Супернасекомые, средство против Альцгеймера, сканер для обнаружения взрывчатки в отпечатках пальцев — и другие проекты лауреатов премии президента России в области науки
Названы лауреаты премии президента России в области науки и инноваций для молодых ученых за 2018 год. Каждый из них получит премию в 2,5 миллиона рублей для продолжения научной деятельности. По словам помощника президента РФ Сергея Фурсенко, в следующем году лауреаты получат уже по 5 миллионов. «Нож» поговорил с победителями: физиками, математиками и биологами — и узнал, какие научные проекты в ближайшее время будет поддерживать наше государство.
Прибор, который мы разрабатываем, может находить следы взрывчатых веществ на расстоянии 5–10 метров. Работает он так: лазерное излучение взаимодействует с молекулами взрывных веществ, в результате чего появляется новое излучение, которое мы регистрируем. Сам прибор называется лидар (англ. LIDAR), или простыми словами лазерный локатор.
Известны методы, использующие рентгеновское излучение, но при их разработке ученые стараются снизить до возможного минимума негативное влияние рентгеновского излучения на организм человека.
У нас же используется ультрафиолетовое излучение лазера, которое при определенных условиях не вредит здоровью человека.
Пока этот прибор не очень компактный, он примерно метр в высоту, а в ширину — метр на полтора. Лазерная полоска сканирует область пространства, например, человека или какой-нибудь предмет. Но его уже сейчас можно поставить на вокзале или в аэропорту, в многолюдных местах, либо на проходной, где сканируют по одному человеку, либо на предприятии по изготовлению взрывчатки, чтобы работники ничего не выносили.
Мы сделали два вида прибора: один определяет взрывчатые вещества по парам, другой — по следам. Первый работает, как собачий нос.
Дело в том, что молекулы взрывчатого вещества испаряются с поверхности — это и есть пары, их как раз чуют собаки, а теперь еще и выявляет наш прибор. Пары эти низколетучие, то есть они выделяются в очень маленькой концентрации. Наш прибор способен обнаружить концентрацию 10–12 грамм на литр, это сравнимо с чувствительностью «собачьего носа». Однако при этом мы можем скрытно найти эти пары на расстоянии 10 метров.
Следы — это микрочастички взрывных веществ. С помощью нашего прибора мы можем обнаружить эти следы в концентрации 1–10 нанограмм на квадратный сантиметр. Это приблизительно соответствует 50-му отпечатку пальца.
То есть человек контактировал со взрывчаткой, потом раз коснулся чего-то, два, три — и так может 50 раз что-то потрогать, а мы всё равно обнаружим, что он взаимодействовал со взрывчаткой, просканировав его отпечатки на ручке чемодана.
Сейчас ведутся научно-исследовательские работы по поиску способов повышения чувствительности метода, другими словами, мы пытаемся усовершенствовать метод, хотим увеличить дальность работы прибора, его чувствительность, чтобы, например, он находил микрочастички взрывчатки и на сотом-двухсотом отпечатке пальца, и, разумеется, хотим сделать прибор компактнее.
Понятно, что всем нужен не ящик, а лазерная указка, которая сама указывала бы на террориста. И уменьшить размер и весогабариты вполне возможно. Две трети объема прибора — это лазерный источник. Он сам по себе уникален, по нашему заказу его сделали в Институте сильноточной электроники (ИСЭ СО РАН), и нигде в мире больше такого нет.
Но мы собираемся пойти дальше и использовать новые кристаллы для создания твердотельного лазера с диодной накачкой, и тогда прибор будет значительно меньше и, возможно, сравним с размерами компьютера.
Вячеслав Дячук
Мы открыли новый механизм специализации нейронов. Как известно, нейроны — это клетки нервной системы, которые почти не делятся и не обновляются в течении жизни. И из-за гибели нейронов возникает много нейропатологических проблем.
Мы нашли тот клеточный материал, который способен восстанавливать нейроны в нервной системе в раннем развитии млекопитающих, и этот материал — глиальные клетки. Они находятся в центральной и периферической нервной системе и окружают отростки нейронов.
Когда организм только начинает развиваться, глиальные клетки способны специализироваться, то есть «вырастать» в нейроны, и это естественный процесс организма. Но если перепрограммировать эти глиальные клетки искусственно, то они могут становиться нейронами и у взрослых животных.
В будущем с помощью этого механизма можно решить массу проблем, в частности, болезни Паркинсона и Альцгеймера перестанут быть неизлечимыми. Также благодаря глиальным клеткам можно будет исправлять патологии нервной системы, которые возникают на раннем этапе развития плода, при патологиях, где эмбрион либо развивается неправильно, либо вовсе не выживает.
Разумеется, эксперименты проводились пока только на мышах. Это фундаментальное открытие, которое имеет важное медицинское значение, но, прежде чем перейти к человеку, мы должны узнать об этом механизме как можно больше, чтобы не получилось так, что трансплантация глиальных клеток в организм вызывала какие-то патологические состояния.
Наш организм непредсказуем, он может распознать эти клетки как раковые и начать их убивать, например, как это иногда случается со стволовыми клетками. А ведь всего несколько лет назад ученые думали, что стволовые клетки — панацея от всех болезней!
Так что нам сначала нужно точно узнать, какие белки и какие условия нужны мозгу млекопитающих для процесса специализации глии в нейроны, чтобы в будущем применять этот механизм для лечения человеческих болезней. Если научное сообщество возьмется за исследование этой темы, то в ближайшие пять лет при благоприятном развитии событий мы уже можем достичь такого прогресса, чтобы надеяться навсегда забыть про болезни Паркинсона и Альцгеймера.
Екатерина Гризанова
Суть нашей работы — это создание и усовершенствование биопрепаратов для защиты растений от насекомых-вредителей. Дело в том, что насекомые достаточно быстро привыкают к существующим инсектицидам, после чего те на них не действуют. Наша работа внесла вклад в понимание механизма, который стоит за этим привыканием.
Мы долго проводили отбор насекомых на устойчивость, брали насекомых, заражали их бактериями, потом от тех, которые выживали, мы получали потомство, потомство тоже заражали и снова собирали самых сильных.
Через несколько поколений селекции мы получили супернасекомых, которые не погибали от существующих биоинсектицидов, были устойчивы к бактериям. Именно их мы и стали изучать, выясняли, почему они такие крутые. Работа эта длилась около 10 лет.
За последние три года нам удалось открыть тончайшие механизмы, которые происходят в организме насекомого, из-за которых те не болеют от бактерий. И теперь эти механизмы мы можем блокировать, таким образом повышать эффективность биопрепаратов или создавать абсолютно новые.
Биологические препараты хороши тем, что они не загрязняют почву, не воздействуют на другие живые организмы: птиц, рыбу, человека, не накапливаются в сельхозпродукции. Их даже можно использовать в органическом сельском хозяйстве, где применяются только натуральные биологические средства.
Мы планируем продолжить исследования и создать препарат нового поколения, основанный на РНК-интерференции и генетической модификации самих бактерий. В итоге препараты станут еще эффективнее, и их можно будет использовать в меньшем количестве.
Иван Оселедец
Что такое тензоры, которыми я занимаюсь? Представим, что у вас есть какие-то известные величины, например ваш доход, пол, возраст, и вы хотите предсказать, что вас интересует, допустим срок вашей жизни. И у вас получается три переменные на вход и одна переменная, которую вы предсказываете.
Признаки, которые вы используете для предсказания, принимают какие-то значения. Предположим, что каждый признак принимает 10 значений. А у вас три признака, получается: десять на десять на десять — это 1000 различных вариантов, такой трехмерный массив — это и называется тензор.
Если число признаков растет, число возможных элементов тензорной матрицы растет экспоненциально, их даже невозможно сохранить в памяти. И чтобы с этим работать на практике, нужно было найти эффективный метод. В 2009 году мне это удалось, я назвал его «тензорный поиск». По сути, метод очень простой, но раньше в таком направлении никто не думал.
Понятно, что если взять случайный массив данных, ничего работать не будет, в нем должна быть какая-то структура. Оказалось, что в таких случаях может быть использовано структурирование, которое раньше использовалось не на уровне алгоритмов работы с данными, а на уровне аналитических представлений о данных, разделения переменных — грубо говоря, у нас много переменных, а мы разбиваем их на уровне произведений и сумм переменных, но это тоже надо сделать правильно.
Оказалось, что во многих случаях это можно даже обосновать теоретически для неких классов задач при работе с нашим тензором, набором возможностей.
Мы разработали для этого новый, устойчивый алгоритм, который будет стабильно работать, в то время как классические алгоритмы могут сработать, а могут не сработать, в зависимости от того, какую переменную мы берем.
Тензорный поиск, поиск по массиву возможных переменных, уже работает. Его применяют в рекомендательных системах, когда на сайте пользователь что-нибудь покупает, с учетом его истории покупок и действий на сайте можно предсказать, что он с большей вероятностью купит потом.
Еще это применяют для сжатия видео, для ускорения машинного обучения и ускорения работы нейронных сетей, для разработки лекарств, когда нужно предсказывать свойства молекул по их структуре, когда признаками становятся координаты молекул, а предсказать нужно их энергию — в этом случае наш метод становится очень успешным.
