Біокомп'ютери

Московська Державна Академія Приладобудування і Информатики.

ДИПЛОМНА РОБОТА по інформаційним економічним системам.

«Биокомпьютеры».

Виконав: Пяров Тимур Р.

ЭФ2, 2 курс, 35.14.

Москва.

Зміст Повністю біо 3 У Німеччині створено першим у світі нейрочип, який поєднає електронні елементи і нервові клітини 4 Біологія in silico 5 Инфузорное програмування 8 Биоалгоритмика 11 Биочипы як приклад індустріальної біології 17.

Перший биокомпьютер

Групі вчених з мюнхенського Інституту біохімії імені Макса Планка вдалося на створення першого у світі нейрочип. Мікросхема, виготовлена Пітером Фромгерцом і Гюнтером Зеком, поєднує у собі електронні елементи нервові клетки.

Головною проблемою під час створення нейрочипов завжди була складність фіксації нервових клітин дома. Коли клітини починають утворювати сполуки друг з одним, вони неминуче зміщуються. Цього разу ученим вдалося уникнути этого.

Узявши нейрони равлики, вони закріпили їх у кремнієвому чіпі з допомогою мікроскопічних пластмасових власників (на фото). У результаті кожна клітина виявилася з'єднана і з сусідніми клітинами, і з чіпом. Подаючи через чіп на певну клітину електричні імпульси, можна управляти всієї системой.

Поєднання біологічних і комп’ютерних систем таїть у собі величезний потенціал. На думку фахівців, нейрочипы дозволять створити більш скоєні, здатні до навчання комп’ютери, і навіть протези для заміни повреждённых ділянок мозку і високочутливі биосенсоры.

Як заявив недавно знаменитий британський фізик Стівен Гокінг, коли ми хочемо, щоб біологічні організми як і перевершували електронні, нам доведеться пошукати спосіб об'єднати комп’ютери і дуже людський мозок, або спробувати штучним шляхом вдосконалити власні гени. (Докладніше звідси розповідається здесь).

Втім, такі проекти наразі залишаються фантастикою. До реалізації поки ще дуже далека, а поки головним призначенням пристроїв, подібних створеної у Мюнхені нейросхеме, вивчення механізмів роботи нервової системи та людської памяти.

Повністю био.

Група учених із Вейцмановского Інституту (Weizmann Institute), Ізраїль, вдалося зробити перший у світі комп’ютер, все оброблювані дані і компоненти якого, включаючи «залізо », програми розвитку й систему виводу-введення-висновку, відбулися за однієї скляній пробірці. Фокус у тому, що замість традиційних кремнієвих чипів і металевих провідників новий комп’ютер складається з набору біомолекул — ДНК, РНК та деякі ферментів. У цьому ферменти (чи, інакше, ензими) виконують роль «заліза », а програми розвитку й дані зашифровані собою парами молекул, формують ланцюжка ДНК (на иллюстрации).

За словами керівника проекту професора Ехуда Шапіро (Ehud Shapiro), биокомпьютер поки що може вирішувати лише прості завдання, видаючи усього дві типу відповідей: «істина «чи «брехня ». Причому у однієї пробірці поміщається одночасно до трильйона елементарних обчислювальних модулів, які можуть виконувати до мільярда операцій на секунду. Точність обчислень при цьому дорівнюватиме 99,8%. Для проведення обчислень необхідно попередньо змішати у пробірці речовини, відповідні «залозу », «програмному забезпечення «і вихідним даним, у своїй ферменти, ДНК і РНК провзаимодействуют в такий спосіб, у результаті утворюється молекула, в якої зашифрований результат вычислений.

Коментуючи нове досягнення Шапіро повідомив, що природа надала людині чудові молекулярні машини для кодування і методи обробки даних, і було вчені ще навчилися синтезувати такі машини самостійно, використання досягнень природи вже у найближчому майбутньому дозволить розв’язати цієї проблеми. У найближчому майбутньому молекулярні комп’ютери може бути впроваджено у живі клітини, щоб оперативно реагувати на негативні зміни у організмі й запускати процеси синтезу речовин, здатних протистояти таких змін. Крім цього, завдяки деяким своїм особливостям, биокомпьютеры зможуть витіснити електронні машини з деяких областей науки.

У Німеччині створено першим у світі нейрочип, який поєднає електронні елементи нервові клетки.

Групі вчених з мюнхенського Інституту біохімії імені Макса Планка вдалося на створення першого у світі нейрочип. Мікросхема, виготовлена Пітером Фромгерцом і Гюнтером Зеком, поєднує у собі електронні елементи нервові клетки.

Головною проблемою під час створення нейрочипов завжди була складність фіксації нервових клітин дома. Коли клітини починають утворювати сполуки друг з одним, вони неминуче зміщуються. Цього разу ученим вдалося уникнути этого.

Узявши нейрони равлики, вони закріпили їх у кремнієвому чіпі з допомогою мікроскопічних пластмасових власників. У результаті кожна клітина виявилася з'єднана і з сусідніми клітинами, і з чіпом. Подаючи через чіп на певну клітину електричні імпульси, можна управляти всієї системой.

Поєднання біологічних і комп’ютерних систем таїть у собі величезний потенціал. На думку фахівців, нейрочипы дозволять створити більш скоєні, здатні до навчання комп’ютери, і навіть протези для заміни повреждённых ділянок мозку і високочутливі биосенсоры.

Як заявив недавно знаменитий британський фізик Стівен Гокінг, коли ми хочемо, щоб біологічні організми як і перевершували електронні, нам доведеться пошукати спосіб об'єднати комп’ютери і дуже людський мозок, або спробувати штучним шляхом вдосконалити власні гени. (Докладніше звідси розповідається здесь).

Втім, такі проекти наразі залишаються фантастикою. До реалізації поки ще дуже далека, а поки головним призначенням пристроїв, подібних створеної у Мюнхені нейросхеме, вивчення механізмів роботи нервової системи та людської памяти.

|Источник: | |Nature |.

Біологія in silico.

Автор: Михайло Гельфанд, [email protected].

Дата публикации:21.09.2001.

Вычислительная біологія, вона ж біоінформатика, вона ж комп’ютерна генетика — молода наука, яка на початку 80-х з кінця молекулярної біології і генетики, математики (статисти та теорії ймовірності) і інформатики, испытавшая вплив лінгвістики і фізики полімерів. Поштовхом до цього послужило поява наприкінці 1970;х років швидких методів секвенування* послідовностей ДНК*. Наростання обсягу даних відбувалося лавиноподібно (рис. 2) і незабаром зрозуміли, кожна отримана послідовність як цікавить як така (наприклад, з метою генної інженерії і біотехнології), а й набуває додатковий сенс при порівнянні коїться з іншими. У 1982 року було організовані банки даних нуклеотидних послідовностей — GenBank до й EMBL в Європі. Спочатку дані переносилися в американські банки з статей вручну, проте, коли той процес почав захлинатися, всі провідні журнали стали вимагати, щоб послідовності, згадувані у статті, помістили в банк самими авторами. Понад те, оскільки секвенування віддавна стало рутинною процесом, який виконують роботи чи студенти молодших курсів на лабораторних роботах, багато послідовності зараз потрапляють у банки без публікації. Банки постійно обмінюються даними й у сенсі, практично рівноцінні, проте кошти роботи із нею, розроблювані в Центрі біотехнологічної інформації навіть Європейському інституті біоінформатики, різні. Мабуть, першим біологічно важливим результатом, одержаними під час допомоги аналізу послідовностей, було виявлення подібності вірусного онкогена v-sis і нормального гена чинника зростання тромбоцитів, що призвело до чогось великого прогресу у сенсі механізму раку. З того часу роботу з послідовностями стала необхідним елементом лабораторної практики. | Рис. 2. | |Кількість статей із молекулярної біології в бібліографічній | |даних PubMed (червоні ромби) і кількість фрагментів нуклеотидних | |послідовностей базі даних GenBank (сині квадрати) станом | |на 1982;2000 роки. | |Шкала — логарифмічна, отже зростання кількості послідовностей — | |експонентний. | |Обсяг бази на нуклеотидах теж зростає експоненціально. |.

1995 року був секвенирован перший бактеріальний геном*, 1997;го — геном дріжджів. У 1998 було оголошено про завершення секвенування геному першого багатоклітинного організму — нематоди 1. На 1 вересня 2001;го року доступні 55 геномів бактерій, геном дріжджів, практично повні геноми Arabidopsis thaliana (рослини, родинного гірчиці), нематоди, мухи дрозофіли — усе це стандартні об'єкти лабораторних досліджень. Вже два разу (навесні 2000 й узимку 2001 року) було оголошено про практичному завершенні секвенування геному людини — наявні фрагменти справді покривають більш ніж на 90%. Кількість геномів, що у розпорядженні фармацевтичних і біотехнологічних компаній, оцінити важко, хоча, очевидно, вона становить багато десятків і навіть сотні. Зрозуміло, що переважна більшість генів у цих геномах будь-коли буде досліджувана експериментально. Тому комп’ютерний аналіз стану і стає основним засобом вивчення. Усе це призвела до того, що біоінформатика стала надзвичайно модної областю науки, попит на фахівців у який дуже великий. Слід відзначити, що з неприємних наслідків виниклого шуму було те, що биоинформатикой називають все, де є біологія і комп’ютери 2. У той самий час багато областей вже пережили такі моменти (наприклад, теорія інформації 3), і сподіватися, що з піною ажіотажу не пропаде то справді цікаве, що робиться справжньої біоінформатики. Традиційно до біоінформатики относится:

. статистичний аналіз послідовностей ДНК;

. пророцтво функції послідовності (розпізнавання генів у послідовності ДНК, пошук регуляторних сигналів, пророцтво функцій білків — дехто з тих завдань розглянуті у наступному статье);

. аналіз просторової структури білків і нуклеїнових кислот, зокрема пророцтво структури білка по послідовності, — тут біоінформатика межує з біофізикою і фізикою полимеров;

. теорія молекулярну еволюцію і систематика. Слід зазначити, що багато завдань з різних галузей вирішуються подібними алгоритмами, лише один приклад цього наводиться у статті М. А. Ройтберга. Останніми роками виникла низка нових завдань, що з прогресом у сфері автоматизації як секвенування, а й інших експериментальних методів: масс-спектрометрии, аналізу белок-белковых взаємодій, дослідження роботи генів у різних тканинах і правових умовах (див. статтю І. А. Григорян і У. Ю. Макєєва у цьому номері). У цьому як виникає необхідність створювати й запозичати з інших нові алгоритми (наприклад, обробки результатів експериментів у сфері протеомики* широко застосовуються методи аналізу зображень), а й відбувається поширення биоинформатических підходів суміжні області, наприклад популяционную і медичну генетику. Істотно у своїй, що роль біоінформатики не зводиться до обслуговування експериментаторів, як це було ще кілька років тому я: в неї з’явилися власні завдання. Докладніше це можна прочитати в огляді (М. З. Гельфанд, А. А. Миронов. Обчислювальна біологія межі десятиліть. Молекулярна біологія. 1999, т. 33, № 6, з. 969−984); можна згадати також збірник статей (Математичні методи для аналізу послідовностей ДНК. М. З. Уотермен, ред. — М.: Світ, 1999). Проект курсу по біоінформатики, капітуляційний основних напрямів. Основні журнали по біоінформатики — «Bioinformatics», «Journal of Computational Biology» і «Briefings in Bioinformatics», конференції - ISMB (Intellectual Systems for Molecular Biology) і RECOMB (International Conference on Computational Biology). Словарь.

[i41320] [pic] 1 (назад до тексту) — Питання, що таке повністю секвенированный геном багатоклітинного організму, нетривіальний. Зокрема, значну його частина (кілька відсотків) становлять повтори, що й взагалі вкрай складні для секвенування. У цих областях перебуває мало генів, і тому їх зазвичай залишають «на потім». Поточне ж стан геному людини нагадує розсипану мозаїку, частина елементів якій відсутній, а ще, подмешаны фрагменти інших мозаїк (сторонні последовательности).

2 (назад до тексту) — У плані одного академічного інституту на 2001 рік розділ «біоінформатика» можна було бачити, наприклад, комп’ютерне моделювання скорочень серцевого м’яза — це надзвичайно цікава і шановна, але зовсім окрема тема. На університетському курсі біоінформатики пропонується вивчати «Можливий механізм пунктурной терапии».

3 (назад до тексту) — Див. дуже повчальну замітку Клода Шеннона «The Bandwagon» (Trans. IRE, 1956, ИТ-2 (1), 3, російський переведення у: До. Шеннон. А роботи з теорії інформації та кібернетиці. — М.: Вид-во іноземної літератури, 1963). Ось цитата: «Зараз теорія інформації, як модний оп’яняючий напій, кружляє голову всім навколо. Всім, хто працює у області теорії інформації, така популярність безсумнівно приємна і стимулює їх роботу, але водночас і насторожує… Будинок нашого дещо штучним створеного добробуту занадто легко може впасти, щойно одного чудового дня виявиться, що з допомогою кількох магічних слів, як-от інформація, ентропія, надмірність… не можна вирішити всіх невирішених проблем… На поняття теорії інформації дуже великі, навіть, то, можливо, занадто великий попит. Тому ми сьогодні повинні звернути особливу увагу те що, щоб дослідницька робота у нас велася у найвищому науковому рівні, що тільки можливо забезпечити». Словник ДНК (дезоксирибонуклеиновая кислота) — полімерна молекула, елементарними одиницями якої є чотири нуклеотида: A, З, G, T. Ген — ділянку ДНК, який кодує один білок. Білок — полімер, у будівництві якого беруть участь 20 амінокислот (насправді більше, а інші амінокислоти з’являються внаслідок додаткової хімічної модифікації). Бєлки грають основну роль життя клітини — формують її скелет, катализируют хімічні реакції, виконують регуляторні і транспортні функції. У живої клітині кожна молекула білка має складну просторову структуру (див. рис. 1). [pic] |[pic] | |Рис. 1. Схема біосинтезу білка. | |РНК-полимераза синтезує РНКовую копію (мРНК) фрагмента ДНК | |(транскрипція). Рибосома транслює мРНК та здійснює синтез білка, | |приєднуючи амінокислоти відповідно до таблицею генетичного коду | |(див. рис. 1 до наступній статті). Потім білок звертається в | |просторову структуру (про це докладніше див. в КТ #398). |.

[pic] Геном — сукупність всіх генів організму чи, ширше, повна послідовність ДНК. Розмір геному людини — 3 мільярда нуклеотидів, які кодують 35−40 тисяч генів 1, геному бактерій — від 600 тисяч нуклеотидов/600 генів (внутрішньоклітинні паразити) до 6−8 мільйонів нуклеотидов/5−6 тисяч генів (вільно живуть бактерії). Вправа: в скількох випусках журналу «Компютерра» можна буде потрапити опублікувати бактеріальний геном, якщо присвячувати цьому половину кожного числа? Секвенування — визначення послідовності нуклеотидів у фрагменті ДНК. Саме ця мають на увазі, як у газетах пишуть про «розшифровці геному людини». Дослідження роботи генів у масштабі цілих організмів, і навіть еволюція геномів становлять предмет геноміки, а аналіз повного набору білків у клітині та його взаємодій друг з одним — предмет протеомики 2.

Инфузорное програмування.

У другій декаді вересня у Празі пройшла 6-та «Європейська конференція по штучної життя» — міждисциплінарний форум, який збираються вчені, вивчаючи природу і що переймають у своїх дослідженнях ее.

«творчий досвід». Наприклад, працівники голландського «Центру природних обчислень» при Лейденському університеті вважають, що, освоївши деякі прийоми генетичних маніпуляцій, запозичені в найпростіших одноклітинних організмів — ресничных інфузорій, людство зможе скористатися гігантським обчислювальним потенціалом, прихованим в молекулах ДНК. Ресничные живуть Землі, по меншою мірою, два мільярди років тому, їх виявляють практично всюди, навіть у негостинних місцях. Директор Центру Гжегож Розенберг (Grzegorz Rozenberg), називає ці інфузорії «однією з успішних організмів Землі». Вчені пояснюють таку «удачливість» надзвичайно ефективними механізмами маніпуляції власної ДНК, що дозволяє інфузоріям пристосовуватися практично до будь-якої середовища проживання. Унікальність ресничных у цьому, що й клітина має дві ядра — одну велику, «на день», де у окремих нитках зберігаються копії індивідуальних генів; родовищ і одне маленьке, що зберігало в клубку що використовується при репродукції єдину довгу нитку ДНК з усіма генами відразу. У результаті розмноження «микроядро» використовується для побудови «макроядра» нового організму. У цьому ключовому процесі голосування та відбуваються надзвичайно цікаві науковцям «нарізування» ДНК мікроядра на короткі сеґменти і їх перетасовка, гарантують те що макроядре неодмінно виявляться нитки з копіями всіх генів. Розенбергом та її колегами встановлено, що єдиний спосіб, з допомогою якого створюються ці фрагменти, дивовижно нагадує техніку «зв'язкових списків», здавна застосовується в програмуванні на допомогу пошуку і фіксації перетинів поміж масивами інформації. Більше глибоке вивчення репродуктивної стратегії ресничных інфузорій при сортування ДНК відкриває нові, і цікаві методи «зациклення», згортання, винятку і инвертирования послідовностей. Нагадаємо, що у 1994 року Леонардом Эдлманом (Leonard Adleman) експериментально було продемонстровано, як за допомогою молекул ДНК в єдиною пробірці можна швидко вирішувати класичну комбинаторную «завдання про комівояжера» (обхід вершин графа по щонайкоротшого маршруту), «незручну» для комп’ютерів традиційної архітектури. А результати експериментів учених із лейденського центру дає підстави сподіватися, що у майбутньому ресничные інфузорії можна використовувати для реальних ДНК-вычислений. І це англійські працівники компанії British Telecom дійшли висновку, що вивчення поведінки колоній бактерій дає ключі до рішенню найскладнішої завдання упорядкування комунікаційних мереж. Для описи найближчого майбутнього комп’ютерів сьогодні дедалі частіше приваблюють популярну концепцію «всепроникающих обчислень» — ідею гігантської сукупності мікрокомп'ютерів, вбудованих в усі предмети побуту та непомітно взаємодіючих друг з одним. У цьому єдиної бездротового мережі буде ув’язано все: кухонна техніка, побутова електроніка, стежать за мікрокліматом сенсори у кімнатах, радіомаяки на дітей і свійських тварин… Список цей можна збільшувати нескінченно. Але сьогодні додавання кожної нової «розумної штучки» віднімає багато часу, щоб взаємно підбудувати роботу цього пристрої і вже яка склалася конфігурації. У концепції ж майбутнього, оскільки господарі вдома, з визначення, що немає ні часом, ні знаннями для настройки співпраці цієї армії незліченних «розумних речей», спочатку передбачається здатність системи до самоорганізації. Тому досить природно, що погляд учених кинувся до природи, де такі завдання вирішені що й успішно. У частковості, експерименти дослідників British Telecom показали, що й система, яка імітує поведінка колонії бактерій в строматолитах 1, здатна підтримувати роботу мережі з тисяч пристроїв, автоматично керуючи великими популяціями окремих елементів. Для симуляції функціонування такий колонії британськими вченими була створена мережа з трьох тис. вузлів. Основою самоорганізації стало присвоєння різних пріоритетів рассылаемым через мережу пакетів даних. Наприклад, вищий пріоритет отримали «інформаційні» пакети, які послання від однієї вузла до іншого (поза ними у системі розсилаються ще «управляючі», «конфигурирующие» й інші пакети), ними займаються устрою, які мають у цей час найкращі зв’язки України із максимальною кількістю елементів мережі. У British Telecom вважають, що експериментальної концепції в реальних продуктах можна очікувати вже через п’ять-шість років. Ще один цікава розробка було представлено на конференції бельгійськими дослідниками під керівництвом професора Марко Дориго (Marco Dorigo). Вони продемонстрували, що програми, що імітують стратегію поведінки мурашиного співтовариства, можуть успішно управляти роботою складних комп’ютерних мереж. Рыская у пошуках їжі, муравьи-разведчики залишають у себе мічену феромонами доріжку. У цьому часто до одного джерела їжі прокладається відразу кількох стежок, але розвідник, відкрив саму коротку стежку, повертається швидше, і веде у себе одноплемінників. Кошти, виділені ними феромоны роблять стежинку більш пахучої, ніж інші - внаслідок найвигідніша стежка швидко стає найпопулярнішою. Вчені взяли цю тактику на озброєння: створені ними програмні агенти випадково «прозванивают» канали зв’язок між різними вузлами сіті й мітять «стежки» цифровими «феромонами», виходячи з чого визначають оптимальний маршрут передачі пакетів даних із однієї точки до іншої. Практичні випробування проводились мережах Національного наукового фонду США та японської корпорації NTT. Синтетичні «мурахи» мали, щось знаючи конфігурації мережі, відшукати найкоротший шлях від однієї вузла до іншому. Швидко дослідивши мережу, агенти визначили її будову та невдовзі вже могли «підказати» кожному інформаційному пакету якого наступному вузлу він повинен вирушити, щоб домогтися своєї мети швидше. Інакше висловлюючись, був реалізований механізм високоякісного інтелектуального роутинга, причому у разі виникнення різних «заторів» у мережі «штучні мурахи» реконфигурировали схему роутинга швидше, ніж традиційні рішення. Як вважають автори, їх розробка можна використовувати й у виконання інших неординарних завдань, наприклад динамічної організації постачання товаром у складній торгової сети.

Биоалгоритмика.

Ця замітка присвячена поділу біоінформатики, що можна назвать.

«биоалгоритмикой», — алгоритмам аналізу первинних структур

(послідовностей) біополімерів. Биоалгоритмика перебуває в стику прикладної теорії алгоритмів і теоретичної молекулярної біології і, подібно іншим розділах біоінформатики, бурхливо розвивалася протягом 70-х ;

90-х ХХ століття 1. Алгоритми аналізу символьних послідовностей і з ними алгоритми сортування і алгоритми на графах активно вивчалися і розроблялися, починаючи з другої половини 1950;х років. Алгоритмічний бум 60-х — 1970;х років була пов’язана і з розробкою теоретичних моделей обчислень (кінцеві автомати та його варіанти з різними видами пам’яті), і з приходом комп’ютерів, і, отже, реальної потреби у обробці значних (на той час) обсягів даних. Своєрідними результатами цього періоду стали багатотомне «Мистецтво програмування» Д. Батога (1968;1973) і «Побудова і аналіз обчислювальних алгоритмів» А. Ахо, Дж. Хопкрофта і Дж. Ульмана (1976). Аналіз досягнень цю чудову етапу у розвитку теорії алгоритмів є у книзі: У. А. Успенський, А. Л. Семенов. Теорія алгоритмів: основні відкриття і мережеві додатки. — М.: Наука, 1987. Отже, на момент створення перших баз даних послідовностей ДНК і білків — початку 80-х — алгоритмічний апарат був, значною ступеня, готовий. У цьому фахівці з галузі алгоритмів розглядали біологічні докладання щодо одного ряду з технічними, одні й самі алгоритми застосовувалися, наприклад, порівнювати («вирівнювання») біологічних послідовностей й у пошуку збоїв при зберіганні файлів. Характерно назва першого збірника робіт з биоалгоритмике — «Time Warps, String Edits, and Macromolecules: The Theory and Practice of Sequence Comparison» (Sankoff, D and Kruskal, JB, eds, 1983). Втім, незабаром з’ясувалося, що «аналіз біологічних послідовностей має власну специфіку — насамперед із погляду постановок завдань. Ось, наприклад, завдання про розпізнаванні «вторинної» структури РНК. Вона дуже важливий для молекулярної біології і уперше було розглянута ще наприкінці 1970;х років. Молекула рибонуклеиновой кислоти (РНК) — однонитевой полімер, що з чотирьох видів мономеров-нуклеотидов (аденін, гуанін, урацил, цитозин). У і, Г-Ц можуть утворювати водневі зв’язку, стабілізуючі молекулу. Проте освіту одних зв’язків через стереохимических міркувань унеможливлює освіту інших, тобто в повному обсязі комбінації межнуклеотидных зв’язків в молекулі РНК припустимі (правила конфліктів між зв’язками відомі). Потрібна для даної нуклеотидної послідовності знайти найбільш стабільну вторинну структуру, т. е. припустимий набір межнуклеотидных зв’язків, у якому найбільше можливу кількість елементів (рис. 1). Ця це може бути переформульована як завдання побудови графа (точніше — гиперграфа, див. нижче) спеціального виду з максимально можливої сумою терезів ребер (вершини відповідають нуклеотидам, ребра — встановленим зв’язкам) і вирішено за допомогою методу динамічного програмування (Ruth Nussinov і співавт., 1978; також див. гол. 7 у книзі М. Уотермена). Проте з’являються обмеження на цей вид графа дуже екзотичні з погляду небиологических додатків. Інший приклад завдання, де немає сенсу поза біологічного контексту, -розпізнавання які кодують фрагментів ДНК, розглянуте у статті Михайла Гельфанда. [pic] |[pic] | |Рис. 1. Вторинна структура ділянки бактериофага Q? (231 підставу). | |Суцільні лінії проведено між парами підстав, пов’язаних водневими | |зв'язками. | |(По книзі М. З. Уотермен (ред.). Математичні методи для аналізу | |послідовностей ДНК. — М.: Світ, 1999.) |.

[pic] Повертаючись до завданню розпізнавання найстабільнішою «вторинної» структури РНК, зазначимо такі обставини, характерні багатьом найважливіших завдань биоалгоритмики:

. в описаної вище моделі правильніше вважати не кількість зв’язків, які сумарну енергію, енергія кожної можливої пари вважається известной.

З алгоритмічної погляду завдання мало меняется;

. модель, покладена основою описаної вище завдання, — спрощена та у багатьох випадках у згоді з експериментом. Корисно враховуватиме й внесок нуклеотидів, які беруть участі освіти водневих связей.

Обмеження силою-силенною допустимих наборів зв’язків, прийняті задаче.

(а), занадто суворі. Різні формальні постановки завдань, краще відбивають біологічну реальність, призводять до істотного ускладнення алгоритма;

. насправді молекула РНК може приймати не ту структуру, якої ми приписали оптимальну енергію, а іншу, наприклад, тому, що ми знаємо точних значень енергетичних параметрів. Тому корисно не шукати одну «оптимальну» структуру, а проаналізувати всіх можливих структури та оцінити ймовірність утворення кожної окремої зв’язку («статистичний вагу» зв’язку). І це можна вирішити методом динамічного программирования.

. багато авторів намагаються з’ясувати вторинну структуру РНК, не зводячи її до якоїсь алгоритмічної оптимизационной завданню, а шляхом моделювання реального процесу «згортання» молекули РНК (т. е. встановлення й зникнення водневих зв’язків). Специфіка биоалгоритмики, проте, проявляється у завданнях, які «з визначення» було неможливо зустрітися поза аналізом біологічних послідовностей. Показова найстарша і, напевно, сама популярна завдання аналізу біологічних послідовностей — їх вирівнювання. Вирівняти дві послідовності - це зобразити їх одне над іншому, вставляючи обидві прогалини те щоб зробити їх довжини рівними. Ось, наприклад, як і вирівняти слова ПІДБЕРЕЗНИК і КРАСНОГОЛОВЕЦЬ (cм. урізання). Такий спосіб зображення послідовностей набув значного поширення в молекулярної біології. Передбачається, що вирівнювання відбиває еволюційну історію, тобто які стоять друг під іншому символи відповідають одному й тому символу последовательности-предка. На жаль, ми знаємо, як саме йшла еволюція послідовностей. Тож у ролі «правильного» зазвичай вибирається вирівнювання, оптимальне щодо деякою функції якості. Але як ми можемо контролювати правильність вибору цієї функції? Чи є в нас (нехай приблизні) «еталони»? До щастю, так. Як еталонних можна взяти вирівнювання, відповідні найкращому можливого поєднанню їх просторових структур (такі структури відомі для кілька сотень білків). Це з тим, що функціонування білка у клітині визначається насамперед, його просторової структурою і очікується, що амінокислоти, які у подібних місцях тривимірної структури, відповідають у тому ж аминокислотам предкового білка. У «добиологическом» аналізі послідовностей (наприклад, при порівнянні файлів) використовувалося поняття редактирующего відстані. У цьому фіксується набір редактирующих операцій (наприклад, заміна символу, вставка символу і видалення символу) для кожної операції фіксується ціна. Тоді кожне вирівнювання отримує свою ціну, котру визначаємо як сума цін окремих операцій. Кращим вважається те, що має найменшу ціну. Наприклад, за ціни заміни 1 і ціною вставки/удаления 3, найкращими у прикладі у врезке 2 будуть третє і четверте вирівнювання, а за ціни заміни 10 й тією самою ціні вставки/удаления, найкращим буде п’яте. Невдовзі з’ясувалося, що з вирівнювання біологічних послідовностей у цю природну схему необхідно ухвалити низку дуже важливих змін. Річ у тім, що різні амінокислоти різні по-різному. Наприклад, аланин і валин дуже схожі на за своїми властивостями (і заміни аланина на валин мусить бути невеличкий), і вони обидва не нагадують триптофан. Понад те, навіть однакові амінокислоти «однакові по-різному». Так, триптофан — рідкісний, і зіставлення двох триптофанов цінніше, ніж зіставлення дуже поширених аланинов. Тож замість «ціни заміни символу» у схемі редактирующего відстані при порівнянні білків використовується вагова матриця замін, де кожної парі символів відповідає вагу (позитивний — для схожих, негативний для несхожих), а вирівнюванню загалом — вагу W=R-G, де R — сумарна вага зіставлень символів (відповідно до обраної ваговій матрицею замін), G — сумарний штраф за видалення і вставки символів. Отже, оптимальне вирівнювання — це вирівнювання, має найбільший вагу (у те час як ціна була потрібна найменша). Наприклад, нехай вагу збіги для гласних літер +2, вагу збіги для згодних літер +1, вагу зіставлення двох різних гласних чи двох різних згодних -1, вагу зіставлення гласною і згодної -2. Далі, нехай штраф за видалення чи вставку символу -5. Тоді, наприклад, третє вирівнювання має вагу -3, а четверте — +1. Отже, оптимальне вирівнювання слів ПІДБЕРЕЗНИК і КРАСНОГОЛОВЕЦЬ (при вибраних матриці замін і штраф за удаление/вставку) — четверте. Перехід від мінімізації ціни до максимізації якості, — це технічний трюк. Мовою максимізації якості природно ставиться завдання про пошуку оптимального локального подібності. Таке завдання відповідає порівнянню двох білків, котрі під час еволюції стали зовсім несхожі - скрізь, крім щодо короткого ділянки. Алгоритм побудови оптимального вирівнювання грунтується на методі динамічного програмування, введеному у практику Річардом Беллманом в 1957. Ідея методу ось у чому: щоб вирішити основну завдання, треба було придумати безліч проміжних і послідовно розв’язати (у порядку — окреме питання). У цьому чергова проміжна завдання має «легко» вирішуватися, з вже рішень раніше розглянутих завдань. Безліч проміжних завдань зручно представляти в вигляді орієнтованого ациклического графа. Його вершини відповідають проміжним завданням, а ребра зазначають, результати рішень яких проміжних завдань йдуть на основний. Отже, вихідна завдання зводиться для пошуку оптимального шляху до графі 2 (докладніше про методі динамічного програмування див. книжку Ахо, Хопкрофта і Ульмана, і навіть статтю Finkelstein A.V., Roytberg M.A. Computation of biopolymers: a general approach to different problems. Biosystems.1993; 30 (1−3): 1−19.). Аналогічно можна переформулювати різні варіанти завдань вирівнювання, передбачення вторинної структури РНК і білків, пошуку белок-кодирующих областей ДНК та інших важливих проблем біоінформатики. При побудові оптимального вирівнювання (ми розглядаємо найпростіший випадок, коли видалення і вставка окремих символів штрафуются незалежно) проміжні завдання — це побудова оптимальних выравниваний початкових фрагментів вихідних послідовностей. У цьому завдання потрібно вирішувати в порядку зростання довжин фрагментів. Граф залежності між проміжними рішеннями порівнювати слів «ПАПКА» і «ШАПКА», і навіть послідовність проміжних кроків, що призводять до оптимальному вирівнюванню, показані на рис. 2.

Рис. 2. [pic] |[pic] |(a) Граф залежностей між проміжними| | |завданнями вирівнювання слів ПАПКА і | | |ШАПКА. Кожна вершина відповідає парі | | |початкових фрагментів зазначених слів. | | |Діагональне ребро, яке у вершину, | | |відповідає зіставленню останніх літер| | |порівнюваних початкових фрагментів (випадок | | |1), горизонтальне ребро — видалення літери | | |в слові ШАПКА, вертикальне ребро — | | |видалення літери на слові ПАПКА (випадки 2 і | | |3). Права верхня вершина — початкова і | | |відповідає вирівнюванню порожніх слів, | | |ліва нижня вершина — кінцева, | | |відповідає вирівнюванню повних слів | | |ПАПКА і ШАПКА. | |[pic] |(b) Оптимальний вирівнювання слів ПАПКА і | | |ШАПКА при наступних параметрах: вагу | | |збіги літер: 1, штраф за заміну | | |гласною на гласну чи згодної на | | |згідну: 1, штраф за заміну гласною на | | |згідну чи згодної на гласну: 2, | | |штраф за видалення символу: 3. | |[pic] |(з) Траєкторія, відповідна | | |оптимальному вирівнюванню. У клітинах | | |вказані ваги проміжних оптимальних | | |выравниваний. Наприклад, вагу оптимального | | |вирівнювання для «ПАП» і «ТАТО» дорівнює 0, а| | |для «ПАПК» і «ПАПАХ» дорівнює -1. |.

[pic] На двох прикладах — розпізнавання вторинної структури РНК (побіжно) і вирівнювання білкових послідовностей (докладніше) ми простежили за еволюцією постановок завдань в биоалгоритмике. Згадаємо коротко ще кілька аспектів. Мабуть, з практичною погляду найважливішим є пошук в базах даних послідовностей, подібних з досліджуваної. Визначальну роль починають грати проблеми обчислювальної ефективності, які вирішуються, в частковості, із застосуванням алгоритмів хеширования. Для передбачення просторової структури білків важливі алгоритми вирівнювання послідовності зі структурою (у своїй використовується те що, що через різниці фізико-хімічних властивостей амінокислоти зустрічаються з різною частотою лежить на поверхні білка й у структурному ядрі). Нарешті, ми залишили осторонь завдання побудови еволюційних дерев по білковим послідовностям. Підкреслимо, що у всіх випадках буває інтенсивна «притирання» постановок завдань — і з біологічної (велика адекватність), і з алгоритмічної (можливість побудови ефективніших алгоритмів) погляду. Врізка 1.

Врезка 2.

Врезка 3: Алгоритм оптимального вирівнювання (начерк) [pic] 1 (назад до тексту) — Остання монографія — Pavel A. Pevzner. Computational Molecular Biology. An Algorithmic Approach. The MIT Press. Cambridge, MA, 2000, з книжок російською зазначимо М. З. Уотермен (ред). Математичні методи для аналізу послідовностей ДНК.-М.: Світ, 1999.

2 (назад до тексту) — Іноді (наприклад, в згадуваній завданню про побудові оптимальної вторинної структури РНК) доводиться розглядати не графи, а гиперграфы. 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 (необов'язково одноэлементное). Аналогом шляху до гиперграфе є гиперпуть — об'єкт, схожий на дерево. [pic] | |(1) | |ПІДБЕРЕЗНИК | | |КРАСНОГОЛОВЕЦЬ- | | | | | | |(2) | |ПІДБЕРЕЗНИК | | |-КРАСНОГОЛОВЕЦЬ | | | | | | |(3) | |ПІДБЕРЕЗНИК | | |ПОДОСИН-ОВИК | | | | | | |(4) | |ПІДБЕРЕЗНИК | | |ПОД-ОСИНОВИК | | | | | | |(5) | |ПОДБЕРЕЗ——ОВИК | | |ПОД——-ОСИНОВИК | | | | |.

[pic].

С погляду алгоритму побудови оптимального вирівнювання запровадження вагових матриць щось змінює. Проте здається, що не можна розглядати видалення одного символу як окреме еволюційний подія. Вага потрібно приписувати видалення цілого фрагмента, і це вагу повинен залежати від довжини фрагмента. Обмеження вплинув на вибір функції G (L) штрафів за видалення фрагментів (L — довжина удаляемого фрагмента) впливають на ефективність побудови оптимального вирівнювання. У найпростішому разі посимвольных замін (на цей випадок відповідає функції G (L)=k•L, де k — штраф за видалення одного символу) час квадратично залежить від довжини порівнюваних слів (вважаємо, що й довжини приблизно рівні), а разі допустимості довільних штрафних функцій порядок зростання часу роботи відповідного алгоритму — кубічний. Комп’ютерні експерименти показали, що розумним компромісом служать лінійні функції виду G (L)=k•L+s, де p. s — штраф за початок удаления/вставки, де k і L мають той ж сенс, як раніше. Для таких функцій можна побудувати квадратичний по часу роботи алгоритм побудови оптимального вирівнювання (хоч і з більшої константою пропорциональности).

Алгоритм оптимального вирівнювання (набросок) Пусть ми мусимо знайти оптимальне вирівнювання послідовностей U=Xa і W=Yb (тут a — остання літера U, b — остання літера W, послідовності X і Y — виходять відповідно з U і W відкиданням останньої літери. Для оптимального вирівнювання можливі рівно три альтернативы:

. останні літери слів U і W порівняно друг другу;

. остання літера слова U видалена, остання літера слова W — нет;

. остання літера слова W видалена, остання літера слова U — немає. У першому випадку вагу оптимального вирівнювання равен.

S1 = S (X, Y)+m (a, b). Тут S (X, Y) — вагу оптимального вирівнювання послідовностей X і Y (його вже побудовано раніше, т. до. пара (X, Y) розглянута до поточної пари (U, W)), m (a, b) — вагу зіставлення символів a і b. У другому й третьому разі аналогічно отримуємо формулы:

S2 = S (X, Yb)+g,.

S3 = S (Xa, Y)+g. Тут g — штраф за видалення символу, S (X, Yb) і S (Xa, Y) — ваги оптимальних выравниваний для пар послідовностей (X і Yb = W) і (Xa=U і Y) відповідно. Оптимальні вирівнювання тих пар послідовностей теж побудовано раніше. Отже, щоб знайти вагу S (U, W) оптимального вирівнювання послідовностей U і W і саме ця вирівнювання, досить знайти найбільше з чисел S1, S2, S3. Вочевидь, кожне з цих чисел можна визначити за кінцеве (яке залежить від довжин вихідних послідовностей) час. Тому загальне час побудови оптимального вирівнювання двох послідовностей пропорційно кількості проміжних завдань, т. е. твору довжин цих последовательностей.

Биочипы як приклад індустріальної біології.

Живі організми влаштовані дуже складно мають дуже багато взаємодіючих систем. Основну роль управлінні життєдіяльністю грають гени — ділянки молекули ДНК, у яких зберігається інформація про побудову молекул, утягнутих у різні процеси на живу клетке.

Вважається, що ген працює, коли від нього зчитується інформація. Біологам і медикам треба зазначити реакцію великих каскадів взаємозалежних і взаимообуславливающих генів те що чи інше зміна зовнішніх умов, наприклад, у у відповідь запроваджене ліки. Повне число генів вимірюється величинами порядку 103 (6200 у дріжджів) — 104 (38 000 за останніми даними в людини), у своїй базові життєві процеси регулюються сотнями генів. До останнього часу значної ступеня були відсутні змогу отримання, збереження і обробки настільки значних масивів даних. Завдяки прогресу комп’ютерної індустрії були як технології для одночасного експериментального отримання інформації на роботу значної частини генів у клітині, і методи обробки цієї інформації, дозволяють зробити її основі прості і однозначні висновки (наприклад, поставити точний діагноз будь-якого захворювання). Виникла індустріальна молекулярної біології, у якій застосування комп’ютерних технологій є необхідною передумовою і передбачається на стадії планування експерименту. Формування цій галузі цілком змінило погляд в ролі обчислювальних пристроїв в біологічної 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 до складу біоінформатики. Сучасна експериментальна техніка дозволяє створити анализирующую матрицю (звану також биочипом) розміром кілька сантиметрів, при допомоги якій можна отримати дані про стан всіх генів організму. Для створення ефективної методики потрібно об'єднати зусилля фахівців у області молекулярної біології, фізики, хімії, мікроелектроніки, програмування і математики. Історія розвитку технології биочипов належить до початку дев’яностих років, у своїй російська наука зіграла не останню роль. Тут доречне пояснити, що биочипы за своєю природою завданого на підкладку матеріалу діляться на «олигонуклеотидные» (див. «КТ» № 370, Рубен Ениколопов, «Биочипы»), коли наносяться короткі фрагменти ДНК, зазвичай належать одного й тому гену, і биочипы з урахуванням кДНК, коли робот завдає довгі фрагменти генів (довжиною до 1000 нуклеотидів). Найбільш популярні час биочипы з урахуванням кДНК, які є посправжньому революційної технологією біомедицину. Зупинимося докладніше з їхньої приготуванні, і навіть на отриманні та їх обробки даних із їх допомогою. Визначальною технологічної ідеєю стало застосування скляній підкладки для нанесення генетичного матеріалу, що зробив можливим поміщати її у мізерно малі його кількості і якраз визначати місце розташування конкретної тестируемой ДНК. Для приготування биочипов стали використовуватися роботи, застосовувані раніше у мікроелектроніці до створення мікросхем (рис. 1). Молекули ДНК кожного типу створюють у достатньому кількості копій з допомогою процесу, званого амплификацией; цей процес також може бути автоматизовано, навіщо використовується спеціальний робот — умножитель. Після цього отриманий генетичний матеріал наноситься в задану точку на склі (жаргоном такий процес називається «печатку») і хімічно до склу пришивается (іммобілізація). Для іммобілізації генетичного матеріалу необхідна первинна обробка скла, і навіть обробка надрукованого биочипа ультрафіолетом, стимулюючим освіту хімічних перетинів поміж склом і молекулами ДНК (рис. 2).

[pic] Наприклад, з клітки виділяється суміш продуктів роботи генів, т. е. РНК різних типів, які вироблялися певних умов. Результатом експерименту і є знання того, продукти яких саме генів з’являються у клітині за умов, цікавлять дослідника. Молекули кожного типу РНК зв’язуються (у разі) з типом молекул з іммобілізованих на биочипе. Ті молекули, які зв’язалися, можна змити, а визначення того, яких з іммобілізованих на чіпі молекул знайшлися «партнери» в досліджуваної клітині, експериментальна і контрольна РНК метится флуоресцирующими барвниками. Отже, наступним етапом отриманні результату на приготовленому биочипе є біохімічна реакція, у процесі якого чи кілька зразків ДНК чи РНК, отримані з клітин, рядна або органу, мітяться однією або кількома флуоресцентными барвниками і гибридизуются (зв'язуються) з матеріалом, надрукованим на биочипе. Коли флуоресцирующие зразки відреагували з биочипом, чіп сканують лазером, висвітлюючи по черзі точки нанесення ДНК кожного конкретного типу, і стежачи за інтенсивністю сигналу флуоресценции (рис. 3). Виготовлення одного биочипа займає від трьох до шести тижнів, за умови, що у розпорядженні дослідника є генетичний матеріал для нанесення на чіп. Сам експеримент — гібридизація і зняття даних — займає один-два дня, а за традиційної технології така сама група дослідників витратила б роках послідовне проведення всіх експериментів, включених в один биочип. Сигнали лазерного сканування повинні прагнути бути оброблені і проаналізовані. Гени на склі дають сигнали різної інтенсивності, ще, завжди є певна фонове випромінювання від мітки, не смывшейся зі скла, яке також неоднорідне. Необхідно автоматично виділення з шуму сигнали різною інтенсивності, які мають різну інформацію. На наступний етап гени, що дають в однакових умов однаковий сигнал, об'єднують у групи. І це робиться автоматично, з допомогою алгоритмів кластерного аналізу. Кластери генів, провідних себе схожим чином за умов чи різні моменти часу, служать вихідної точкою для висновків біологічного характеру. У у Радянському Союзі було створено чудова школа для розробки алгоритмів розпізнавання зображень, насамперед для аналізу зображень, вступників з штучних супутників Землі. Наше математичне освіту уже багато десятиліть було з найкращих у світі, тому наші прикладники, інженери і алгоритмисты завжди легко розробляли оригінальні спеціалізовані методи аналізу даних. Не дивно, що це з нашої Батьківщини трудяться у багатьох фірмах, працівників передньому краї виникає очах індустрії. Наші колишні співвітчизники є організаторами однією з найбільш відомих фірм, які надають методи обробки, — Informax, акції якої є ціноутворюючими переважають у всіх біотехнологічних біржових індексах. Проте створення біохімічної технології, в домінуючій ступеня, — заслуга американських фірм і наукових центрів. Mногие фірми роблять на замовлення самі биочипы. Найвідоміші їх — це Affymetrix і Clontech. Incyte — сама потужна нині компанія — крім виготовлення биочипа на замовлення і продажу генетичного матеріалу до друку на чіп, сама виконує і гібридизацію, а замовнику надає лише готові дані. Розвиток індустрії зайшло настільки далеко, що виник прибутковий ринок приготування спеціально опрацьованих шибок на приготування биочипов за умов окремої молекулярно-биологической лабораторії. До таких фірмам належить, наприклад, Corning. Які ж завдання у змозі як і непростий технології, має працювати з сотнями тисяч генів одночасно? Відразу хотілося б застерегти, що на момент є тенденція переходу від чипів з тисячами генів до чипам з сотнями генів, відібраних спеціально на вирішення конкретної завдання. Пояснимо з прикладу. Дослідниками Массачусетсского технологічного інституту було зроблено робота з використанню чипів для діагностики різних підкласів гострого лейкозу людини. Точна діагностика двох підтипів гострого лейкозу (гострий миелоидный і гострий лимфобластный) має визначальне значення під час виборів курсу терапії. Спочатку використали олигонуклеотидный чіп з 6000 генів. Використовуючи як проби РНК з клітин кісткового мозку, дослідникам вдалося виділити й підготувати до реального ужитку під час ролі подчипа набір з 50-ти генів, сильне відмінність по експресії яких дозволяє однозначно визначити тип пухлини 1 (рис. 4). Ми вважаємо, що не доводиться доводити необхідність діагностичних чипів, тому враховуючи невеличке кількість аналітичних осередків на чіпі, отже меншу собівартість, існує можливість їх розробки і виробництва в нас у стране.

[pic] Що стосується класичної науки, з дохідними статтями можливість застосування чипів безмежні. Група дослідників з Іллінойського університету під керівництвом Андрія Гудкова, використовуючи кДНК-чипы, знайшла і порівняла спектри генів, відповідальних за реакцію клітини на радіаційні впливу різної природи. Під впливом радіації, яке клітина сприймає як стрес, активуються гени, відомі як каскад які залежать від р53 генів (р53 — білок, одне з головних функцій якого — захищати клітину від будь-яких несприятливих впливів). Чимало з цих білків можна розглядати як використання в хіміотерапії ракових пухлин для захисту нормальних клітин організму від протипухлинних агентів, як-от радіаційне опромінення і хіміотерапевтичні препарати. Цікаву по практичному додатку роботу зробили вчені з наукової лабораторії радіобіології Гельсінкі. Використовуючи чіпи, вона спробувала з’ясувати, які гени змінюють свою активність під впливом радіосигналу із частотою 900 МГц, який дають усіма нами улюблені стільникові телефони. Людські клітини з первинного підшкірного шару були у культурі під цим сигналом в протягом однієї години, після чого РНК з цих клітин та з клітин контрольної серії була як проби на чіп. Гени, активність яких істотно змінилася за протягом цього експерименту, ставляться до генам стресс-ответа, таких як р53, hsp27, зміна активності яких у часто свідчить, що клітина чи цілий організм піддаються несприятливих впливів. Очевидно, можна говорити (хоча й обережно) у тому, що отримані прямим доказам стрессогенного впливу електромагнітного поля, і навіть даних про біохімічних засадах його біологічного дії. Отож цілком можливо, що, менше розмовляючі протягом дня по стільниковому телефону чи використовують спеціальні навушники, менше втомлюються наприкінці робочого дня. Очевидно, ми присутні у разі виникнення нового методу отримання й використання інформації про живої природи. Дані збиратимуться автоматично і промислової основі. Планування і підготовка таких експериментів, мабуть, згодом також здійснюватися автоматично. На користь цього засвідчив досвід розвитку комп’ютерних технологій, де створення мікропроцесора автоматизовано значною ступеня вже в ранніх стадіях проектування, все-таки подальші стадії розробки й упровадження у виробництві на все більшою мірою відбуваються практично й без участі, та й без контролю людини. На «вході» буде переносити завдання вкрай загального виду, наприклад: знайти три характерних гена, відповідальні за реакцію клітини на такі-то нестандартні зовнішні умови, і непрацюючі жодних нормальних умов. Автоматична система буде сама здійснювати добір біологічного матеріалу, підготовку, постановку і інтерпретацію біологічного експерименту, і навіть формулювання найбільш ймовірного рішення поставленого завдання. Перед дослідника залишиться лише тестування отриманих результатів і вироблення інструкцій для застосування отриманого нового знання на медицині чи біотехнології. Понад те, зміниться, мабуть, сама ідея біологічного експерименту. Оскільки висновок на роботу тій чи іншій живої системи виноситиметься з допомогою комп’ютерного аналізу даних, біологічний експеримент буде часто переносити ні з метою безпосередньої перевірки тій чи іншій ідеї, як зараз, але із єдиною метою розшивки «вузьких місць» у роботі автоматизованої системи збереження і обробки інформації. Щось подібне ми спостерігаємо в фізиці високих енергій, де експерименти на прискорювачах ставляться з урахуванням існуючих наближених методів обчислень в фізичних теоріях, із єдиною метою точнішого визначення оціночних параметрів, найбільше які впливають точність вычисляемых фізичних величин. Хочеться сподіватися, що у російських умов можна буде включитися у серйозну працювати над створенням програмного забезпечення індустріальної біомедицини. Праця у цій галузі не вимагають великих витрат, характерних для біологічних досліджень (обладнання, реактиви тощо. буд.) Дорогі суперкомп’ютери теж загалом не необхідні - переважно науководослідницьких центрів у США використовуються кластери ПК. Необхідні винахідливість, завзяття й фантазія, і навіть добре володіння сучасними математичними методами статистичного аналізу, що завжди становила наші сильні боку. Очевидно, єдиним закладом у Росії, серйозно що займається технологією биочипов, є Інститут молекулярної біології РАН їм. У. А. Енгельгардта. У цьому вся інституті створюються також мікрочіпи з осередками, що містять різні зонди щодо хімічних і ферментативних реакцій з анализируемыми зразками (див. «Инфобизнес», № 151 — Л. Л.-М.). Розробка технології біологічних мікрочіпів розпочата ИМБ РАН 1989 року і відтоді триває посиленими темпами, останніми роками в співробітництво з США. ИМБ РАН належить 15 міжнародних стандартів і безліч російських патентів. Докладніше з дослідженнями, проведеними в ИМБ РАН, можна ознайомитися з сайту internet.