پژوهشگران مرکز تحقیقات بیوشیمی-بیوفیزیک دانشگاه تهران موفق به شناسایی ساختار سه بعدی پروتئینهای نوین و بومی دو نوع ماهی از آبزیان دریای خزر شدند که گامی مهم در زمینه تحقیقاتی و علمی و شروع راهی با اهمیت در زمینه استفاده از تکنیک کریستالوگرافی ماکرومولکولی برای ایران است. آیا تا به حال درباره تکنیک کریستالوگرافی ماکرومولکولی […]
پژوهشگران مرکز تحقیقات بیوشیمی-بیوفیزیک دانشگاه تهران موفق به شناسایی ساختار سه بعدی پروتئینهای نوین و بومی دو نوع ماهی از آبزیان دریای خزر شدند که گامی مهم در زمینه تحقیقاتی و علمی و شروع راهی با اهمیت در زمینه استفاده از تکنیک کریستالوگرافی ماکرومولکولی برای ایران است.
آیا تا به حال درباره تکنیک کریستالوگرافی ماکرومولکولی شنیدهاید؟ این تکنیک در تحقیقات مخصوصا برای به دست آوردن ساختار سه بعدی پروتئینهای نوین و بومی کاربرد دارد. کشورهای پیشرفته با استفاده از این روش اقدام به شناسایی ساختار سه بعدی پروتئینها کردهاند و در کشورمان نیز این تحقیقات با پشتیبانی صندوق حمایت از پژوهشگران و فناوران معاونت علمی و فناوری ریاست جمهوری توسط متخصصان در مرکز تحقیقات بیوشیمی-بیوفیزیک دانشگاه تهران انجام شد.
این پژوهشگران موفق شدند ساختار سه بعدی پروتئین هموگلوبین ماهی ایرانی در دریای خزر را بدست آورند.
عارفه سادات سید عربی مجری این طرح پژوهشی بیان کرد: تلاش برای بدست آوردن ساختار سه بعدی هموگلوبین دو ماهی ایرانی در دریای خزر، به دست محققان ایرانی، ارزش بسیاری دارد و نه تنها در زمینه تحقیقاتی و علمی گامی بزرگ و نوین است بلکه شروع راهی مهم و با اهمیت در زمینه استفاده از تکنیک کریستالوگرافی ماکرومولکولی برای ایران است. این پژوهشگر در ادامه درباره اهمیت دستیابی به ساختار سه بعدی پروتئین ماهی گفت: تحقیقات روی هموگلوبین ماهیها در مناطق و دریاهای مختلف جهان از اهمیت خاصی برخوردار است زیرا تفاوت میان آنها نشان از تاثیرات محیط دارد. در این پژوهش به دست آوردن ساختار سه بعدی هموگلوبین دو ماهی ایرانی در دریای خزر میتواند به یافتههای محققان ایرانی که در این راستا قدم بر داشتهاند کمک بسیار بزرگی کند، زیرا عملکرد متفاوتی که در هموگلوبین این ماهیها دیده میشود با علم ساختاری معنای بیشتری را در بر خواهد داشت. سیدعربی با اشاره به اینکه توالی پروتئین هموگلوبین ماهی دریای خزر تا کنون شناسایی نشده بود، گفت: هموگلوبین نقش مهمی در اکسیژن رسانی و دفع دی اکسید کربن دارد، بنابراین با شناخت این پروتئین میتوانیم بیماریهای مرتبط را شناسایی و برای درمان اقدام کنیم.
وی بیان کرد: این طرح میتواند در تولید ملی دانش کشور در تحقیقات و علوم ساختاری پروتئینهای نوین که در امراض و غیره نقش بسیار مهمی دارد، خیلی مؤثر باشد. همچنین میتواند باعث پیشرفت ملی شود تا ایرانیان بتوانند به یافتههای جدیدی برسند، با انجام این تحقیق نخستین قدم برای بومی سازی این فرآیند برداشته شد.
هوش مصنوعی به جنگ آفات و بیماریهای موز برمیخیزد
محققان آفریقایی اپلیکیشن جدیدی بر پایه هوش مصنوعی برای تلفن همراه ابداع کردهاند که به کشاورزان مزارع موز اجازه میدهد شیوع آفات و بیماریهای این میوه را شناسایی کرده و با آنها مبارزه کنند.
این اپلیکیشن جدید به گونهای طراحی شده که به صورت آفلاین و آنلاین با تلفن همراه قابل استفاده است؛ همچنین ادعا میشود که این اپلیکیشن با میانگین موفقیت ۹۰ درصدی کار میکند. موز با برداشت سالانه ۱۱۳ میلیون تن یکی از مهمترین محصولات جهان است، میلیونها نفر در مناطق گرمسیری به عنوان بخش مهمی از رژیم غذایی خود به موز وابسته هستند و با پرورش ۲۰ میلیون تن موز برای صادرات، این میوه یک کالای عمده کشاورزی محسوب میشود.
اکنون محققان سازمان Bioversity International در آفریقا از دسترسی روزافزون شبکههای تلفن هوشمند حتی در مناطق دور افتاده برای تولید یک برنامه هوش مصنوعی به نام Tumaini استفاده کردهاند؛ Tumaini به معنای امید در زبان سواحیلی است. کشاورزان با نصب این برنامه بر تلفن همراه و یا سایر دستگاههای متحرک، میتوانند شیوع آفات و بیماریها را در موز کنترل کنند. کشاورزان سراسر جهان از محصولات زراعی خود در برابر آفات و بیماریها دفاع میکنند اما دادههای بسیار کمی در مورد آفات و بیماریهای موز در کشورهای کمدرآمد وجود دارد؛ اکنون یک ابزار هوش مصنوعی مانند Tumaini با ارائه فرصتی برای بهبود نظارت بر محصولات زراعی و کنترل سریع آفات و بیماریها به کشاورزان کمک میکند که از اتلاف محصولات خود جلوگیری کنند. به گفته محققان، اپلیکیشن Tumaini مبتنی بر پیشرفتهای اخیر در فناوری شناسایی تصویر و یادگیری عمیق است. این اپلیکیشن از ۲۰ هزار تصویر بارگذاری شده از بیماریها و آفات موز برای یادگیری چگونگی شناسایی علائم خاص عفونت یا آلودگی و همچنین اقدامات لازم جهت مقابله با این مشکل استفاده میکند. همچنین Tumaini کاری فراتر از تمام سیستمهای تشخیصی قبلی رایانهای انجام میدهد و میتواند با نادیده گرفتن محیط پیرامون تنها بر قسمتهای مختلف گیاه تمرکز کند.