На выходных отдыхал от науки в горах, но всё равно получился научпоп-контент. Почитать можно тут. Видео мои, но описания эффектов даёт профессионал

#физика@chelovek_nauk

Хотите, чтобы у ребёнка был меньше риск астмы? Возможно, ему нужно употреблять фермерскую пыль

На конференции исследователей лёгких узнал любопытный факт: дети, выросшие на молочных фермах, обладают меньшим риском астмы (уточнение: я видел только данные по США, Австрии и Германии, не уверен, что это работает в любой стране). Учёные старались понять, что именно за это отвечает: например, исследовали связь деревенского необработанного молока с частотой заболеваемости. В итоге круг подозреваемых сузился до пыли из коровьего хлева: её вдыхание снижает риск астмы и у мышей. Учёные стараются понять, какие именно вещества связаны с таким эффектом, чтобы на их основе разработать вакцины

Это любопытно по нескольким причинам. Многие лекарства вдохновлены природой, зачастую – растениями, которые люди традиционно использовали для лечения. Это не значит, что нужно лечиться травками, напротив. Если какое-то растение обладает целебным эффектом, фармкомпании уже давно выделили из него действующее вещество, а затем изучили его влияние на куче животных и тысячах людей. Так можно понять, в каких дозах и при каком режиме приёма лекарство является безопасным и наиболее эффективным. Лечась методами традиционной медицины, вы в лучшем случае получите то же самое вещество, но в абсолютно случайной дозировке (растения – не самая стандартизированная фабрика). В худшем же случае можно себе навредить, потому что бабка-знахарка, конечно, звучит уверенно, но вряд ли делает выводы на основе тысяч стандартизированных наблюдений по пациентам со многих стран, а растения содержат ещё кучу всего помимо действующего вещества. Не обязательно полезного

Интересно, что целебных трав в любой культуре довольно много. Но кому придёт в голову, что для здоровья хорошо бы дышать пылью из хлева? Наука позволяет найти такие и ещё более неожиданные ассоциации

#медицина@chelovek_nauk #биология@chelovek_nauk

В университетское время я вёл список программ по биоинформатике в России. На тот момент это было не сложно: таких программ мне было известно всего 5, из которых 3 требовали бы переезда в столичные города. Рад видеть, что с каждым годом возможностей для обучения становится всё больше от университетов со всей страны

В рамках программы „Цифровая кафедра“ Новосибирского государственного университета студенты любого вуза РФ 2-6 курсов, а также магистранты и ординаторы могут совершенно бесплатно, в формате онлайн получить дополнительную IT-профессию. Всего 7 программ: от ИИ и базового программирования на Питоне до биоинформатики. В среднем каждый курс длится 250 часов. Это программа переподготовки, сопровождаемая официальным дипломом от НГУ

Дедлайн уже скоро – 11 ноября. Подать заявку можно здесь, а почитать больше информации – тут

Идеальный пример приложения машинного обучения к биологии. Компания Recursion разрабатывает лекарства, тестируя огромное количество химических веществ на клеточных линиях и наблюдая как клетки меняют вид под воздействием разных молекул. Раньше учёные полагались на окрашивание клеток – безумно красивый биологический метод, позволяющий по-разному окрасить органеллы: ядро, элементы клеточного скелета и другие. Однако с развитием машинного обучения оказалось, что это не обязательно. Нейросетевая модель может распознать элементы клеток по обычному изображению со светового микроскопа! Результат неотличим от применения более дорогого и сложного окрашивания клеток

Помимо экономии времени и денег на красители, это ещё и позволяет смотреть на динамику. Раньше это было невозможно: красители повреждают элементы клетки и она ведёт себя по-другому, а протокол окрашивания требует убийства и фиксации клеток

Быть может, и другие методы можно упростить

#биология@chelovek_nauk #програмирование@chelovek_nauk

Недавно у нас были посты с упоминанием Ричарда Фейнмана (вот этот и ещё один). А давайте разыграем его книгу! Хотелось бы, конечно, „В Туву любой ценой“, но её оказалось не так просто найти. Оставим на попозже (напишите, если знаете, где её достать), а пока начнём с классики – „Вы, конечно, шутите, мистер Фейнман“

Это захватывающая автобиография невероятной жизни учёного: от работы над созданием ядерной бомбы до распутывания загадки взорвавшегося космического шаттла. Я люблю эту книгу не только за удивительный жизненный путь автора и юмор, сопровождавший каждый её этап, но и потому что она содержит советы, которые вполне применимы для современных учёных из любой области

Условия розыгрыша просты: нужно быть подписчиком канала и оставить комментарий. Но не простой! Нужно придумать перевёрнутое слово для русского языка подобно тому как это делают французы в своём сленге. 1 декабря автор случайного комментария станет счастливым обладателем книги, а самые интересные слова попадут в пост

#конкурсы@chelovek_nauk

Когда-нибудь привыкну к этим курящим мышам, но пока всё ещё смешно. Извиняюсь за качество, это скриншот слайда

#биология@chelovek_nauk

Подборка постов за октябрь!

Последнее приключение Ричарда Фейнмана и история, ради раскопки которой стоило вести этот канал:
🗺 В Туву любой ценой!

Чудесные макро- и микро-миры
🦅 Птицы-долгожители
🐜 Будьте вежливы! Уступайте места пожилым, беременным королевам муравьев с детьми!
🍜 Таких супов вы точно не ели!
🍸 Два фаго-коктейля, пожалуйста!

Что расскажет нам статистика
🪄 Странные, но такое красивые UMAPы
💻 Машинное обучение: когда статистики недостаточно

О вечном, о кофе
☕️ Подкаст "О влиянии кофе" или "Сколько вам осталось"
👨‍⚕️ Несколько причин полюбить кофе

Истории:
🎃 Хэллоуинская подборка страшилок из мира науки

Лингвистическое
🇫🇷 Крутой способ шифрования из французского сленга
📉 Великий и могучий русский язык
🤾‍♀️ Феминитивы и псевдоанглицизмы
🧬 Песня не про гены и мемы

Мемы:
Научпоп, образование и наука

Читатели этих постов без труда смогут поучаствовать в розыгрыше книги!

#подборки@chelovek_nauk

В лекции я приводил несколько примеров, когда статистика формально даёт „значимый“ результат, позволяя делать выводы, но практически в этом очень мало пользы. Вот реальный случай из статьи. Меня зацепил заголовок, да и введение было интересно читать: авторы рассуждают об индивидуальной восприимчивости лекарств и как связать её с генетикой через так называемые „фармакогены“. При помощи анализа таких генов может получиться предсказывать ответ на лекарство у конкретного человека и улучшить терапию. „Наш анализ выявил множество интересных открытий“, – пишут авторы

Но затем я дочитал до иллюстрации и ужаснулся. „Открытия“, сделанные авторами, формально верны. Например, статистика говорит, что на графиках снизу линия, описывающая вариативность экспрессии фармакогенов между разными клетками и у разных людей, не горизонтальна. Но насколько такая связь практически значима?

Честь авторам за то, что они не стали прятать данные и показали основания выводов. Но статью читать я дальше не стал

#статистика@chelovek_nauk

В канале порой проскакивают посты о лингвистике. Я стараюсь писать их с осторожностью, потому что не специалист в теме. Но языки такие интересные! Кроме того, понимание языка облегчает восприятие мира. Помню как в детстве никак не мог понять, что такое „юстиция“, пока не осенила его связь со словом „justice“ – справедливость или правосудие. Понимание языков помогает и в науке: знание расшифровки ДНК – это практически шпаргалка по составу молекулы

Кроме того, у науки есть и свой язык. Например, в физике переменные обозначаются буквами. Но почему для скорости используется буква v, а не s как в слове „speed“? А почему скорость света – это вообще c? Соня написала прекрасный пост, помогающий в этом разобраться. Приятно удивлён, что вдохновением для него послужили мои профанские посты о лингвистике

У неё в канале ещё много интересного о физике и жизни в науке! Рекомендую 🙂

А ещё помните, что переменные можно обозначать как угодно. Даже котиками

Вот ещё один пример из лекции. Здесь авторы рассуждают об очень острой теме: предсказание интеллекта по генетике. Оценивают интеллект по успеваемости в школе: лучше какого процента учеников у человека были оценки

Нет одного гена, который предсказывал бы успеваемость, но авторы собирают несколько тысяч отличий в геномах в так называемую „полигенетическую оценку“. Такие оценки „могут привнести мощную конструкцию интеллекта в любую область наук о жизни“: пишут авторы. А ниже, – „Эти оценки могут предсказать 4% вариабельности интеллекта“

На этом моменте уже закрадываются подозрения: 4% объяснённой вариабельности не звучат как „мощная конструкция“. Но дальше становится только хуже. Продолжение в следующем посте, а пока можете посмотреть на чудесные иллюстрации достойные попадания в рубрику с ужасными графиками. В отличие от примера из предыдущего поста, здесь они не были показаны сразу, а оказались спрятаны в самом конце статьи

#статистика@chelovek_nauk #биология@chelovek_nauk

Что же не так в статье из предыдущего поста? Начать можно с графика слева. Сразу бросается в глаза отстутствие очевидной зависимости. Если бы оценка интеллекта по генотипу работала идеально, мы бы видели прямую линию до правого верхнего угла: чем больше предсказанный интеллект, тем больше настоящий. Вместо этого мы видим невнятную кляксу, немного повёрнутую вдоль желанной диагонали

Но ещё хуже становится, если взглянуть на оси. Почему после 0.1 идёт 2, а потом 15? Какое значение у точки между 75 и 98%? Может быть как 77, так и 95. Это даже не логарифмическая ось, это какое-то надругательство над визуализацией. А главное, совершенно непонятно – зачем, график всё равно не показывает никакую связь

Возникает вопрос: есть ли вообще смысл интерпретировать этот результат? В негативном смысле – да: по генотипу довольно плохо можно предсказать интеллект. Представьте, что доктор с прискорбным выражением лица говорит вам: „К сожалению, по полигенетической оценке ваш ребёнок будет учиться хуже 90% детей“. Как использовать эту информацию? Да никак: в среднем при таком результате вы бы ожидали, что он будет учиться лучше 15%, но он может превзойти и 99.9%. На втором графике видно, что топ 10% людей с самым высоким предсказанным интеллектом и 10% с самым низким очень сильно пересекаются по реальным оценкам в школе. Хотя чудесные оси опять же мешают понять, как это выглядит на самом деле

При всём этом авторы пишут: „полигенетические оценки полезны для индивидуального предсказания“. Каким образом? Я не понимаю

Проблема статистического подхода здесь в том, что он не оценивает предсказательную силу. Он проверяет, правда ли, что связь между предсказанными и настоящими оценками нулевая, и говорит, что такие данные маловероятны при нулевой связи. Но насколько связь сильная – уже неважно

#статистика@chelovek_nauk

Извините, я обещал завязывать с такими шутками, но они сами преследуют меня. Сингапур предлагает найти свои каки – так, видимо, на местном сленге называются приятели. Можно даже присоединиться к программе «каки за границей». Вступаем?

#лингвистика@chelovek_nauk

Один из способов успеха в науке – использование самых современных методов. В прошлом это часто были новые математические теории или экспериментальные установки, позже многие открытия стали появляться благодаря компьютерам. Сегодня самые бурно развивающиеся методы – это, несомненно, технологии „искуственного интеллекта“. Инструменты, основанные на нейросетях, помогают искать информацию, учиться и эффективно организовывать работу. Именно они позволят вам быть на шаг впереди. А обучиться работе с ними гораздо проще, чем математике!

Изучить новые методы помогут ребята из Blastim, уже больше 9 лет несущие биоинформатическое образование в массы. 3 декабря у них стартует самый современный курс «Ученый будущего: интеграция AI в научную работу». Этот курс поможет уверенно внедрить AI в вашу повседневность. Полезно будет любым учёным, а особый упор в курсе сделан на область биотеха

Я тоже поучаствую: расскажу как ИИ-инструменты помогают мне в работе и поделюсь реальными случаями из практики

Чему вы научитесь за 9 занятий?
📌 Работать с популярными моделями (GPT, Gemini, Perplexity, Claude)
📌 Писать промты, которые дают точные и полезные результаты
📌 Проверять данные на галлюцинации и повышать качество выдачи
📌 Работать с Advanced Data Analysis GPT для анализа научных статей
📌 Создавать графики, считать статистику, адаптировать резюме
📌 Планировать эксперименты и анализировать NGS-данные

Этот курс облегчит рутину научной жизни, освободит время для крупных идей и поможет чувствовать себя уверенно в новой AI-реальности

📅 Старт курса — 3 декабря

🧠 Скидка 20% по промокоду: AIVLADIMIR

Научное будущее начинается уже сегодня!

И у нас есть победитель! Волей рандома, обладателем книги станет Нәзік Ерсаин, оставивший комментарий „Тивистак“. Интересное получилось слово и близкое по духу оригинальному использованию шифрования

Многие участники решили, что научные термины какие-то слишком понятные и постарались зашифровать их ещё больше, превратив нейрон в ронней, аналемму в мааналему, астигматизм в атизмастигм и даже слово „рафанобрассика“ в брассикарафано. Сама наука тоже обратилась в укану и в канау. Часть людей увлеклась придумыванием слов, которые после перестановок слогов превращаются в другие существующие слова: так кабан – это просто банка под другим углом, мышка и камыш имеют много общего, цоколь и кольцо вращаются в вечном цикле, а Эльбрус почти трансформировался в город, став Брусэлем

Также мы выяснили, что оротнаоб – отличный способ придумывания кличек. Ричард Фейнман немедленно после выхода поста превратился в Ардрича Манфейна. Звучит круто! А мои любимые слова по звучанию – это ликрога, зонтгори, ботара, тураструк, кондра, тикастатис, авеймур, дашкаран и победитель-тивистак

Поздравления победителю, а остальным – просьба не расстраиваться. Как заметили в комментариях, можноеневоз можновоз! Но необязательно с первой попытки

Было захватывающе читать ваши комментарии! Обязательно будем проводить больше конкурсов. Есть ли предпочтения по книгам перед Новым годом?

#конкурсы@chelovek_nauk

Про двойные маятники куча контента: и научного, и популярного. Это система с двумя подвижными звеньями и очень хаотичным поведением. Двойные маятники с неразличимыми глазом начальными позициями очень скоро начинают колебаться совершенно непохожим образом, а предсказать, когда остановится каждый из них, практически невозможно. Хаос как он есть, о чём как правило и говорят в бесчисленных материалах по теме

И тут кому-то пришло в голову систематично расположить кучу таких маятников на одном экране. Каждый немного отличается от соседа начальными положениями углов. В быстро возникающей пучине хаоса внезапно проявляется островок стабильности. Маятники в нём выглядят похожим образом даже спустя огромное время. Вот здесь есть код на вольфраме для воспроизведения

Если проблема кажется непонятной и неразрешимой, возможно стоит посмотреть на неё систематически. Или под непривычным углом

#математика@chelovek_nauk #программирование@chelovek_nauk

В школьное время у нас с другом был свой сленг для общения на уроках химии. Как отличники, мы разумеется знали правила чтения соединений. Но перешёптываться на уроке было гораздо удобнее словами „хакл“ или „надвасоч“ вместо „аш хлор“ или „натрий два эс о четыре“. Не показывайте этот пост учителям химии, им может поплохеть!

Пару дней назад листал канал с кучей химических экспериментов. Взрывы, красивые реакции – именно так школьники представляют химию до того как она начинается в программе. И в комментариях под видео обнаружил, что похожий на наш сленг используют и профессиональные химики. Тетрахлорид титана TiCl4 называют „tickle“ – по-русски „щекотка“

А какие забавные термины знаете вы?

#химия@chelovek_nauk #лингвистика@chelovek_nauk

Вот за что люблю интернет: одному пришла в голову идея, другой поделился, третий подхватил и дополнил чем-то своим. Знакомый физик Кирилл на основе недавнего поста сделал свою визуализацию двойного маятника. Каждый пиксель здесь – маятник, а цвета кодируют один из углов. Невероятно красиво!

Остров стабильности, оказывается, выглядит как кит (картинка есть в комментариях). А ещё оцените мощь современных технологий. Обнаружить этот эффект можно было бы и двести лет назад, нужно только собрать кучу маятников, точно отметить углы и придумать как запустить всё одновременно. Ну и конечно хорошо всё запомнить и зарисовать. Сегодня модель строится за 20 строчек кода и считается минуту

#физика@chelovek_nauk #программирование@chelovek_nauk