Professional Documents
Culture Documents
Εισαγωγή
i * Eπίκουρος καθηγητής Βιοπληρο-
φορικής και Συστημικής Βιολογίας στο
Πανεπιστήμιο Paris Diderot - Paris VII Η βιολογία για πολλά χρόνια αντιμετω
** Yποψήφιος διδάκτορας Aλγοριθμικής Bιο πίστηκε, τόσο από τους ερευνητές που
λογίας στο τμήμα Πληροφορικής του ΕΚΠΑ. εργάζονται εντός της όσο και από τους
παρατηρητές της, ως η πιο περιγραφική 111
από τις θετικές επιστήμες και η δυσκο σχέσης θα επιδιώξουμε να αναδείξου
λότερη σε μια μαθηματικοποίηση, όπως με τις πιο σημαντικές κατακτήσεις, τις
αυτή που έλαβε χώρα στη φυσική κατά προοπτικές αλλά και τα όρια αυτών των
τις αρχές του 20ού αιώνα. Παράλληλα, προσεγγίσεων.
η συνεχής συσσώρευση νέων αποτελε Τέλος, θα προσπαθήσουμε να διερευ
σμάτων και οι ραγδαίες μεταβολές πολ νήσουμε από μια διαλεκτική υλιστική
λών ισχυουσών θεωριών (ειδικά μετά σκοπιά διάφορες παραπλανητικές αντι
την επανάσταση της μοριακής βιολογί λήψεις που ακουμπάνε στη διεπαφή
ας) δημιούργησαν ένα χάος αντιλήψε βιολογίας-μαθηματικών-υπολογιστών.
ων τόσο στην επιστημονική κοινότητα, Πώς τελικά η ανάπτυξη αυτής της προ
αλλά πολύ περισσότερο στο ευρύ κοινό. βληματικής –σήμερα αλλά και ιστορι
Τα τελευταία χρόνια η είσοδος της κά– σχέσης μπορεί να οδηγήσει σε ένα
πληροφορικής στο χώρο της βιολογί νέο παράδειγμα, αλλά ταυτόχρονα εγκυ
ας υπόσχεται μια νέα επανάσταση που μονεί και κινδύνους τελμάτωσης και πι
μπορεί να βάλει μια τάξη στην υπερ σωγυρισμάτων στη βιολογική έρευνα
πληθώρα νέων δεδομένων και την ανά που προκαλούνται από την κυριαρχία
λυσή τους. Η υιοθέτηση εννοιών όπως των καπιταλιστικών σχέσεων παραγω
big data (μεγάλος όγκος δεδομένων), γής, ιδιαίτερα σε περιόδους κρίσης.
machine learning (τεχνητή/μηχανική
μάθηση) και data science (επιστήμη
δεδομένων) βρίσκεται στον πυρήνα της
βιολογικής έρευνας. Η δυναμική αυτή
Μετά τη μοριακή
είσοδος προκαλεί αλλαγές προσεγγί και τη γονιδιακή επανάσταση
σεων και νοοτροπιών και αποτελεί για
πολλούς ένα καινούργιο «ιερό δισκοπό Είναι κοινός τόπος –και έχει διατυπωθεί
τηρο», του οποίου τα εργαλεία αναμέ στο έργο πολλών ιστορικών της επιστή
νεται να λύσουν πολλά από τα μεγάλα μης– ότι η βιολογία πέρασε έναν με
προβλήματα στις βιοεπιστήμες. γάλο μετασχηματισμό από τη δεκαετία
Το βάθος και η έκταση της σχέσης του 1950 με την επανάσταση της μο
μαθηματικών-υπολογιστών-βιολογίας ριακής βιολογίας, που εκτόξευσε την
καθώς και η ιστορική διαδρομή της ανά ανάπτυξη της επιστημονικής γνώσης σε
πτυξής της πάει πολύ μακριά σχεδόν όλους τους τομείς των βιοεπιστημών τα
στις απαρχές της ανάπτυξης των υπολο τελευταία 70 σχεδόν χρόνια. Για το με
γιστών, αλλά και της σύγχρονης βιολογί γαλύτερο κομμάτι της επιστημονικής
ας και περιλαμβάνει πολλά παράλληλα κοινότητας, η επανάσταση στη μορια
επίπεδα αλληλεπίδρασης. Στο άρθρο κή βιολογία ήταν μια χαρακτηριστική
αυτό θα προσπαθήσουμε να περιγρά στιγμή καρτεσιανής επιστημονικής ανά
ψουμε την ιστορική εξέλιξη της σχέ πτυξης, δηλαδή διάσπαση του όλου σε
σης αυτής ως μιας σχέσης ανάγκης που μικρά επιμέρους κομμάτια, μελετώντας
προέκυψε και προκύπτει τόσο από την τα διεξοδικά, μεμονωμένα και με μεγά
ανάπτυξη της επιστημονικής γνώσης και λη ακρίβεια και οδηγώντας έτσι στην
των παραγωγικών δυνάμεων, όσο και πλήρη επικράτηση του αναγωγισμού.
από τη διάρθρωση των παραγωγικών Το κάθε φαινόμενο του έμβιου κόσμου
σχέσεων και δη του καπιταλισμού στην (μέχρι και οργανωτικά ανώτερα φαινό
πορεία του. Ξεδιπλώνοντας τη διαπλοκή μενα όπως η νοημοσύνη ή τα συναισθή
βιολογίας και μαθηματικών-υπολογι ματα) αναγόταν στη μελέτη ενός ή λίγων
στών θα παρουσιάσουμε μερικές πλευ βιομορίων που «παίζουν καθοριστικό
ρές τόσο της επιστημονικής εγγύτητας ρόλο» στην εμφάνισή του.
όσο και της αποστασιοποίησής τους Μια παρόμοια επανάσταση διανύει
(για παράδειγμα τι σημαίνει «υπολογι αυτή τη στιγμή η βιολογία με την τρομα
στικότητα» για ένα βιολογικό σύστημα). κτική μεγέθυνση της γονιδιακής και γο
112 Μέσα από την περιδίνηση αυτής της νιδιωματικής τεχνολογίας. Η τελευταία
στηρίζεται τόσο στη δημιουργία μηχα πείας, όσο και αυτές που τόσο αναμενό
νών για τη γρήγορη και φτηνή παραγωγή μενα αναπτύσσονται τώρα (π.χ. Crispr-
τεράστιων ποσοτήτων βιολογικών δεδο Cas9), παρά τις μεγάλες υποσχέσεις δεν
μένων (συνήθως με τη μορφή συμβόλων έχουν επιτύχει παρά σε ελάχιστες περι
βιομορίων, DNA, RNA, αμινοξέα κ.λπ.) πτώσεις να προσφέρουν λειτουργικές
όσο και στην ανάπτυξη μαθηματικών, λύσεις σε ασθένειες.
στατιστικών και υπολογιστικών μεθόδων Δεν θα πρέπει να παραγνωρίζουμε
για την ανάλυση αυτού του τεράστιου όμως και τις θετικές εξελίξεις και την
όγκου δεδομένων. Η νέα αυτή προσέγγι προώθηση της γνώσης που έχει προ
ση της βιολογίας ασκεί πίεση και εκ των σφέρει η γονιδιωματική επανάσταση, η
πραγμάτων προκαλεί και απαιτεί μια με χρήση μεγα-δεδομένων και η εφαρμο
τατόπιση από την παραδοσιακή αναγω γή σύγχρονων υπολογιστικών μεθόδων
γική μέθοδο της μοριακής βιολογίας σε ανάλυσης σε αρκετά πεδία. Ενδεικτικά,
πιο συστημικές προσεγγίσεις˙ προσεγγί η πιο επιτυχημένη και ελπιδοφόρα εξέ
σεις οι οποίες εμπλέκουν τη μελέτη πολ λιξη βρίσκεται στο πεδίο της διαγνωστι
λαπλών αλληλεπιδράσεων και ερμηνεύ κής και ιδιαίτερα στην περίπτωση ανά
ουν φαινόμενα βασισμένες στη θεωρία πτυξης πολλών τεστ πρόγνωσης διάφο
των συστημάτων/βιολογία συστημάτων ρων τύπων καρκίνου.
(system biology). Η μετατόπιση αυτή Όμως, ακόμα και σε αυτό το παρά
όμως ούτε ολοκληρωμένη είναι ούτε δειγμα, η γονιδιακή οπτική είναι συ
συμβαίνει χωρίς τριγμούς και προβλήμα μπληρωματική, δηλαδή αποτελεί μέρος
τα που προκαλούνται από τις παρεμβά της εξήγησης του φαινομένου. Φαίνεται
σεις των καπιταλιστικών αγορών. όλο και περισσότερο ότι οι αποσπασμα
Η εισαγωγή της βιολογίας στη γονι τικές προσεγγίσεις αγνοούν αυτό που
διωματική εποχή και την εποχή των με τελικά προκαλεί την πολυπλοκότητα των
γάλων δεδομένων έγινε με την ανάγνω έμβιων συστημάτων, δηλαδή η συνεχής
ση (ή όπως λανθασμένα αποκαλείται αλληλεπίδραση των διαφορετικών στοι
«αποκωδικοποίηση») του ανθρώπινου χείων του οργανισμού μεταξύ τους και η
DNA αλλά και των γονιδιωμάτων πολ ανατροφοδότηση με το περιβάλλον.
λών άλλων οργανισμών. Ο ενθουσια Τα αδιέξοδα της αναγωγικής μεθόδου
σμός περίσσευε το 2001 όταν ο ίδιος έχουν οδηγήσει, όπως αναφέραμε και
ο πρόεδρος των ΗΠΑ ανακοίνωσε τη προηγουμένως, σε έναν επαναπροσδιο
λήξη του προγράμματος αλληλούχισης ρισμό της κυρίαρχης αντίληψης στη βιο
του ανθρώπινου γονιδιώματος (Human λογία. Σε αυτή τη «συστημική» προσέγ
Genome Project –HGP–) γεγονός που γιση μεγάλο ρόλο παίζει η προσπάθεια
έγινε εφικτό χάρη στην απασχόληση εύρεσης σημαντικά επαναλαμβανόμε
πολλών μαθηματικών και επιστημόνων νων προτύπων (patterns) στην ανάλυση
πληροφορικής στη διαδικασία ανάλυ των δεδομένων. Το πεδίο αυτό επανα
σης και συναρμολόγησης των τεσσάρων καθορίζει τη σχέση της βιολογίας με τα
δισεκατομμυρίων γραμμάτων DNA που μαθηματικά.
αποτελούν το γονιδίωμα των ανθρώπων.
αφιερωμα
σικές θεμελιακές θεωρίες και στις δύο κή, γενετικοί αλγόριθμοι και γενετικός
αυτές διαφορετικές επιστήμες. Η πρώτη προγραμματισμός, βελτιστοποίηση με
στην επιστήμη των υπολογιστών με την αποικίες μυρμηγκιών, μορφογενετικοί
περιγραφή και κατασκευή της μηχανής αλγόριθμοι αποτελούν απευθείας προ
Τούρινγκ (Turing machine) και η δεύτε σπάθειες μιμητισμού διαφόρων τεχνι
ρη στη μορφογένεση με το μοντέλο της κών που έχουν αναπτύξει πολλά βιολο
ανάπτυξης μοτίβων (Turing patterns) γικά συστήματα για να βρίσκουν λύσεις
στη μορφογένεση των οργανισμών. Οι στα προβλήματα που θέτει η επιβίωση
μηχανές Τούρινγκ ουσιαστικά αποτε σε πολύπλοκα περιβάλλοντα.
λούν τη θεωρητική εκείνη κατασκευή Τέλος, η σύγχρονη έρευνα στη βιολο
που έχει καθολική ικανότητα να υπο γία έχει αναδείξει πτυχές των βιολογικών 115
συστημάτων που παρουσιάζουν αξιοση δόμηση ή/και τον επαναπροσδιορισμό
μείωτη ακρίβεια (π.χ. οι κιρκαδιανοί ρυθ του μέχρι πρότινος προελαύνοντος ντε
μοί οι οποίοι είναι αυστηρά καθορισμένοι τερμινισμού; Το παραπάνω ερώτημα δεν
στις 24 ώρες), η υπολογιστική ικανότητα έχει μόνο φιλοσοφικό-επιστημολογικό
των νουκλεοσωμάτων (π.χ. η ακριβέστα ενδιαφέρον καθώς ιστορικά η ντετερμι
τη μέτρηση του συνδυασμού ημερών νιστική σύνδεση DNA-οργανισμού έχει
και θερμοκρασίας που απαιτείται για οδηγήσει πολλές φορές στην ανάπτυξη
την άνθηση), αλλά και ικανότητες που και στην επιστημονική «θωράκιση» πολ
προσιδιάζουν σε εκτέλεση υπολογιστι λών ρατσιστικών αντιλήψεων.
κών προγραμμάτων (π.χ. συμπεριφορές Από την άλλη πλευρά, δεν πρέπει να
προνοητικότητας ακόμα και πολύ απλών οδηγούμαστε με μια ευκολία σε «απο
οργανισμών χωρίς καν νευρικό σύστημα, γειωμένα» μοντέλα και ούτε να περιμέ
όπως στα βακτήρια ή ακόμα και σε υπο νουμε μια ιστορική επανάληψη του πα
κυτταρικό επίπεδο). Και βέβαια, δεν πρέ ραδείγματος της φυσικής. Και αυτό λει
πει να παραμελούμε τις έρευνες για υπο τουργεί και προς τις δύο κατευθύνσεις,
λογιστές με αρχιτεκτονική βασισμένη δηλαδή τις ιδέες που μπορεί να δώσει η
στο DNA, εντελώς διαφορετική από αυτή βιολογία στα μαθηματικά. Αναφερθή
του πυριτίου, που υπόσχονται εκτόξευση καμε στο παράδειγμα των νευρωνικών
της υπολογιστικής ικανότητας. δικτύων. Είναι πολύ σημαντικό να κα
Οι ιδέες αυτές δίνουν νέους ορίζοντες θορίζονται το λεξιλόγιο και οι κώδικες
σε εν πολλοίς αχαρτογράφητα νερά, για να αποφεύγονται ανθρωπομορφικές
αλλά εγείρουν και νέα φιλοσοφικά, συγχύσεις. Η προσπάθεια της κυρίαρχης
κοινωνικά ερωτήματα και επιστημονικά ιδεολογίας να προσδώσει ανθρώπινα
ερωτήματα. χαρακτηριστικά σε φαινόμενα των φυσι
κών επιστημών δεν έχει μόνο ερμηνευτι
κό χαρακτήρα, αλλά επιβάλλει με όλους
Το επιστημολογικό πρόβλημα τους τρόπους την πεποίθηση ότι οι ση
μερινές καπιταλιστικές σχέσεις έχουν
Σε ένα πιο αφαιρετικό επίπεδο, το ερώ «βιολογική υπόσταση» και ως εκ τούτου
τημα της μαθηματικοποίησης βιολογι είναι αιώνιες. Ακούμε για εγωιστικά γο
κών λειτουργιών είναι πιο επίκαιρο από νίδια, έξυπνες μηχανές, σωματίδια που
ποτέ. Ειδικότερα, η ανάπτυξη της θεω έχουν βούληση και παίγνια στη συμπε
ρίας πιθανοτήτων (που συνδέεται και ριφορά των ζώων.
με την ανάλυση μεγάλου όγκου δεδο Παράλληλα, η μηχανιστική αντίληψη,
μένων, αλλά και στη μοντελοποίηση δι δηλαδή η περιγραφή και αναπαράστα
αδικασιών διάχυσης στο εσωτερικό των ση βιολογικών οντοτήτων ως μηχανών
οργανισμών και τα εξελικτικά μοντέλα) εκφράζει την ανάγκη προσομοίωσης
φαίνονται να ανοίγουν προοπτικές για των πάντων με τα ίδια πρότυπα. Είναι
τη μετατροπή της βιολογίας σε μια πιο χαρακτηριστικές οι αναφορές τόσο στην
φορμαλιστική επιστήμη. καθημερινή μας γλώσσα, αλλά όσο και
Από τη μία πλευρά, αυτή η εξέλιξη δί σε συγγράμματα και στην επιστημονική
νει τη δυνατότητα ανάπτυξης νέων εργα βιβλιογραφία εννοιών, όπως «γενετική
λείων και εφαρμογών. Ήδη η εφαρμογή πληροφορία», «γενετικός κώδικας»,
τους σε πεδία, όπως η νευροαπεικόνιση, «κώδικας του DNA», «αποκρυπτογράφη
έχουν προωθήσει το επίπεδο τόσο στη ση του γονιδιώματος», «ρυθμιστικά προ
βασική έρευνα όσο και στη θεραπευτι γράμματα» κ.ο.κ. Η σχέση αυτή καταδει
κή. Επιπλέον, μπορούμε να αισιοδοξού κνύει τη διπλή υπόσταση που έχουν στην
με και για μια πιο συνεκτική θεωρία των πραγματικότητα τα βιολογικά συστήμα
βιολογικών συστημάτων. Ήδη αναφερ τα, δηλαδή αποτελούν πέρα από το σύ
θήκαμε στην αυξανόμενη επιρροή της νολο των μορίων τους και το σύνολο των
θεωρίας πιθανοτήτων. Θα μπορούσε μια σχέσεων και αλληλεπιδράσεών τους με
116 τέτοια σύνδεση να προκαλέσει την απο το περιβάλλον. Εξίσου, όμως, υπογραμ
μίζει και ένα υπόγειο πρόβλημα, αυτό
της πεπερασμένης δυνατότητας και
πολυπλοκότητας των εργαλείων και κα
τασκευών που παρατάσσει ο τεχνητός,
ανθρώπινος κόσμος για να κατανοήσει
τον έμβιο. Πάνω σε αυτή την αδυναμία
πατάει και χτίζει καινούργιους μετασχη
ματισμούς παραγωγικών δυνάμεων ο
καπιταλισμός όπως θα σχολιάσουμε στη
συνέχεια. Η υπέρβαση αυτών των αντι
λήψεων, ακόμα και στο πλαίσιο του λεξι
λογίου, είναι αναγκαία για την ανάπτυξη
μιας απελευθερωτικής οπτικής.
Μια τελευταία διάσταση του επιστη
μονικού προβλήματος της βαθύτερης
κατανόησης των βιολογικών φαινομέ τη σύγχρονη στρατηγική του κεφαλαίου
νων γίνεται ολοένα και πιο ορατή όσο και των ολοκληρώσεών του. Δεν είναι
μεγαλώνει ο όγκος των πειραματικών τυχαίο ότι η ΕΕ χρηματοδοτεί αφειδώς
δεδομένων. Η συλλογή μεγάλου όγκου προγράμματα που υπόσχονται άμεση
δεδομένων από μόνη της, εκτός του ότι σύνδεση με αυτό που ονομάζουν στα
δεν είναι αρκετή, μπορεί να οδηγήσει γραπτά τους «πραγματικό κόσμο», δη
πολλές φορές σε παράδοξα αποτελέ λαδή τις ανάγκες της αγοράς για άμεσα
σματα, όταν για την πρόβλεψη ενός βι κέρδη. Αν και διακηρυκτικά η ανάγκη
ολογικού φαινομένου χρησιμοποιούνται μιας μεγάλης αφήγησης παραμένει
αποκλειστικά «τυφλοί» στατιστικοί αλ στόχος, υποβαθμίζεται συστηματικά,
γόριθμοι συσχέτισης και «ανακάλυψης» δίνοντας τη θέση της στην αναρχία της
μοτίβων από αλγόριθμους και μηχανές παραγωγής, μεταφέροντας παραδείγ
που «μαθαίνουν» από τα διαθέσιμα δε ματα που παλιότερα ήταν πιο έντονα
δομένα και μόνο (statistical learning). στη βιομηχανία.
Χωρίς την ενσωμάτωση δομημένης γνώ Σε αυτά τα (διόλου περίεργα στο καπι
σης σε όποια μαθηματικά και υπολογι ταλιστικό πλαίσιο) φαινόμενα συμβάλ
στικά μοντέλα, η ερμηνευτική τους δυ λει και το γεγονός ότι η επιστημονική
νατότητα και η ικανότητά τους για πρό έρευνα έχει υποστεί έναν μεγάλο με
βλεψη θα παραμείνουν στα ίδια επίπε τασχηματισμό τις τελευταίες δεκαετίες
δα που έχουν μείνει εδώ και δεκαετίες. και αποτελεί αυτή η ίδια πλέον κατα
ναλωτικό αγαθό, δηλαδή η κατανάλω
ση και αναπαραγωγή επιστημονικής
πληροφορίας είναι προϊόν από μόνες
Το πρόβλημα της ανάπτυξης τους. Η δημοσιοποίηση επιστημονικών
των παραγωγικών σχέσεων επιτευγμάτων και η προπαγάνδισή τους
δημιουργεί κλίμα, προσελκύει πιθανούς
αφιερωμα