bj
    >> Φυσικές Επιστήμες >  >> βιολογία

Τα μαθηματικά που λένε στα κύτταρα τι είναι


Το 1891, όταν ο Γερμανός βιολόγος Hans Driesch χώρισε τα έμβρυα αχινού δύο κυττάρων στη μέση, διαπίστωσε ότι κάθε ένα από τα διαχωρισμένα κύτταρα δημιούργησε τη δική του πλήρη, αν και μικρότερη, προνύμφη. Κάπως έτσι, οι μισοί «ήξεραν» να αλλάξουν ολόκληρο το αναπτυξιακό τους πρόγραμμα:Σε εκείνο το στάδιο, το σχέδιο για το τι θα γίνονταν προφανώς δεν είχε ακόμη σχεδιαστεί, τουλάχιστον όχι με μελάνι.

Από τότε, οι επιστήμονες προσπαθούν να καταλάβουν τι συμβαίνει στη δημιουργία αυτού του σχεδίου και πόσο διδακτικό είναι. (Ο ίδιος ο Driesch, απογοητευμένος από την αδυναμία του να βρει μια λύση, σήκωσε τα χέρια του και έφυγε εντελώς από το γήπεδο.) Είναι πλέον γνωστό ότι κάποια μορφή πληροφοριών θέσης κάνει τα γονίδια να ενεργοποιούνται και να απενεργοποιούνται με διάφορους τρόπους σε όλο το έμβρυο, δίνοντας στα κύτταρα διακριτές ταυτότητες με βάση την τοποθεσία τους. Αλλά τα σήματα που μεταφέρουν αυτές τις πληροφορίες φαίνεται να κυμαίνονται άγρια ​​και χαοτικά — το αντίθετο από αυτό που θα περίμενε κανείς για μια σημαντική καθοδηγητική επιρροή.

«Το [έμβρυο] είναι ένα θορυβώδες περιβάλλον», είπε ο Robert Brewster, βιολόγος συστημάτων στην Ιατρική Σχολή του Πανεπιστημίου της Μασαχουσέτης. "Αλλά κατά κάποιο τρόπο συνδυάζεται για να σας δώσει ένα αναπαραγώγιμο, καθαρό σχέδιο σώματος."

Η ίδια ακρίβεια και αναπαραγωγιμότητα αναδύονται από μια θάλασσα θορύβου ξανά και ξανά σε μια σειρά κυτταρικών διεργασιών. Αυτά τα αυξανόμενα στοιχεία οδηγούν ορισμένους βιολόγους σε μια τολμηρή υπόθεση:ότι όσον αφορά τις πληροφορίες, τα κύτταρα μπορεί συχνά να βρίσκουν λύσεις στις προκλήσεις της ζωής που δεν είναι απλώς καλές αλλά βέλτιστες - ότι τα κύτταρα εξάγουν όσες χρήσιμες πληροφορίες από το περίπλοκο περιβάλλον τους είναι θεωρητικά δυνατό. Οι ερωτήσεις σχετικά με τη βέλτιστη αποκωδικοποίηση, σύμφωνα με την Aleksandra Walczak, βιοφυσικό στην École Normale Supérieure στο Παρίσι, «υπάρχουν παντού στη βιολογία».

Οι βιολόγοι δεν θεωρούν παραδοσιακά τις αναλύσεις ζωντανών συστημάτων ως προβλήματα βελτιστοποίησης επειδή η πολυπλοκότητα αυτών των συστημάτων καθιστά δύσκολο να ποσοτικοποιηθούν και επειδή μπορεί να είναι δύσκολο να διακρίνει κανείς τι θα βελτιστοποιηθεί. Επιπλέον, ενώ η εξελικτική θεωρία προτείνει ότι τα εξελισσόμενα συστήματα μπορούν να βελτιωθούν με την πάροδο του χρόνου, τίποτα δεν εγγυάται ότι θα πρέπει να οδηγηθούν στο βέλτιστο επίπεδο.

Ωστόσο, όταν οι ερευνητές μπόρεσαν να προσδιορίσουν κατάλληλα τι κάνουν τα κύτταρα, πολλοί εξεπλάγησαν όταν είδαν σαφείς ενδείξεις βελτιστοποίησης. Έχουν εμφανιστεί συμβουλές για το πώς ο εγκέφαλος ανταποκρίνεται στα εξωτερικά ερεθίσματα και πώς τα μικρόβια αντιδρούν στις χημικές ουσίες στο περιβάλλον τους. Τώρα μερικά από τα καλύτερα στοιχεία έχουν προκύψει από μια νέα μελέτη για την ανάπτυξη προνυμφών μύγας, που αναφέρθηκε πρόσφατα στο Cell .

Κελιά που κατανοούν τα στατιστικά

Για δεκαετίες, οι επιστήμονες μελετούν τις προνύμφες μυγών φρούτων για ενδείξεις σχετικά με το πώς εξελίσσεται η ανάπτυξη. Μερικές λεπτομέρειες έγιναν εμφανείς νωρίς:Ένας καταρράκτης γενετικών σημάτων δημιουργεί ένα μοτίβο κατά μήκος του άξονα της προνύμφης από το κεφάλι προς την ουρά. Τα μόρια σηματοδότησης που ονομάζονται μορφογόνα στη συνέχεια διαχέονται μέσω των εμβρυϊκών ιστών, ορίζοντας τελικά το σχηματισμό τμημάτων του σώματος.

Ιδιαίτερα σημαντικά στη μύγα είναι τέσσερα γονίδια «κενού», τα οποία εκφράζονται χωριστά σε ευρείες, επικαλυπτόμενες περιοχές κατά μήκος του άξονα. Οι πρωτεΐνες που παράγουν με τη σειρά τους βοηθούν στη ρύθμιση της έκφρασης γονιδίων «κανόνα ζεύγους», τα οποία δημιουργούν ένα εξαιρετικά ακριβές, περιοδικό ριγέ σχέδιο κατά μήκος του εμβρύου. Οι ρίγες δημιουργούν τις βάσεις για τη μετέπειτα διαίρεση του σώματος σε τμήματα.

Το πώς τα κύτταρα αντιλαμβάνονται αυτές τις διαβαθμίσεις διάχυσης ήταν πάντα ένα μυστήριο. Η ευρέως διαδεδομένη υπόθεση ήταν ότι αφού δείχνονταν περίπου προς τη σωστή κατεύθυνση (να το πούμε έτσι) από τα επίπεδα πρωτεΐνης, τα κύτταρα θα παρακολουθούσαν συνεχώς το μεταβαλλόμενο περιβάλλον τους και θα έκαναν μικρές διορθωτικές προσαρμογές καθώς προχωρούσε η ανάπτυξη, κλείνοντας την προγραμματισμένη ταυτότητά τους σχετικά αργά. Αυτό το μοντέλο παραπέμπει στο «αναπτυξιακό τοπίο» που πρότεινε ο Conrad Waddington το 1956. Παρομοίασε τη διαδικασία ενός κυττάρου που επιστρέφει στη μοίρα του με μια μπάλα που κυλάει σε μια σειρά από συνεχώς ανυψωμένες κοιλάδες και διχαλωτά μονοπάτια. Τα κύτταρα έπρεπε να αποκτήσουν όλο και περισσότερες πληροφορίες για να βελτιώσουν τις γνώσεις τους για τη θέση τους με την πάροδο του χρόνου — σαν να εξέταζαν πού και τι βρίσκονταν μέσω του «παιχνιδιού των 20 ερωτήσεων», σύμφωνα με τον Jané Kondev, φυσικό στο Πανεπιστήμιο Brandeis.

Ωστόσο, ένα τέτοιο σύστημα θα μπορούσε να είναι επιρρεπές σε ατυχήματα:Ορισμένα κύτταρα αναπόφευκτα θα ακολουθούσαν λάθος μονοπάτια και δεν θα μπορούσαν να επανέλθουν σε τροχιά. Αντίθετα, οι συγκρίσεις των εμβρύων μύγας αποκάλυψαν ότι η τοποθέτηση των λωρίδων κανόνων ζεύγους ήταν απίστευτα ακριβής, με ακρίβεια 1 τοις εκατό του μήκους του εμβρύου — δηλαδή με ακρίβεια ενός κυττάρου.

Αυτό ώθησε μια ομάδα στο Πανεπιστήμιο του Πρίνστον, με επικεφαλής τους βιοφυσικούς Thomas Gregor και William Bialek, να υποπτευόμαστε κάτι άλλο:ότι τα κύτταρα θα μπορούσαν αντί αυτού να λάβουν όλες τις πληροφορίες που χρειάζονταν για να καθορίσουν τις θέσεις των λωρίδων κανόνων ζεύγους μόνο από τα επίπεδα έκφρασης των γονιδίων του χάσματος, παρόλο που αυτά δεν είναι περιοδικά και επομένως δεν αποτελούν προφανή πηγή για τόσο ακριβείς οδηγίες.

Και αυτό ακριβώς βρήκαν.

Κατά τη διάρκεια 12 ετών, μέτρησαν τις συγκεντρώσεις μορφογόνου και πρωτεΐνης γονιδίου gap, κύτταρο σε κύτταρο, από το ένα έμβρυο στο άλλο, για να προσδιορίσουν πώς και τα τέσσερα γονίδια κενού ήταν πιο πιθανό να εκφραστούν σε κάθε θέση κατά μήκος της κεφαλής προς άξονας της ουράς. Από αυτές τις κατανομές πιθανοτήτων, κατασκεύασαν ένα «λεξικό» ή αποκωδικοποιητή — έναν ρητό χάρτη που θα μπορούσε να παρουσιάσει μια πιθανολογική εκτίμηση της θέσης ενός κυττάρου με βάση τα επίπεδα συγκέντρωσης πρωτεΐνης στο γονίδιο χάσμα.

Πριν από περίπου πέντε χρόνια, οι ερευνητές — συμπεριλαμβανομένης της Mariela Petkova, η οποία ξεκίνησε το έργο της μέτρησης ως προπτυχιακός στο Πρίνστον (και επί του παρόντος κάνει διδακτορικό στη βιοφυσική στο Πανεπιστήμιο του Χάρβαρντ) και ο Gašper Tkačik, τώρα στο Ινστιτούτο Επιστήμης και Τεχνολογίας της Αυστρίας — προσδιόρισε αυτήν την αντιστοίχιση υποθέτοντας ότι λειτουργούσε όπως είναι γνωστός ως βέλτιστος αποκωδικοποιητής Bayes (δηλαδή, ο αποκωδικοποιητής χρησιμοποίησε τον κανόνα του Bayes για να συμπεράνει την πιθανότητα ενός γεγονότος από προηγούμενες πιθανότητες υπό όρους). Το πλαίσιο του Bayes τους επέτρεψε να αναστρέψουν τα «άγνωστα», τις συνθήκες της πιθανότητας:Οι μετρήσεις τους για την έκφραση του γονιδίου του χάσματος, τη δεδομένη θέση, θα μπορούσαν να χρησιμοποιηθούν για τη δημιουργία μιας «καλύτερης εικασίας» της θέσης, δεδομένης μόνο της έκφρασης γονιδίου χάσματος.

Η ομάδα διαπίστωσε ότι οι διακυμάνσεις των τεσσάρων γονιδίων του χάσματος θα μπορούσαν πράγματι να χρησιμοποιηθούν για την πρόβλεψη των θέσεων των κυττάρων με ακρίβεια ενός κυττάρου. Ωστόσο, δεν είναι λιγότερες από τις μέγιστες πληροφορίες και για τα τέσσερα:Όταν δόθηκε η δραστηριότητα μόνο δύο ή τριών γονιδίων κενού, οι προβλέψεις θέσης του αποκωδικοποιητή δεν ήταν τόσο ακριβείς. Οι εκδόσεις του αποκωδικοποιητή που χρησιμοποιούσαν λιγότερες πληροφορίες και από τα τέσσερα γονίδια κενού — που, για παράδειγμα, ανταποκρίνονταν μόνο στο αν κάθε γονίδιο ήταν ενεργοποιημένο ή απενεργοποιημένο — έκαναν επίσης χειρότερες προβλέψεις.

Σύμφωνα με τον Walczak, «Κανείς δεν έχει μετρήσει ποτέ ή δεν έχει δείξει πόσο καλά διαβάζοντας τη συγκέντρωση αυτών των μοριακών βαθμίδων… στην πραγματικότητα εντοπίζει μια συγκεκριμένη θέση κατά μήκος του άξονα».

Τώρα είχαν:Ακόμη και με δεδομένο τον περιορισμένο αριθμό μορίων και τον υποκείμενο θόρυβο του συστήματος, οι ποικίλες συγκεντρώσεις των γονιδίων του χάσματος ήταν αρκετές για να διαφοροποιήσουν δύο γειτονικά κύτταρα στον άξονα κεφαλής προς ουρά — και το υπόλοιπο γονιδιακό δίκτυο φαινόταν να να μεταδίδει αυτές τις πληροφορίες με τον βέλτιστο τρόπο.

«Αλλά το ερώτημα παρέμενε πάντα ανοιχτό:Η βιολογία ενδιαφέρεται πραγματικά;» είπε ο Γκρέγκορ. «Ή είναι κάτι που μετράμε;» Θα μπορούσαν πραγματικά οι ρυθμιστικές περιοχές του DNA που ανταποκρίθηκαν στα γονίδια του κενού να συνδεθούν με τέτοιο τρόπο ώστε να μπορούν να αποκωδικοποιήσουν τις πληροφορίες θέσης που περιείχαν αυτά τα γονίδια;

Οι βιοφυσικοί συνεργάστηκαν με τον βραβευμένο με Νόμπελ βιολόγο Eric Wieschaus για να ελέγξουν εάν τα κύτταρα χρησιμοποιούσαν όντως τις πληροφορίες που δυνητικά είχαν στη διάθεσή τους. Δημιούργησαν μεταλλαγμένα έμβρυα τροποποιώντας τις διαβαθμίσεις των μορφογόνων στα πολύ νεαρά έμβρυα μύγας, τα οποία με τη σειρά τους άλλαξαν τα πρότυπα έκφρασης των γονιδίων του χάσματος και τελικά προκάλεσαν τη μετατόπιση, την εξαφάνιση, τη διπλή ή ασαφή άκρα των λωρίδων κανόνων ζεύγους. Ακόμα κι έτσι, οι ερευνητές διαπίστωσαν ότι ο αποκωδικοποιητής τους μπορούσε να προβλέψει τις αλλαγές στην έκφραση μεταλλαγμένων κανόνων ζεύγους με εκπληκτική ακρίβεια. "Δείχνουν ότι ο χάρτης είναι σπασμένος σε μεταλλαγμένα, αλλά με τρόπο που προβλέπει ο αποκωδικοποιητής", είπε ο Walczak.

«Θα μπορούσατε να φανταστείτε ότι εάν έπαιρνε πληροφορίες από άλλες πηγές, δεν θα μπορούσατε να ξεγελάσετε [τα κύτταρα] έτσι», πρόσθεσε ο Μπρούστερ. "Ο αποκωδικοποιητής σας θα αποτύχει."

Αυτά τα ευρήματα αντιπροσωπεύουν «ένα σημάδι», σύμφωνα με τον Kondev, ο οποίος δεν συμμετείχε στη μελέτη. Υποδηλώνουν ότι υπάρχει «κάποια φυσική πραγματικότητα» στον αποκωδικοποιητή που προκύπτει, είπε. "Μέσω της εξέλιξης, αυτά τα κύτταρα έχουν καταλάβει πώς να εφαρμόσουν το κόλπο του Bayes χρησιμοποιώντας ρυθμιστικό DNA."

Το πώς το κάνουν τα κύτταρα παραμένει μυστήριο. Αυτή τη στιγμή, «το όλο πράγμα είναι κάπως υπέροχο και μαγικό», είπε ο John Reinitz, βιολόγος συστημάτων στο Πανεπιστήμιο του Σικάγο.

Ακόμα κι έτσι, η εργασία παρέχει έναν νέο τρόπο σκέψης για την πρώιμη ανάπτυξη, τη ρύθμιση των γονιδίων και, ίσως, την εξέλιξη γενικά.

Ένα πιο απότομο τοπίο

Τα ευρήματα παρέχουν μια νέα προοπτική στην ιδέα του Waddington για ένα αναπτυξιακό τοπίο. Σύμφωνα με τον Γκρέγκορ, η δουλειά τους δείχνει ότι τελικά δεν χρειάζονται 20 ερωτήσεις ή σταδιακή βελτίωση της γνώσης. Το τοπίο «είναι από την αρχή απότομο», είπε. Όλες οι πληροφορίες είναι ήδη εκεί.

«Η φυσική επιλογή [φαίνεται να] πιέζει το σύστημα αρκετά σκληρά, ώστε να... φτάνει σε ένα σημείο όπου τα κύτταρα αποδίδουν στο όριο αυτού που επιτρέπει η φυσική», δήλωσε ο Manuel Razo-Mejia, μεταπτυχιακός φοιτητής στο Ινστιτούτο Τεχνολογίας της Καλιφόρνια.

Είναι πιθανό η υψηλή απόδοση σε αυτή την περίπτωση να είναι τυχαία:Δεδομένου ότι τα έμβρυα μύγας φρούτων αναπτύσσονται πολύ γρήγορα, ίσως στην περίπτωσή τους «η εξέλιξη βρήκε αυτή τη βέλτιστη λύση λόγω αυτής της πίεσης να κάνει τα πάντα πολύ γρήγορα», είπε ο Τζέιμς Μπρίσκο, βιολόγος στο το Ινστιτούτο Francis Crick στο Λονδίνο που δεν συμμετείχε σε αυτή τη μελέτη. Για να επιβεβαιώσουν πραγματικά αν αυτό είναι κάτι πιο γενικό, οι ερευνητές θα πρέπει να δοκιμάσουν τον αποκωδικοποιητή σε άλλα είδη, συμπεριλαμβανομένων εκείνων που αναπτύσσονται πιο αργά.

Ακόμα κι έτσι, αυτά τα αποτελέσματα θέτουν νέα ενδιαφέροντα ερωτήματα σχετικά με τα συχνά αινιγματικά ρυθμιστικά στοιχεία. Οι επιστήμονες δεν έχουν πλήρη αντίληψη του τρόπου με τον οποίο το ρυθμιστικό DNA κωδικοποιεί για τον έλεγχο των δραστηριοτήτων άλλων γονιδίων. Τα ευρήματα της ομάδας υποδηλώνουν ότι αυτό περιλαμβάνει έναν βέλτιστο αποκωδικοποιητή Bayes, ο οποίος επιτρέπει στα ρυθμιστικά στοιχεία να ανταποκρίνονται σε πολύ ανεπαίσθητες αλλαγές στη συνδυασμένη έκφραση γονιδίου χάσματος. «Μπορούμε να θέσουμε το ερώτημα, τι είναι το ρυθμιστικό DNA που κωδικοποιεί τον αποκωδικοποιητή;» είπε ο Kondev.

Και "τι γίνεται με αυτό το κάνει να κάνει αυτή τη βέλτιστη αποκωδικοποίηση;" αυτός πρόσθεσε. "Αυτή είναι μια ερώτηση που δεν θα μπορούσαμε να έχουμε κάνει πριν από αυτήν τη μελέτη."

"Αυτό είναι πραγματικά αυτό που θέτει αυτό το έργο ως την επόμενη πρόκληση στο πεδίο", είπε ο Briscoe. Επιπλέον, μπορεί να υπάρχουν πολλοί τρόποι υλοποίησης ενός τέτοιου αποκωδικοποιητή σε μοριακό επίπεδο, πράγμα που σημαίνει ότι αυτή η ιδέα θα μπορούσε να εφαρμοστεί και σε άλλα συστήματα. Στην πραγματικότητα, υπαινιγμοί του έχουν αποκαλυφθεί στην ανάπτυξη του νευρικού σωλήνα στα σπονδυλωτά, του προδρόμου του κεντρικού νευρικού τους συστήματος — κάτι που θα απαιτούσε έναν πολύ διαφορετικό υποκείμενο μηχανισμό.

Επιπλέον, εάν αυτές οι ρυθμιστικές περιοχές πρέπει να εκτελέσουν μια βέλτιστη λειτουργία αποκωδικοποίησης, αυτό δυνητικά περιορίζει τον τρόπο με τον οποίο μπορούν να εξελιχθούν - και με τη σειρά του, πώς μπορεί να εξελιχθεί ένας ολόκληρος οργανισμός. «Έχουμε αυτό το ένα παράδειγμα… που είναι η ζωή που εξελίχθηκε σε αυτόν τον πλανήτη», είπε ο Kondev, και εξαιτίας αυτού, οι σημαντικοί περιορισμοί για το τι μπορεί να είναι η ζωή είναι άγνωστοι. Η διαπίστωση ότι τα κύτταρα δείχνουν συμπεριφορά Μπεϋζιανή θα μπορούσε να είναι μια υπόδειξη ότι η αποτελεσματική επεξεργασία πληροφοριών μπορεί να είναι «μια γενική αρχή που κάνει ένα σωρό άτομα κολλημένα μεταξύ τους να συμπεριφέρονται σαν αυτό που πιστεύουμε ότι είναι ζωή».

Αλλά αυτή τη στιγμή, εξακολουθεί να είναι μόνο μια υπόδειξη. Αν και θα ήταν «ένα είδος ονείρου φυσικού», είπε ο Γκρέγκορ, «απέχουμε πολύ από το να έχουμε πραγματικά αποδείξεις για αυτό».

Από τα καλώδια κάτω από τους ωκεανούς έως τους νευρώνες στον εγκέφαλο

Η έννοια της βελτιστοποίησης πληροφοριών έχει τις ρίζες της στην ηλεκτρική μηχανική:Οι ειδικοί αρχικά ήθελαν να καταλάβουν πώς να κωδικοποιούν και στη συνέχεια να αποκωδικοποιούν καλύτερα τον ήχο για να επιτρέπουν στους ανθρώπους να μιλάνε στο τηλέφωνο μέσω υπερωκεανικών καλωδίων. Αυτός ο στόχος αργότερα μετατράπηκε σε μια ευρύτερη εξέταση του τρόπου βέλτιστης μετάδοσης πληροφοριών μέσω ενός καναλιού. Η εφαρμογή αυτού του πλαισίου στα αισθητηριακά συστήματα του εγκεφάλου και στον τρόπο με τον οποίο μέτρησαν, κωδικοποιούσαν και αποκωδικοποιούσαν τις εισόδους για να παράγουν μια απόκριση, δεν ήταν και πολύ άλμα.

Τώρα ορισμένοι ειδικοί προσπαθούν να σκεφτούν όλα τα είδη «αισθητηριακών συστημάτων» με αυτόν τον τρόπο:ο Razo-Mejia, για παράδειγμα, έχει μελετήσει πόσο βέλτιστα τα βακτήρια αντιλαμβάνονται και επεξεργάζονται τις χημικές ουσίες στο περιβάλλον τους και πώς αυτό μπορεί να επηρεάσει τη φυσική τους κατάσταση. Εν τω μεταξύ, η Walczak και οι συνάδελφοί της ρωτούσαν πώς μπορεί να μοιάζει μια «καλή στρατηγική αποκωδικοποίησης» στο προσαρμοστικό ανοσοποιητικό σύστημα, το οποίο πρέπει να αναγνωρίσει και να ανταποκριθεί σε ένα τεράστιο ρεπερτόριο εισβολέων.

«Δεν νομίζω ότι η βελτιστοποίηση είναι μια αισθητική ή φιλοσοφική ιδέα. Είναι μια πολύ συγκεκριμένη ιδέα», είπε ο Bialek. «Οι αρχές βελτιστοποίησης έχουν επανειλημμένα επισημάνει ενδιαφέροντα πράγματα προς μέτρηση». Είτε είναι σωστά είτε όχι, τα θεωρεί παραγωγικά για να τα σκεφτεί κανείς.

«Φυσικά, η δυσκολία είναι ότι σε πολλά άλλα συστήματα, η ιδιότητα που αποκωδικοποιείται είναι πιο δύσκολη από τη μονοδιάστατη θέση [κατά μήκος του άξονα του εμβρύου]», είπε ο Walczak. "Το πρόβλημα είναι πιο δύσκολο να προσδιοριστεί."

Αυτό ήταν που έκανε το σύστημα που μελέτησαν ο Bialek και οι συνεργάτες του τόσο δελεαστικό. "Δεν υπάρχουν πολλά παραδείγματα στη βιολογία όπου μια ιδέα υψηλού επιπέδου, όπως η πληροφορία σε αυτήν την περίπτωση, οδηγεί σε έναν μαθηματικό τύπο", ο οποίος στη συνέχεια μπορεί να δοκιμαστεί σε πειράματα σε ζωντανά κύτταρα, είπε ο Kondev.

Αυτός ο συνδυασμός θεωρίας και πειράματος είναι που ενθουσιάζει τον Bialek. Ελπίζει να δει την προσέγγιση να συνεχίσει να καθοδηγεί την εργασία σε άλλα πλαίσια. "Αυτό που δεν είναι ξεκάθαρο", είπε, "είναι αν η παρατήρηση [της βελτιστοποίησης] είναι μια περιέργεια που προκύπτει σε μερικές γωνίες ή αν υπάρχει κάτι γενικό σε αυτό."

Εάν το τελευταίο αποδειχθεί ότι ισχύει, «τότε αυτό είναι πολύ εντυπωσιακό», είπε ο Μπρίσκο. "Η ικανότητα της εξέλιξης να βρίσκει αυτούς τους πραγματικά αποτελεσματικούς τρόπους για να κάνεις πράγματα θα ήταν απίστευτο εύρημα."

Ο Κόντεφ συμφώνησε. «Ως φυσικός, ελπίζετε ότι το φαινόμενο της ζωής δεν αφορά μόνο τη συγκεκριμένη χημεία, το DNA και τα μόρια που δημιουργούν ζωντανά πράγματα στον πλανήτη Γη – ότι είναι ευρύτερο», είπε. «Τι είναι αυτό το ευρύτερο πράγμα; Δεν γνωρίζω. Αλλά ίσως αυτό αφαιρεί λίγο το πέπλο από αυτό το μυστήριο.»

Η διόρθωση προστέθηκε στις 15 Μαρτίου:Το κείμενο ενημερώθηκε για να αναγνωρίσει τις συνεισφορές της Mariela Petkova και  Gašper Tkačik.

Αυτό το άρθρο ανατυπώθηκε στις  Wired.com .



Ποια είναι η διαφορά μεταξύ της πρωτογενούς και της δευτερογενούς κυτταρικής καλλιέργειας

Η κύρια διαφορά μεταξύ πρωτογενούς και δευτερογενούς κυτταροκαλλιέργειας είναι ότι η πρωτογενής κυτταρική καλλιέργεια περιέχει τα κύτταρα που λαμβάνονται απευθείας από τον ιστό ξενιστή, ενώ η δευτερογενής κυτταρική καλλιέργεια περιέχει υπο-καλλιεργημένα κύτταρα από πρωτογενή κυτταρική καλλιέργεια. Ε

Διαφορά μεταξύ καλαμαριού και χταποδιού

Η κύρια διαφορά μεταξύ καλαμαριού και χταποδιού είναι ότι τοκαλαμάρι έχει μια άκαμπτη δομή που μοιάζει με ραχοκοκαλιά, οκτώ κοντά και δύο μακριά πλοκάμια και δύο πτερύγια στο τριγωνικό κεφάλι τους, ενώ το χταπόδι δεν έχει ραχοκοκαλιά, οκτώ πλοκάμια και ένα στρογγυλό κεφάλι. Το καλαμάρι και το χταπ

Η τέχνη της διδασκαλίας των Μαθηματικών και των Φυσικών Επιστημών

Χρόνος. Μολύβια κάτω. Ως έθνος, ιδρώσαμε πάνω από τεστ, αναλύσαμε τα σχολεία με χαμηλές επιδόσεις, καταστρέψαμε τα πρότυπα και τα προγράμματα σπουδών και ξεπλύναμε και επαναλάβαμε. Πετάξαμε την καρέκλα της τάξης στο πρόβλημα και εξακολουθούμε να κερδίζουμε τίποτα καλύτερο από ένα C-μείον όταν πρόκει