Jump to content
Forum Kopalni Wiedzy

Recommended Posts

Elektroniczne nosy zatrudniono do wykrywania zepsutych materiałów na liniach produkcyjnych. Nie są one jednak zbyt dokładne. W założeniu kwarcowe pręciki mają drgać z inną częstotliwością, gdy zwiążą się z substancją docelową. Okazuje się jednak, że e-nos łatwo zmylić, gdyż nieco inne związki z cząsteczkami o podobnej wadze dają bowiem fałszywie pozytywne wyniki. Jak temu zaradzić? Skorzystać z wynalazków natury, w tym przypadku ze skrzeku żaby szponiastej (Xenopus laevis).

Zespół bioinżyniera Shoji Takeuchiego z Uniwersytetu Tokijskiego zmodyfikował niedojrzałe żabie jaja, wprowadzając do nich fragmenty DNA jedwabnika morwowego, tantnisia krzyżowiaczka i muszki owocowej. Chodziło o to, by dochodziło w nich do ekspresji białek będących receptorami węchu. Japończycy wybrali afrykańskiego płaza, ponieważ jest on dokładnie przebadany i wiadomo, jak zachodzi ekspresja protein. Następnie komórki umieszczono między elektrodami w specjalnie zaprojektowanym, wypełnionym cieczą kartridżu i mierzono przepływ sygnałów elektrycznych w odpowiedzi na wiążące się z receptorami rozmaite cząsteczki zapachowe. Okazało się, że taki nos jest w stanie odróżnić bardzo podobne molekuły.

Wstrzyknęliśmy DNA do oocytów i w ten sposób uzyskaliśmy bardzo użyteczny i tani czujnik. Zastosowaliśmy 3 rodzaje feromonów i jeden środek zapachowy (odorant), wszystkie bardzo podobne chemicznie, a one [jaja] potrafiły bez problemu odseparować i wykryć różne typy zapachów oraz związków. Wrażliwość żabiego czujnika wynosi kilka części wagowych substancji w miliardzie (109) części wagowych roztworu. Aparat umie naraz rozpoznać kilka związków, które różnią się, dajmy na to, tylko izomerią wiązania podwójnego bądź grupą funkcyjną, np. ─OH, ─CHO czy ─C(═O)─.

Takeuchi stworzył nawet robota, który kręci głową, gdy jego nos z prawdziwego zdarzenia wyczuje feromony ćmy. Naukowcy z Kraju Kwitnącej Wiśni zamierzają rozbudować opisaną technologię. Już teraz cieszą się, że wspólny zmysł węchu może rozciągnąć nową nić porozumienia między człowiekiem a maszyną.

Ekipa z Tokio ma nadzieję, że dzięki jej wynalazkowi uda się zaprojektować lepsze urządzenia do wykrywania gazowych zanieczyszczeń powietrza, np. dwutlenku węgla. Komar znajduje ludzi właśnie dzięki CO2, co oznacza, że dysponuje receptorami do jego detekcji. Gdyby więc wyekstrahować materiał genetyczny owada i wprowadzić go do skrzeku, stworzenie odpowiedniego sensora powinno się powieść.

 

Share this post


Link to post
Share on other sites

Create an account or sign in to comment

You need to be a member in order to leave a comment

Create an account

Sign up for a new account in our community. It's easy!

Register a new account

Sign in

Already have an account? Sign in here.

Sign In Now
Sign in to follow this  

  • Similar Content

    • By KopalniaWiedzy.pl
      Szybką i bezbłędną klasyfikację białek, wykrywanie w nich miejsc wiążących potencjalne leki, identyfikowanie białek występujących na powierzchni wirusów, a także badania np. RNA, umożliwia nowe narzędzie bioinformatyczne opracowane przez naukowców z Wydziału Biologii UW.
      BioS2Net, czyli Biological Sequence and Structure Network, jest zaawansowanym algorytmem wykorzystującym uczenie maszynowe, pozwalającym na klasyfikację nowo poznanych białek nie tylko na podstawie podobieństwa sekwencji aminokwasowych, ale także ich struktury przestrzennej. Publikacja na jego temat ukazała się na łamach pisma International Journal of Molecular Sciences.
      Narzędzie opracował zespół kierowany przez dr. Takao Ishikawę z Zakładu Biologii Molekularnej Wydziału Biologii UW we współpracy z naukowcem z Wydziału Matematyki, Informatyki i Mechaniki UW. Jak mówią sami autorzy, jego głównym zastosowaniem jest usprawniona klasyfikacja białek, ponieważ obecnie stosowany system klasyfikacji strukturalnej opiera się na żmudnej pracy polegającej na porównywaniu struktur nowych białek do tych już skategoryzowanych.
      Istnieje co prawda jego zautomatyzowany odpowiednik, jednak jest on bardzo restrykcyjny i bierze pod uwagę wyłącznie podobieństwo sekwencji białek, całkowicie pomijając ich strukturę. Takie narzędzie jak BioS2Net potencjalnie ma szansę znacząco usprawnić cały proces – wyjaśnia dr Ishikawa. Dodatkowo opracowana przez nas architektura może zostać użyta (po niewielkich przeróbkach) do innych zadań, niekoniecznie związanych z klasyfikacją. Przykładowo można by jej użyć do wykrywania w białku miejsc wiążących potencjalne leki lub do identyfikacji białek występujących na powierzchni wirusów.
      Można sobie np. wyobrazić sytuację, w której dotychczas zaklasyfikowane do innych grup białka, dzięki zastosowaniu BioS2Net zostaną skategoryzowane jako bardzo podobne do siebie pod względem budowy powierzchni, mimo innego zwinięcia łańcucha białkowego wewnątrz struktury. I wówczas niewykluczone, że cząsteczka oddziałująca z jednym białkiem (np. jako lek) okaże się także skutecznym interaktorem dla drugiego – wymienia dalsze potencjalne zastosowania praktyczne narzędzia dr Ishikawa. Innym ciekawym zastosowaniem mogłoby być np. wykrywanie miejsc wiążących w białkach, które mogą stanowić albo cel dla leków, albo punkt interakcji z białkiem wirusowym.
      Działanie BioS2Net opiera się na wykonywanych po sobie operacjach matematycznych, które bazują na danych o konkretnym białku. Do pracy narzędzie potrzebuje tychże danych (im więcej, tym lepiej), odpowiedniego oprogramowania zdolnego do wykonywania skomplikowanych obliczeń związanych z treningiem sieci neuronowej oraz sporej ilości czasu.
      W efekcie BioS2Net tworzy unikatową reprezentację każdego białka w postaci wektora o stałym rozmiarze. Można to porównać do czegoś w rodzaju kodu kreskowego opisującego każde z poznanych białek – tłumaczy dr Ishikawa. Narzędzie świetnie nadaje się do klasyfikacji białek na podstawie sekwencji aminokwasowej oraz struktury przestrzennej. Szczególnie istotne jest to, że można dzięki niemu wykryć białka o podobnej strukturze trójwymiarowej, ale o odmiennym „foldzie”, czyli innym sposobie zwinięcia łańcucha białkowego.
      Dotychczas stosowane metody przydzielałyby takie białka do osobnych grup. Tymczasem znane są przypadki, gdy tego typu cząsteczki pełnią podobne funkcje. I do wykrywania takich grup białek może się przydać BioS2Net – dodaje.
      Jak mówi naukowiec, nowe białka odkrywa się cały czas. Zdecydowana większość z nich, jeśli już ma opisaną strukturę przestrzenną, jest deponowana w bazie danych Protein Data Bank, do której każdy ma dostęp przez Internet. Warto jednak zwrócić uwagę, że proces odkrywania nowych białek rozpoczyna się o wiele wcześniej, już na etapie sekwencjonowania genomu. W bazach danych genomów często można spotkać się z adnotacją ’hypothetical protein’ (pol. hipotetyczne białko). Istnieją algorytmy komputerowe, które na podstawie sekwencji nukleotydowych w zsekwencjonowanym genomie przewidują obszary przypominające geny, które potencjalnie kodują informację o białkach. I takich potencjalnych białek znamy bardzo wiele. Ich funkcje można częściowo przewidzieć na podstawie podobieństwa do cząsteczek już wcześniej opisanych, ale do pełnego poznania takiej roli i mechanizmu działania często jednak należy najpierw ustalić ich strukturę, co wymaga miesięcy lub lat eksperymentów – opowiada badacz z UW.
      W przypadku białek podobna sekwencja aminokwasów z reguły przekłada się na podobną strukturę. Do niedawna był to wręcz dogmat w biologii strukturalnej. Dzisiaj jednak wiadomo – mówi dr Ishikawa – że wiele białek jest inherentnie nieustrukturyzowanych (IDP; ang. intrinsically disordered protein) albo przynajmniej zwiera w sobie tego typu rejony. Takie białka mogą przyjmować różne struktury w zależności od tego z jakimi innymi białkami w danym momencie oddziałują.
      Dodatkowo bardzo istotny jest cały kontekst, w jakim białko ulega pofałdowaniu. Przykładowo, obecność tzw. białek opiekuńczych, czy nawet samo tempo syntetyzowania białka w komórce, może mieć niemały wpływ na ostateczny jego kształt, a zatem też na funkcje. Nie zmienia to jednak faktu, że cechą fundamentalną każdego białka jest jego sekwencja aminokwasowa – podkreśla.
      A dlaczego w ogóle poznanie dokładnej budowy cząsteczki białka jest takie ważne? Autor publikacji wyjaśnia, że białka, realizując swoje zadania w komórce, zawsze przyjmują określoną strukturę. Np. jeśli chcemy zaprojektować nowy lek, który będzie oddziaływał z określonym białkiem, to fundamentalne znaczenie ma określenie struktury tego drugiego. W trakcie pandemii SARS-CoV-2 trzeba było np. określić strukturę wirusowego białka S (tzw. kolca) m.in. po to, aby można było zaproponować cząsteczkę swoiście z nim oddziałującą, a przez to zmniejszyć wydajność zakażania komórek człowieka – mówi. Podsumowując: badanie struktury białek ma ogromne znaczenie dla poznania ich funkcji i mechanizmu działania, a także innych cząsteczek z nimi oddziałujących.
      Jeśli chodzi o sam BioS2Net, to najpierw należy ściągnąć z bazy danych i przetworzyć informacje o danym białku. Przetwarzanie służy temu, aby wszystkie cechy białka, takie jak współrzędne atomów, rodzaje aminokwasów, profil ewolucyjny itd., zamienić na liczby, które będą zrozumiałe dla komputera. Każdy pojedynczy atom cząsteczki jest opisywany przez kilkadziesiąt liczb, które wyrażają wspomniane cechy.
      Następnie liczby te wprowadza się do sieci neuronowej, która analizuje każdy z atomów oraz ich najbliższych sąsiadów, biorąc pod uwagę zarówno ich ułożenie przestrzenne, jak i sekwencyjne. Kolejny etap to łączenie grup atomów w jeden „superatom”, który zawiera w sobie całą wyuczoną lokalną informację. Proces ten powtarza się do momentu aż ów „superatom” będzie zawierał zagregowane informacje o całym białku. To jest nasz kod kreskowy, który wykorzystujemy potem do klasyfikacji białka, używając standardowych sieci neuronowych – zaznacza dr Ishikawa.
      Zapytany o dokładność nowego narzędzia biolog wyjaśnia, że jeśli chodzi o wytworzenie unikatowego wektora reprezentującego poszczególne białka, to BioS2Net robi to bezbłędnie, tzn. że każde białko jest reprezentowane w jedyny możliwy sposób i żadna inna cząsteczka nie będzie opisana w taki sam sposób.
      Natomiast, gdy zastosowaliśmy BioS2Net do klasyfikacji białek, osiągnęliśmy wynik nawet 95,4 proc. trafności w porównaniu do obowiązującej klasyfikacji wg bazy danych. Oznacza to, że w ponad 95 przypadków na 100 BioS2Net był w stanie prawidłowo przyporządkować białko do danej grupy. Tutaj jednak warto wspomnieć, że ta obowiązująca klasyfikacja opiera się na podobieństwie sekwencji aminokwasowych i pomija informacje strukturalne – tłumaczy autor publikacji.
      Naukowcy podkreślają, że poza głównym zastosowaniem, czyli klasyfikacją białek, BioS2Net będzie mógł służyć także do analizowania innych cząsteczek biologicznych, w tym RNA. Uważamy, że narzędzie można by też wykorzystywać do klasyfikacji zupełnie innych danych biologicznych, np. map chromosomów w jądrze komórkowym. Właściwie to nasza architektura może być przydatna wszędzie tam, gdzie jest zdefiniowana struktura i sekwencja – mówią.
      Dr Ishikawa dodaje, że BioS2Net powstał w ramach pracy licencjackiej pierwszego autora (jego Alberta Roethla) wykonanej pod kierunkiem. Warto to podkreślić, bo to ważny sygnał, że licencjat niekoniecznie jest pracą dyplomową, którą po prostu trzeba zrobić, ale czymś, co ma potencjał naukowy i może zostać opublikowane w międzynarodowym czasopiśmie – zaznacza naukowiec.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      W łódzkim Bionanoparku powstanie laboratorium firmy NapiFeryn Bio Tech. Będzie w nim produkowane białko z rzepaku, które może zrewolucjonizować i rynek spożywczy, i naszą dietę. W działającej już prototypowej linii produkcyjnej powstaje tygodniowo kilka kilogramów izolatu białkowego (>90% białka) i koncentratu białkowo-błonnikowego (ok. 30% białka). Oba te produkty mogą być stosowane jako dodatki do słodyczy, makaronów, sosów, napojów, pieczywa czy wegańskich zamienników mięsa.
      Rzepak, w odróżnieniu od soi, uprawiany jest lokalnie – nie trzeba go importować ani zwiększać jego upraw, ponieważ w procesie pozyskiwania białka wykorzystuje się pozostałości po tłoczeniu oleju rzepakowego. Jest to alternatywne rozwiązanie dla białka zwierzęcego, przyjazne naturze – zostawia znacznie mniejszy ślad węglowy, stwierdziła Magdalena Kozłowska, prezes NapiFeryn BioTech. Białko z rzepaku ma doskonałe wartości odżywcze. Jest łatwo trawione i przyswajalne przez ludzki organizm.
      Dotychczasową przeszkodą w stosowaniu go w przemyśle spożywczym był jego charakterystyczny, gorzki posmak. Technologia opatentowana przez nas całkowicie ten problem usuwa. Nasze białko jest nie tylko zdrowe, ale też smaczne, mówi Piotr Wnukowski, wiceprezes firmy.
      Co prawda produkt jest testowany też przez firmę w eksperymentalnej kuchni, jednak NapiFeryn BioTech nie chce produkować żywności, ale licencjonować swój produkt koncernom spożywczym. Produkty zawierające białko rzepakowe mogą trafić do sklepów już w ciągu 2-3 lat.
      Izolat z białka z rzepaku został uznany za produkt bezpieczny i jest dopuszczony przez UE do stosowania w przemyśle spożywczym.Obecnie firma przygotowuje się do zarejestrowania koncentratu błonnikowo-białkowego.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Uczeni z Uniwersytetów w Aberdeen i Leicester zidentyfikowali w mózgu obszar, który napędza zapotrzebowanie na pożywienie bogate w białko. Odkrycie może mieć znaczenie dla rozwoju personalizowanych terapii otyłości. Nie od dzisiaj bowiem wiadomo, że dieta niskobiałkowa jest powiązana z otyłością.
      Naukowcy zauważyli, że gdy szczury trzymano na diecie niskobiałkowej, doszło do większej aktywizacji pola brzusznego nakrywki (VTA), czyli jądra limbicznego śródmózgowia, obszaru odpowiedzialnego za aktywne poszukiwanie jedzenia.
      Z badań wynika, że gdy wcześniej ograniczy się dostarczanie protein, VTA staje się bardziej wrażliwe na proteiny niż na inne składniki odżywcze. To zaś sugeruje, że mózgi zwierząt działają tak, by upewnić się, że dostawy białka zostaną utrzymane na odpowiednim poziomie. Taka adaptacja jest zrozumiała, gdyż niedobór białka może mieć katastrofalne skutki zdrowotne. Ponadto wcześniejsze badania wiązały niski poziom białek z otyłością. Nie wiadomo było jednak, jak na zjawisko to wpływa mózg.
      Współautor badań doktor Fabien Naneix mówi: Odkryliśmy, że zmniejszenie podaży białka zwiększyło preferencje ku żywności, w której jest więcej białka niż węglowodanów. Ta preferencja ku białkom jest powiązana z większą odpowiedzią VTA i gdy zwierzęta przestawia się z normalnej zbilansowanej diety na dietę niskobiałkową, dochodzi do indukowania preferencji ku białkom, jednak zmiany w VTA wymagają intensywnego procesu uczenia się.
      Nasze badania są pierwszymi, łączącymi preferencje ku białkom ze specyficzną aktywnością mózgu. Wiemy,że VTA odgrywa kluczową rolę w procesach pobierania innych składników odżywczych. Teraz wykazaliśmy, że dotyczy to również białek.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Naturalne jaskinie to ważne cele przyszłych misji NASA. Będą one miejscem poszukiwań dawnego oraz obecnego życia w kosmosie, a także staną się schronieniem dla ludzi, mówi Ali Agha z Team CoSTAR, który rozwija roboty wyspecjalizowane w eksploracji jaskiń. Jak wcześniej informowaliśmy, na Księżycu istnieją gigantyczne jaskinie, w których mogą powstać bazy.
      Team CoSTAR, w skład którego wchodzą specjaliści z Jet Propulsion Laboratory i California Instute of Technology to jednym z zespołów, który przygotowuje się do wzięcia udziału w tegorocznych zawodach SubT Challenge organizowanych przez DARPA (Agencja Badawcza Zaawansowanych Projektów Obronnych).
      CoSTAR wygrał ubiegłoroczną edycję SubT Urban Circuit, w ramach której roboty eksplorowały tunele stworzone przez człowieka. Teraz coś na coś trudniejszego i mniej przewidywalnego. Czas na naturalne jaskinie i tunele.
      Specjaliści z CoSTAR i ich roboty pracują w jaskiniach w Lava Beds National Monument w północnej Kalifornii. Jaskiniowa edycja Subterranean Challenge jest dla nas szczególnie interesująca, gdyż lokalizacja taka bardzo dobrze pasuje do długoterminowych planów NASA. Chce ona eksplorować jaskinie na Księżycu i Marsie, w szczególności jaskinie lawowe, które powstały w wyniku przepływu lawy. Wiemy, że takie jaskinie istnieją na innych ciałach niebieskich. Kierowany przez Jen Blank zespół z NASA prowadził już testy w jaskiniach lawowych i wybrał Lava Beds National Monument jako świetny przykład jaskiń podobnych do tych z Marsa. Miejsce to stawia przed nami bardzo zróżnicowane wyzwania. Jest tam ponad 800 jaskiń, mówi Ben Morrell z CoSTAR.
      Eksperci zwracają uwagę, że istnieje bardzo duża różnica w dostępności pomiędzy tunelami stworzonymi przez człowieka, a naturalnymi jaskiniami. Z jednej strony struktury zbudowane ludzką ręką są bardziej rozwinięte w linii pionowej, są wielopiętrowe, z wieloma poziomami, schodami, przypominają labirynt. Jaskinie natomiast charakteryzuje bardzo trudny teren, który stanowi poważne wyzwanie nawet dla ludzi. Są one trudniej dostępne, z ich eksploracją wiąże się większe ryzyko, są znacznie bardziej wymagające dla systemów unikania kolizji stosowanych w robotach.
      Agha i Morrell mówią, że jaskinie lawowe ich zaskoczyły. Okazały się znacznie trudniejsze niż sądzili. Stromizny stanowią duże wyzwanie dla robotów. Powierzchnie tych jaskiń są niezwykle przyczepne. To akurat korzystne dla robotów wyposażonych w nogi, jednak roboty na kołach miały tam poważne problemy. Przed urządzeniami stoją tam zupełnie inne wyzwania. Zamiast rozpoznawania schodów i urządzeń, co było im potrzebne w tunelach budowanych przez człowieka, muszą radzić sobie np. z nagłymi spadkami czy obniżającym się terenem.
      Miejskie tunele są dobrze rozplanowane, nachylone pod wygodnymi kątami, z odpowiednimi zakrętami, prostymi korytarzami i przejściami. Można się tam spodziewać równego podłoża, wiele rzeczy można z góry zaplanować. W przypadku jaskiń wielu rzeczy nie można przewidzieć.
      Celem SubT Challenge oraz zespołu CoSTAR jest stworzenie w pełni autonomicznych robotów do eksploracji jaskiń. I cel ten jest coraz bliżej.
      Byliśmy bardzo szczęśliwi, gdy podczas jednego z naszych testów robot Spot [Boston Dynamics – red.] w pełni autonomicznie przebył całą jaskinię. Pełna autonomia to cel, nad którym pracujemy zarówno na potrzeby NASA jak i zawodów, więc pokazanie, że to możliwe jest wielkim sukcesem, mówi Morrell. Innym wielkim sukcesem było bardzo łatwe przełożenie wirtualnego środowiska, takiego jak systemy planowania, systemy operacyjne i autonomiczne na rzeczywiste zachowanie się robota, dodaje. Jak jednak przyznaje, zanotowano również porażki. Roboty wyposażone w koła miały problemy w jaskiniach lawowych. Dochodziło do zużycia podzespołów oraz poważnych awarii sprzętu. Ze względu na epidemię trudno było sobie z nimi poradzić w miejscu testów, stwierdza ekspert.

      « powrót do artykułu
    • By KopalniaWiedzy.pl
      Badacze z Rutgers University stworzyli kierowanego USG robota do pobierania krwi, który radził sobie z tym zadaniem tak samo dobrze, a nawet lepiej niż ludzie. Odsetek skutecznych procedur wyliczony dla 31 pacjentów wynosił 87%. Dla 25 osób z łatwo dostępnymi żyłami współczynnik powodzenia sięgał zaś aż 97%.
      W urządzeniu znajduje się analizator hematologiczny z wbudowaną wirówką. Może ono być wykorzystywane przy łóżkach pacjentów, a także w karetkach czy gabinetach lekarskich.
      Wenopunkcja, czyli nakłuwanie żyły, by wprowadzić igłę bądź cewnik, to częsta procedura medyczna. W samych Stanach rocznie przeprowadza się ją ponad 1,4 mld razy. Wcześniejsze badania wykazały, że nie udaje się to u 27% pacjentów z niewidocznymi żyłami, 40% osób bez żył wyczuwalnych palpacyjnie i u 60% wyniszczonych chorych.
      Powtarzające się niepowodzenia związane z wkłuciem pod kroplówkę zwiększają ryzyko zakażeń czy zakrzepicy. Czas poświęcany na przeprowadzenie procedury się wydłuża, rosną koszty i liczba zaangażowanych w to osób.
      Takie urządzenie jak nasze może pomóc pracownikom służby zdrowia szybko, skutecznie i bezpiecznie pozyskać próbki, zapobiegając w ten sposób niepotrzebnym komplikacjom i bólowi towarzyszącemu kolejnym próbom wprowadzenia igły - podkreśla doktorant Josh Leipheimer.
      W przyszłości urządzenie może być wykorzystywane w takich procedurach, jak cewnikowanie dożylne, dializowanie czy wprowadzanie kaniuli tętniczej.
      Kolejnym etapem prac ma być udoskonalenie urządzenia, tak by zwiększyć odsetek udanych procedur u pacjentów z trudno dostępnymi żyłami. Jak podkreślają Amerykanie, dane uzyskane w czasie tego studium zostaną wykorzystane do usprawnienia sztucznej inteligencji w robocie.

      « powrót do artykułu
  • Recently Browsing   0 members

    No registered users viewing this page.

×
×
  • Create New...