Kако скриената математика на живите клетки може да ни помогне да го дешифрираме мозокот

Од Кристофер Неханив  - професор по математички и еволуциски компјутерски науки, Универзитетот во Хертфордшир

Со оглед на тоа колку всушност можат да направат, компјутерите имаат изненадувачки едноставна основа. Навистина, логиката што ја користат функционираше толку добро што дури почнавме да ги сметаме за аналогни на човечкиот мозок. Тековните компјутери во основа користат две основни вредности - 0 (неточно) и 1 (точно) - и применуваат едноставни операции како „и“, „или“ и „не“ за пресметување со нив. Овие операции може да се комбинираат и да се зголемат за да претставуваат практично секое пресметување.

Оваа „бинарна „или „булова“ логика беше воведена од Џорџ Бул  во 1854 година за да го опише она што тој го нарече „закони на мислата“. Но, мозокот е далеку од бинарен логички уред. И додека програмите како што е проектот за човечки мозок  се обидуваат да го моделираат мозокот користејќи компјутери, идејата за тоа што се компјутерите исто така постојано се менува.

Значи, дали некогаш ќе можеме да моделираме нешто толку сложено како човечкиот мозок користејќи компјутери? На крајот на краиштата, биолошките системи користат симетрија и интеракција за да прават работи што дури и најмоќните компјутери не можат да ги направат - како преживување, прилагодување и репродукција. Ова е една од причините зошто бинарната логика често не опишува како функционираат живите суштества или човечката интелигенција. Но, нашето ново истражување  сугерира дека постојат алтернативи: со користење на математиката што ги опишува биолошките мрежи во компјутерите на иднината, можеби ќе можеме да ги направиме посложени и слични на живите системи како мозокот.

Живите организми не живеат во свет на нули и единици. И ако бинарната логика природно не ја опишува нивната активност, каква математика прави? Бев вклучен во меѓународен проект кој проучуваше дали математичките структури наречени „ Едноставни не-абелиски групи “ (SNAGs) можат да опишат сложени процеси во живите клетки. SNAGs најчесто се во математиката и физиката и се засноваат на принципите на симетрија и интеракција. SNAG нудат потенцијално моќна алтернатива на бинарната логика за пресметување.

КОРИСНИ SNAGS

Постојат бесконечно многу видови на SNAG. Тие беа измислени од брилијантниот француски математичар од 19 век, Еварист Галоа , кој трагично почина на 20-годишна возраст во фатален дуел поради романтичен интерес. Навистина, тој напиша голем дел од неговата револуционерна теорија за време на треската ноќ пред дуелот.

Најмалата SNAG – А5 – ги опишува симетриите на две прекрасни 3Д форми познати уште од времето на античките Грци: икозаедронот (направен од 20 триаголници) и додекаедронот (направен од 12 петаголници). SNAGs може да се сметаат како „табели за множење“ за тоа како симетриите комуницираат, наместо како да се множат броевите.

За разлика од оние и нулите што се користат во бинарната логика со само две вредности, SNAG за секоја од овие форми има 60 вредности - или „симетрии“. Овие симетрии функционираат како ротации кои можат да се комбинираат. Вршењето на ротација и следењето со секунда може да го има истиот ефект како и друг вид ротација, давајќи еден вид „табела за множење“ за овие 60 симетрии. На пример, ако го ротирате икозаедронот (сликата подолу) пет пати за 72 степени во насока на стрелките на часовникот околу оската низ неговиот центар и кое било теме (агол), тој ќе се врати на почетната конфигурација.

Структурата на SNAG е природен вид на основа за пресметување што е исто толку моќна како и бинарната логика , но претставува многу поинаков поглед за тоа кои пресметки се лесни. За пресметување со SNAG, природата (или луѓето или идните компјутери) може да користи низи од симетрии SNAG комбинирани според правилата. Моделите на настани и интеракции одредуваат кои симетрии се појавуваат во променливите позиции на низата.

СИМЕТРИЈА ВО ПРИРОДАТА

За прв пат покажавме дека  има SNAG скриени во заеднички биолошки мрежи. За да го направите ова, ја анализиравме внатрешната работа на клетките (нивната генска регулација и метаболизам) користејќи математика, компјутери и модели од системската биологија. Откривме дека симетриите на SNAG точно ги опишуваат потенцијалните активности во генетската регулаторна мрежа која го контролира одговорот на клетката на одредени видови стрес - како што се радијацијата и оштетувањето на ДНК. Ова може да биде многу важно бидејќи значи дека SNAGs може да ги опишат клеточните процеси интимно вклучени во самопоправка, „самоубиство на клетки“ и рак.

Специфичната SNAG вклучена во оваа генска мрежа е A5. 60-те симетрии во овој случај се резултат на одредени секвенци на манипулации од страна на генетската регулаторна мрежа на клетката за да се трансформираат ансамблите на протеини во други форми. На пример, кога се манипулира со збир од пет нивоа на концентрација на протеини, може да се трансформира во друг сет. Кога ова е направено многу пати, може да разложи некои од протеините, да спои некои или да синтетизира нови видови на протеини. Но, по одреден број манипулации, оригиналните пет нивоа на концентрација на протеини на крајот ќе се вратат.

Не запира на процесите за контрола на оштетувањето на клетките. Исто така, математички покажавме дека скоро сите мрежи за биолошка реакција мора да имаат бројни вградени SNAG компоненти . Сепак, сè уште е потребна лабораториска работа за да се објасни како и до кој степен клетките ги користат SNAGs во нивната активност.

Пресметките со SNAG сè уште никогаш не биле експлоатирани во конвенционалните компјутери, но се надеваме дека ќе го искористиме. Во иднина, новите типови на компјутери и софтверски системи може да распоредуваат ресурси како што тоа го прават некои живи организми, во робусни адаптивни одговори. Водени од интеракцијата со нивната околина, вклучувајќи ги и човечките корисници, тие би можеле да развијат нови структури, да ги поделат задачите на различни типови на пресметковни „клетки“ како што се хардверските единици или софтверските процеси, да овозможат старите структури да венеат и да се реапсорбираат доколку не се користат.

Разбирањето како живите суштества и мозоците користат пресметки засновани на интеракција, кои се насекаде околу нас, може радикално да ги преобликува не само нашите компјутери и интернетот, туку и постоечките модели на мозокот и живите организми. Пресметките базирани на SNAG конечно може да ни помогнат да изградиме подобри и попредвидливи работни модели на клетките и мозокот. Но, ние ги видовме само првите примери, и затоа треба да помине долг пат. На крајот на краиштата,  како  што нè потсетува Шекспир и ова откритие за SNAG-пресметување во клетките: „Има повеќе работи на небото и земјата, Хорацио, отколку што се сонуваа во твојата филозофија“.

Извор: Разговорот