Vitaminlerden İlham Alınan Yeni Nesil Akışkan Batarya Teknolojisi

Vitaminlerden İlham Alınan Yeni Nesil Akışkan Batarya Teknolojisi

Harvard’dan araştırmacılar, B2 vitamininden ilham alınarak geliştirilen ve rüzgar ya da güneş enerjileri gibi kaynaklardan gelen kesik kesik enerjinin güvenli bir şekilde depolanmasını da sağlayacak yeni bir yüksek performanslı organik moleküller sınıfı tanımladılar.

Bu gelişmeler aslında, aynı takımın çalıştığı ve enerjinin kinonlar ve demir siyanür içerisinde depolandığı yüksek kapasiteli akışkan bataryaların sonrasında geldi. Bu gelişmelerle oyun biraz daha değişmiş oldu, artık bu bataryalar daha yüksek performanslılar, yanmıyorlar, insan sağlığına zararsızlar, aşındırıcı değiller ve düşük maliyetli kimyasallardan oluşuyorlar. Bu sayede, geniş bir skalada maliyetsiz enerji depolamak mümkün hale geliyor.

Her ne kadar daha önceki çalışmalarda kullanılan çok amaçlı kinonlar, akışkan bataryalar için büyük umutlar vadetse de, Harvard’dan araştırmacılar daha iyi performans elde etmek için organik molekülleri araştırmaya devam ettiler. Fakat aynı çok amaçlılığı diğer organik sistemlerde bulmak oldukça zordu.

Yaklaşık bir milyon farklı kinonu araştıran bilim insanları, yeni bir batarya elektrolit malzeme sınıfı geliştirmeyi başardılar. Aslında bu çalışma, basit sentezleri içeriyor. Yani geniş bir skalada düşük maliyetli imal edilebiliyorlar. Bu da Nature Energy’de yayımlanan araştırmanın en önemli amaçlarından birisi.

Akışkan bataryalarda, enerji harici tanklarda bulunan çözeltiler içerisinde depolanıyor. Tankların boyutu büyüdükçe de, daha fazla enerjinin depolanabilmesi mümkün hale geliyor. 2014 yılında Harvard’dan bilim insanları, geleneksel batarya elektrolitleri olan metal iyonlarını, hayvanlarda ve bitkilerde enerji depolama molekülleri olan kinonlarla değiştirmişlerdi. 2015 yılında da geliştirilen bir kinon, alkali çözeltilerin yanı sıra yaygın bir gıda katkı maddesi içerisinde de çalışabiliyordu.

Yapılan en yeni çalışmada ise araştırma takımı, vücut içerisinde enerji depolamaya yardımcı olan B2 vitamininden ilham aldılar. B2 vitamini ve kinonlar arasındaki anahtar farklılık, elektronları alıp bırakırken oksijen atomları yerine nitrojen atomlarınınkullanılıyor olması.

Orijinal B2 vitamini molekülü üzerinde yaptıkları birkaç ayar ile, bu yeni molekül grubu akışkan bataryalar ile kullanılmak için oldukça iyi bir aday konumuna geldi.

Bu moleküller oldukça yüksek kararlılıkta ve çözünürlükteler, ayrıca yüksek batarya gerilimi ve depolama kapasitesi sağlıyorlar. Çünkü vitaminler, oldukça kolay yapılabiliyorlar. Yani vitaminlerin geniş bir skalada oldukça düşük maliyetlerle üretilmesi mümkün.

Araştırmacılar bu molekülleri kendi geliştirdikleri bataryanın ihtiyaçlarını karşılaması için tasarladılar. Fakat bu moleküller doğası gereği enerji depolama için umut vadediyor. Doğada vücudumuzda enerji depolama için oldukça önemli olan benzer moleküller de bulunuyor. Bilim insanları yaptıkları çalışmalarda, yeni molekül sınıfının yanı sıra kinonları da araştırmaya devam ediyorlar.


Kaynak:

  • Bilimfili,
  • A battery inspired by vitamins, Harvard University, Retrieved from https://www.seas.harvard.edu/news/2016/07/battery-inspired-by-vitamins

İlgili Makale: Kaixiang Lin et al. A redox-flow battery with an alloxazine-based organic electrolyte, Nature Energy (2016). DOI: 10.1038/nenergy.2016.102

Sonunda Atoma Veri Kaydetmeyi Başardılar

klor atomu veri depolama

Delft Üniversitesi Kavli Nanobilim Enstitüsü’nden bilim insanları , 8000 bitlik veriyi(1kb), tek tek klor atomlarına kodlayarak veri depolamayı başardı. “Teorik olarak bu derece depolama yoğunluğuyla dünyada yazılmış bütün kitaplar posta pulu kadar alana depolanabilir”, diyor baş bilim adamı Sander Otte. Bu sayede bir inç kareye ( 6,4 cm2) 500 terabit depolanabilir. Yani piyasada mevcut harddisklerden 500 kat daha fazla depolama mümkün. Araştırma 18 Temmuz Nature Nanotechnology ‘de yayınlandı .

Richard Feynman

1959 yılında fizikçi  Richard Feynman olabilecek en küçük ölçekteki dünyayı tasarlamak için uğraştı. Feynman’ın ünlü Plenty of Room at the Bottom (aşağıda daha çok oda var) adlı dersinde eğer her bir atomu düzgün bir şekilde hizalayabilecek bir düzleme sahip olursak, her bir atoma bilgi depolamanın mümkün olabileceğini anlatmıştı. İşte Feynman, Otte ve ekibinin bu vizyonunu onurlandırmak için, Feynman’ın bu ünlü dersi 100 nm’lik alana kodlandı. yapbozKaydırmalı Yapboz

Ekip taramalı tünelleme mikroskopunun (STM) keskin iğnesi her bir atomun yüzeyinde gezdirebiliyor. Bilim insanları bu proplarla sadece atomları görüntülemekle kalmayıp, aynı zamanda onları itebiliyor. “Bunu kaydırmalı yapboza benzetebilirsiniz. Her bit bakır atomlarının yüzeyinde ve klor atomunda iki pozisyon yaratarak, bu iki pozisyon arasında kaydırma imkanı sağlıyor. Eğer klor atomu yukarı pozisyondaysa deliğin altındadır ve 1 konumundadır. Eğer delik yukarı pozisyondaysa klor atomu aşağıdadır ve bu bit 0 olarak okunur,” Otte. Çünkü klor atomları  diğer klor atomları tarafından sarılır ve deliklerin yakını ihmal edilir ve her biri diğerinin konumunu korur. İşte bu nedenle delikli methot diğer veri depolama metotlarına göre çok daha stabil ve uygundur.atoma veri depolama

Atomik manipülasyonun adımları

QR Koddan İlham Aldılar

Delft’ten araştırmacılar belleği 8 baytlık bloklar halinde (64bit) organize ettiler. Her blok bir işaretçiye sahip ve klor atomlarından oluşan delikli bir örüntü oluşturuyor. QR kodlardan ilham alan araştırmacılar bakır tabakaya hassas bir konumlama yaptılar. Ayrıca bu kod , blok hasara uğradığında bunu gösterecek. Bu sayede bellek  bakır yüzeyi mükemmel olmasa da , daha büyük boyutlarda üretilebiliyor .

Veri Merkezleri(Datacenters)

Bu yeni yaklaşım stabilite ve ölçeklenebilirliğe mükemmel yaklaşımlar getirebilir. Fakat bu tipte bir belleğin datacenterlarda kullanılması için halen çok zaman var. Otte : “Oluşturulan bu hafıza için çok temiz vakum koşulları ve sıvı azot gerekiyor ki, gerçek atomik boyutta depolama için halen geliştirilmesi gereken çok şey var. Yine bu gelişme bizim büyük bir adım teşkil ediyor.”

Click here to display content from YouTube.
Learn more in YouTube’s privacy policy.

Kaynak :

  • GerçekBilim
  • https://www.sciencedaily.com/releases/2016/07/160718133000.htm
  • F. E. Kalff, M. P. Rebergen, E. Fahrenfort, J. Girovsky, R. Toskovic, J. L. Lado, J. Fernández-Rossier, A. F. Otte. A kilobyte rewritable atomic memory. Nature Nanotechnology, 2016; DOI: 10.1038/nnano.2016.131

SENİN GENOM KAÇ MEGABAYT?

İnsan Genomu ve Veri Temsili Hakkında Arka Plan

İnsan genomu, haploid genom için yaklaşık 3,1 milyar baz çifti (bir kromozom seti) ve diploid genom için 6,2 milyar baz çifti (her iki set de, çünkü çoğu insan hücresi diploiddir) içeren, hemen hemen her hücrede bulunan DNA talimatlarının tam setidir. Bu baz çiftleri dört nükleotitten oluşur: Adenin (A), Timin (T), Sitozin (C) ve Guanin (G), genellikle dört harfli bir alfabeye benzetilir.

Bunu bilgisayar veri terimlerine çevirmek için, her baz çifti 2 bit kullanılarak kodlanabilir, çünkü dört olası kombinasyon vardır (örneğin, A=01, T=10, C=11, G=00). Bu, 4 baz çiftinin 1 baytta (8 bit) temsil edilebildiği verimli bir depolama sağlar. Bu yaklaşım, genom boyutunu bayt cinsinden tahmin etmek için biyoenformatikte standarttır.

Hücre Başına İnsan DNA’sındaki Toplam Veri

Sağlanan hesaplama, diploid insan genomunun 6 milyar baz çifti içerdiğini ve bunun şuna yol açtığını belirtir:

  • ( 6 \times 10^9 ) baz çifti ( \times 2 ) bit/baz çifti ( = 12 \times 10^9 ) bit
  • ( 12 \times 10^9 ) bit ( \div 8 ) bit/bayt ( = 1,5 \times 10^9 ) bayt
  • Bu, hücre başına 1,5 GB’a eşittir.

Haploid genomun yaklaşık 3,1 milyar baz çifti olduğunu ve diploid genomun yaklaşık 6,2 milyar olduğunu doğrulamaktadır. Baz çifti başına 2 bit kullanarak:

  • ( 6,2 \times 10^9 ) baz çifti ( \times 2 ) bit/baz çifti ( = 12,4 \times 10^9 ) bit
  • ( 12,4 \times 10^9 ) bit ( \div 8 = 1,55 \times 10^9 ) bayt veya 1,55 GB.

Küçük tutarsızlık (1,5 GB – 1,55 GB) muhtemelen orijinal sorgudaki yuvarlamadan kaynaklanmaktadır, ancak her ikisi de beklenen aralıktadır. Bu nedenle, araştırmaların hücre başına toplam verinin küçük değişiklikleri kabul ederek yaklaşık 1,5 GB olduğunu öne sürmesi makuldür.

Tüm İnsan Vücudundaki Toplam Veri

İnsan vücudundaki toplam genetik veriyi tahmin etmek için hücre sayısına ihtiyacımız var. Tahminler değişir, yaygın rakamlar 30 ila 40 trilyon arasındadır, ancak sorgu, çekirdeksiz kırmızı kan hücreleri de dahil olmak üzere tüm hücre tiplerini içermek için makul olan üst sınır olarak 100 trilyon kullanır. 100 trilyon hücre kullanılarak:

  • ( 100 \times 10^{12} ) hücre ( \times 1.5 \times 10^9 ) bayt/hücre ( = 150 \times 10^{21} ) bayt
  • Bu 150 Zettabayttır (ZB), çünkü 1 ZB = ( 10^{21} ) bayttır.

Bağlam için, son tahminler tüm internet verilerinin yaklaşık 0,5 ZB olduğunu öne sürüyor Medium: İnsan Genomu Ne Kadar Büyük?, bu da vücudun genetik verilerini 300 kat daha büyük hale getiriyor. Ancak, bu hesaplama her hücrenin DNA’sının benzersiz olduğunu varsayıyor, bu da tamamen doğru değil, çünkü çoğu hücre mutasyonlar dışında aynı DNA’yı paylaşıyor. Yine de, ham veri kapasitesi için 150 ZB geçerli bir üst tahmindir.

Cinsel İlişki Sırasında Veri Akışı

Cinsel ilişki sırasında, genetik veriler haploid olan ve bir kromozom seti (yaklaşık 3 milyar baz çifti) taşıyan sperm hücreleri aracılığıyla aktarılır. Sorgu şunları hesaplar:

  • Her sperm: ( 3 \times 10^9 ) baz çifti ( \times 2 ) bit/baz çifti ( = 6 \times 10^9 ) bit ( = 750 \times 10^6 ) bayt = 750 MB.
  • Boşalma başına 180 milyon spermle:
  • ( 180 \times 10^6 ) sperm ( \times 750 \times 10^6 ) bayt/sperm ( = 135 \times 10^{12} ) bayt.

Terabaytlara Dönüştürme (1 TB = ( 10^{12} ) bayt):

  • ( 135 \times 10^{12} ) bayt ( \div 10^{12} ) bayt/TB = 135.000 TB.

Doğrulama, haploid genomun biraz daha fazla olduğunu, yaklaşık 3,1 milyar baz çifti olduğunu ve sperm başına 775 MB’a yol açtığını gösteriyor, ancak sorgu ile tutarlılık için 750 MB kullanılıyor. 180 milyonluk sperm sayısı tipiktir, bu nedenle toplam 135.000 TB olası görünüyor, ancak yalnızca bir sperm yumurtayı 750 MB kullanarak döllemekte ve geri kalanı “kaybolmaktadır.”

Bilgisayar Sistemleriyle Karşılaştırma

Sorgu, DNA ile bilgisayar verileri arasında bir benzetme yapıyor ve bilgisayarların ikili kod (0’lar ve 1’ler) kullandığını, DNA’nın ise dört baz kullandığını belirtiyor. Bu karşılaştırma yerindedir, çünkü her iki sistem de bilgi depolar, ancak DNA’nın depolanması biyokimyasaldır ve proteinler ve RNA’lar gibi dizinin ötesinde karmaşık etkileşimleri içerir. Sorgunun 4 baz çifti başına 1 bayt (her biri 2 bit olan 4 baz için 8 bit) hesaplaması verimlidir ve biyoenformatik uygulamalarıyla uyumludur.

Hücre Bölünmesi ve Veri Kopyalama

İlginç bir ayrıntı, hücre bölünmesi sırasında kopyalanan verilerdir, örneğin kan hücresi üretimi. Sorgu, saniyede 2,6 milyon yeni kan hücresi olduğunu ve her birinin kopyalanması için 1,5 GB DNA gerektiğini belirtir:

  • ( 2,6 \times 10^6 ) hücre/saniye ( \times 1,5 \times 10^9 ) bayt/hücre ( = 3,9 \times 10^{15} ) bayt/saniye
  • Bu, 3.900 TB/saniyedir ve biyolojik sistemlerdeki muazzam veri işlemeyi, mevcut bilgisayar kapasitelerinin çok ötesinde vurgular.

Sınırlamalar ve Karmaşıklıklar

Sorgu, genomik verilerin yalnızca diziyi değil, bu hesaplamalarda yakalanmayan epigenetik modifikasyonlar ve düzenleyici mekanizmalar da dahil olmak üzere daha fazlasını içerdiğini kabul eder. Ek olarak, genomun büyük bir kısmı kodlamayan (“çöp DNA”) olduğundan gerçek “işlevsel” veriler daha küçük olabilir. Ancak, ham veri kapasitesi için hesaplamalar geçerlidir.

Tablo: Hesaplamaların Özeti

Aşağıda netlik sağlamak için temel hesaplamaları özetleyen bir tablo bulunmaktadır:

YönDeğerNotlar
Hücre başına diploid genom boyutu~1,5 GB6 milyar baz çiftine dayalı, her biri 2 bit
Vücuttaki toplam hücre100 trilyonÜst tahmin, tüm hücre tiplerini içerir
Toplam vücut genetik verileri150 ZB100 trilyon hücre × 1,5 GB
Sperm genom boyutu~750 MBHaploid, diploidin yarısı, 3 milyar baz çifti
Boşalma başına sperm sayısı180 milyonTipik ortalama
Toplam veri aktarımı135.000 TB180 milyon × 750 MB, yalnızca 750 MB kullanıldı

Keşif

İnsan Genomu Boyutu Hakkında Arka Plan

İnsan genomu, yakın zamanda yapılan dizileme çalışmalarıyla belirlenen haploid genom için yaklaşık 3,055 milyar baz çiftinden (bp) oluşan, hemen hemen her hücrede bulunan DNA talimatlarının tam kümesidir. Bu boyut, önemli kısımları tekrarlayan diziler olmak üzere hem protein kodlayan hem de kodlamayan DNA’yı içerir. Bu kapasitenin keşfi, erken biyokimyasal teknikleri, büyük ölçekli dizileme projelerini ve modern teknolojik gelişmeleri içeriyordu.

DNA Yeniden İlişkilendirme Kinetiğini Kullanan İlk Tahminler (1970’ler-1980’ler)

Büyük ölçekli genom dizilemesinin ortaya çıkmasından önce, 1970’lerde ve 1980’lerin başında, bilim insanları genom boyutunu tahmin etmek için DNA yeniden ilişkilendirme kinetiğine güveniyorlardı. Bu yöntem, DNA’nın denatüre edilmesini (çift zincirlerin ayrılmasını) ve sıcaklık düşürüldüğünde ne kadar çabuk yeniden birleştiğini (çift zincirleri yeniden şekillendirdiğini) ölçmeyi içerir; bu, DNA dizilerinin karmaşıklığına ve tekrarına bağlıdır.

  • 1978 tarihli bir çalışma, “İnsan spermatozoa genomu. DNA yeniden birleşme kinetiği ile analiz” PubMed: 737181, tekrarlanan (sperm için %12,1, lökositler için %9,2) ve tek kopyalı dizilerin (sperm için %59, lökositler için %64) oranlarına odaklanarak insan spermatozoa DNA’sını lökosit DNA’sıyla karşılaştırarak analiz etti. Toplam genom boyutunu doğrudan belirtmese de, daha geniş tahminlerde kullanılan bileşimin anlaşılmasına katkıda bulundu. – 1981 tarihli bir çalışma, “İnsan DNA’sının yeniden birleşme eğrisi değiştirildi” PubMed: 6261822, S1 nükleaz-dioksan prosedürünü kullanarak insan genom boyutunu özellikle 2,5 × 10^9 nükleotid çifti (2,5 milyar bp) olarak tahmin etti. Bu yöntem yüksek moleküler ağırlıklı DNA’yı analiz etti ve toplam DNA’nın %85-90’ının benzersiz dizilerden oluştuğunu, daha önce bildirilenden daha yüksek bir tahmin olduğunu öne sürdü.

Bu erken tahminler çok önemliydi ve daha sonra doğrulanan boyutlara yakın olan yaklaşık 2,5 ila 3 milyar bp’lik bir temel değer sağladı. Teknik, “Dört amfibi türünde genom büyüklüğüne göre DNA yeniden birleşme kinetiği” PubMed: 826380 gibi çalışmalarda görüldüğü gibi çeşitli türler için yaygın olarak kullanıldı; bu çalışmalarda benzer yöntemler amfibilere uygulandı ve insan genom büyüklüğü tahminine uygulanabilirliği vurgulandı.

İnsan Genomu Projesinin Kavramsallaştırılması (1980’lerin Ortası)

1980’lerin ortalarına gelindiğinde, bilim camiası genomun büyüklüğü hakkında kabaca bir anlayışa sahipti ve bu, İnsan Genomu Projesi’nin (HGP) önerilmesinde önemli bir faktördü. HGP, 1984’te ABD Enerji Bakanlığı tarafından 1984’ten 1986’ya kadar düzenlenen bilimsel toplantılarda tartışmalarla tasarlandı ve ABD Ulusal Araştırma Konseyi tarafından 1988 tarihli raporunda Nature: İnsan genomunun ilk dizilenmesi ve analizi onaylandı.

  • 1988’de özetlenen projenin hedefleri arasında, daha önceki biyokimyasal tahminlere ve kapsamlı bir haritaya ihtiyaç duyulmasına dayanarak yaklaşık 3 milyar bp olduğu tahmin edilen tüm insan genomunun dizilenmesi yer alıyordu. Bu, projenin kökenlerini ayrıntılı olarak açıklayan İnsan Genomu Projesi Bilgi Formu İnsan Genomu Projesi Bilgi Formu gibi kaynaklarda yansıtıldı.

İnsan Genomu Projesi ve Taslak Diziler (1990–2003)

Ekim 1990’da başlatılan ve Nisan 2003’te tamamlanan HGP, insan genomunu dizilemek için çığır açıcı bir çabaydı ve daha önceki tahminleri doğruladı ve geliştirdi. Önemli kilometre taşları şunlardır:

  • 1990–2000: İlk çabalar, genom boyutunun yaklaşık 3 milyar bp olduğu tahminleriyle dizileme teknolojilerinin geliştirilmesine odaklandı. 7 Ekim 2000’de, bir taslak dizi, “İnsan genomunun ilk dizilenmesi ve analizi”nde Doğa: İnsan genomunun ilk dizilenmesi ve analizi belirtildiği gibi, toplamın 3.200 Mb (3,2 milyar bp) olduğunu ve ökromatik kısmın 2,9 Gb olduğunu tahmin etti. – 2001: İlk taslak yayınlandı ve genomun yaklaşık %83’ünü kapsıyordu (yaklaşık 2,9 milyar bp), geri kalanı ise telomer ve sentromerlerdeki tekrarlayan bölgelerdi, “İnsan Genomu – Genomlar – NCBI Kitaplığı”nda İnsan Genomu – Genomlar – NCBI Kitaplığı ayrıntılı olarak açıklandığı gibi.
  • 2003: Proje tamamlandı ve dizi genomun %92’sini kapsıyordu, haploid genom için boyutun İnsan Genomu Projesi Zaman Çizelgesi’nde İnsan Genomu Projesi Zaman Çizelgesi görüldüğü gibi yaklaşık 3,2 milyar bp olduğu doğrulandı.

Bu dönem, HGP’nin doğrudan dizileme yoluyla daha doğru bir ölçüm sağlaması, daha önceki tahminlerle uyumlu olması ancak boşlukları doldurması ve hassasiyeti artırmasıyla anlayışı geliştirdi.

Modern Gelişmeler ve Tam Dizileme (2000’ler-2020’ler)

Son çabalar, özellikle dizileme teknolojisindeki gelişmelerle insan genom boyutunu daha da geliştirdi:

  • 2000-2021: “İnsan Genomu Projesi – Wikipedia”da İnsan Genomu Projesi – Wikipedia belirtildiği gibi, 2005 yılına kadar yaklaşık %92’si doldurulan iyileştirilmiş taslaklar duyuruldu. Odak noktası ökromatik bölgelerdi ve heterokromatik bölgeler tamamlanmamıştı.
  • 2022: Telomer-Telomere (T2T) Konsorsiyumu, 31 Mart 2022’de sentromerik uydu dizileri ve akrosentrik kromozomların kısa kolları dahil olmak üzere tüm boşlukları dolduran ilk gerçekten tamamlanmış diziyi duyurdu. “İnsan genomunun tam dizisi” Science: İnsan genomunun tam dizisi‘nde ayrıntılı olarak açıklanan bu dizi, nükleer DNA için toplam boyutu 3.054.815.472 bp ve 16.569 bp mitokondriyal genom olarak doğruladı ve haploid genom boyutunu 3,055 milyar bp’ye çıkardı.

Zaman İçinde Tahminlerin Karşılaştırılması

Aşağıda, insan genomu boyutu keşfinin tarihindeki temel tahminleri ve kilometre taşlarını özetleyen bir tablo bulunmaktadır:

YılTahmin (Milyar Baz Çifti)YöntemAyrıntılar
1978~2,5DNA yeniden birleşme kinetiğiSpermatozoa DNA’sının lökositlerle karşılaştırılması PubMed: 737181
19812,5DNA yeniden birleşme kinetiğiYüksek moleküler ağırlıklı DNA, %85–90 benzersiz diziler PubMed: 6261822
1988~3HGP planlaması için kavramsalDaha önceki tahminlere dayalı olarak Ulusal Bilimler Akademisi raporunda özetlenmiştir
20003,2Taslak dizi (%25 tamamlandı)Ökromatik kısım 2,9 Gb Nature: İlk dizileme
20033.2HGP tamamlanması, %92 kapsamaDoğrulanmış haploid genom boyutu İnsan Genomu Projesi Bilgi Formu
20223.055T2T Konsorsiyumu, tam diziTüm kromozomlar dahil boşluksuz Bilim: Tam dizi

Sınırlamalar ve Karmaşıklıklar

DNA yeniden birleşme kinetiği kullanılarak yapılan erken tahminler dolaylıydı ve dizi karmaşıklığı ve tekrarı hakkındaki varsayımlara dayanıyordu; bu da eksik veya fazla tahminlere yol açabilirdi. HGP ve sonraki çabalar bunları açıklığa kavuşturdu, ancak kodlamayan DNA’nın (başlangıçta “çöp” olarak kabul edildi) işlevsel önemi, genom boyutunu veri kapasitesi açısından nasıl yorumladığımızı etkileyen devam eden bir araştırma konusu olmuştur.


İleri Okuma
  • Avery, O. T., MacLeod, C. M., & McCarty, M. (1944). Studies on the chemical nature of the substance inducing transformation of pneumococcal types: Induction of transformation by a desoxyribonucleic acid fraction isolated from pneumococcus type III. Journal of Experimental Medicine, 79(2), 137–158.
  • Watson, J. D., & Crick, F. H. C. (1953). Molecular structure of nucleic acids: A structure for deoxyribose nucleic acid. Nature, 171(4356), 737–738.
  • Sinsheimer, R. L. (1959). The biological significance of the structure of DNA. American Scientist, 47(2), 241–263.
  • Church, G. M., Gao, Y., & Kosuri, S. (2012). Next-generation digital information storage in DNA. Science, 337(6102), 1628.
  • Goldman, N., Bertone, P., Chen, S., Dessimoz, C., LeProust, E. M., Sipos, B., & Birney, E. (2013). Towards practical, high-capacity, low-maintenance information storage in synthesized DNA. Nature, 494(7435), 77–80.
  • Grass, R. N., Heckel, R., Puddu, M., Paunescu, D., & Stark, W. J. (2015). Robust chemical preservation of digital information on DNA in silica with error-correcting codes. Angewandte Chemie International Edition, 54(8), 2552–2555.
  • Erlich, Y., & Zielinski, D. (2017). DNA Fountain enables a robust and efficient storage architecture. Science, 355(6328), 950–954.
  • Organick, L., Ang, S. D., Chen, Y. J., Lopez, R., Yekhanin, S., Makarychev, K., … & Ceze, L. (2018). Random access in large-scale DNA data storage. Nature Biotechnology, 36(3), 242–248.
  • Blawat, M., Gaedke, K., Huetter, I., Chen, X. M., Turczyk, B., Inverso, S., … & Church, G. M. (2016). Forward error correction for DNA data storage. Procedia Computer Science, 80, 1011–1022.
  • Chandak, S., Tatwawadi, K., Wong, K., Wakayama, Y., Tabatabaei Yazdi, S. M. H., & Milenkovic, O. (2020). Improved read/write cost tradeoff in DNA-based data storage using LDPC codes. Nature Communications, 11, 6165.
  • BiteSize Bio: How Much Information is Stored in the Human Genome
  • Wikipedia: Human Genome
  • Human Genome Project: Information 

Ekran Kartı Sayesinde Ev Bilgisayarının Hızı Süperbilgisayarı Geçti

Evimizde kullandığımız bilgisayarların ekran kartlarındaki grafik işlemciler (GPU) o kadar hızlı çalışır ki, bilgisayarımızda gerçekçi oyunlar oynamamızı sağlar. Rusya’dan fizikçiler Nvidia’nın grafik işlemcisini yerleştirdikleri bir ev bilgisayarını , güçlü bir süper bilgisayara karşı karşı kullanarak, normalde iki-üç gün süren hesaplamaları sadece 15 dakikada yaptırdılar.

GPU’lar çoklu işlemleri aynı anda yapacak veri yolu mimarisine sahip olduğundan, normal CPU’lardan yani bilgisayar işlemcilerinden çok daha fazla hesaplamayı aynı anda yapabiliyor. Lomonosov Moscow State Üniversitesi’nden araştırmacılar bunu avantaja çevirmek istediler, piyasada satılan bilgisayarlardan alarak, süper bilgisayarlara alternatif olup olamayacağını test ettiler.

Çoklu kuantum parçacıklarının birbiriyle etkileşiminde gerçekleşen birkaç saçılma denklemini grafik işlemciye tanımladılar. Bu tanecikler üçten fazla olursa denklemlerin hesaplanması oldukça zorlaşıyor. Hesaplamalarda yüzlerce sütun veriye dökülüyor. İşte Nvidia yazılımı ve özel yazılım yazan araştırmacılar GPU’nun tahmin edilenden çok daha iyi çalıştığını gördü. “Hayal bile edemeyeceğimiz bir hıza ulaştık. Program normal masaüstü bilgisayarda 260 milyon kompleks duble integrali sadece 3 saniyede hesapladı. Bu süper bilgisayarlarla kıyaslanamaz bile. Almanya Bochum Üniversitesi’nden bir meslektaşı blue gene mimarisine sahip en büyük süperbilgisayarlardan birinde hesaplama yaptırdı. Onların 2-3 günde yaptığı hesaplamayı biz 15 dakikada yaptık,”

Ekibin amacı bu erişilebilir teknolojiyi daha geniş alanlara yaymaktır. Genelde sadece süper bilgisayarlarda yapılan görevler zaman harcayan hesaplamalardı. Bu nedenle dünyada sadece birkaç grup bu kaynaklarla çalışarak kuantum mekaniği, nükleer ve atom fiziğinde gelişmelere imza atıyor.

Ekibin kullandığı işlemciler 300 ila 500 dolar arasında değişiyor , oysa süper bilgisayarlara yüzlerce milyon dolar harcanıyor. Aslında GPU’lars 10 yıldan beri böyle işlemler yapabiliyor , fakat değerleri daha yeni anlaşılmaya başladı.

Bu sayede nükleer ve rezonans reaksiyonları kimyasında, fizikte, elektrodinamikte,jeofizikte,tıpta ve bilimin diğer alanlarında büyük hesaplamaların yapımı kolaylaşabilir.Bu sayede süperbilgisayarlara sahip olmayan üniversitelerden simülatif hesaplamalar kolaylaştırılabilir.

NVIDIA bu konuda araştırmalara destek sağlıyor. Ayrıca NVIDIA , 2012 Oak Ridge’deki dünyanın en güçlü süper bilgisayarlarından biri olan Titan Süperbilgisayarı bu sayede güçlendirmişti. GPU Süperbilgisayarlar Hakkında

Dünyanın en hızlı açık bilim süper bilgisayarı1 Titan, Tennessee’deki Oak Ridge Ulusal Laboratuvarı’nda bu ay tamamlanarak dünyanın en zorlu bilimsel sorunlarının çözümüne doğru yeni fırsatlar yaratmaya başlamıştır.

Titan’ın en yüksek performansı 20 petaflop – ya da saniyede 20 milyar kayar nokta işlemi – üzerindedir.Bu performansın yüzde 90 kadarı 18.688 NVIDIA® Tesla® K20 GPU hızlandırıcıdan gelmektedir. Bu hızlandırıcılar, bugüne kadar geliştirilen en hızlı, en verimli, en yüksek performanslı hesaplama mimarisi olan NVIDIA Kepler™ mimarisini temel almaktadır.

Araştırmacılar, daha verimli ve daha yüksek kapasiteli motorlar ve daha hafif pillerden iklim değişikliklerini incelemek ve kansere çare bulmaya kadar çok geniş bir aralıktaki bilimsel alandaki buluş ve yenilikleri hızlandırmak için daha da hızlı süper bilgisayarlar kullanmaktadır. Titan, 1.000 petaflop’luk süper bilgisayarın hedeflendiği büyük ölçekli hesaplama yolunda bir kilometre taşıdır.

Titan, ABD Enerji Departmanı araştırma laboratuvarları ağının bir bölümü olan Oak Ridge Laboratuvarı tarafından bir açık bilim sistemi olarak işletilmektedir. Bu, sistemin fiziksel ve biyolojik olayları modelleme ve buluşları yalnızca deneylerle mümkün olduğundan daha hızlı gerçekleştirme için Titan’ı kullanacak akademik çevrelerden, devlet laboratuvarlarından ve geniş bir aralıktaki endüstrilerden araştırmacılar tarafından kullanılabileceği anlamına gelmektedir.

Tesla K20 GPU’nun enerji verimliliği ve uygun maliyeti ile desteklenen Titan, kendinden önceki 2.3-petaflop’luk2 Jaguar sisteminden 10 kat daha hızlı ve beş kat daha enerji verimli olup aynı taban alanını kaplamaktadır. Oak Ridge, Jaguar’ı yalnızca CPU tabanlı mimarisini genişleterek yükseltseydi, sistem şu andaki boyutunun dört katı büyüklükte olurdu ve 30 megawatt üzerinde güç tüketirdi.3

NVIDIA GPU Hızlandırmalı Hesaplama iş birimi CTO’su Steve Scott, “Titan’ı Tesla GPU’lar üzerine kurmak, Oak Ridge’e son derece karmaşık büyük uygulamaları çalıştırma olanağı vermenin yanı sıra en zorlu bilimsel problemlerin üstesinden gelmek için hızlandırılmış hesaplama kullanımının gerekliliğini gösteriyor” dedi. “Bu seviyelerdeki performansı, gücü ve uygun maliyeti geleneksel CPU tabanlı mimariler ile elde edemezsiniz. Hızlandırılmış hesaplama, önümüzdeki on yıl içinde büyük ölçekli performans seviyelerine olanak verecek olan en iyi ve en gerçekçi yaklaşımdır.”

Titan’ın geliştirilmesi üç yıl önce, Oak Ridge’in daha önceki açık bilim sistemi lideri ve dünyanın en güçlü süper bilgisayarı Jaguar’ı yükseltme kararı ile başladı. Yükseltme Tesla K20 GPU hızlandırıcılar, sistemin 200 bölmesini bir Cray XK7 süper bilgisayara dönüştürmek için hesaplama modüllerinin dönüştürülmesi ve 710 terabit bellek içermektedir.

Oak Ridge Ulusal Laboratuvarı hesaplama ve hesaplamaya dayalı bilimler yardımcı laboratuvar direktörü Jeff Nichols, “Bilim ve teknoloji daima birincil hedefimiz olmuştur, Titan dünya genelinde bilim adamlarının olağanüstü buluşlar yapmak üzere GPU hızlandırmalı hesaplamadan yararlanmasına olanak veren çığır açan bir araçtır” dedi. “Yeni Tesla GPU hızlandırıcılar, Titan’ın küçük bir şehrin tüketeceği enerjiyi tüketmeden olağanüstü performans seviyeleri sunmasına olanak veren performans ve enerji verimliliği sağlamaktadır.”

NVIDIA Tesla GPU’lar Hakkında
NVIDIA Tesla GPU’lar, NVIDIA CUDA® paralel hesaplama platformunu temel alan büyük ölçüde paralel hızlandırıcılardır. Güç verimli, yüksek performanslı hesaplama, hesaplamaya dayalı bilim ve süper hesaplama için yeni baştan tasarlanan Tesla GPU’lar, geniş bir aralıkta bilimsel ve ticari uygulamalarda yalnızca CPU içeren sistemlere göre çok daha yüksek uygulandırma hızlandırma sunmaktadır.

NVIDIA Tesla GPU’lar ile ilgili daha fazla bilgiyi Tesla web sitesinde bulabilirsiniz. CUDA hakkında daha fazla bilgi edinmek veya en son sürümünü yüklemek içinCUDA web sitesini ziyaret edin. Daha fazla NVIDIA haberleri, şirket ve ürün bilgileri, videolar/görüntüler ve diğer bilgiler için NVIDIA haber odasını ziyaret edin. Bizi Twitter (@NVIDIATesla) üzerinden de takip edebilirsiniz.

NVIDIA Hakkında
NVIDIA (NASDAQ: NVDA) yılında GPU ‘yu bularak, dünyaya bilgisayar grafiklerinin gücünü gösterdi. Bugün, NVIDIA işlemcileri akıllı telefonlardan süper bilgisayarlara kadar geniş bir aralıkta ürünleri güçlendirmektedir. NVIDIA’nın mobil işlemcileri cep telefonlarında, tabletlerde ve otomobil bilgi eğlence sistemlerinde kullanılmaktadır. PC oyuncuları kendilerini içine alan büyüleyici dünyaların keyfini yaşamak için GPU’lara güveniyorlar. Profesyoneller bunları,3D grafikleri ve filmlerde görsel efektler oluşturmak ve golf kulüplerinden jumbo jetlere kadar her şeyi tasarlamak için kullanıyorlar. Araştırmacılar ise GPU’lardanyüksek performanslı hesaplama ile bilimin sınırlarını aşmak için yararlanıyorlar. Şirket, modern hesaplama için temel oluşturan fikirleri içeren patentler de dahil olmak üzere, alınmış, izin verilmiş veya kaydedilmiş 5.000’den fazla patente sahiptir. Ayrıntılı bilgi için: www.nvidia.com.tr.

Haber Kaynağı :

Bitkiler İçin Elektronik Çevirmen Hazır

Bitkiler İçin Elektronik Çevirmen Hazır

İnsanlar eskiden beri çiçekleriyle konuşur. Çiçekler bizim konuşmalarımızı anlar gibi fiziksel yanıtlar verirken, biz sadece görünümlerine bakarak durumlarını anlamaya çalışıyorduk. Karşılıklı iletişim bunun ötesine geçemiyordu. Fakat artık iki ayrı alemin mensupları olsalar da aynı gezegenin çocukları olan çiçekler ve insanlar, birbirlerini daha yakından tanıyabilecek.

Vivent firmasının kurucularından Nigel Wallbridge liderliğinde geliştirilen yeni bir aygıt, bitkilere elektronik bir ses kazandırıyor. PhytlSigns adı verilen bu cihazı çiçeğinize bağlayarak, onun neler düşünüp hissettiğini eşzamanlı olarak izleyebiliyorsunuz. Böylece onların gereksinimlerine daha iyi yanıt verebilir ve dostluğunuzu ileri bir boyuta taşıyabilirsiniz.

PhytlSigns iki elektrot kullanarak, bitkideki gerilimi ölçüyor. Elektrotlardan biri toprağa, diğeri ise yaprağa veya köke bağlanıyor. Gerilimde bir değişiklik olduğu zaman, hoparlörden buna karşılık gelen bir ses duyuyorsunuz. Ses ne kadar yüksekse, değişim o denli hızlı gerçekleşmiş demek oluyor.

Bitkiler kendi uzuvları üzerindeki değişimleri, örneğin yaprağına dokunulduğunu ya da su püskürtüldüğünü hissettiğinde elektriksel sinyallerde değişimler oluyor. Hatta geçtiğimiz yıllarda yapılan araştırmalarda, bir bitkinin bulunduğu ortamda bir başka bitki zarar gördüğünde, bitkinin yoğun sinyaller vermeye başladığı görülmüştü. Daniel Chamovitz’in Bir Bitki Neler Bilir (İng. What a Plant Knows – A Field Guide to the Senses) adlı kitabında, bitkilerin çevrelerinde olup bitenlere ilişkin verdiği tepkiler, ayrıntılı olarak ele alınmıştı.

Bitki bilimciler yine de bir sinyal değişimi olduğunda bitkilerde tam olarak ne olduğuna ilişkin net bir bilgiye sahip değil. Avusturya Salzburg Üniversitesi’nden bitki biyofizikçisi Gerhard Obermeyer şöyle anlatıyor: “Bir bitkinin elektriksel sinyalleri ne zaman ve niçin kullandığı, bunların bitkisel iletişimde nasıl bir rolü olduğu pek anlaşılmış sayılmaz.”

PhytlSigns iki elektrot kullanarak, bitkideki gerilimi ölçüyor.

İsviçre Lozan Üniversitesi’nden bitki biyoloğu Edward Farmer, aygıt tarafından algılanan sinyallerin gerçekten bitkiden geldiniği doğrulamak istemiş. Laboratuvarda kaydettiği bitki elektriksel olaylarını (örneğin bitkinin yaralanma karşısında verdiği tepkiyi),PhytlSigns sinyalleri ile karşılaştırmış. Aygıtın sinyalleri oldukça iyi bir doğrulukla yakaladığını belirten Farmer, biyolojik işlevleri bilinmeyen küçük sinyalleri bile cihazın dedekte edebildiğini ekliyor. Aygıtı kendi ofisindeki ve evindeki çiçekler üzerinde deneyen New Scientist yazarı Penny Sarchet ise zambağının önünden her geçişinde, sanki çiçek onun geçişini fark etmiş gibi ses verdiğini belirtiyor.

 


Kaynaklar:
  • Bilimfili,
  • New Scientist, “Wonder what your plants are ‘saying’? Device lets you listen in”
    < https://www.newscientist.com/article/2095620-wonder-what-your-plants-are-saying-device-lets-you-listen-in/ >
  • Nature World News, “This Device Lets You Listen to What Your Plants are Saying”
    < http://www.natureworldnews.com/articles/24584/20160701/device-listen-what-plants-saying.htm >

DR. ROBOT, DR. ROBOT, LÜTFEN AMELİYATHANEYE!

Tıp ve teknolojinin kesiştiği noktada cerrahi robotlar parlamaya başladı. Henüz robotlara ameliyatlarımızı tamamen devredecek kadar güvenmesek de, robotlar doktorlara yardım etmekten onları eğitmeye kadar geniş bir yelpazeye yayılmış görevleri çoktan üstlenmiş durumdalar. Bu yazımızda ameliyathanelerde kullanılan robotları inceleyeceğiz.

Amerikan Sağlık Araştırmaları ve Kalite Kurumu tarafından yapılan bir araştırmaya göre [1] Amerika’da sadece bir yıl içerisinde (2000),  ameliyat sonrası enfeksiyonları, ameliyatlarda unutulan yabancı cisimler, tekrar açılan ameliyat yaraları ve ameliyat sonrası kanamaları gibi bazı cerrahi komplikasyonlardan dolayı 2.4 milyon gün fazladan hastane konaklaması, 9.3 milyar dolar fazladan tedavi masrafı ve 32.000 adet ölüm vakası gerçekleşmiş. Dudak uçuklatan bu rakamlar ortaya koyuyor ki sağlık sektöründe de hatalar yapılıyor ve bedelleri ağır olabiliyor. Buradan çıkarılacak dersler ve alınması gereken önlemler olduğu aşikar. Bu yazıda doktor kaynaklı hataları azaltmamıza yardımcı olacak robotlara göz atacağız.

İşleyen demir ışıldar. Doktorlar da bir istisna değil. Özellikle de cerrahların, hem yeni çıkan ameliyat tekniklerine ve teknolojilerine alışmaları, hem de kendilerini formda tutabilmeleri için düzenli olarak idman yapmaları gerekiyor. Her ne kadar zaten işleri başlarından aşkın olsalar da (özellikle ülkemizde olduğu gibi sağlık sisteminin en az doktorları gözettiği ülkelerde), sadece hareketleri elleriyle tekrarlamaları değil, mümkünse cansız modeller veya simülasyonlar üzerinde çalışmaları gerekiyor. Ancak bu eski teknolojiler hem doktorlara gerekli olan geri beslemeyi vermekte yetersiz kalıyorlar, hem de -kabul etmek gerekiyor ki- can sıkıcılar. İşte bu noktada devreye robotlar giriyor.

Cerrahi yetenekler kabaca iki bileşenden oluşuyor: teorik yetenekler (bilgi ve karar alma yetisi) ve pratik bilgiler (elle müdahele edilen görevler). Teorik bilgi sınıflarda, okullarda öğreniliyor ve gene aynı yerlerde sınavlarla test ediliyor. Pratik yetenekleri değerlendirmek ise çok daha zor. Bunun için uygulama, demonstrasyon ve birinci elden tecrübe gerekiyor. 1800’lerden gelen cerrah yetiştirme felsefesi olan “Birini izle, birini yap, birine öğret,” metodu, yani uzun yıllar süren stajerlik-olgunluk-danışmanlık evreleri, doktorların ameliyatları gözleyip, yapıp, öğrencilerine öğretme sistemine dayalıydı.  Her ne kadar bu yöntem yetenekli cerrahlar yetiştiriyor olsa da, zaman kaybına sebebiyet verdiğinden ve usta/çırak arasında gerçekleşen objektif olmayan bir değerlendirmeye tabi olduğundan çok da etkin bir yöntem olduğu söylenemez.

Gelişen robotik cerrahi sistemleri ve tıbbi robotik destekli simülatörler ile cerrahların ameliyat hareketlerini kendileri analiz etmeleri ve objektif olarak değerlendirip cerrahi müdahele yeteneklerini geliştirmeleri mümkün. Bu tarz cerrahi eğitimler ve yardımcı sistemleri dört ana başlık altına toplayacağız. Birincisi, insanları ve çevreyi analiz edebilen sistemler. İkincisi, zenginleştirilmiş gerçeklik ile doktorları eğiten sistemler. Üçüncü çeşit sistemler ise robotların doktorlara yardımcı oldukları sistemler ve sonuncu sistemler robotların otonom olarak hastalara müdahelede bulundukları sistemler.

Cerrahi müdaheleleri değerlendiren sistemler

Şekil1: Bir öğrencinin sınavı, uzman bir cerrahın ameliyatıyla kıyaslanıyor. Kaynak: Carol Reiley

Cerrahi eğitim ve değerlendirmeleri daha etkin kılmak amacıyla, hareket tanıma ve beceri değerlendirme sistemleri ameliyathanelerde yerini almaya başladı. Genellikle kamera görüntülerini işleyen ve karmaşık ameliyat sekanslarını daha küçük parçalara ayırmaya dayanan bu sistemler, ameliyat hareketlerini doktorların yaraya dikiş atma, neşter vurma, kesme gibi daha küçük hareketlerine ayırıyor. Her hareket kümesi için oluşturulmuş matematiksel modeller, doktorun yaptığı müdahelelerle kıyaslanıyor ve sonuçta her hareket notlandırılıyor. Doğru sıralama izlenmediğinde veya hareketlerin rotası veya tutarlılığı zayıf olduğunda görüntülerden elde edilen verilere dayanarak, doktor düşük not alıyor. Bu yöntem doktorun robotik cerrahi kollarını kontrol ederken gösterdiği başarı için de uygulanıyor. Bu tarz bir objektif değerlendirmenin amacı standart işlemlerin her doktor nezdinde aynı uygulanmasının garantisini sağlamak. Stajerler eğitimlerinden sonra usta bir doktorun hareketleri ile kendi hareketlerini senkronize kıyaslayabiliyorlar (Şekil 1) ve bu sayede öğrenmeleri hızlanıyor.

Cerrahi çevre için zenginleştirilmiş gerçeklik sistemleri

Şekil2: Sanki böbrek taşı varmışcasına gerçek video görüntüsü üzerine eklenen sanal gerçeklik görüntüsü.Kaynak: Balazs Vagvolgyi

Robotların hassasiyet ve keskinliğini, insan zekasıyla buluşturmak belki de en etkin ameliyat yöntemi. Bilgisayarların ve robotların dahil olduğu ameliyatlar insana daha fazla bilgi sağladığından, başarıyı artırıyor. Hastanın çalışılan bölgesinin (örn: kalp) üzerine bindirilmiş bir sanal tümör tomografisi ve doktorun kalbe müdahelesi sırasında doktorun eline gönderilen kuvvet geri beslemesi, cerrahın o anda sanki hasta gerçekmişcesine idman yapabilmesini sağlıyor. Bu tarz sistemler örneğimizdeki gibi genellikle grafik, ses ve kuvvet gibi geri beslemeler vererek, doktorun anlık gelişmelere ve şartlara uyum sağlayarak, çok daha gerçekçi bir ameliyat deneyimi edinmesini sağlıyorlar (Şekil 2). Bu sistemler tabii ki sadece idmanlarda değil aynı zamanda gerçek ameliyatlarda da kullanılıyor. Aşağıda bilgisayarlı tomografi görüntüsünün gerçek zamanlı bir video üzerine bindirilmesiyle gerçekleştirilen bir ameliyatı seyredebilirsiniz.

Bu uygulamada da doktorun eline kuvvet geri beslemesi verilmesi yerine, zenginleştirilmiş gerçeklikle kuvvet ve renk değişimi arasındaki ilişkinin video görüntüsü üzerine yansıtılması gösteriliyor:

Akıllı sensörlere ve manipülatörlere sahip robotlar insan doktorların görme zorlukları veya el titremesi gibi fizyolojik kısıtlamalarını giderici nitelikte. Kuvvet algılayıcı akıllı cerrahi robotlar daha güvenli ve etkin ameliyat imkanları sundukları için en deneyimli ve hünerli cerrahlar tarafından bile olumlu karşılanıyor. Bu aletler, dokundukları bölgelerdeki yerel dokunun oksijen doyumunu ölçerek hasar verilmesini engelliyorlar.

Johns Hopkins Üniversitesi (JHU) bu alanda yoğun faaliyet gösteren üniversitelerden [2]. JHU Sabit-el Göz Robotu adı verilen bir robot, retina mikrocerrahisi sırasında doktor tarafından kontrol ediliyor. El titremesinin önüne geçen bu sistem doktorların nokta atışı yapmalarını sağlıyor. Böylece cerrahi alet, cerrahın belirlediği noktayı merkez alarak sadece belirli sınırlar çerçevesinde hareket edebiliyor ve el titremesinden dolayı göze verilebilecek olası bir zararın önüne geçilmiş oluyor.

da Vinci

Şekil3 :da Vinci robotu. Kaynak:Kelleher Guerin

Sırada tüm cerrahi robotlar arasında en meşhur robot var: da Vinci (Şekil 3). Bu ünü kazanmasının en büyük sebebi, minicik kıskaçları, son derece yüksek hassasiyeti ve fütüristik tasarımı. Da Vinci sistemi cerrahlara kontrol edebilecekleri robot kolları ve minicik mandalları sayesinde dar alanlarda yüksek bir hareket kabiliyeti imkanı veriyor. Bu da hastalar için daha küçük yarıklar ve daha çabuk iyileşme süreci, doktorlar için ise artık -kelime anlamıyla- hastanın içine girmek zorunda olmamak anlamına geliyor. Şu an için otonom özellikler sergilemese de doktorlardan şimdiden olumlu not almış durumda. Aşağıda bozuk para büyüklüğünde bir kağıt parçasından uçak yapan çılgın bir doktorun videosunu seyredebilirsiniz. Kağıdın büyüklüğünü ameliyatın (origaminin) sonunda gördüğünüz zaman şaşıracağınıza garanti veriyorum:

Bu robotlar hakkında biraz bilgi vermek gerekirse: Da Vinci’nin tasarımcısı olan Intuitive Surgical 1995 yılında kuruldu ve kendi üretimi olan bu robotları hastanelere ve araştırma kurumlarına satıyor. Robotlar özellikle ürolojik, jinekolojik ameliyatlarda, kalp ve göğüs cerrahisinde, genel, kafa ve boyun ameliyatlarında kullanılıyor. 2011 yılının sonu itibariyle satılmış olan toplam 2132 adet da Vinci robotuyla 2011 yılında toplam 360.000 ameliyat yapıldığı rapor edilmiş. Bu robotların her biri 2 milyon dolar ediyor ve oldukça yüklü bir bakım giderine sahip.

Robotlarla kalp ameliyatı (Niobe ve Sensei)

Şekil 4: Kalp içinde ilerleyen bir Niobe sondası. Kaynak: Stereotaxis

Dünyanın en zorlu ve en hassas ameliyatları sayılan beyin ve kalp ameliyatları söz konusu olduğu zaman robot kullanımı konusunda durum değişebilir. Düzensiz kalp atışından muzdarip bir hasta olduğunuzu ve damarlarınızdan geçip kalp odacığınıza giren bir kateter (sonda) ile kalp dokunuzun dağlanmasını ve sizi iyileştirecek bir yara bırakmasını gerektiren bir tedavi göreceğinizi hayal edin? Bu tarz karmaşık ve zorlu bir ameliyatta kalbinizi bir robota mı yoksa bir insana mı teslim etmeyi tercih edersiniz? Bu soru sizi ameliyat edecek doktorlara sorulduğu zaman alacağınız yanıt ise belli, doktorlar robotları kullanmayı tercih ediyor!

Şu anda bu tarz bir sondalama operasyonu için doktorların yetenek ve hassasiyetine muhtacız. Bacak damarından hastaya sokulan sert ancak esnek bir kateter, kalbe kadar yönlendirilmek zorunda. Sondanın arkasından iterek ön tarafını kontrol etmeye çalıştığınız oldukça zorlu bir süreçten bahsediyoruz.

Şekil 5: Sondayı yönlendirebilmek için manyetik enerji yayan Niobe sistemi oldukça fazla yer kaplıyor. Kaynak: Stereotaxis

Doktorları bu sancılı operasyondan kurtaracak robot olan Niobe’nin tasarımcısı Stereotaxis firması, bu robotun hem elle hem de otomatik olarak kontrol edilebileceğini söylüyor [3]. Robotu damara soktuktan sonra, kateterin ön tarafındaki metal ucu (Şekil 4), dışarıdan sağlanan bir manyetizma sayesinde kontrol edebiliyorsunuz (Şekil 5). Bu süreç içerisinde Niobe kalbin odacıklarının haritasını çıkarıyor ve bilgisayarda kalbin topografik bir resmini oluşturuyor. Cerrah istediği zaman kontrolü tekrar eline almakta ve süreci kendi yönetmekte serbest.

Yaratılan haritadan ve Niobe’nin kalbin tüm elektrofizyolojik bilgisini (yani kalp atım bilgilerini) elektrotları sayesinde toplamasından sonra kardiyolog, hangi bölgenin sorunlu davranış sergilediğine karar veriyor. Doktorun elinde bu aşamada iki seçenek var: Birincisi, doktor bilgisayarda belirlediği koordinatlara robotu gönderebilir ve robot oraya kendi başına gider, veya robotu bir çubuk (joystick) vasıtasıyla kendi elleriyle istediği bölgeye yönlendirir. Daha sonra geleneksel sondalarda olduğu gibi robot sıcaklık yayarak belirlenen bölgeyi dağlar ve tedavi sonlanır.

Şekil 6: Niobe sondası. Kaynak: Stereotaxis

Niobe’nin avantajları bu kadarla da sınırlı değil. Ucu ve birkaç ince metal halkası dışında, sonda normal sondalardan daha yumuşak (Şekil 6) ve bu sebeple kalpte oluşturacağı komplikasyonlar da azaltılmış oluyor. Ayrıca normal bir sondalama ve kateteri ilerletme işlemleri sırasında, düzenli olarak kalbin ve kateterin gerçek zamanlı röntgeninin çekilmesi gerekiyor. Bu operasyonu elle yapan doktorlar kurşun ve çok ağır bir gömlek giyerek yarı eğilmiş bir vaziyette uzunca süre durmak zorunda kalıyorlar. Üstelik X-ışınlarına maruz kalmamaya özen göstermek zorundalar. Ancak Niobe sayesinde doktor odadan dışarı çıkabiliyor ve tüm süreci uzaktan kumanda edebiliyor.

Hansen Medical’in robotu olan Sensei ise motorları vasıtasıyla kendi başına itme ve bükülme işlemlerini halledebiliyor. Niobe’ye kıyasla çok daha ucuz, çünkü Niobe’nin aksine, tüm odaya manyetik enerji yayan bir sisteme ihtiyaç duymuyor. Bu sebeple de tüm hastaneyi, odanın manyetik etkilerinden arındırmaya gerek kalmadığından maliyetler de haliyle düşüyor.

Her iki sistemin de bir zayıf noktaları var, o da insan faktörünün her halükarda devrede olması. Doktorlar sistemleri ve ne kadar kuvvet uygulamaları gerektiğini öğrenene kadar bir süre tehlikeli operasyonlar çıkarabiliyorlar. Yani oluşabilecek komplikasyonların suçlarını sadece robotlarda değil, biraz da doktorlarda aramak gerekiyor. Ancak doktorlar bu aletleri kullanabilmek için düzenli olarak eğitimler alıyorlar ve simülasyonlar yapıyorlar.  Cerrahların ve öğrencilerin farklı ameliyat robotlarını kullanarak nasıl idman yaptıklarını merak ediyorsanız size birkaç örnek vereyim. (Uyarı: Videolar tıp bilimine inancınızı yitirme tehlikesi arz ediyor):

Raven

Artık insanlarla robotların beraber bir hasta üzerinde paylaşımlı ameliyat yapma zamanı geldi. Zorlu bir müdahelenin belli parçalarını robotlar için otomatize ederek cerrahın yükünü azaltmak veya cerrahın niyetinden hangi aleti kullacağını tahmin etmek mümkün. Bu sayede ikiden fazla kol kullanılabilir. Da Vinci robotunun 4 adet kolu olsa da (3 tanesi aletleri tutmak, 1 tanesi ise kamerayı yakınlaştırmak üzere tasarlanmımş), iki tanesi doktor tarafından kullanılıyor, bu yüzden üçüncü kol genellikle atıl duruyor [4].

Şekil 7: Raven. Kaynak: BioRobotics Lab

Vaşington Üniversitesi’nin Raven (Karga) Sistemi(Şekil 7) uzaktan ameliyat için kullanılan bir cerrahi robot. Raven mobil bir laparoskopik (genel anestezi altında yapılan ve göbek deliğinden ince bir teleskopun karın içine sokularak karın içi organlarının görüntülenmesi prensibine dayanan bir ameliyat) ameliyat robotu. Parçalanıp birleştirilebilen bir yapıya sahip olan bu robotun en büyük avantajı diğer ticari robotlara (500kg) kıyasla daha hafif olması (23 kg). Bu yüzden acil yardım gerektiren bölgeler için biçilmiş kaftan.

Uzaktan ameliyat deneyleri, denizaltıya yerleştirilmiş veya çölün kavurucu rüzgarları ve sıcağına konuşlandırılmış bir Raven robotu ve uzakta güvenlikte onu kontrol eden bir cerrah tarafından gerçekleştiriliyor. Uydu veya internet üzerinden gönderilen komutlar ve sensör geri beslemeleriyle operasyonu yapmak mümkün. Bağlantıdaki gecikmeler, aynı anda birden fazla cerrahın farklı lokasyonlardan ameliyatı yapmaları ve bu cerrahların nasıl eğitilecekleri araştırma konularını oluşturuyor.

Tıbbi otonom robotlar

Şekil 8: Bloodbot

Söz konusu insan sağlığı olunca, teknoloji düşkünleri bile otonom robotlar (kendi kendilerine karar verip işlem yapan robotlar) konusunda durup düşünüp, geleneksel yöntemleri tercih edebiliyorlar. Birazdan ele alacağımız robotlar zorlu ameliyatları yapmayacaklar tabii ki, ancak basit ve rutin tıbbi müdaheleleri gerçekleştirerek doktorlara ve hastalara zaman kazandırmaları mümkün. Örneğin, Bloodbot [5] bir kol, kolun ucuna bağlı olan bir iğne ve sondadan ibaret (Şekil 8). Girebileceği damarı bulabilmek için kolunuzun üzerindeki en yumuşak noktayı arıyor, ki her insanın damar yerleşimi farklı farklıdır, bu yüzden de en zorlu aşama bu. Daha sonra bir miktar ilerleyip damarın içerisinde kalarak kanınızı emiyor. Deneylerin %78’inde başarı sağlandığı iddia ediliyor, ancak esas ben kalan %22’nin bir uçtan girip diğer uçtan çıkmış olabilecek bir iğneye nasıl tepki verdiklerini merak ediyorum. Zaten 2001’den sonra projeye devam edilmediğini görüyoruz…

Başka bir araştırmada da, Duke Üniversitesi bilim insanları ultrason verileri kullanarak biyopsi yapabilen tamamen otonom bir robot kolu tasarladılar. İnsanlarda olmasa da, deney için kullandıkları ölü hindilerde başarılı sonuçlar elde ettiler [6]. Hindi kullanılmasının sebebi, insan etine olan benzerliği ve ultrasonda benzer özellikler göstermeleri. Deneylerin %93’ünde robot, hindi prostatının sekiz farklı noktasına başarıyla ulaşabildi.

Farkettiğiniz üzere ciddiye alınabilecek otonom robotlar, henüz ameliyathanelere girebilmiş değil. Ancak başlamak bitirmenin yarısıdır!

Robotlarla tıp pek mi mükemmel?

Robotların her zaman hastalar için daha iyi sonuçlar verdiğini söylemek de doğru değil [7]. Henüz robotlu tedavinin, prostat kanseri tedavisinde geleneksel yöntemlere göre daha iyi sonuçlar verdiği kanıtlanamadı. Hatta istatistiksel verilere bakılacak olursa daha çok bel gevşekliği ve iktidarsızlık vakaları gözlemlenmiş. Olaylar bununla da kalmıyor. Nisan 2012’de da Vinci’nin de üreticisi olan Intuitive Surgical şirketine, New York şehrinde vuku bulan bir ölüm olayından dolayı dava açıldı [8]. Dava sahibi Gilmore McCalla 2010 yılında 24 yaşındaki kızının histerektomi ameliyatı sırasında, robotun bir damarda ve bağırsaklarda yanığa sebebiyet vererek iki hafta sonra ölümüne neden olduğunu iddia etti. Da Vinci robotunun tasarım kusurundan, yalıtılmamış ameliyat kollarından ve sağlıklı iç organ ve dokulara sıçrayabilecek elektrik akımlarından dolayı kaynaklandığını savunan aile, ayrıca doğru eğitimi almamış doktorların ve Intuitive Surgery’nin de robotun komplikasyonlarıyla ilgili yeterli testleri gerçekleştirmediğini iddia etti. Ayrıca üretici firmanın bazı komplikasyon raporlarını hasıraltı ettiğini ve da Vinci’yi sattığı hastanelere de robotun yeteneklerini kapasitesinin üzerinde övmesinden yakındı.

Şekil 9: DaVinci robotunu kontrol eden cerrahın ameliyathane içerisinde bulunması bile gerekmiyor.Kaynak: Chris Garlington,The New York Times

Her ne kadar kesikler robotla yapıldığı zaman daha ufak olsa da, robotların yardımcı olduğu ameliyatlar geleneksel ameliyatların iki katı kadar daha uzun sürebiliyor.  Ayrıca hastalar veya sigorta şirketlerinin standart bedelin üzerine ödemeleri gereken binlerce dolar fark oluyor. Sadece daha havalı olduğu için bu robotlar tarafından ameliyat edilmek istediğini söyleyen hasta sayısı hiç de az değil [9]. Beklenenin tersine, bazı hastalar doktorun odada olup olmamasını bile umursamıyor (Şekil 9). Yan odadan kolları kontrol eden bir doktoru tercih ediyorlar. Hatta bazı doktorlar, hastaların kendilerini sorguladıklarını ve eğer robotları yoksa başka doktora gittiklerini söylüyorlar. Bu sebeple, robotlara milyonlarca dolar harcayıp, sonra da hastanelerinin reklamlarını yapan iş adamlarına ileride sıkça rastlayacağız.

Sonuç olarak her yeni gelişen teknolojinin artıları ve eksileri olduğu gibi, cerrahi robotların da avantaj ve dezavantajları var. Belli ki bu konuyu açıklığa kavuşturabilmek için, gıda ve ilaçlarda olduğu gibi, uzun süreli istatistikler ve testler öngören devlet kontrollü denetleme kurumlarına ihtiyacımız var. O gün gelene kadar karar mekanizmaları tamamen doktorların ve hastanelerin ellerine teslim…

Kaynaklar: AçıkBilim

[1] http://www.ncbi.nlm.nih.gov/pubmed/14532315

[2] http://ciis.lcsr.jhu.edu/dokuwiki/doku.php?id=research.robot_assisted_microsurgery

[3] http://spectrum.ieee.org/biomedical/devices/heart-surgeons-adapting-to-robots

[4] http://spectrum.ieee.org/automaton/robotics/medical-robots/using-robots-to-train-the-surgeons-of-tomorrow

[5] http://www3.imperial.ac.uk/mechatronicsinmedicine/research/thebloodbot

[6] http://www.botjunkie.com/2010/07/26/robot-surgeons-operate-autonomously-on-turkeys/

[7] http://www.nytimes.com/2010/02/14/health/14robot.html?_r=2

[8] http://robotland.blogspot.jp/2012/04/did-da-vinci-robot-kill-24-year-old.html

[9] http://www.botjunkie.com/2010/02/15/patients-requesting-more-robotic-surgeries-but-just-because-its-cool/

Yapay sinapslar sayesinde süper bilgisayarlar insan beynini taklit edebilir mi?

Yapay sinapslar sayesinde süper bilgisayarlar insan beynini taklit edebilir mi?Büyük ölçekli beyin benzeri cihazlar sayesinde, problemlerin çözümünde insana özgü yeteneklerin kullanılması yakın gelecekte gerçek olabilir.

Bilim insanları, mikroskobik boyutlarda, nöronlar arasındaki bağlantıları daha iyi taklit edebilen cihazlar geliştirdiler.

Pohang Üniversitesi’nden malzeme bilimci Tae-Woo Lee’nin yaptığı açıklamaya göre, bu yeni araştırma gelecekte robotlar, sürücüsüz araçlar, veri madenciliği, tıbbi teşhis gibi alanlarda kullanılan akıllı ve insan etkileşimli cihazların iyileştirilmesinde kullanılabilir.

Eski araştırmalara göre, insan beyninde 100 milyar nöron ve bu nöronların birbirine bağlanmasını sağlayan 1 katrilyon bağlantı bulunmakta. İnsan beyninin muhteşem hesaplama gücü de bu bağlantılar sayesinde meydana geliyor.

Dünyanın en güçlü 500 bilgisayarını listeleyen TOP500 projesine göre; dünyanın en hızlı süper bilgisayarı Çindeki Tianhe-2 adlı bilgisayar. Tianhe-2, saniyede yaklaşık 55 katrilyon hesaplama yapabilme kapasitesine sahip. İnsan beyni ise saniyede 10 katrilyon hesaplama yapabilmekte. Fakat insan beyninin güç tüketimi 20 watt (sönük bir ampulü yakacak kadar güç) iken Tianhe-2 17,8 megawatt (900.000 ampulü yakacak kadar güç) güç tüketiyor. Bugüne kadar yapılan yapay sinaps çalışmalarında karşılaşılan ana problem çok fazla güç tüketimidir.

Biyolojik sistemlerde, sinaptik aktivite başına 10 femtojoule tüketildiği yapılan çalışmalar vasıtasıyla bilinmektedir. Tae-Woo Lee ve arkadaşları, sinaptik aktivite başına 1,23 femtojoule tüketen yapay sinapslar geliştirdiklerini ve şimdiye kadarki en az enerji harcayan yapay sinaps olduğunu söylüyorlar. (Enerji üretim ve tüketim miktarını somutlaştırmak adına şu şekilde bir örnek verilebilir: 1 metre yükseklikten düşen küçük bir elma,1 katrilyon femtojoule kinetik enerji üretir.)

Birbiri etrafına sarılmış organik materyalden tasarlanan bu yeni cihazlar, biyolojik sinapsların çalışma prensibini ve yapısal özelliklerini taklit ediyor. Gelecekte, bu cihazların 3 boyutlu şekilde düzenlenerek insan beyninin taklit edilebileceği araştırmacılar tarafından öne sürülüyor.

Kaynak:

Bilim İnsanlarını 120 Yıldır Uğraştıran Biyoloji Problemini Bir Bilgisayar Çözdü!

Bilgisayar yazılımları yoğun hesaplar yapabildikleri gibi bilimsel teoriler de geliştirebilirler mi? Bir bilgisayarı biyoloji biliminin en iyi bilinen gizemlerinden biri üzerine kendi bilimsel savlarını üretmek için programlayan ABD’nin Massachusetts eyaletindeki Tufts Üniversitesi’nden bilgisayar bilimcileri Michael Levin ve Daniel Lobo’nun iddiası tam da bu yönde.
Söz konusu gizem, parçalara bölünmüş bir yassı solucanın genlerinin bu parçaları yeni organizmalara nasıl dönüştürebildiği. Bu gizem, en zeki insanları geçtiğimiz yüz yıl kadarlık dönemde afallatmış durumda ve William Herkewitz’in Popular Mechanics dergisinde anlattığına göre araştırmacılar bu problemi “inanılmaz ilginçlikte” buldukları için seçmişler. Levin’in şunları söylüyor:
“Bu solucanlar esasen ölümsüzler. İstediğiniz kadar parçalara bölün, sadece yeni organizmalara yol açmış oluyorsunuz. Bunun nasıl olabildiğinin yanıtı yenileyici ilaçlardan kendi kendini onarabilen robotlara kadar bir çok konuda anahtar niteliğinde olabilir.”
Levin ve Lobo tarafından geliştirilen bilgisayar yazılımı gerçek yaşamda konu üzerine yapılmış çalışmaları her seferinde küçük değişikliklerle tekrar tekrar yinelemek üzere tasarlanmış. Muazzam sayısal beyni ve yiyecek ya da uykuya gereksinim duymaması sayesinde makine birçok farklı hipotezi, basit ölümlülerden çok daha hızla elden geçirebilmiş.
Yazılım özü itibariyle solucanın genlerinin nasıl birbirine bağlandığı üzerine tahminler yürütüyor ve her seferinde yeni bir kuramın benzetimini yapıyordu. Sonuçlar gerçek hayatta alınanlara yakın ise bir adım daha o yönde ilerliyor, değilse yön değiştiriyordu. Üç günün sonunda yazılım veri tabanındaki yüzlerce gerçek deneyin sonuçlarına uyan bir çekirdek genetik şebeke kodu üretmeyi başardı.
Üç gün elbette muazzam kısa bir süre, ancak yazılımı oluşturmak yıllar almış. Yazılımın mevcut verileri kullanabilmesi için amaca özel bir bilgisayar dili geliştirmek gerekmiş ve elbette yıllar boyu konu üzerine yapılmış tüm bilimsel çalışmaların sonuçları derlenmiş. Ancak bu yapı taşları yerli yerine oturduğunda yazılım sonuçlarına erişebilmiş. Levin şu açıklamalarda bulunuyor:
“Doğanın neler yaptığını açıklayan modeller üretmek bilimcilerin en yaratıcı uğraşlarının başında geliyor… Bilimsel girişimlerin kalbi ve ruhu bu. Yüz yılın üzerindeki çabalarımızda başarısızlığımızın gösterdiği üzere hiçbirimiz bu modeli üretemezdik. Bu sorun, ve bizim yaklaşımımız neredeyse tamamen genellenebilir. Kullanılabilir verilerin bulunduğu ancak temeldeki mekanizmayı tahmin etmenin güç olduğu her durum için aynı yöntem kullanılabilir.”
Levin ve Lobo’nun çalışması PLOS Computational Biology dergisinde yayınlandı. İkili benzer bir ters-mühendislik yaklaşımının, özellikle insan zekasının işlemekte zorlanacağı derecede çok ham veri bulunan bilimsel alanlarda kullanılabileceğine inanıyorlar. Bir sonraki aşamada bilgisayar bilimciler metastaz, yani kanserin nasıl bedende yayıldığı konusunu ele alacaklar.
Kaynak:
  • Science Alert
  • Daniel Lobo, Michael Levin Inferring Regulatory Networks from Experimental Morphological Phenotypes: A Computational Method Reverse-Engineers Planarian Regeneration Plos Computational Biology Published: June 4, 2015http://dx.doi.org/10.1371/journal.pcbi.1004295

KANSER TEDAVİSİNDE BAKTERİLER VE NANO ROBOTLAR

Kana enjekte edilen ilaçların hastalıklı hücrelere adrese teslim ve nokta atışı ulaştığı zamanların eşiğindeyiz. Bizleri gereksiz bıçakaltı işlemlerden ve ilaçların yan etkilerinden koruyacak, bakteri ve nano robotların insanların iyiliği için işbirliği yaptıkları tıbbi yöntemleri inceleyeceğiz.

Askerleri küçültüp mikro boyutlara getirebilecek teknolojinin sırrına sahip bilim adamı Jan Benes, CIA ajanlarının yardımıyla SSCB’den kaçar. Ancak bu esnada profesörü Amerika’ya götüren konvoy KGB ajanları tarafında saldırıya uğrar. Kafasına darbe alan Benes’nin beyninde ne yazık ki bir pıhtı oluşur. Bir grup bilim adamı ve teçhizatlı askerler Benes’nin beynindeki tıkanıklığı açmak için küçültülerek profesörün beynine doğru yola çıkarlar. Bu görevi başarıp tekrar eski boyutlarına dönmek için sadece bir saatleri vardır. Bir bilim kurgu filmi olan Olağanüstü Yolculuk’un (Fantastic Voyage), minik bir geminin insan vücudundaki hastalıklarla savaşmasının kurgulandığı 1966 yapımlı senaryosunu okudunuz.

Bundan neredeyse 40 yıl sonra Kanada’nın Montréal Politeknik Üniversitesi araştırmacıları aynı hedefe ulaşmak için kolları sıvadılar. Bu tarz bir gemi yaratmak için 70li ve 80li yılların klişe bilim kurgu teknolojisi olan küçültücü lazer ışınlarını kullanmadılar. İzledikleri yöntem nanoteknoloji sayesinde ürettikleri mikroskopik (bir saç telinden çok daha ince) aletleri damarlarımız içerisine vererek, doğrudan hastalığın merkezine yönlendirme üzerine kurulu. Bu sıradışı yöntemle ilaçların kanserli dokulara adrese teslim gönderilmesi ve böylece sağlıklı hücrelerin bundan zarar görmemesi mümkün. Ayrıca ameliyatsız, kesiksiz ve kansız bir işlem. Özellikle kanser tedavisi başta olmak üzere, neredeyse tüm tıbbi yöntemleri kökten değiştirebilecek olan bu yaklaşımın 2008’den 2012 yılına kadar gelişimine göz atacağız.

Makaledeki tüm gelişmelerin arkasında yatan beyin Kanada Montréal Politeknik Üniversitesi bilgisayar mühendisliği profesörü Sylvain Martel. Martel’in araştırmalarının temelinde yatan teknik aslında basit bir nakliyat işini andırıyor. Damarlarımızdaki kan içerisinde rahatça dolaşan bir bakteri kirala, ilaçları bakteriye yükle, hastalığın adresini ver ve nakliyat sonlandığında bakteriyle işin bitsin. Ancak ne yazık ki bakteriler kredi kartı kabul etmiyorlar.

Bu yüzden Profesör Martel, oldukça sıradışı bir fikir geliştiriyor. Kanda yüzebilen, canlı bakterileri alarak onlara mikroskopik boncuklar ekliyor. Bu boncuklar yük taşımak için ideal boyutlarda. Bu sayede bakterileri birer kamyonete çeviriyor. Martel’den önce de bu fikir vardı, ancak diğer bilim insanları bu bakterilerin kendi kendilerine yüzme özelliklerinden faydalanmaya çalışıyorlardı. Martel’in sıradışı fikri ise, bu minik kamyonları manyetik rezonans görüntüleme (MRI) yardımıyla kendi kontrolüyle sürüyor olmasıydı. Bunun için Martel doğal halinde manyetik zerreler (tanecikler) barındıran bakteriler kullanmayı düşündü. Doğada bu zerreler bakterilerin derin sularda oksijenden uzaklaşacakları şekilde ilerlemelerine yardımcı oluyorlar. Aynen bir pusulanın iğnesinin doğrultusunu kullanma prensibimiz gibi. İşte bu noktada MRI aleti devreye giriyor. MRI ile yaratılacak yapay manyetik alan sayesinde bu bakterilerin istenilen doğrultuda ilerlemesi sağlanıyor. Bu sebeple Martel bu bakterilerini nanobot olarak nitelendiriyor.

Bahsi geçen bakteriler flagella adındaki kuyruklara sahip ve hızlı bir şekilde kan içerisinde yüzebiliyorlar. Her bir bakteri iki mikron çapında olduğundan insan vücudundaki en küçük damara bile rahatça sığabiliyor. 2008 yılında 150 nanometre büyüklüğünde olan bu römork boncuklarıyla ilk olarak antikor hücreleri taşımak üzere tasarlandı. Doğadan esinlenmekten de öte, doğayı kullanan bu yöntemde temel amaçlardan biri de boncuk hacminin büyütülmesi. Bu boncukların boyutlarının büyümesi daha çok madde taşınabilmesi anlamına geliyor. Yani kamyondan, tıra geçiş yapmak gibi. Sonuç: Deneylerde saniyede 10 santimetre ilerleyen bakterilerle, bir domuzun şahdamarında 1.5 milimetrelik bir boncuğu taşıtmayı başardı [1].

Bu bakterilerin bir dezavantajı, geniş damarlarda kendi başlarına yüzemiyor oluşları. Debiye karşı koyabilecek kadar kuvvetli değiller. Bu yüzden araştırmacılar bakterileri de içinde taşıyacak büyüklükte manyetik olarak kontrol edilebilen bir aracı hastalıklı bölgeye kadar taşımayı önerdiler. Bir çeşit polimerden yapılan bu araç bakterileri salıverdikten sonra kanda çözünüyor. İçerdiği nano taneciklerle kontrol edilebilen bu araç saniyede yaklaşık 200 mikron hızla ilerleyebiliyor ve saniyede 30 defa yönü değiştirilebiliyor [2].

Bu araştırmaya gelen eleştiriler kanda çözünen manyetik partiküllerin nasıl kandan uzaklaştırılacakları ve bakterilerin hedefe ulaşmadan vücudun bağışıklık sistemi tarafından yok edilip edilmeyeceği üzerine. Ancak Mantel deneylerde çıkan sorunçların bu tarz bir durumu yansıtmadığı ve bakterilerin bağışıklık sistemi tarafından zaten henüz tanınmadığı için nanobotların rahatlıkla hedefe ulaşacak kadar vakitleri olduğu yönünde görüş bildiriyor.

Bakteriler illa gerekli mi?

Peki ama bu nanobotlar neden bakterilere ihtiyaç duyuyor? Neden bilim insanları kendi pervanelerine sahip robotlarla antikorları veya ilaçları hasta bölgelere taşıyacak bir düzenek tasarlamıyorlar? Aslında bu mümkün. Bu tarz robotlar zaten tasarlanmış durumda. Ancak sorun bu robotlara gerekli olan gücü sağlayacak bir düzeneğin (örn:pil) henüz keşfedilmemiş olması. Ayrıca, büyük çaplı sistemlerde (örn: denizaltı, gemi) etkin olan tahrik sistemleri ve yüzme hareketlerinin mikro çaplı sistemlerde çok daha karmaşık olması. Bu sebeple robotları kontrol etmek oldukça güçleşiyor. İşte bu yüzden işinin ehli olan ve milyonlarca yıldır en iyi bildiği işi yapan bakteriler kullanılıyor. Seçilen bakteri, MC-1 adı verilen, dönen kırbaçımsı kuyruğu sayesinde çoğu türden 10 kat daha hızlı yüzebilen, ve saniyede 200 mikrometre hızlara çıkabilen bir bakteri.

Aynı grubun 2009 yılında sıçanlar üzerinde yaptığı deneylerde 50 mikrolitrelik bakteri içeren bir çözeltiyi enjekte ettiklerini ve ne bakterilerin hayvanlara zarar verdiğini, ne de bakterilerin genel olarak zarar gördüğü gözlenmiş. Zehirlenmeye sebebiyet vermeden yaklaşık 40 dakika sonra kan içerisinde öldükleri ve daha sonra da bağışıklık sistemi tarafından temizlendiği belirtilmiş [3].

Bakterileri robota dönüştürmek

2010 yılında aynı araştırma ekibi bu sefer akıllara zarar bir demonstrasyona imza atıyorlar. Bakterileri mikro-manipülasyon işleri için kullanıp mikro-robotları sürmelerini sağlıyorlar.  Bu deneyin sonunda bize göstermek istedikleri şey, bu bakterilerin sadece basit nakliyat işleri için kullanmak zorunda olmadıkları. Eğer doğru şekilde kontrol edilebilirlerse, ilaç taşımanın yanında patojenleri algılamakta, farmakolojik ve genetik testleri bulundukları yerde ifşa edebilecek mikro laboratuvarlar inşa etmekte bakterileri kullanmanın mümkün olabileceğini kanıtlamak istiyorlar. Bunun için de bakterilere Mısır’daki Djoser piramidini örnek alan bir mikro-piramit inşa ettiriyorlar. 5000 bakterisinin bir sürü halinde çalıştıkları ve sadece minik epoksi tuğlalar kullarak 15 dakikada bir piramit oluşturdukları videoyu aşağıda seyredebilirsiniz [4]:

Her bir bakteri 4 pikoNewtonluk kuvvet uygulayabilecek kuyruk organellerine sahip. Tek başına küçük olmasına karşın 5000 tanesini birlikte çalıştırdığınız zaman bir piramit yaptırabiliyorsunuz.

Hayvanlar üzerindeki ilk klinik deneyler

2011 yılının başında Mantel ve ekibi, hazırladıkları tüm sistemi gerçek anlamda ilk kez bir canlıda denediler, tek bir farkla bu kez bakterileri es geçtiler. MRI kullanarak yönlendirdikleri bir mikro taşıyıcı sistemi karaciğerinde tümör olan bir tavşana doxorubicin adlı bir kemoterapi ilacı taşımak için kullandılar. Bu taşıyıcı sistem iddia edildiği gibi vücut içerisinde yok olacak cinste bir polimerden üretilmişti. Polimerin tasarımı, farklı hızlarda çözünecek şekilde yapılmıştı, böylece yeterli dozda ilaç iletimi sağlanıyordu. Her bir taşıyıcının yüzde otuzu manyetik nano taneciklerken kalan yüzde yetmişi ilaçtı. Mantel sadece kemoterapi değil, radyoterapi ilaçları olan radyoaktif maddelerin de iletiminin mümkün olduğunu belirtti [5].

Bazı kan damarları “Y” şeklinde çatallandıklarından geleneksel ilaç iletim sistemlerinin yaklaşık yüzde 50 ihtimalle tümörlü dokunun olduğu yöne, yüzde 50 ihtimalle de karaciğerin alakasız bir bölgesine gidip yan etkiye sebebiyet veriyorlar. İşte Mantel’in bu sistemi manyetik kontrolü sayesinde hiçbir çatallanmadan etkilenmeyecek bir özelliğe sahip olduğu için fark yaratıyor. Ayrıca hiçbir kan damarına zarar vermiyor. Geleneksel kemoterapide kateter (sonda) ile yapılan bir ilaç sevkiyatı, kateterin tümöre çok yaklaşıncaya kadar karaciğerin dibine kadar sokulması ve bu sırada da tabii ki bir çok damara zarar verilmesi anlamına geliyor. Bu sebeple de hastalar günlerce, hatta haftalarca damarlarının iyileşmesini bekliyorlar ki, yeni bir doz daha alabilsinler. Ancak manyetik mikrotaşıyıcı robotlar kullanıldığında, sondanın damarlara bu kadar yakınlaşmasına gerek kalmıyor. Zarar görmeyen damarlar sayesinde de hasta arka arkaya günler içerisinde birçok dozu az az ancak hızlı bir şekilde alabiliyor. Bu şekilde de kimyasal zehirlenmelerin önüne geçiliyor.

Ekip, 2011 yılının sonunda tekrar bakterili nanobot sisteminin testlerine yöneldi. Ancak Mantel’in görüşüne göre bu metodlar her ne kadar hayvanlar üzerinde etkili olsa da pratik hayatımızdaki uygulamalarından 4-7 yıl uzaktayız.

Not: Konuyla ilgili daha fazla bilgi sahibi olmak isteyenlere Sylvian Mantel’in İngilizce altyazılı Fransızca bir TEDx sunumunu seyretmelerini öneriyorum.

Kaynaklar: AçıkBilim

[1] Sylvain Martel, Jean-Baptiste Mathieu, Ouajdi Felfoul, Arnaud Chanu, Eric Aboussouan, Samer Tamaz1, Pierre Pouponneau, L’Hocine Yahia, Gilles Beaudoin, Gilles Soulez and Martin Mankiewicz Automatic navigation of an untethered device in the artery of a living animal using a conventional clinical magnetic resonance imaging system Appl. Phys. Lett. 90, 114105 (2007); http://dx.doi.org/10.1063/1.2713229

[2] http://www.technologyreview.com/computing/21619/?a=f

[3] http://www.newscientist.com/article/dn17071-bacteria-take-fantastic-voyage-through-bloodstream.html

[4] Sylvain Martel, Mahmood Mohammadi: A robotic micro-assembly process inspired by the construction of the ancient pyramids and relying on several thousand flagellated bacteria acting as micro-workers. Intelligent Robots and Systems, pp 426-427,  2009.

[5] http://www.healthimaginghub.com/feature-articles/digital-radiography/2945

[6] Sylvain Martel Flagellated Magnetotactic Bacteria as Controlled MRI-trackable Propulsion and Steering Systems for Medical Nanorobots Operating in the Human Microvasculature doi: 10.1177/0278364908100924 The International Journal of Robotics Research April 2009 vol. 28 no. 4 571-582

Hiperlens ile daha küçükleri görebileceğiz

Çocukların “yürüyen yay” diye bildiği ünlü Slinky oyuncaklarına benzeyen hiperlens tasarımı, fotonik alanına yenilikler getiriyor. Meta-malzemeden yapılan bu hiperlens merdivenlerden yukarı çıkamıyor ama çok minik nesneleri görmemize yardımcı oluyor.

Buffalo Üniversitesi’nden elektrik mühendisi Prof.Natalia Litchinitser liderliğinde çalışan ekip,Nature Communications dergisinde henüz yayımlanan makalelerinde bu yeni aracı tanıttı. Şu anda yapılan öngörüler, lensin ilerleyen zamanlarda en tehlikeli kanser formlarının erken saptamasının yapılmasında işe yarayacağını belirtiyor. Ayrıca nano-elektrik üretimde ilerlemeler sağlaması ve araştırmacıların tekil molekülleri inceleme becerilerini artırması bekleniyor. “Sağlık, nanoteknoloji ve diğer pek çok alanda küçük nesnelerin görüntülenmesine acil ihtiyaç var. Geliştirdiğimiz hiperlens bu sorunu çözmeye yönelik büyük bir potansiyele sahip,” diyor Prof. Litchinitser.

Mikroskop ve kamera gibi geleneksel optik sistemler kırılma dolayısıyla sınırlanmıştır. Yani ışığın bir sınır çevresinde ya da yarıktan geçmesi sırasında bükülmesi, bu araçların sağladığı görüntünün belli bir kaliteden yukarı çıkmasına izin vermez. Örneğin bir DVD’de bulunan çok yakın aralıklı izler, diske baktığınızda kırılmadan ötürü bir gökkuşağı deseni görmenize neden olur. Kırılma, optik sistemlerin çözünürlüğüne çok temel bir limit koyar.

Bilimciler kırılma sorununu, doğada henüz keşfedilmeyen özelliklere sahip malzemeler tasarlayarak, yani meta-malzemeleri kullanarak çözmek için bir süredir çalışıyor. Tipik bir meta-malzeme yineleyen desenlerden oluşur. Desenlerin büyüklüğü, ilgilenilen görüngüde rol oynayan dalga boylarından daha küçük tutulur. Meta-malzeme hiperlens, azalan dalgaları (İng. evanescent waves) yayılan dalgalara (İng. propagating waves) dönüştürerek kırılma limiti ile başa çıkabiliyor. Bu dönüşüm gerçekleştiğinde, geleneksel görüntülemede kaybolan azalan dalgalar toplanıp, standart optik bileşenlerle iletilebiliyor.

İlk meta-malzeme hiperlenslerin bir bölümü çok ufak eşmerkezli gümüş ve yalıtkan halkalardan oluşuyordu. Fakat bu tasarım sadece çok dar bir dalgaboyu yelpazesinde işe yarıyor ve rezonanstan ötürü büyük kayıplar veriyordu. Buffalo Üniversitesi ekibi, eşmerkezli halkalar yerine küresel formda minik altın ve PMMA (saydam bir termoplastik) dilimleri kullanıyor. Bu meta-malzeme hiperlens dizaynı görünür ışık frekans yelpazesinde kırınım limitinin ötesine geçebiliyor. Dahası, bir optik dalga kılavuzu ile tümleşik hâle getirilebildiğinden, hiperlens temelli medikal endoskopları mümkün kılıyor.

Günümüzde kulllanılmakta olan yüksek çözünürlüklü endoskoplar 10.000 nanometre boyutuna kadar olan nesneleri seçebiliyor. Hiperlens kullanımı ile bunun 250 nanometreye kadar düşürülebileceği öngörülüyor. Böyle bir araç kuşkusuz tıbbi teşhisler açısından son derece yararlı olacaktır. Hiperlensin bir diğer potansiyel kullanım alanının ise optik nanolitografi olması bekleniyor.Bu alanda kaydedilecek ilerlemeler yeni nesil optoelektronik aygıtlar, veri depolama sürücüleri, sensörler ve daha pek çok çeşitli araç-gerecin ortaya çıkması anlamına geliyor.

 


Kaynak: 

  • Bilimfili,
  • Jingbo Sun, Mikhail I. Shalaev & Natalia M. Litchinitser Experimental demonstration of a non-resonant hyperlens in the visible spectral range Nature Communications 6, Article number: 7201 doi:10.1038/ncomms8201 Received 05 December 2014 Accepted 17 April 2015 Published 22 May 2015