Статья на конкурс «Био/Мол/Текст»: Дендритные шипики — это выступы плазматической мембраны нейронов на их отростках (дендритах), отвечающие за синаптические связи с другими нейронами (в синапсе они выступают в роли постсинаптической мембраны). Дендритные шипики могут иметь самые разные формы; в течении жизни они появляются, растут, меняются и исчезают. Считается, что морфология (форма) дендритных шипиков тесно связана с тем, как они функционируют. Также выдвигаются гипотезы о связи расположения шипиков на нейроне и их функционировании. Область исследования формы шипиков и их расположения при различных состояниях и заболеваниях поистине безгранична. Ранее разработанные математические методы и ПО для анализа изображений шипиков с ростом объема данных теряют свою актуальность, так как они лишь упрощают или совершенствуют неточную и долгую ручную обработку таких сложных данных. На сцену выходит искусственный интеллект: нейросетевые методы сегментации дендритов и шипиков, машинная классификация шипиков и дендритов на основе математических метрик, графовые нейронные сети для классификации нейронов. Об этих методиках и перспективах использования их в исследованиях дендритных шипиков расскажем ниже.

Статья на конкурс «Био/Мол/Текст»: Орёл Хааста (Hieraaetus moorei) был крупнейшим орлом в истории человечества, чья судьба до сих пор будоражит воображение палеонтологов и экологов. Этот гигантский хищник, весивший до 14 килограммов при размахе крыльев почти в три метра, правил небом Южного острова Новой Зеландии до прихода первых полинезийских поселенцев около 700 лет назад. Проведенные нами морфологические исследования показывают, что орёл Хааста был не падальщиком, как долгое время считалось, а высокоспециализированным активным охотником, приспособленным к захвату и «разделке» добычи, многократно превосходящей его по массе. Анализ реконструированной мускулатуры таза и задней конечности выявляет уникальный комплекс морфологических адаптаций, никогда прежде не наблюдавшихся у других ястребиных птиц. Именно эта узкая специализация на мегафауне — гигантских нелетающих птицах моа — стала эволюционной ловушкой, когда быстрое истребление добычи привело вид к катастрофе. История орла Хааста — это урок тому, как совершенство в охоте на одну-единственную добычу может обернуться гибелью вида.

Статья на конкурс «Био/Мол/Текст»: Plantoverse — это интерактивная медиа-скульптура, вдохновленная гипотезой о механизме, связывающем оптические свойства эпидермальных клеток растений с морфогенезом листа. В этой концепции растительные клетки действуют как выпуклые или плосковыпуклые линзы. Предположительно, это помогает растениям получать информацию как относительно параметров освещения, так и об окружающих объектах. Готлиб Хаберландт был первым, кто предложил эту идею еще в 1905 году, и она получила дальнейшую поддержку от Чарльза Дарвина и Гарольда Вагера. В первой четверти 21 века С. Манкузо продолжил развивать гипотезу «зрения» растений, в том числе после сообщения о факте мимикрии лианы под искусственное растение. Сам порыв назвать эту возможную форму светочувствительности «зрением» не только неверен биологически, но и говорит о том, как трудно человеку представить какое-то иное восприятие света и окружающего мира. Именно поэтому мы обратились к этому феномену. Взаимодействуя с Plantoverse, зритель может увидеть себя так, как если бы его изображение было получено с помощью клетки эпидермиса листа. Проект объединяет цифровую интерпретацию данных нашего исследования, основанного на вышеупомянутой гипотезе, с физическим воплощением как научных, так и художественных концепций. Мы рассказываем о том, как проект зародился и прошел стадии от выпускной выставки магистерской программы «Искусство и наука» (ИТМО) до участия в большой выставке Art & Science в музее PERMM.

Статья на конкурс «Био/Мол/Текст»: Белки — это молекулярные машины, отточенные эволюцией на протяжении сотен миллионов и даже миллиардов лет. Мы пока не способны воспроизвести этот длинный путь естественной эволюции, но уже активно учимся направлено конструировать белки под конкретные задачи. И помогают нам в этом большие массивы данных и искусственный интеллект (ИИ). Сначала он научился предсказывать трехмерную структуру природных белков, а теперь на очереди — дизайн: создание новых функций и уверенная оптимизация уже существующих. В статье разбираем, как генеративные модели придумывают форму будущего белка, подбирают к ней аминокислотную последовательность и как вместе с лабораторными экспериментами проверяется, что такой белок действительно работает.