Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
В ЮФУ улучшили алгоритм размножения краснокнижных растений
Созданный учеными Академии биологии и биотехнологий Д. И. Ивановского ЮФУ алгоритм математического моделирования позволит оптимально и точно подбирать нужные концентрации питательных сред для растений. Такую технологию можно будет применять для микроклонального размножения — эффективного способа сохранения генофонда угрожаемых растений.
На сегодняшний день одним из популярных и высокоэффективных методов сохранения генофонда редких и исчезающих видов растений является микроклональное размножение. Благодаря этому методу возможно не только сохранять исчезающие виды растений in vitro («в пробирке» — в искусственных условиях, вне организма или естественной среды), но и исследовать их генетические, физиологические, анатомо-морфологические аспекты биологии, осуществлять определение и выделение вторичных метаболитов, находящих применение в медицине, а также производить количество материала, достаточного для селекции или размножения растений-регенерантов с целью дальнейшей продажи.
На каждом этапе микроклонального размножения растению необходима соответствующая питательная среда. Однако, ученые каждый раз ее подбирают вручную, исследуя множество разных вариаций концентраций для каждого растения, что замедляет и даже усложняет процесс микроклонирования. В связи с этим молодые исследователи Академии биологии и биотехнологий Д. И. Ивановского ЮФУ во главе с кандидатом биологических наук, научным сотрудником Ботанического сада ЮФУ, руководителем молодежной лаборатории «Молекулярная биотехнология растений», запущенной в рамках программы «Приоритет-2030»(нацпроект «Наука и университеты»), Василием Чохели разработали алгоритм, который наиболее приемлем для подбора оптимальной питательной среды для микроклонального размножения растений.
«Несмотря на то, что в мире существует бесчисленное множество видов математического моделирования и математического подбора питательных сред, мы разработали алгоритм, который, на наш взгляд, будет наиболее точен и удобен в использовании. Благодаря четкой схеме алгоритм поможет ученым минимизировать путаницы и позволит более оптимально подбирать концентрации и, соответственно, добиться лучших результатов экспериментов», — рассказал Василий Чохели.
В чем заключается суть — ученые берут несколько вариаций питательных сред, которые отличаются между собой по минеральному составу (макро и микроэлементам), а также концентрацией органических веществ; наличию тех или иных фитогормонов: цитокинины или ауксины, в зависимости от того, что нужно получить в итоге, и их концентрации. Используя различные регуляторы роста и концентрации этих регуляторов, они анализируют все среды и оценивают три главных параметра: минеральное питание, регулятор роста и концентрация регулятора роста. Именно так и подбирается оптимальная среда для исследуемого растения.
«В начале, при исследовании влияния концентраций фитогормонов, используется шаг в 0,5 мг/л. Изначальная безгормональная питательная среда (0 мг/л) выступает в качестве контроля. Затем линейка питательных сред с концентрациями 0,5 мг/л, 1 мг/л, 1,5 мг/л, 2 мг/л. Затем после статистического анализа, когда становится известным наилучшее минеральное питание и наиболее подходящий регулятор роста, и его концентрация, происходит приготовление новой «линейки» питательных сред, но «шаг концентраций» уменьшается до 0,1 мг/л. Так например, было выявлено, что лучше всего подходит среда MS (Мурасиге и Скуга) и фитогормон метатополин в концентрации 1,5 мг/л. Мы ищем более точную концентрацию гормона, при которой растение будет давать наибольший коэффициент мультипликации. Поэтому готовим следующие концентрации: 1,3 мг/л; 1,4 мг/л; 1,6 мг/л, 1,7 мг/л. При желании и возможности исследователя, можно дальше дробить шаг», – пояснил Василий Чохели.
В недавнем исследовании ученые уже протестировали новый алгоритм, изучив с помощью него эффект влияния разных фитогормонов на размножение Копеечника крупноцветкового (Hedysarum grandiflorum Pall.), Иссопа мелового (Hyssopus cretaceus Dubj.), Левкой душистый (Matthiola fragrans Bunge). Было показано, что оптимальной минеральной основой для изучаемых видов является среда Гамборга (В5). В то время, как большинство лабораторий работает с модификациями канонической питательной среды МС. Также было показано, что эффективной заменой синтетического гормона 6-БАП, является фитогормон метатополин. Так, для копеечника крупноцветкового оптимальная концентрация составляет 1мг/л, а для иссопа мелового — 0,5 мг/л.
Для левкоя душистого оптимальная среда В5 с добавлением кинетина в концентрации 1мг/л. По словам ученых, использование таких «мягких» (с низким мутагенным статусом) фитогормонов позволит эффективно сохранять редкие растения в культуре in vitro. Результаты исследования, выполненного при финансовой поддержке Министерства науки и высшего образования России в рамках государственного задания в сфере научной деятельности, изложены в научном журнале Horticulturae.
Telegram 
Дзен 
VK К любопытным выводам привели наблюдения японских ученых за пестролицыми буревестниками. Оказалось, эти птицы испражняются в основном на лету, намеренно избегая такой возможности на поверхности воды. Очевидно, предположили исследователи, это облегчает движения в воздухе взрослым особям с добычей во рту.
Ученые из Лондонского университета королевы Марии и Королевского колледжа Лондона провели первый в своем роде метаанализ исследований, связывающих высокую чувствительность человека и его психологическую уязвимость. Люди, которые лучше считывают настроение других, и восприимчивые к внешним раздражителям больше подвержены депрессии и тревоге. Это следует учитывать в клинической практике.
Исследователи ЮФУ провели комплексный анализ донных отложений Таганрогского залива и выявили повышенный уровень экотоксичности в большинстве проб. Кроме того, были обнаружены бактерии с генами устойчивости к антибиотикам.
Астрономы подсчитали, что с поверхности летящего по Солнечной системе межзвездного объекта 3I/ATLAS каждую секунду испаряется около 40 килограммов водяного льда. Такую сильную кометную активность он проявил, будучи в три с половиной раза дальше Земли от Солнца. По мнению ученых, это довольно необычно.
За последнее десятилетие ученые создали несколько сложных систем «мозг — компьютер», которые позволяли преобразовывать мозговую активность людей, лишившихся способности говорить из-за различных заболеваний, в речь. Однако до сих пор удавалось расшифровать лишь небольшое количество слов. Теперь в США создали алгоритм, благодаря которому удалось распознать до 54 процентов «речи».
Изображение блазара PKS 1424+240, полученное с помощью радиоинтерферометра VLBA, напомнило астрономам легендарное «Око Саурона» из «Властелина колец» — джет, пронизывающий кольцеобразное магнитное поле объекта, устремлен к нашей планете, а сам блазар может оказаться одним из наиболее ярких источников нейтрино в космосе.
Прибывшая из межзвездного пространства предполагаемая комета 3I/ATLAS движется по траектории, максимально удобной для гравитационных маневров управляемого корабля, при этом возможность ее отслеживания с Земли практически минимальна. По мнению некоторых ученых, такое «поведение» объекта наводит на определенные мысли.
Примерно 12 800 лет назад в Северном полушарии началось резкое изменение климата, которое сопровождалось вымиранием мегафауны и угасанием культуры Кловис. Такое могло произойти, например, из-за прорыва пресных вод в Атлантику или мощного вулканического извержения. Несколько лет назад ученые обнаружили места на суше с повышенным содержанием элементов платиновой группы, прослоями угля, микрочастицами расплава. По их мнению, это может быть признаком пребывания Земли в потоке обломков кометы или астероида. В новой работе впервые представлены доказательства кометного события в позднем дриасе из морских осадочных толщ.
Команда исследователей из Сколтеха, МФТИ, Института искусственного интеллекта AIRI и других научных центров разработала метод, позволяющий не просто отличать тексты, написанные человеком, от сгенерированных нейросетью, но и понимать, по каким именно признакам классификатор принимает решение о том, является ли текст генерацией или нет. Анализируя внутренние состояния глубоких слоев языковой модели, ученые смогли выделить и интерпретировать численные признаки, отвечающие за стилистику, сложность и «степень уверенности» текста.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно