Спроектировать свёклу на компьютере: как геномная селекция создает завтрашний урожай 🤩 на стыке биологии и информатики
Если ваше представление о селекции — это школьные таблицы со скрещиванием гороха, то у нас для вас новости. Сегодня селекционеры работают не с конкретными растениями или животными, а с компьютерными моделями и генетическими картами. В новом материале разбираемся, как технологии помогли селекционерам перейти от интуитивного отбора к эре предсказательного моделирования и автоматизированного создания новых сортов и пород.
Первые селекционеры
История селекции начинается с древности — тогда это было делом интуиции. Древний человек отбирал самого послушного волчонка, самое плодовитое растение или овцу с самой густой шерстью. Это была селекция на глазок: медленная и неточная, методом проб и ошибок. Чтобы увидеть результат, приходилось ждать годы — до нового урожая или следующего поколения животных. В таком виде селекция существовала тысячелетиями, однако такой подход не позволял отбирать сложные признаки, которые невозможно определить «на глаз»: как предсказать, какое растение переживет засуху или у какого животного будет самое нежное мясо?
Научный прорыв
Революция в биологии случилась благодаря точным вычислениям. В середине XIX века монах-садовод Грегор Мендель, скрещивая горох, открыл универсальные законы, объясняющие принципы наследования. Он показал, что признаки наследуются не случайно, а по четким правилам, которые можно описать формулами. Согласно Менделю, невидимые наследственные факторы, которые мы называем генами, передаются от родителей потомкам, определяя конкретные черты организма.
Стоит заметить, что понятие гена как элементарной единицы наследственности было введено в науку значительно позже открытий Менделя. Это сделал в начале XX века Вильгельм Йоханнсен, предложивший три фундаментальных термина: «ген», «генотип» (совокупность всех генов организма) и «фенотип» (совокупность всех его наблюдаемых признаков).
В XX веке абстрактный ген превратился в реальный объект для изучения. Ученые доказали, что гены расположены в хромосомах (Томас Морган), выяснили, что носителем наследственной информации является ДНК (Освальд Эвери), а затем расшифровали ее двойную спиральную структуру (Джеймс Уотсон и Фрэнсис Крик).
Чтение генетической инструкции
Следующий прорыв произошел на рубеже XX–XXI веков благодаря геномной революции — переходу от изучения отдельных генов к анализу полных геномов. Ее основой стало секвенирование — технология прочтения последовательности нуклеотидов (A, T, G, C) в ДНК.
Но как быть, если признак контролируется не одним геном или несколькими генами, а сотнями тысяч одновременно? В этом селекционерам помогает геномная селекция (Genomic Selection, GS). Ее ключевая идея в том, что влияние на сложный признак (вроде урожайности) распределено по всему геному. Поэтому вместо поиска отдельных генов метод одновременно анализирует множество молекулярных маркеров, равномерно покрывающих все хромосомы.
Этот метод, впервые предложенный в 2001 году, активно используется до сих пор и постоянно совершенствуется с развитием алгоритмов искусственного интеллекта.
Современная селекция завершила переход от интуиции к точному инжинирингу. Теперь новые сорта и породы проектируются цифровыми методами (геномная селекция), создаются инструментами генного редактирования (CRISPR) и выращиваются с помощью роботизированных систем. Завтрашний урожай рождается сегодня на стыке биологии, информатики и робототехники.
В полной версии статьи предлагаем разобраться в механизмах селекции, узнать о новейших методах в этой области и наконец понять, почему отправной точкой для научных открытий стал именно горох.
🤖 «Системный Блокъ» @sysblok
Если ваше представление о селекции — это школьные таблицы со скрещиванием гороха, то у нас для вас новости. Сегодня селекционеры работают не с конкретными растениями или животными, а с компьютерными моделями и генетическими картами. В новом материале разбираемся, как технологии помогли селекционерам перейти от интуитивного отбора к эре предсказательного моделирования и автоматизированного создания новых сортов и пород.
Первые селекционеры
История селекции начинается с древности — тогда это было делом интуиции. Древний человек отбирал самого послушного волчонка, самое плодовитое растение или овцу с самой густой шерстью. Это была селекция на глазок: медленная и неточная, методом проб и ошибок. Чтобы увидеть результат, приходилось ждать годы — до нового урожая или следующего поколения животных. В таком виде селекция существовала тысячелетиями, однако такой подход не позволял отбирать сложные признаки, которые невозможно определить «на глаз»: как предсказать, какое растение переживет засуху или у какого животного будет самое нежное мясо?
Научный прорыв
Революция в биологии случилась благодаря точным вычислениям. В середине XIX века монах-садовод Грегор Мендель, скрещивая горох, открыл универсальные законы, объясняющие принципы наследования. Он показал, что признаки наследуются не случайно, а по четким правилам, которые можно описать формулами. Согласно Менделю, невидимые наследственные факторы, которые мы называем генами, передаются от родителей потомкам, определяя конкретные черты организма.
Стоит заметить, что понятие гена как элементарной единицы наследственности было введено в науку значительно позже открытий Менделя. Это сделал в начале XX века Вильгельм Йоханнсен, предложивший три фундаментальных термина: «ген», «генотип» (совокупность всех генов организма) и «фенотип» (совокупность всех его наблюдаемых признаков).
В XX веке абстрактный ген превратился в реальный объект для изучения. Ученые доказали, что гены расположены в хромосомах (Томас Морган), выяснили, что носителем наследственной информации является ДНК (Освальд Эвери), а затем расшифровали ее двойную спиральную структуру (Джеймс Уотсон и Фрэнсис Крик).
Чтение генетической инструкции
Следующий прорыв произошел на рубеже XX–XXI веков благодаря геномной революции — переходу от изучения отдельных генов к анализу полных геномов. Ее основой стало секвенирование — технология прочтения последовательности нуклеотидов (A, T, G, C) в ДНК.
Но как быть, если признак контролируется не одним геном или несколькими генами, а сотнями тысяч одновременно? В этом селекционерам помогает геномная селекция (Genomic Selection, GS). Ее ключевая идея в том, что влияние на сложный признак (вроде урожайности) распределено по всему геному. Поэтому вместо поиска отдельных генов метод одновременно анализирует множество молекулярных маркеров, равномерно покрывающих все хромосомы.
Этот метод, впервые предложенный в 2001 году, активно используется до сих пор и постоянно совершенствуется с развитием алгоритмов искусственного интеллекта.
Современная селекция завершила переход от интуиции к точному инжинирингу. Теперь новые сорта и породы проектируются цифровыми методами (геномная селекция), создаются инструментами генного редактирования (CRISPR) и выращиваются с помощью роботизированных систем. Завтрашний урожай рождается сегодня на стыке биологии, информатики и робототехники.
В полной версии статьи предлагаем разобраться в механизмах селекции, узнать о новейших методах в этой области и наконец понять, почему отправной точкой для научных открытий стал именно горох.
Please open Telegram to view this post
VIEW IN TELEGRAM
Системный Блокъ
Феномика, ГМО и роботы: как завтрашний урожай проектируется уже сегодня - Системный Блокъ Как технологии изменили селекцию: от…
Что общего между ДНК-маркерами, прогностическими моделями и дронами с мультиспектральными камерами? Все это — инструменты селекции, которая за последние два века превратилась из творческого процесса в точную науку. Разбираемся, как технологии помогли селекционерам…
❤19👾7👨💻3
Как пользоваться NotebookLM от Google
Подготовиться к экзамену, изучить новую тему, создать базу знаний… Если вам становится не по себе от этого списка — открывайте гайд «Системного Блока», где мы рассказываем про NotebookLM — ИИ-инструмент, который поможет вам в решении рабочих, учебных и исследовательских задач.
Еще один блокнот — или нечто большее?
Google описывает NotebookLM как «ИИ-помощник в исследованиях». Как начать им пользоваться? Для каждого нового проекта нужно создать блокнот, в который загружаются статьи, отчеты, заметки, видео. Теперь вы можете задавать вопросы к этим материалам, и все ответы будут генерироваться на их основе. Основное взаимодействие происходит через чат, как и в других ИИ-ассистентах.
NotebookLM работает на языковых моделях Google — Gemini Pro и Gemini Pro Flash. В основе лежит RAG-архитектура (Retrieval-Augmented Generation) — технология, которая сначала извлекает релевантные фрагменты из ваших документов, а затем генерирует ответ на их основе. Подробнее о RAG мы рассказывали в глоссарии.
Дополнительные функции NotebookLM
• генерация подкастов по вашим материалам
• создание mind maps (интеллект-карт)
• формирование карточек для запоминания
• сохранение важных ответов в виде заметок, которые можно объединять
Поддерживаемые форматы
NotebookLM работает с PDF, Google Docs, презентациями, аудио-, видео- и текстовыми файлами, веб-ссылками (включая транскрипты видео с YouTube).
Кому это будет полезно
NotebookLM пригодится всем, кто работает с большими объёмами информации:
• исследователям и аспирантам
для анализа научной литературы
• преподавателям
для подготовки учебных материалов и курсов
• студентам
для работы с лекциями и подготовки к экзаменам
• журналистам
для обработки интервью, документов и справочных материалов
• информационным работникам
• аналитикам, консультантам, всем, кто ежедневно работает с документами
В гайде мы даем пошаговую инструкцию для эффективной работы NotebookLM и разбираем задачу поиска информации в исследовательской литературе.
🤖 «Системный Блокъ» @sysblok
Подготовиться к экзамену, изучить новую тему, создать базу знаний… Если вам становится не по себе от этого списка — открывайте гайд «Системного Блока», где мы рассказываем про NotebookLM — ИИ-инструмент, который поможет вам в решении рабочих, учебных и исследовательских задач.
Еще один блокнот — или нечто большее?
Google описывает NotebookLM как «ИИ-помощник в исследованиях». Как начать им пользоваться? Для каждого нового проекта нужно создать блокнот, в который загружаются статьи, отчеты, заметки, видео. Теперь вы можете задавать вопросы к этим материалам, и все ответы будут генерироваться на их основе. Основное взаимодействие происходит через чат, как и в других ИИ-ассистентах.
NotebookLM работает на языковых моделях Google — Gemini Pro и Gemini Pro Flash. В основе лежит RAG-архитектура (Retrieval-Augmented Generation) — технология, которая сначала извлекает релевантные фрагменты из ваших документов, а затем генерирует ответ на их основе. Подробнее о RAG мы рассказывали в глоссарии.
Дополнительные функции NotebookLM
• генерация подкастов по вашим материалам
• создание mind maps (интеллект-карт)
• формирование карточек для запоминания
• сохранение важных ответов в виде заметок, которые можно объединять
Поддерживаемые форматы
NotebookLM работает с PDF, Google Docs, презентациями, аудио-, видео- и текстовыми файлами, веб-ссылками (включая транскрипты видео с YouTube).
Кому это будет полезно
NotebookLM пригодится всем, кто работает с большими объёмами информации:
• исследователям и аспирантам
для анализа научной литературы
• преподавателям
для подготовки учебных материалов и курсов
• студентам
для работы с лекциями и подготовки к экзаменам
• журналистам
для обработки интервью, документов и справочных материалов
• информационным работникам
• аналитикам, консультантам, всем, кто ежедневно работает с документами
В гайде мы даем пошаговую инструкцию для эффективной работы NotebookLM и разбираем задачу поиска информации в исследовательской литературе.
Please open Telegram to view this post
VIEW IN TELEGRAM
Системный Блокъ
Как пользоваться NotebookLM от Google - Системный Блокъ Как пользоваться NotebookLM от Google
Главная проблема ChatGPT и других ИИ-инструментов — галлюцинации. Модель может выдумать несуществующее исследование или сослаться на фантомную статью. NotebookLM от Google поможет решить эту проблему: он отвечает строго по вашим загруженным документам, тем…
❤37🔥19👨💻10🙏3
Японский интернет выглядит, как будто сейчас 2000-е. И это не баг, а фича
Если вы когда-нибудь оказывались в японском интернете, то замечали, что сайты часто выглядят так, будто их сделали двадцать лет назад. Мы решили узнать, почему японцы сохраняют этот стиль.
Легаси-система? Нет, легаси-культура!
Только в 2024 году завершилась кампания по отказу от дискет в госорганах Японии. А вот факсы там активно используют до сих пор. Японцы считают, что не стоит менять технологию, которая работает понятно, надежно и предсказуемо. То же касается и их сайтов — в нежелании менять их есть не только инертность, но и специфика японской культуры.
Для западного пользователя японские сайты (Yahoo!Japan, Rakuten), сделанные в стилистике интернета 2000х, визуально шумны. Но японцы видят эти сайты по-другому — это уже проверено научно.
Японец видит мир иначе
Исследование японских и американских психологов 2001 года показало, что японские участники экспериментов чаще учитывают контекст и фон при восприятии изображения. Было выявлено, что взрослые японцы, по сравнению с американцами, больше внимания уделяют визуальному контексту и сильнее связывают объекты с фоном, что демонстрирует целостный, а не аналитический подход к восприятию. Такое внимание переносится и в цифровую среду, поэтому на сайтах повторяются инструкции, дублируются шаги, а подтверждения на те или иные действия запрашиваются несколько раз.
Дизайн японских сайтов ориентирован не на эстетику, а на стабильность, ответственность и минимизацию риска, что отражает социальные приоритеты. Конечно, сайты меняются, но происходит это постепенно и с сохранением знакомых паттернов.
Мы собрали несколько примеров, чтобы вы могли увидеть этот подход в действии. Заглянуть в японский интернет и оценить его необычную эстетику можно в полной версии статьи.
«Системный Блокъ» @sysblok
Если вы когда-нибудь оказывались в японском интернете, то замечали, что сайты часто выглядят так, будто их сделали двадцать лет назад. Мы решили узнать, почему японцы сохраняют этот стиль.
Легаси-система? Нет, легаси-культура!
Только в 2024 году завершилась кампания по отказу от дискет в госорганах Японии. А вот факсы там активно используют до сих пор. Японцы считают, что не стоит менять технологию, которая работает понятно, надежно и предсказуемо. То же касается и их сайтов — в нежелании менять их есть не только инертность, но и специфика японской культуры.
Для западного пользователя японские сайты (Yahoo!Japan, Rakuten), сделанные в стилистике интернета 2000х, визуально шумны. Но японцы видят эти сайты по-другому — это уже проверено научно.
Японец видит мир иначе
Исследование японских и американских психологов 2001 года показало, что японские участники экспериментов чаще учитывают контекст и фон при восприятии изображения. Было выявлено, что взрослые японцы, по сравнению с американцами, больше внимания уделяют визуальному контексту и сильнее связывают объекты с фоном, что демонстрирует целостный, а не аналитический подход к восприятию. Такое внимание переносится и в цифровую среду, поэтому на сайтах повторяются инструкции, дублируются шаги, а подтверждения на те или иные действия запрашиваются несколько раз.
Дизайн японских сайтов ориентирован не на эстетику, а на стабильность, ответственность и минимизацию риска, что отражает социальные приоритеты. Конечно, сайты меняются, но происходит это постепенно и с сохранением знакомых паттернов.
Мы собрали несколько примеров, чтобы вы могли увидеть этот подход в действии. Заглянуть в японский интернет и оценить его необычную эстетику можно в полной версии статьи.
«Системный Блокъ» @sysblok
Системный Блокъ
Почему японские сайты выглядят устаревшими - Системный Блокъ
Японские сайты часто выглядят так, будто их сделали двадцать лет назад. Но это не признак отсталости интернета Японии. Разбираем мифы японского веб-дизайна.
❤41👍23😁9🔥3💅3
Женщина для галочки: дата-исследование о принципе Смурфетты в российском кино
Помните, как звали смурфиков из известного мультфильма? Ловкач, Благоразумник, Растяпа, Ворчун… У гномов мужского пола имя всегда отсылает к их главному качеству. А единственная представительница женского пола из сотни жителей деревни — просто Смурфетта. Ее имя ничего не значит, а лишь указывает на половую принадлежность. Это буквально «женщина для галочки».
Что такое принцип Смурфетты?
Принцип Смурфетты — это ситуация, когда среди мужских персонажей фильма есть только одна героиня. Ее образ — это стереотипное представление женщины. Ее роль — быть спутницей для мужчин или объектом их внимания, а не субъектом истории со своими целями, мотивацией, характером.
Термин придумала американская эссеистка Ката Поллитт. В 1991 году она написала колонку «Hers; The Smurfette Principle» для New York Times. В поисках кассеты для своей трехлетней дочери она пришла к выводу, что в большинстве случаев главные герои — мальчики, и кино нацелено на них. Женщина выступает фоном.
Смурфетты в российском кино
Обычно о принципе Смурфетты говорят в контексте голливудского кино. «Системный Блокъ» вместе с экспертами изучил, работает ли принцип Смурфетты в российском кинематографе.
Для исследования мы собрали датасет почти из 10 000 русскоязычных фильмов за последние 50 лет. Мы смотрели на первых семерых актеров в списке ролей — именно там обычно оказываются главные персонажи.
📊 Что получилось?
— примерно каждый четвертый фильм (25,46%) — это классический кейс «Смурфетты», одна женщина на толпу мужчин
— еще 13,73% фильмов вообще обходятся без женщин в основном составе
Для сравнения, фильмов без мужчин — всего лишь 3,46%. Фильмов с одним мужчиной — 12%. Дисбаланс очевиден.
При этом за полвека ситуация почти не меняется. Ни советское кино, ни 1990-е, ни 2000-е не показывают тренда к улучшению.
Причем дело не только в боевиках и вестернах (хотя с ними всё хуже всего). Такой перекос встречается в драмах, комедиях, семейном кино и даже романтических фильмах. Проблема не в жанре, а в самой логике того, кого кино по умолчанию считает «нормой».
🔗 Как в список попали «Смешарики» и почему эксперты спорили из-за фильмов Балабанова — читайте в полной версии исследования. Там же можно найти инфографику и полную статистику.
«Системный Блокъ» @sysblok
Помните, как звали смурфиков из известного мультфильма? Ловкач, Благоразумник, Растяпа, Ворчун… У гномов мужского пола имя всегда отсылает к их главному качеству. А единственная представительница женского пола из сотни жителей деревни — просто Смурфетта. Ее имя ничего не значит, а лишь указывает на половую принадлежность. Это буквально «женщина для галочки».
Что такое принцип Смурфетты?
Принцип Смурфетты — это ситуация, когда среди мужских персонажей фильма есть только одна героиня. Ее образ — это стереотипное представление женщины. Ее роль — быть спутницей для мужчин или объектом их внимания, а не субъектом истории со своими целями, мотивацией, характером.
Термин придумала американская эссеистка Ката Поллитт. В 1991 году она написала колонку «Hers; The Smurfette Principle» для New York Times. В поисках кассеты для своей трехлетней дочери она пришла к выводу, что в большинстве случаев главные герои — мальчики, и кино нацелено на них. Женщина выступает фоном.
Смурфетты в российском кино
Обычно о принципе Смурфетты говорят в контексте голливудского кино. «Системный Блокъ» вместе с экспертами изучил, работает ли принцип Смурфетты в российском кинематографе.
Для исследования мы собрали датасет почти из 10 000 русскоязычных фильмов за последние 50 лет. Мы смотрели на первых семерых актеров в списке ролей — именно там обычно оказываются главные персонажи.
📊 Что получилось?
— примерно каждый четвертый фильм (25,46%) — это классический кейс «Смурфетты», одна женщина на толпу мужчин
— еще 13,73% фильмов вообще обходятся без женщин в основном составе
Для сравнения, фильмов без мужчин — всего лишь 3,46%. Фильмов с одним мужчиной — 12%. Дисбаланс очевиден.
При этом за полвека ситуация почти не меняется. Ни советское кино, ни 1990-е, ни 2000-е не показывают тренда к улучшению.
Причем дело не только в боевиках и вестернах (хотя с ними всё хуже всего). Такой перекос встречается в драмах, комедиях, семейном кино и даже романтических фильмах. Проблема не в жанре, а в самой логике того, кого кино по умолчанию считает «нормой».
🔗 Как в список попали «Смешарики» и почему эксперты спорили из-за фильмов Балабанова — читайте в полной версии исследования. Там же можно найти инфографику и полную статистику.
«Системный Блокъ» @sysblok
Системный Блокъ
Женщина для галочки: дата-исследование о принципе Смурфетты в российском кино - Системный Блокъ Принцип Смурфетты: ищем женщин…
Принцип Смурфетты — это ситуация, когда среди мужских персонажей фильма есть только одна героиня. Ее образ — это стереотипное представление женщины. Ее роль — быть спутницей для мужчин или объектом их внимания, но не субъектом истории со своими целями, мотивацией…
❤55💔30😭13👍7💅4🤡3😁2🔥1
Хиты Тейлор Свифт — как мини-романы на 2–3 минуты?
Мы привыкли думать, что популярные песни — это слова и эмоции под музыку. Но многие хиты сегодня устроены как мини-фильмы или рассказы с микро-сюжетом.
Исследователи научили алгоритм находить в текстах песен (от рок-баллад до треков Тейлор Свифт) героев, события и целые сюжетные арки. И выяснили, что со временем сторителлинга в популярной музыке становится все больше.
Собрали для вас карточки о том, как нейросети «читают» песни как истории — листайте 👇🎵
А если хотите узнать про это исследование подробнее — вот полная версия статьи.
🤖 «Системный Блокъ» @sysblok
Мы привыкли думать, что популярные песни — это слова и эмоции под музыку. Но многие хиты сегодня устроены как мини-фильмы или рассказы с микро-сюжетом.
Исследователи научили алгоритм находить в текстах песен (от рок-баллад до треков Тейлор Свифт) героев, события и целые сюжетные арки. И выяснили, что со временем сторителлинга в популярной музыке становится все больше.
Собрали для вас карточки о том, как нейросети «читают» песни как истории — листайте 👇🎵
А если хотите узнать про это исследование подробнее — вот полная версия статьи.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤22😁11❤🔥6👍5
«Один человек сможет построить компанию в миллиард долларов»: интервью с технооптимистом Иваном Ямщиковым
Иван Ямщиков известен русскоязычному читателю как автор проекта «Нейронная оборона» — относительно раннего (2016 год) примера успешного со-творчества людей и генеративных нейросетей.
Тогда Иван был сотрудником «Яндекса», после занимал должность ИИ-евангелиста компании ABBYY, а сегодня он — профессор, преподаватель и руководитель целого ИИ-института в Баварии (и одновременно ИИ-предприниматель). Сам себя он определяет как «радикальный технооптимист».
В интервью «Системному Блоку» Иван Ямщиков рассказал о том, что могут LLM и чего не могут, к чему может привести внедрение ИИ в ближайшие годы, как придется перестраивать образование и что значит быть технооптимистом.
Делимся в карточках самыми интересными цитатами из интервью.
🤖 «Системный Блокъ» @sysblok
Иван Ямщиков известен русскоязычному читателю как автор проекта «Нейронная оборона» — относительно раннего (2016 год) примера успешного со-творчества людей и генеративных нейросетей.
Тогда Иван был сотрудником «Яндекса», после занимал должность ИИ-евангелиста компании ABBYY, а сегодня он — профессор, преподаватель и руководитель целого ИИ-института в Баварии (и одновременно ИИ-предприниматель). Сам себя он определяет как «радикальный технооптимист».
В интервью «Системному Блоку» Иван Ямщиков рассказал о том, что могут LLM и чего не могут, к чему может привести внедрение ИИ в ближайшие годы, как придется перестраивать образование и что значит быть технооптимистом.
Делимся в карточках самыми интересными цитатами из интервью.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤17👍15🔥6🥴3❤🔥2