Covid-19 چه چیزی می تواند در مورد اسرار بویایی به ما بیاموزد؟


مایر احساس کرد که انگار افراد را شخصاً می شناسد – کسانی که بو را از نظر چای و میوه ، گوشت و بنزین ، یا پودر آبی و آبنبات چوبی توصیف می کنند. او بعدا گفت که نحوه احساس آنها نسبت به احساساتشان بسیار صمیمانه است ، “تقریباً می توانید ببینید که آنها چه نوع آدمی هستند.” او متقاعد شد که مردم معتقدند که بوها را نمی توانند توصیف کنند ، فقط به این دلیل که اغلب اوقات مورد نیاز است. آزمایشگاه ها ، مولکول های منزوی و منفرد را استشمام می کنند (وقتی بوی نامطبوع قهوه ترکیبی از صدها عدد از آنها است) ، در یک کمد به دور از متن زندگی واقعی خود و بویایی که برایشان مهم بود زندگی می کنند. وقتی فرصت مناسب به آنها داده شود ، “مردم بسیار بسیار کلامی می شوند”.

برای میر ، محقق IBM که در استفاده از الگوریتم های تجزیه و تحلیل داده های بیولوژیکی تخصص دارد و یکی از افرادی بود که اصرار داشت تحقیق GCCR باید شامل زمینه های متن باز باشد ، این خبر مهیج بود. سالهاست که دانشمندان بو بر روی فقط چند مجموعه داده بسیار عمیق و کمیاب کار می کنند که مواد شیمیایی مختلف و نحوه درک افراد را به هم پیوند می دهد. به عنوان مثال ، سابقه ای در اواخر دهه 1960 توسط عطاری در توصیف هزاران رایحه ایجاد شده است ، و مطالعه پس از مطالعه متکی به یک “اطلس مشخصات بد بو” است که در سال 1985 منتشر شده است. این براساس مشاهدات داوطلبانی است که از آنها خواسته شد که بوی مولکولهای مختلف و مخلوطهای شیمیایی را بوی دهند ، آنها را طبقه بندی کرده و بر اساس لیست توصیف کنندگان ارائه دهند ، که به گفته بسیاری از دانشمندان دارای نقص و تاریخ است.

اخیراً ، مایر و بسیاری دیگر از مجموعه داده جدیدی استفاده کردند که با زحمت زیادی توسط محققان دانشگاه راکفلر در نیویورک ایجاد و در سال 2016 منتشر شد. (من در سال 2014 از آزمایشگاه بازدید کردم در حالی که لسلی ووشول و همکارانش در حال ساخت داده های خود بودند ، و با تعجب از من می توانستم یکی از ویال ها را “بو” کنم ، اگرچه احتمالاً سیستم سه قلوهای من را تحریک کرده بود. وقتی به ووشهال گفتم که فکر کردم نعناع است ، او پاسخ داد ، “واقعاً؟ اکثر مردم می گویند” جوراب های کثیف “.) اما در حالی که مجموعه داده های جدید بهبود قابل توجهی داشت – 55 نفر بوی 480 مولکول مختلف را دادند ، آنها را از نظر شدت ، دلپذیری ، آشنایی و میزان مطابقت آنها با لیستی از 20 توصیف ، از جمله “سیر” ، “ادویه جات” ، “گل” ، “نانوایی” ، “مشک” ، “ادرار” و موارد دیگر – این هنوز نشانه محدودیت میدان بود.

به همین دلیل مایر به همراه همکارش گیلرمو چکی بر این زمینه های متن باز در مطالعه GCCR اصرار داشتند. آنها به امکانات پردازش زبان طبیعی ، شاخه ای از یادگیری ماشین که از الگوریتم هایی برای تجزیه و تحلیل مدل های بیان انسان استفاده می کند ، علاقه مند بودند. Cecchi در حال حاضر از این فناوری برای پیش بینی شروع زودهنگام بیماری آلزایمر ، در مواردی که بیشترین درمان را دارد ، با تجزیه و تحلیل جزئیات نحوه صحبت مردم استفاده می کند. بسیاری از محققان درمورد امکان استفاده از هوش مصنوعی برای سرانجام تهیه نقشه پیش بینی بویایی و همچنین بررسی ارتباط بین تغییر در حس بویایی و تمام بیماری های مرتبط با این تغییرات ، نوشته اند ، اما اطلاعات کافی هرگز در دسترس نبوده است .

کوید اکنون مجموعه ای پیچیده و پیچیده از داده ها را در ارتباط تجربه بویایی و پیشرفت بیماری در اختیار محققان قرار داده است. این امر با طبقه بندی عددی ، تک مولکولها یا چند صفت ارائه شده محدود نمی شد ، بلکه در عوض به مردم اجازه می داد تا در دنیای واقعی ، با تمام شکوه پیچیده و ذهنی خود آزادانه در مورد بوهای واقعی صحبت کنند.

هنگامی که همکار مایر و چکی ، راکل نورل ، تجزیه و تحلیل پاسخهای پاسخ دهندگان انگلیسی زبان را به پایان رساندند ، با دیدن اینکه تحلیل متنی آنها برای تشخیص کوید به اندازه ارزیابی های عددی افراد از دست دادن بو قابل پیش بینی است ، متعجب و خوشحال شدند. این الگوریتم ها به این دلیل کار می کردند که افراد مبتلا به کووید از کلمات بسیار متفاوتی نسبت به کسانی که فاقد آن هستند در مورد بو صحبت می کنند. حتی کسانی که کاملاً حس بویایی خود را از دست نداده اند ، باز هم تمایل دارند احساسات خود را به همان روش توصیف کنند ، کلماتی مانند “فلزی” ، “تجزیه” ، “شیمیایی” ، “اسیدی” ، “اسیدی” ، “سوخته” را تکرار می کنند ” و “ادرار. “این یک کشف دلگرم کننده ، اثبات مفهومی بود که مشتاقانه آن را کاوش می کردند – ابتدا در پاسخ GCCR به زبانهای دیگر ، و سپس ، در آینده ، در مجموعه داده های دیگر مربوط به بیماری های دیگر.” هر چیزی که بو داشته باشد “به من گفت:” افسردگی ، اسکیزوفرنی ، آلزایمر ، پارکینسون ، تخریب نورون ، بیماری شناختی و اعصاب و روان. کل آنشیلاد ، همانطور که می گویند. “

کار سختی داشتم تصور “نقشه” بویایی که دانشمندان مدتها آرزوی آن را داشتند. پرسیدم آیا شبیه جدول تناوبی است؟ در عوض ، وی پیشنهاد كرد كه درباره نقشه هایی كه دانشمندان از “فضای رنگی” تهیه كرده اند و رنگ ها را برای نشان دادن ارتباطات و مخلوط های ریاضی آنها ترتیب می دهد ، فكر كنیم. وی توضیح داد: “ما نمی دانستیم که فضای رنگ تا چه اندازه مفید است تا زمانی که مردم شروع به اختراع مواردی مانند تلویزیون رنگی و فتوشاپ کردند” ، وی افزود که این کارت هدف نیست بلکه توانایی استفاده از آن برای درک دلیل بو بودن است. در حال انجام. سپس آنچه واقعاً جالب خواهد بود ، برنامه هایی است که هنوز نمی توانیم تصور کنیم. وی گفت: “درک مفید بودن کارت دشوار است ،” تا زمانی که کارت را دریافت کنید.


منبع: khabar-aseman.ir

دیدگاهتان را بنویسید

Comment
Name*
Mail*
Website*