should have loved biology, и вышло оно ещё в 2020 году, но актуальности, конечно, не потеряло. Обсуждали это, например, тут в 2020 и тут совсем недавно.

(А вообще это реклама виски из девяностых.)

С Новым годом!

Давайте под хруст прошлогодних салатиков вспомним, чего интересного происходило в области в 2022 году.

✨ Роль полярной звезды продолжает играть AlphaFold (даже если открыть Nature’s biggest news stories of 2022). В соревнованиях вроде CASP 15 (если нужна была причина съездить в Анталию в декабре) без AF2 в топовых решениях теперь не обходится. Например, в CASP 15 улучшить результат модели AlphaFold2-Multimer получилось агрессивным семплингом, генерируя тысячи моделей (с разными параметрами) на каждый таргет. Получается на три порядка дольше, но это ничего, к следующему CASP’у придумают что-нибудь ещё. А DeepMind даже код не забросили.

🧑‍🔬 Зоопарк секвенирования нуклеиновых кислот продолжает радовать своим разнообразием. Тут и развитие Strand-seq — теперь можно измерять не только структурные варианты, но и доступность хроматина (nucleosome occupancy). И VASA-seq — протокол scRNA-seq со своими преимуществами и гибкостью модификации (VASA-drop и VASA-plate). И новые оптимизации Smart-seq3 (хотя кажется, что все до сих пор упорно продолжают пользоваться Smart-seq2).

Nanopore продолжает развивать свои продукты, PacBio анонсировала платформу для коротких ридов Onso и платформу для длинных ридов Revio. Ultima Genomics выпустила первые результаты работы над новой платформой для секвенирования. Mostly natural sequencing-by-synthesis означает, что используется смесь флуоресцентно-меченных (<20%) и обычных нуклеотидов. Что планируется делать с качеством секвенирования гомополимеров при таком подходе, однако, не очень понятно.

🦠 В scRNA-seq Ultima Genomics тоже уже попробовали, а основной объём данных scRNA-seq приходится, конечно, на 10x Genomics. Датасеты продолжают расти в размерах, и становится возможным собирать большие коллекции данных, во многом благодаря данным из Human Cell Atlas. Были опубликованы и атлас иммунной системы в разных органах, и атлас из полумиллиона клеток из разных тканей и органов (и не один), и атлас лёгких (тоже не один)… Полезную перспективу на молекулярные процессы пытаются получить в проектах с межвидовыми сравнениями (e.g. сперматогенез в 11 видах) и изучением процессов в их временном развитии (e.g. развитие гонад). Дальше будeт Human Developmental Cell Atlas, Human Organoid Cell Atlas (HCA|Organoid) и многое другое. И пока мы подбираемся к коллекции данных со ста миллионами клеток, стоит задумываться о том, как извлекать из такого массива данных новую и/или полезную информацию.

Методов горизонтальной интеграции область породила уже немало, и как раз подоспел их бенчмарк, однако кажется, что новые подходы к решению этой проблемы явно не помешают. Особенно это актуально в свете бурного развития single-cell multi-omics и spatial omics.

🧪 Появляется всё больше новых протоколов для измерения всё большего числа модальностей в одиночных клетках. Например NEAT-seq, чтобы измерять экспрессию генов и доступность хроматина вместе с количеством внутриядерных белков, что в первую очередь актуально для транскрипционных факторов. Или nano-CUT&Tag, MulTI-Tag и scNTT-seq, позволяющие измерять сразу несколько (максимум три, видимо) модификаций гистонов, — идея совместить Tn5-tagmentation и антитела действительно словно витала в воздухе.

🔬 Visium HD мы так и не увидели, а в это время на рынке небывалое разнообразие технологий, в т.ч. Nanostring, MERFISH, Stereo-seq, EEL FISH. Появляются большие и красивые датасеты. Отдельные белки измеряют с помощью IMC или вместе с РНК. (А вот как померить все белки в одиночных клетках, до сих пор не очень понятно.) В итоге имеем много технологий, задач и идей, в т.ч. на тему того, как обрабатывать и интегрировать такие данные.

🧑‍💻 Будь то multi-omics или spatial transcriptomics, многие вопросы интеграции для новых типов данных решаются часто в рамках одного или нескольких датасетов, с которыми работают авторы, с помощью заточенных под определённый тип данных методов. Наверняка в ближайшие годы стоит ожидать дальнейшего прогресса в поисках успешного применения deep learning, тем более что глубокие сети оказываются эффективными для анализа данных scATAC-seq и эпигенетических данных вообще, на которые обращают всё более пристальное внимание. Практическая сторона вопроса тем временем не стоит на месте: развиваются пакеты для работы с моделями на основе variational autoencoders, с данными multi-omics и spatial transcriptomics. Совершенствуются и модели для поиска ответов на важные вопросы, вроде cell fate mapping, intercellular communication или differential abundance testing. А вот за заголовок RNA velocity fully solved из 2020 года так и не извинились, хотя нерешённых вопросов ещё много.

🧬 Немало вопросов и к самой генетике человека, и здесь мы продолжаем пожинать плоды развития коллекций данных, таких как UK Biobank. Например, для роста человека получилось собрать 12 тысяч SNPs, объясняющих 40% дисперсии признака в европейских популяциях (и почти всю SNP-based heritability). А ещё в 2022 году опубликовали статьи по новой сборке генома человека (T2T-CHM13).

🐽 И пока одни старались улучшить сборку хотя бы одного генома человека, другие пытались его модифицировать. Технологии на основе CRISPR адаптировали и для вставки больших фрагментов ДНК, и для тестирования вариантов в популяции клеток, но не менее важным является развитие технологий модификации ДНК до достижения их клинического применения. Благодаря многолетней работе над применением CRISPR (2015, 2016, 2017, 2020, 2021) в 2023 наконец могут увидеть свет терапии на основе CRISPR для β-талассемии и серповидно-клеточной анемии (немного истории про стартапы, работающие в этом направлении, тут). Возможно, следуя успехам 2022, прогресс в трансплантации свиных органов тоже порадует нас — идеальное дополнение для набирающего обороты киберпанка.

🎄🌲🎄

Бонус: топ-3 обсуждений от Lior Pachter из 2022: (1) про сложный постер, (2) про чужой юзерпик, (3) про новую технологию секвенирования. До шедевров из 2021, кажется, далеко: треду про RNA velocity не удалось задеть за живое.

🎁 wrapped 2022 :: начало / продолжение

Новости регенеративной медицины - уже учатся выращивать новые наборы зубов при помощи манипуляций с генами (пока что не у людей):
https://mainichi.jp/english/articles/20230609/p2a/00m/0sc/026000c

Заметка в Wired про стартап LabGenius, в котором пытаются эффективно разрабатывать антитела. На самом деле лондонской компании уже больше 10 лет, и фокус на машинном обучении для дизайна антител и на автоматизации процесса их производства выглядит осмысленным и современным. С другой стороны, не похоже, чтобы их относительно небольшая команда разрабатывала state-of-the-art методы для белковой инженерии.