Sign in to follow this
Followers
0
Tlen był produkowany na Ziemi o miliard lat wcześniej niż sądzimy?
-
Similar Content
-
By KopalniaWiedzy.pl
Wyjście zwierząt z wody na ląd to jedno z najważniejszych wydarzeń w ewolucji. Kluczem do zrozumienia, jak do tego doszło, jest odkrycie, kiedy i jak wyewoluowały płuca i kończyny. Wykazaliśmy, że biologiczne podstawy do ich ewolucji istniały na długo przed tym, zanim pierwsze zwierzę wyszło na brzeg, mówi profesor Guojie Zhang z Uniwersytetu w Kopenhadze.
Nie od dzisiaj wiemy, że człowiek oraz inne kręgowce wyewoluowały z ryb. Przed około 370 milionami lat na ląd zaczęły wychodzić pierwsze prymitywne czworonogi, ryby, które zmieniły płetwy na kończyny i były w stanie oddychać powietrzem atmosferycznym. Okazuje się jednak, że zmiana płetw na kończyny i umiejętność oddychania poza wodą są znacznie starsze.
Naukowcy z Uniwersytetu w Kopenhadze przeprowadzili badania genetyczne, które dowiodły, że już 50 milionów przed wyjściem czworonogów na ląd istniał kod genetyczny umożliwiający zmianę płetw na łapy i pozwalający na oddychanie powietrzem atmosferycznym. Co więcej, geny te wciąż istnieją u ludzi i wielopłetwcowatych. Badania, opublikowane na łamach pisma Cell, zmieniają tradycyjne spojrzenie na ciąg wydarzeń, które doprowadziły do pojawienia się pierwszych zwierząt lądowych.
Uczeni od pewnego czasu podejrzewają, że płetwy piersiowe wielopłetwcowatych, ryb potrafiących poruszać się po lądzie podobnie jak czworonogi, odpowiadają płetwom, jakie posiadał nasz wspólny przodek z rybami. Teraz, dzięki mapowaniu genomu wykonanemu przez uczonych z Kopenhagi, dowiadujemy się, że staw łączący metapterygium z radialiami płetw jest homologiem – czyli ma wspólne pochodzenie ewolucyjne – stawu łokciowego u człowieka. Sekwencja DNA kontrolująca rozwój stawu łokciowego H. sapiens istniała już u wspólnego przodka prymitywnych ryb i kręgowców lądowych i wciąż u nich istnieje. Jednak w pewnym momencie ewolucji sekwencję tę utraciły ryby z podgromady doskonałokształtnych.
Wielopłetwcowate i niektóre inne prymitywne ryby posiadają parę płuc przypominających ludzkie płuca. Właśnie przeprowadzone badania wykazały, że ich płuca funkcjonują podobnie jak płuca niszczuki krokodylej i dochodzi u nich do ekspresji tych samych genów co w ludzkich płucach.
Jednocześnie wykazano, że w tkance płuc i pęcherza pławnego mamy do czynienia z bardzo podobną ekspresją genów, co wskazuje, że są organami homologicznymi. Tak zresztą uważał już Darwin. Jednak o ile Darwin sądził, że pęcherz pławny przekształcił się w płuca, to obecne badania sugerują, że wyewoluował on z płuc. Ich autorzy sądzą, że nasi wcześni rybi przodkowie posiadali prymitywne płuca. W toku ewolucji część ryb zachowała te płuca, co pozwoliło im z czasem wyjść na ląd i przyczyniło się do pojawienia się czworonogów, a u części ryb z płuc powstał pęcherz pławny, prowadząc do powstania doskonałokształtnych.
Badania te pokazują, skąd wzięły się różne organy naszego ciała i ich funkcję są zapisane w kodzie genetycznym. Niektóre z funkcji związanych z płucami i kończynami nie pojawiły się w czasie, gdy pierwsze zwierzęta wyszły na ląd, ale były zakodowane w genomie na długo zanim pierwsza ryba zaczęła prowadzić lądowy tryb życia. Co ciekawe, te sekwencje genetyczne są wciąż obecne w rybich „żywych skamielinach”, dzięki czemu możemy je badać, mówi Guojie Zhang.
« powrót do artykułu -
By KopalniaWiedzy.pl
Mars jest drugą, po Ziemi, planetą w przypadku której stwierdzono istnienie oscylacji swobodnej Chandlera i zmierzono to zjawisko. Dokonał tego zespół z Jet Propulsion Laboratory, California Institute of Technology oraz Belgijskiego Obserwatorium Królewskiego.
Oscylacja swobodna Chandlera to odchylenie osi obrotu Ziemi względem sztywnej skorupy ziemskiej. W przypadku Ziemi okres oscylacji swobodnej Chandlera wynosi około 433 dni, podczas których oś obrotu ziemi na Biegunie Północnym przemieszcza się po nieregularnym okręgu o średnicy około 8–10 metrów. Istnienie takiego efektu przewidział już Euler w 1765 roku, a pod koniec XIX wieku jego istnienie potwierdził astronom Seth Carlo Chandler. Oscylacja swoboda Chandlera to przykład ruchu, któremu podlega swobodnie wirujące ciało nie będące kulą.
O ile jednak zmierzenie tego ruchu było możliwe w przypadku Ziemi, to dotychczas nie możemy go mierzyć w odniesieniu do innych planet. Wymaga to bowiem wieloletnich precyzyjnych pomiarów. Właśnie udało się ich dokonać dla Marsa.
Amerykańsko-belgijski zespół naukowy wykorzystał w swojej pracy dane zebrane w ciągu 18 lat przez Mars Reconnaissance Orbiter, Mars Global Surveyor i Mars Odyssey. Wpływ grawitacyjny Marsa, jakie planeta wywiera na satelity, pozwolił stwierdzić istnienie oscylacji swobodnej Chandlera. W przypadku Czerwonej Planety jest ona jednak znacznie mniejsza niż na Ziemi. Odchylenie osi wynosi bowiem ok. 10 cm, a jego okres to 200 dni.
Co interesujące, z obliczeń wynika, że oscylacja Chandlera powinna po jakimś czasie zaniknąć. Zarówno w przypadku Ziemi jak i Marsa istnieje ono dłużej niż powinno. To zaś wskazuje, że na oscylację ma wpływ czynnik, którego nauka jeszcze nie odkryła. Znalezienie tego czynnika powinno być łatwiejsze w przypadku Marsa, niż Ziemi, gdyż Czerwona Planeta ma znacznie mniej złożoną geografię, atmosferę i strukturę wewnętrzną. To pokazuje, jak ważnym osiągnięciem jest dokonany właśnie pomiar oscylacji Chandlera dla Marsa.
« powrót do artykułu -
By KopalniaWiedzy.pl
Ludzie, w porównaniu do naszych najbliższych kuzynów – szympansów – są szczególnie podatni na rozwój złośliwych nowotworów pochodzących z tkanki nabłonkowej. Nawet wówczas, gdy brak genetycznej podatności na takie choroby czy gdy nie mają styczności z czynnikami ryzyka, np. z tytoniem. Badania przeprowadzone w Uniwersytecie Kalifornijskim w San Diego (UCSD) pozwalają wyjaśnić, dlaczego tak się dzieje.
Na łamach FASEB BioAdvances ukazał się artykuł, którego autorzy informują, że za co najmniej część tej podatności możemy obwiniać unikatową mutację genetyczną, która pojawiła się w czasie ewolucji Homo sapiens.
W pewnym momencie ludzkiej ewolucji gen SIGLEC12, a konkretnie proteina Siglec-12, którą gen ten koduje na potrzeby układu odpornościowego, uległ mutacji. W jej wyniku utracił on zdolność rozróżniania pomiędzy własnymi a obcymi mikroorganizmami, mówi profesor Ajit Varki z San Diego School of Medicine i Moores Cancer Center. Jednak gen ten nie zniknął z populacji. Wydaje się, że ta dysfunkcyjna proteina Siglec-12 zaczęła czynić szkody u mniejszości ludzi, których organizmy wciąż ją wytwarzają.
Podczas badań zdrowych i nowotworowych tkanek naukowcy zauważyli, że około 30% osób, które wciąż wytwarzają proteiny Siglec-12 jest narażonych na niemal 2-krotnie wyższe ryzyko pojawienia się zaawansowanego nowotworu niż ludzie, którzy Siglec-12 nie wytwarzają.
Pomimo utraty ważnego miejsca wiązania kwasu sjalowego proteina Siglec-12 rekrutuje białko Shp2 i przyspiesza wzrost guza w modelu mysim. Sądzimy, że ta dysfunkcyjna proteina Siglec-12 ułatwia u ludzi rozwój złośliwych nowotworów, co zgadza się ze znanymi sygnaturami nowotworów Shp2-zależnych.
Jak dodaje Ajit Varki, badania takie mogą przydać się w diagnostyce i leczeniu nowotworów. Uczeni już opracowali test z moczu, który pozwala na wykrycie dysfunkcyjnej proteiny. Być może będziemy też w stanie selektywnie wykorzystać przeciwciała przeciwko Siglec-12 podczas chemioterapii i dostarczać je do komórek nowotworowych, bez szkodzenia zdrowym komórkom, dodaje.
« powrót do artykułu -
By KopalniaWiedzy.pl
AlphaFold, sieć sztucznej inteligencji zbudowana w oparciu o słynny DeepMind dokonała olbrzymiego kroku w kierunku poradzenia sobie z jednym z najpoważniejszych wyzwań nauk biologicznych – określeniem kształtu białek z sekwencji ich aminokwasów. To zmieni medycynę, zmieni bioinżynierię. Zmieni wszystko, mówi Andrei Lupas, biolog ewolucyjny z Instytutu Biologii Rozwojowej im. Maxa Plancka w Tybindze, który oceniał możliwości podobnych programów. Lupas dobrze zna AlphaFold. Program pomógł określić mu strukturę białka, z którym jego laboratorium nie mogło sobie poradzić od dekady.
Możliwość określenia prawidłowej struktury białek pozwoli zarówno na lepsze zrozumienie życia, jak i na szybsze opracowywanie supernowoczesnych leków. Obecnie znamy 200 milionów białek, ale w pełni rozumiemy strukturę i funkcję niewielkiego ułamka z nich. Jednak nawet opisanie tej niewielkiej liczby dobrze poznanych białek zajęło nauce wiele lat, a do ich badań konieczny był wyspecjalizowany sprzęt warty miliony dolarów.
AlphaFold pokonał około 100 innych programów, które wraz z nim stanęły do zawodów CASP (Critical Assesment of Structure Prediction). Zawody odbywają się co dwa lata, a AlphaFold wystartował w nich po raz pierwszy w 2018 roku i od razu trafił na szczyt klasyfikacji. Jednak w tym roku jego możliwości zaskoczyły specjalistów. Nie dość, że znacząco wyprzedził konkurencję, to jego osiągnięcia były tak imponujące, iż mogą zwiastować rewolucję w biologii.
W niektórych przypadkach wyniki uzyskane za pomocą AlphaFold nie różniły się niczym od tych osiąganych za pomocą metod eksperymentalnych stanowiących złoty standard, takich jak krystalografia rentgenowska czy mikroskopia krioelektronowa. Naukowcy mówią, że AlphaFold nie zastąpi – przynajmniej na razie – tych metod, ale już teraz pozwoli na badanie struktur biologicznych w zupełnie nowy sposób.
Białka to podstawowe budulce organizmów żywych. Odpowiedzialne są za większość procesów zachodzących w komórkach. O tym, jak działają i co robią, decyduje ich struktura 3D. Odpowiedni kształt przyjmują one bez żadnej instrukcji, kierowane jedynie prawami fizyki.
Od dziesięcioleci główną metodą określania kształtów białek były metody eksperymentalne. Badania tego problemu rozpoczęto w latach 50. ubiegłego wieku korzystając z metod krystalografii rentgenowskiej. W ostatniej dekadzie preferowanym narzędziem badawczym stała się mikroskopia krioelektronowa.
W latach 80. i 90. zaczęto prace nad wykorzystaniem komputerów do określania kształtu protein. Jednak nie szło to zbyt dobrze. Metody, które sprawdzały się przy jednych białkach nie zdawały egzaminu przy badaniu innych. John Moult, biolog obliczeniowy z University of Maryland, wraz z kolegami wpadł na pomysł zorganizowania CASP, zawodów, które miały uporządkować prace nad wykorzystaniem komputerów do badania kształtów białek. W ramach tych zawodów przed zespołami naukowymi stawia się zadanie określenia właściwej struktury protein, których to struktura została wcześniej określona metodami eksperymentalnymi, ale wyniki tych badań nie zostały jeszcze upublicznione.
Moult mówi, że eksperyment ten – uczony unika słowa „zawody” – znakomicie przysłużył się badaniom na tym polu, pozwolił na uporządkowanie metod i odrzucenie wielu nieprawdziwych twierdzeń. Tutaj naprawdę możemy przekonać się, która metoda jest obiecująca, która działa, a którą należy odrzucić, stwierdza.
W 2018 roku na CASP13 po raz pierwszy pojawił się AlphaFold. To algorytm sztucznej inteligencji bazujący na słynnym DeepMind, który pokonał mistrza go Lee Sedola, przełamując kolejną ważną barierę dla sztucznej inteligencji.
Już w 2018 roku AlphaFold zyskał sobie uznanie specjalistów. Jednak wówczas korzystał z bardzo podobnych technik, co inne programy. Najpierw wykorzystywał metody głębokiego uczenia się oraz dane strukturalne i genetyczne do określenia odległości pomiędzy parami aminokwasów w proteinie, a następnie – już bez użycia SI – wypracowywał „konsensus” dotyczący ostatecznego wyglądu proteiny. Twórcy AlphaFolda próbowali to udoskonalać korzystając z takiego właśnie modelu, ale natrafili na przeszkody nie do pokonania.
Zmienili więc taktykę i stworzyli sieć sztucznej inteligencji, która wykorzystywała też informacje o fizycznych i geometrycznych ograniczeniach w zawijaniu białek. Ponadto nowy model zamiast przewidywać zależności pomiędzy poszczególnymi aminokwasami miał do zrobienia coś znacznie trudniejszego – przewidzieć ostateczny kształt białka.
CASP trwa kilka miesięcy. Biorące w nim udział zespoły regularnie otrzymują niezbędne informacje o proteinach lub ich fragmentach – w sumie jest ich około 100 – i mają określić ich strukturę. Wyniki pracy tych zespołów oceniają niezależni eksperci, którzy sprawdzają, na ile wyniki uzyskane na komputerach są zgodne z rzeczywistą strukturą białek określoną wcześniej metodami eksperymentalnymi. Oceniający nie wiedzą, czyją pracę oceniają. Wyniki są anonimizowane. Dane z AlphaFold były w bieżącym roku opisane jako „grupa 427”. Jednak niektóre z przewidywań dostarczonych przez tę grupę były tak dokładne, że wielu sędziów domyśliło się, kto jest autorem pracy. Zgadłem, że to AlphaFold. Większość zgadła, mówi Lupas.
AlphaFold nie sprawował się równo. Raz radził sobie lepiej, raz gorzej. Ale niemal 2/3 jego przewidywań dorównywało wynikom uzyskanym metodami eksperymentalnymi. Czasami nie było wiadomo, czy różnica wynika z niedoskonałości AlphaFold czy metod eksperymentalnych. Jak mówi Moult, największą różnicę pomiędzy AlphaFold a metodami eksperymentalnymi było widać, gdy rzeczywisty wygląd proteiny określano za pomocą rezonansu jądrowego. Jednak różnica ta może wynikać ze sposobu obróbki surowych danych uzyskanych tą metodą. AlphaFold słabo sobie radził też w określaniu indywidualnych struktur w grupach protein, gdzie kształt białka mógł być zaburzany obecnością innego białka.
Ogólnie rzecz biorąc średnia wydajność modeli biorących udział w tegorocznym CASP była lepsza niż przed dwoma laty, a za większość postępu odpowiadał AlphaFold. Na przykład tam, gdzie proteiny określano jako średnio trudne najlepsze modele uzyskiwały 75 na 100 możliwych punktów, a AlphaFold uzyskał tam 90 punktów. Przekroczenie granicy 90 punktów uznaje się za dorównanie metodom eksperymentalnym.
Mohammed AlQuraishi, biolog obliczeniowy z Columbia University, który też brał udział w CASP chwali osiągnięcie AlphaFold: myślę, że trzeba uczciwie powiedzieć, iż osiągnięcie to wstrząśnie dziedziną badania struktur białek. Sądzę, że wielu specjalistów przestanie się tym zajmować, gdyż główny problem został rozwiązany. To olbrzymi przełom, jedno z najważniejszych osiągnięć naukowych, jakie widziałem w swoim życiu.
O tym, jak wielkie możliwości ma AlphaFold i jak olbrzymia rewolucja może nadchodzić niech świadczy przykład badań, jakie prowadził zespół Andreia Lupasa. Niemcy od dawna próbowali określić strukturę białka pewnej bakterii. Za pomocą krystalografii rentgenowskiej uzyskali surowe dane, jednak ich przełożenie na odpowiednią strukturę wymagało pewnych informacji o kształcie proteiny. Wszelkie próby rozwiązania zagadnienia spaliły na panewce. Spędziliśmy dekadę próbując wszystkiego. Model opracowany przez group 427 dostarczył nam tę strukturę w ciągu pół godziny, mówi Lupas.
Demis Hassabis, współzałożyciel i szef firmy DeepMind, która obecnie należy do Google'a, mówi, że jego firma dopiero zaczyna rozumieć, czego biolodzy chcą od AlphaFold.
AlphaFold już zresztą przydaje się w praktyce. Na początku 2020 roku algorytm opisał strukturę kilku białek wirusa SARS-CoV-2. Później okazało się, że przewidywania dotyczące białka Orf3a zgadzają się z wynikami uzyskanymi eksperymentalnie.
Rozpowszechnienie się AlphaFold raczej nie doprowadzi do zamknięcia laboratoriów. Jednak dzięki niemu do określenia struktury protein wystarczą gorszej jakości, a więc i łatwiejsze do uzyskania, dane. Możemy się też spodziewać olbrzymiej liczby odkryć, gdyż już w tej chwili dysponujemy olbrzymią liczbą danych, które program będzie mógł wykorzystać. Dodatkową korzyścią jest fakt, że będzie można prowadzić bardziej zaawansowane badania. Nowa generacja biologów molekularnych będzie mogła zadać bardziej złożone pytania. Będą mogli skupić się bardziej na myśleniu niż na prowadzeniu eksperymentów, mówi Lupas.
Naukowcy mają nadzieję, że dzięki AlphaFold poznamy funkcje tysięcy białek tworzących ludzkie DNA, a to z kolei pozwoli nam poznać przyczyny wielu chorób.
« powrót do artykułu -
By KopalniaWiedzy.pl
Stawonogi to od 500 milionów lat najbardziej rozpowszechniony typ zwierząt na Ziemi. Stanowią one aż 80% wszystkich żyjących współcześnie gatunków. Jednak dotychczas istniało poważne brakujące ogniwo ich ewolucji.
Teraz naukowcy z Instytutu Geologii i Paleontologii Chińskiej Akademii Nauk informują o odkryciu skamieniałości stawonoga, który przypominał krewetkę i miał pięcioro oczu. Wyniki swoich badań opublikowali na łamach Nature.
Skamieniałość należąca do gatunku Kylinxia to bardzo rzadka chimera. Łączy ona cechy morfologiczne różnych zwierząt, przez co przypomina „kylin”, chimerę z tradycyjnej chińskiej mitologii, mówi profesor Huang Diying. Kylinxia jest wyjątkowa m.in. przez to, że w skamieniałości zachowały się oczy, układ pokarmowy i układ nerwowy. Zwierzę ma cechy charakterystyczne stawonoga, takie jak stwardniały oskórek, kończyny posiadające stawy i tułów złożony z segmentów. Jednocześnie u stworzenia widać cechy wcześniejszych form, jak pięcioro oczu znane ze skamieniałości Opabinii czy przydatki, które znamy ze skamieniałości największego kambryjskiego drapieżnika z rodzaju Anomalocaris. Przedstawiciele Anomalocaris mogli mieć nawet 2 metry długości. Rodzaj ten uważany jest za przodka stawonogów. Jednak pomiędzy stawonogami a Anomalocaris istnieją olbrzymie różnice morfologiczne, które stanowią ewolucyjną zagadkę.
Chińscy naukowcy przeprowadzili szczegółową analizę szczątków Kylinxia. Wykazali, że pierwsze przydatki Anomalocaris i stawonogów są homologiczne, zatem mają podobną pozycję, strukturę i pochodzenie ewolucyjne. Z kolei analizy filogenetyczne wskazują, że istnieje pokrewieństwo pomiędzy przednimi przydatkami Kylinxia, przydatkami przy otworze gębowym podtypu szczękoczułkopodobnych (tutaj należą m.in. pajęczaki) oraz czułkami żuwaczkowców (m.in. wije, skorupiaki).
Nasze badania wykazały, że na drzewie ewolucyjnym Kylinxia znajduje się dokładnie pomiędzy Anomalocaris a prawdziwymi stawonogami. Innymi słowy, znaleźliśmy ewolucyjne korzenie prawdziwych stawonogów, mówi współautor badań, profesor Zhu Maoyan. Kylinxia [...] uzupełnia lukę pomiędzy Anomalocaris i prawdziwymi stawonogami, jest zaginionym elementem ewolucji stawonogów, dodaje doktor Zeng Han.
« powrót do artykułu
-
-
Recently Browsing 0 members
No registered users viewing this page.