Nekad je nužno odabrati stranu

Vodeći hrvatski znanstvenici za Telegram biraju najuzbudljivija znanstvena otkrića u 2018.

Telegramov godišnji pregled najvažnijih znanstvenih otkrića

Kao i svake, Telegram je i ove godine razgovarao s vodećim hrvatskim znanstvenicima kako bi, uz njihovu stručnu pomoć, napravili pregled najvažnijih znanstvenih otkrića. Znanstvenih dostignuća u 2018. bilo je, naime, puno, često smo izvještavali o njima, raspitivali se i proučavali. No, u moru otkrića, ponekad je teško razlučiti koja su zaista prijelomna. Zato smo to prepustili apsolutnim autoritetima u svojim područjima.

Za mišljenje o najvažnijim znanstvenim dostignućima 2018. pitali smo redom: teorijskog fizičara Sašu Cecija, fizičarku Sanju Josef Golubić, fizičara i inženjera elektrotehnike Marina Soljačića, genetičarku Đurđicu Ugarković, inženjera elektrotehnike Davora Mancea, profesora biomedicine Igora Rudana, genetičara Janoša Terzića, kemičarka Anđelu Šarić, molekularnog biologa Kristiana Vlahovičeka te molekularnu biologinju Rosu Karlić.

Saša Ceci, teorijski fizičar: kvantna zapetljanost i Nobelova nagrada fizičarki

Saša Ceci Vjekoslav Skledar

Saša Ceci je fizičar na Institutu Ruđer Bošković i jedan od najaktivnijih hrvatskih promicatelja znanosti. S obzirom na njegovo popularno i pristupačno objašnjavnje fizike, učinilo nam se zgodnim započeti s njegovim pogledom na proteklu godinu. Ceci se raspričao o kvantnoj fizici. “Ove je godine izraelsko-japanska grupa znanstvenika napravila pokus kojim su po ne znam više koji put pokazali da prava priroda… hm,… prirode zaista takva kakvu predviđa kvantna fizika. Službeno se to zove kvantno sprezanje, iako sve više fizičara koristi meni puno simpatičniji naziv – kvantna zapetljanost. Možda zato što je sve povezano s kvantnom fizikom zaista zapetljano. U kvantnoj fizici je normalno da predmeti budu istovremeno na dva mjesta. Ili da prolaze kroz zidove. Bez kvantne fizike ne bi bilo tranzistora, čipova, računala ni Interneta. I danas ona otvara nova područja tehnološkog razvoja, od tajne komunikacije koja se ne može presresti ni dešifrirati, do kvantnih računala koja bi mogla lako otkriti sve šifre koje danas koristimo, i to upravo korištenjem ovog njezinog najčudnovatijeg svojstva – kvantne zapetljanosti”, objašnjava popularni fizičar.

Osvrnuo se i na dobitnike ovogodišnjeg Nobela. “Kvantna fizika bila je i tema ovogodišnje Nobelove nagrade za fiziku. Podijelili su je Arthur Ashkin, Gérard Mourou i Donna Strickland. Donna Strickland je za svoj doktorat 1985. godine smislila metodu kojom se mogu stvarati jako intenzivne i kratkotrajne laserske zrake, a da laser pritom ne uništi sam sebe. Laser je uređaj kojim se stvara jako pojačana svjetlost korištenjem kvantnog fenomena koji nazivamo stimulirana emisija. Zamislimo nogometne navijače koji se kod kuće uzbuđeno pripremaju za odlazak na važnu utakmicu koja se igra u njihovom gradu. Neki planiraju krenuti ranije, a neki kasnije. No kad u nekom trenutku ispred njihovih domova prolazi velika grupa navijača pjevajući navijačke pjesme, ovi ih čuju, siđu na ulicu i pridruže im se.

Tako nešto događa se i u laseru. Tamo su uzbuđeni atomi u nekom plinu ili kristalu. Ti atomi u nekom trenutku, prije ili kasnije izbace foton, maleni komadić svjetlosti. Ti fotoni kad prolaze kraj uzbuđenih atoma, nekako ih potaknu da i oni ispuste svoje fotone. Ali samo ako su iste boje. Ako navijaju za isti klub. Ispuštanje fotona nazivamo emisija, a ovo je stimulirana emisija, jer jedni potaknu druge. Ako je navijača previše na malom prostoru, znamo da može nastati i neka materijalna šteta. Strickland je smislila trik kako da potakne navijače da to njihovo skupljanje duže traje i da ih nigdje putem nije previše na jednom mjestu. Na kraju se svi uspješno nađu u istom trenutku na gradskom stadionu i naprave super atmosferu.

Odlična stvar s ovogodišnjom Nobelovom nagradom za fiziku je da ju je konačno dobila znanstvenica. Prethodnu je dobila nuklearna fizičarka Marie Goeppert-Mayer davne 1963. godine, a prije nje još samo slavna Marie Skłodowska Curie 1903. godine. Nadam se da u budućnosti više neće biti zapostavljanja naših kolegica. Morat ćemo se više potruditi oko toga. Drago mi je i što je ovu nagradu dobila Strickland za otkriće koje je napravila kao doktorandica. Prečesto se događalo da doktorandi naprave otkriće, a nagrada ode samo njihovim mentorima. U ovom slučaju, ona i njezin mentor Gérard Mourou dijele je ravnopravno. Čini se da pušu neki novi dobri vjetrovi promjene.


Igor Rudan, profesor biomedicine: Napredak u metodi praćenja aktivnosti gena

Igor Rudan PIXSELL

Rudan, jedan od naših najuspješnijih i najcijenjenijih znanstvenika, na kraju 2018. izdvaja dva važna napretka koji će, kaže, imati velik utjecaj na znanost, odnosno biomedicinu u idućem desetljeću. Prema Rudanu, najveće zanimanje među znanstvenicima trenutno vlada za kombinacijom tri vrlo napredne istraživačke metode, kojima su stručnjaci prvi puta stekli mogućnost analize aktivnosti gena u velikom broju pojedinačnih stanica živih bića tijekom duljeg vremena. Pritom je ključna metoda sekvenciranje RNA molekule u pojedinačnim stanicama.

“Zahvaljujući njoj danas možemo pratiti kako se tijekom razvoja organizma iz prve stanice u stadij embrija, te zatim iz stadija embrija u potpuno razvijen organizam, pojedini geni u genskoj uputi svake pojedinačne stanice tijekom vremena “uključuju” i “isključuju”, tj. pokazuju li aktivnost ili ne. Ovaj bi prodor trebao s vremenom dovesti do znatno boljeg razumijevanja podloge barem nekih bolesti i poremećaja čije mehanizme danas ne razumijemo, a vjerojatno su posljedica poremećene aktivnosti pojedinih gena i njihovih proizvoda. Donekle povezano s tim prodorom je i još jedno otkriće koje bih izdvojio kao najzanimljivije u biomedicini, a to je prvo odobrenje lijeka temeljenog na načelu utišavanja akivnosti gena, tzv. “RNA-interferenciji”. Prediviđa se kako će tijekom idućih godina za sve veći broj bolesti uzrokovanih poremećajem u aktivnosti nekog specifičnog gena biti moguće razviti ovakve lijekove, koji specifično djeluju na aktivnost gena s poremećenom funkcijom”, objašnjava Rudan.


Anđela Šarić, kemičarka: uspješna primjena umjetne inteligencije

Vrhunska hrvatska kemičarka prošle je godine postala stipendistica jedne od najuglednijih znanstvenih institucija svijeta Britanskog kraljevskog društva (Royal Society). Šarić za Telegram kao najzanimljiviji napredak u 2018. navodi “primjenu umjetne inteligencije na fundamentalna znanstvena pitanja”.

“Dobar primjer je algoritam baziran na umjetnoj inteligenciji koji razvija Google DeepMind kompanija. Deepmind je lani predstavio algoritam koji je, recimo, pobijedio najbolje svjetske igrače u igrici Go, šahu ili nekim kompjuterskim igrama. Ove godine su svoju ekspertizu u umjetnoj inteligenciji okrenuli i prema tvrdokornim fundamentalnim problemima u znanosti, te razvijaju algoritam za predviđanje trodimenzionalnog oblika proteina. Predviđanje oblika, tj 3D strukture proteina je sveti gral biokemije i strukturalne biologije već nekoliko desetljeća, i važno je za razumijevanje rada stanice, kao i za razumijevanje razvoja niza bolesti, poput Azlheimerove i Parkinsonove.

Dva puta godišnje održava se natjecanje na kojem računalni znanstvenici pomoću svojih algoritama predviđaju strukture koje su eksperimentalno poznate, ali nisu još objavljenje. Ove godine je DeepMind uključio i svoj algoritam u natjecanje i uvjerljivo pobijedio, najbolje predvidjevši 25 od 43 strukture, dok je drugoplasirana grupa najbolje predvidjela samo 3. Iako su vodeći, oni naravno nisu jedini, i sve više grupa u svijetu uključuje umjetnu inteligenciju u svoja istraživanja. Mislim da je to lijep primjer kako iskoristiti veliku količinu podataka koje su znanstvenici desetljećima skupljali. Očekujem da će sličan pristup biti primijenjen na niz drugih teških problema u znanosti, od predviđanja svojstava materijala i dizajniranja novih materijala, do razumijevanja mehanizama bolesti i medicinske dijagnostike.


Janoš Terzić, genetičar: sekvenciranje stanica

Janoš Terzić Vjekoslav Skledar

Profesor na splitskom Medicinskom fakultetu slaže se s kolegom Rudanom: “Mislim da je najbolje što je u temeljnoj biomedicini napravljeno u 2018. godini tzv. sekvenciranje pojedinačnih stanica. Fascinantna je mogućnost mjerenja aktivnosti svih gena, u velikom broju pojedinačnih stanica odjednom. Na temelju tako izmjerene genske aktivnosti moguće je stanice međusobno razlikovati i pratiti što se s njima zbiva. Na primjer, u jetri se (tako je sa svim tkivima) osim jetrenih stanica (hepatocita) nalaze i brojne druge stanice poput stanica koje proždiru mikroorganizme (tzv. Kupfferove stanice), stanica koje grade žučne kanaliće, zvjezdolikih stanica, stanica krvnih žila, različitih imunoloških stanica, stanica vezivnog tkiva itd.

Ova metoda omogućuje da se razdvoje pojedine vrste stanica i da se vidi koje su primarno zahvaćene nekim procesom ili kako se mijenjaju dok bolest napreduje – npr. u hepatitisu C, tijekom jetrene ciroze ili raka jetre. Ova će tehnoloija omogućiti mnoga temeljna otkrića koje će donijeti nove dijagnostičke mogućnosti te će dovesiti do boljih terapija. Ili će omogućiti da bolje upoznamo naš normalan razvoj ili starenje. Iako je tehnologija prisutna više godina, tek je ove godine pokazala pravi potencijal pojedinačnim mjerenjem aktivnosti gena u 8000 stanica vinske mušice ili 50.000 stanica crvića (C. elegans). Bit će vrlo uzbudljivo vidjeti što će nam ta tehnologija donijeti u neposrednoj budućnosti”.


Sanja Josef Golubić, fizičarka: Nobelova nagrada ženi i istraživanje opstruktivna apneje

Sanja Josef Golubić Vjekoslav Skledar

Josef Golubić na prvom mjestu “iz perspektive žene, znanstvenice i fizičarke”, izdvaja, kao i Ceci, činjenicu da je nakon 55 godina Nobelovu nagradu iz fizike osvojila žena. U nastavku opisuje dva otkrića koja smatra najuzbudljivijima; prvo je “otkriće genetskog mehanizma kojim se objašnjava postojanje negativnog rhesus faktora koji obilježava krvnu grupu 15 posto svjetske populacije”, a drugo je vezano uz apneju. “Neuroznanstvenici sa Sveučilišta u Sydneyju ove godine su uspjeli identificirati promjene u strukturi mozga kod osoba s dijagnozom opstruktivne apneje koje se podudaraju sa strukturnim promjenama u temporalnim dijelovima korteksa koje obilježavaju i rane stadije demencije. Opstruktivnu apneju karakteriziraju epizode djelomičnog ili potpunog zatvaranja gornjih dišnih putova za vrijeme spavanja, što dovodi do prestanka disanja za oko 10 sekundi i posljedično do smanjene razine kisika u krvi. Studija sugerira da smanjena razina kisika u krvi može biti vezana uz reduciranje debljine korteksa u području temporalnih režnjeva, smanjenje sposobnosti učenja i usporavanje kognitivnih funkcija. Profesor Naismith i njegova grupa predlažu preventivne preglede starijih osoba kako bi se što ranije ustanovila opstruktivna apneja kao biljeg ranog stadija demencije. Liječenje opstruktivne apneje, moglo bi usporiti razvoj, a možda i zaustaviti simptome demencije”.


Marin Soljačić, fizičar i inženjer elektrotehnike: Umjetna inteligencija AlphaZero

Marin Soljačić PIXSELL

Fizičaru Marinu Soljačiću, predavaču na uglednom američkom sveučilištu MIT (Massachusetts Institute of Technology ), najinteresantnije dostignuće u 2018. godini je kompjuter AlphaZero. Soljačić napominje da je prva verzija rada objavljena 2017. godine, ali je nakon dopuna i prepravaka rad izašao prije nekoliko tjedana u časopisu Science. Kompjuter je čovjeka u šahu pobijedio još 1996., a u drevnoj kineskoj igri Go 2015. godine, ali su oba kompjutera, naročito onaj za šah bili jako dugi programi koje su napisali vrhunski stručnjaci u kompjuterima i šahu, nakon desetljeća istraživanja šahovskih algoritama.

AlphaZero sam sebe uči
Za razliku od toga, AlphaZero gotovo uopće nije programiran. Jednostavno, rekli su umjetnoj inteligenciji da igra šah sam protiv sebe i tako sam nauči šah. Nakon puno odigranih partija šaha, kompjuter je sam sebe naučio igrati šah ne samo bolje od većine ljudi, nego bolje čak i od vrhunskih šahovskih programa i to unutar 24 sata. Znači, umjetna inteligencija je sama sebe naučila bolje igrati šah nego što su ju najbolji svjetski programeri mogli naučiti.

Zatim je ista ta umjetna inteligencija naučila sama sebe igrati Go, također unutar 24 sata, i pobijedila najbolji program za igranje Go. I konačno, navodi Soljačić, ista umjetna inteligencija je sama sebe naučila igrati Shogi, tzv. “Japanski šah” i ponovno pobijedila najbolji program za Shogi. “Po meni je to jako bitan simbolički korak za umjetnu inteligenciju, jer je kompjuter sam sebe naučio, skoro od nule toliko komplicirane igre kao sto su šah, Go i Shogi.”


Đurđica Ugarković, genetičarka: isti prinos uz manji utrošak vode

Đurđica Ugarković PIXSELL

Osim što je redovita profesorica PMF-a u Zagrebu, Ugarković je i znanstvena savjetnica Instituta Ruđer Bošković, na zavodu za molekularnu biologiju. “U području genetike u 2018. izdvojila bih otkriće genetičke modifikacije koja omogućuje biljkama da se uz utrošak vode 25 posto manji nego što je uobičajeno razvijaju normalno i rastu te daju visoke prinose. Radi se o modifikaciji samo jednog gena koji kodira protein Psbs važan za proces fotosinteze. Protein Psbs regulira otvaranje pora na listovima, a povećanje količine ovog proteina u genetički modificiranoj biljci potiče brže zatvaranje pora te omogućuje biljci da zadrži više vode. Pokusi su rađeni na duhanu, a smatra se da bi se na istom principu mogle modificirati i ostale biljke. Otkriće je važno obzirom na aktualne klimatske promjene koje uključuju porast temperature i manjak oborina što se jako odražava na prinose poljoprivrednih kultura. Stoga je važno modificirati biljke kako bi se što bolje mogle nositi s budućim promjenama u okolišu. Otkriće također razbija predrasude koje su vrlo često mogu čuti u javnosti o štetnosti genetički modificiranih organizama, pa čak i o potrebi njihove zabrane, te potvrđuje važnost tehnologije genetičkog inženjerstva za poljoprivredu. Otkriće je napravio istraživački tim sa Sveučilišta u Illinoisu u SAD-u, a objavljeno je u časopisu Nature Communications”.


Davor Mance, inženjer elektrotehnike: razvijanje, slijetanje i upravljanje InSight-a

Davor Mance Nova TV/screenshot

Za inženjera elektrotehnike – elektronike sa Švicarskog instituta za tehnologiju Davora Mancea najvažnije znanstveno dostignuće ove godine bilo je slijetanje InSight-a, NASA-inog projekta u kojem i sam sudjeluje. Mance napominje da se radi o “kulminaciji uloženog rada kroz čitav niz godina”. InSight lander je na Mars, objašnjava, donio dva instrumenta, seizmometar (SEIS) za detekciju potresa i penetrator (HP 3 ) za podzemno mjerenje temperature. Mance objašnjava da je najkritičniji uređaj seizmometra tzv. Elektronička Kutija (E-Box) koja upravlja cijelim seizmometrom, prikuplja podatke od senzora i komunicira s glavnim računalom na landeru. Nakon slijetanja radi na dnevnom praćenju ispravnosti elektronike. Trenutno je projekt u kritičnoj fazi provjere seizmometra prije njegove formalne predaje na upotrebu znanstvenicima negdje u ožujku sljedeće godine. Ovo je Manceu bila druga misija koja je uspješno lansirana te je došla na konačni cilj. “Bez obzira na to što na zemlji vršimo mnogo stroža testiranja, nikad se ne može garantirati da se dogodi nešto nepredviđeno. InSight prolazi kroz jako polje kozmičkog zračenja što može onesposobiti elektroniku. Naravno da je slijetanje najkritičnija faza misije, puna strepnje hoće li se automatski proces spuštanja odviti planirano ili ne. Najteže je bilo na samom kraju. Tad su sekunde dugo trajale i posebno je bilo stresno kad se malo oduljila potvrda uspješnog spuštanja na tlo, barem se meni tako učinilo. Nakon konačnog dolaska signala s Landera ‘stigao sam kući’, nastala je prava erupcija oduševljenja, olakšanje i sreća da smo konačno došli na Mars u jednom komadu.”, priča Mance.


Kristian Vlahoviček, molekularni biolog: genetski modificirane bebe

Kristian Vlahoviček foto: Saša Ćetković

Ova je godina bila prepuna znanstvenih dostignuća u području molekularne biologije i biomedicine pa je doista teško izdvojiti samo jedno, govori Vlahoviček, redoviti profesor na Zavodu za molekularnu biologiju PMF-a u Zagrebu. “Među najvažnija postignuća svakako spadaju istraživanja u području imunoterapije tumora, gdje se programiranjem vlastitih limfocita da pronalaze i ubijaju stanice tumora stvara izuzetno moćna artiljerija za borbu s raznim oblicima raka. Iako već neko vrijeme poznata, imunoterapija je osim svoje cijene i dosta riskantna zbog vrlo opasnih nuspojava koje se dešavaju kad se imunosni sustav prejako aktivira i praktički cijelo tijelo pošalje u stanje akutne upale, što može završiti fatalno. No, znanstvenici su ove godine otkrili mehanizme putem kojih se ovakav akutni odgovor organizma događa, što znači da se mogu početi stvarati lijekovi koji bi se davali usporedo s imunoterapijom, a koji bi ju učinili puno podnošljivijom i manje opasnom.

Također, ove godine dolazimo do sve više spoznaja o međusobnoj interakciji našeg probavnog sustava i mozga, koji izgleda da su vrlo usko povezani, pa tako crijeva mogu u puno većoj mjeri nego što je do sad bilo poznato, utjecati na funkcije mozga. Ovaj utjecaj je uvelike ovisan o sastavu crijevnih bakterija, za koje postoji sve više informacija da nisu samo usputni suputnici u našim organizmima, već imaju ogromnu ulogu u našem zdravlju, kako imunološkom, tako i mentalnom.

No, jedna je stvar definitivno najviše odjeknula u medijima – informacija da su na svijet dovedene prve ljudske bebe kojima je laboratorijskim uvjetima promijenjena genetička informacija. Korištenjem sustava CRISPR-Cas, svojevrsnih “molekularnih škara”, kineski je znanstvenik u zametnim stanicama dvije djevojčice uklonio gen koji omogućava infekciju čovjeka virusom HIV i učinio ih otpornima na infekciju i razvoj AIDS-a. Ovaj je postupak po prvi puta proveden na ljudskim zametcima koji su dovedeni do kraja trudnoće i time je učinjen veliki iskorak u još nedefinirano etičko područje. Uz ogromni potencijal u liječenju teških gnetičkih bolesti, postoje i opasnosti da bi ova tehnologija mogla uzrokovati još jedno raslojavanje društva, i stoga je izuzetno važno da joj se pristupi bez zabrana ali s vrlo velikom transparentnošću.”

Rosa Karlić, molekularna biologinja: kombiniranje umjetne inteligencije

Rosa Karlić foto: Saša Ćetković

Karlić se bavi istraživanjem mehanizama nastanka tumora na temelju bioinformatičke analize velikog broja eksperimentalnih podataka, pa izdvaja jedno od područja koje prati – razvoj naprednih metoda strojnog učenja i upotreba takvih metoda u rješavanju kompleksnih problema. “Algoritmi strojnog učenja sve se učestalije koriste i u znanosti i medicini. Jedan od primjera za to je dijagnostika tumora pomoću tekuće biopsije, čiji je cilj analizom mutacija u malim količinama slobodno cirkulirajuće DNA koje tumori otpuštaju u krv pratiti razvoj bolesti i potencijalno dijagnosticirati nastanak tumora prije nego što se razviju ikakvi simptomi, što bi uvelike poboljšalo i dijagnostiku i odabir odgovarajućeg tretmana za svakog pojedinog pacijenta. No, iako je ova obećavajuća metoda predmet mnogih znanstvenih istraživanja u posljednjih nekoliko godina, ona još uvijek pati od određenih nedostataka.

Naime, zbog činjenice da se u krvi nalazi vrlo mala količina slobodno cirkulirajuće tumorske DNA, te da u određenim tipovima tumora još nije identificiran jednostavan set mutacija koje ga karakteriziraju, preciznost i osjetljivost tekuće biopsije moraju se dodatno poboljšati kako bi ovakve metode ušle u rutinsku kliničku primjenu. Da bi to postigli, znanstvenici sve češće koriste različite metode strojnog učenja, primjerice umjetne neuronske mreže, da bi istovremeno analizirali ogromne količine podataka iz velikog broja pacijenata te u njima otkrili obrasce koji im mogu pomoći da uspješno prepoznaju različite tipove tumora. Tako su primjerice početkom ove godine znanstvenici sa Sveučilišta Johns Hopkins razvili test kojim se iz krvi pacijenata na temelju genetskih mutacija i proteinskih biomarkera mogu otkriti znakovi osam različitih tipova tumora kod otprilike 70 posto analiziranih pacijenata. U studenom je objavljena studija u kojoj su znanstvenici kombinirali tekuću biopsiju sa strojnim učenjem da bi dijagnosticirali tumore, ali ovaj put ne na temelju mutacija u samoj tumorskoj DNA, već na temelju epigenetskih promjena, nasljednih promjena koje nisu uzrokovane promjenama u molekuli DNA. Biti će vrlo zanimljivo pratiti hoće li razvoj metoda strojnog učenja i dostupnost sve veće količine eksperimentalnih podataka dovesti do daljnjeg poboljšanja ovakvih dijagnostičkih metoda.”