0:00:11.864,0:00:13.104
Markus Buehler vagyok.

0:00:13.134,0:00:15.943
Az MIT építőmérnöki kara tanára vagyok,

0:00:15.973,0:00:19.407
és a Számítógép-tudományi Központ tagja

0:00:19.437,0:00:21.502
az MIT Stephen A. Schwarzman egyetemen.

0:00:21.522,0:00:23.069
Az anyaggá alakított hang

0:00:23.119,0:00:26.038
és a hanggá alakított anyag[br]viszonyáról fogok beszélni.

0:00:26.271,0:00:29.624
Arról, hogyan hat egymásra[br]a rezgés, a hang és az anyag,

0:00:29.675,0:00:32.733
és hogyan használhatjuk a zenét[br]jobb, új anyagok tervezésére.

0:00:32.852,0:00:34.257
Biológiai szerkezetekre,

0:00:34.257,0:00:36.180
pl. pókhálókra gondolva látjuk,

0:00:36.240,0:00:39.879
hogy roppant aprólékos,[br]kusza és bonyolult szerkezetek.

0:00:39.980,0:00:41.364
Ha belenézünk a pókhálóba,

0:00:41.384,0:00:43.102
esetünkben háromdimenziósba,

0:00:43.122,0:00:44.792
számos belső szerkezetet látunk,

0:00:44.812,0:00:48.342
amely a makroméretűtől[br]a nanoméretűig terjed.

0:00:48.362,0:00:50.558
A hálószerkezetbe repülve látjuk,

0:00:50.578,0:00:54.395
hogy a hálót igen bonyolult[br]architektúra jellemzi.

0:00:54.479,0:00:57.763
Kinagyítva egyre több[br]hierarchikus jellemző

0:00:57.793,0:00:59.576
tűnik föl és válik láthatóvá.

0:00:59.773,0:01:03.095
Nagyításkor beleláthatunk[br]a selyemrostokba.

0:01:03.147,0:01:04.295
Fölismerhetjük,

0:01:04.335,0:01:08.441
hogy a selyemrostok[br]maguk is hierarchikus szerkezetűek.

0:01:08.753,0:01:10.706
E hierarchikus szerkezet

0:01:10.746,0:01:13.933
a molekulamérettől,[br]az egyes fehérjemolekulákból,

0:01:13.963,0:01:16.651
melyek másodlagos szerkezetté[br]alakuló atomokból állnak,

0:01:16.671,0:01:18.510
harmadlagos szerkezetű

0:01:18.540,0:01:20.804
fehérjenyalábokba rendeződik:

0:01:20.837,0:01:22.823
végül ebből lesznek a rostok,

0:01:22.923,0:01:25.784
amelyek rostnyalábokba[br]és rostszálakba állnak össze,

0:01:25.852,0:01:27.524
belőlük rostok képződnek,

0:01:27.554,0:01:30.009
a hálóban lévő selyemrostok.

0:01:30.291,0:01:31.938
Látható tehát,

0:01:31.978,0:01:34.278
hogy a hálónak tényleg van szerkezete,

0:01:34.298,0:01:36.357
amely a makromérettől[br]a nanoméretig terjed.

0:01:36.662,0:01:38.357
Hogyan épülnek fel ezek az anyagok?

0:01:38.367,0:01:40.181
A természetben úgy épülnek föl,

0:01:40.241,0:01:42.395
hogy a szerkezetet illető infót általában

0:01:42.435,0:01:45.313
a DNS-ben kódolt génszekvencia közvetíti.

0:01:45.372,0:01:49.547
E DNS-betűk kódolják a fehérjék[br]felépítéséről szóló információt.

0:01:49.587,0:01:51.946
A fehérjék elsődleges[br]szekvenciákból épülnek föl:

0:01:52.020,0:01:56.166
e genetikai információt nyújtó betűk[br]alakítják az aminosavak szekvenciáit,

0:01:56.294,0:02:00.084
így keletkeznek a másodlagos szerkezetek,[br]pl. az alfa-hélixek vagy a béta-redők,

0:02:00.396,0:02:02.976
ezek pedig bonyolultabb[br]szerkezeteket hoznak létre,

0:02:03.036,0:02:05.006
pl. csontjaink kollagénjét,

0:02:05.212,0:02:08.981
a béta-redők és alfa-hélix[br]keverékéből álló pókselymet,

0:02:09.070,0:02:10.784
a még bonyolultabb szerkezeteket,

0:02:10.804,0:02:11.790
pl. a vírusokat.

0:02:11.897,0:02:14.042
Ezen a képen

0:02:14.143,0:02:16.240
a COVID-19 kórokozója látható,

0:02:16.340,0:02:19.080
amelynek felszínéből[br]fehérjetüskék türemkednek ki.

0:02:19.170,0:02:22.272
A vírus erről kapta a koronavírus nevet.

0:02:22.470,0:02:26.569
Aminosav-szekvenciák kódolják

0:02:26.583,0:02:31.236
genetikai információt hordozó[br]RNS-ek vagy DNS-ek révén.

0:02:31.382,0:02:34.240
E genetikai információ [br]tartalmazza a tervrajzot,

0:02:34.290,0:02:36.075
amely alapján a vírus fölépül.

0:02:36.380,0:02:38.489
Mivel alulról épül,

0:02:38.509,0:02:40.090
hierarchikus szerkezetet alkotva

0:02:40.130,0:02:42.067
különböző hossz- és időskálákon,

0:02:42.285,0:02:43.858
azt is tudjuk, hogy a módszer

0:02:43.888,0:02:46.083
a mérnöki munkában is használható.

0:02:46.147,0:02:48.998
Az Eiffel-toronyhoz hasonló[br]architektúrarendszerre gondolva

0:02:49.038,0:02:51.998
feltűnnek e rendszer jellegzetességei is.

0:02:52.038,0:02:54.806
amelyek a makroszinttől[br]a nanoszintig terjednek.

0:02:55.030,0:02:57.775
Noha a mérnökök már igen régóta

0:02:57.834,0:02:59.489
a hierarchikus elvet alkalmazzák,

0:02:59.509,0:03:01.965
mégsem vagyunk képesek egyidejűleg

0:03:01.995,0:03:05.234
a molekulaszintet[br]a makroszinttel összehangolni.

0:03:05.470,0:03:07.664
Másik érdekes tulajdonság

0:03:07.724,0:03:12.432
az anyag más-más megjelenését[br]egyesítő téma és tulajdonság.

0:03:12.644,0:03:18.161
Ez pedig a rezgések,[br]az anyag és a hang egyenértékűsége.

0:03:18.310,0:03:22.114
A hullámok és a rezgések egyetemessége[br]a molekulákban figyelhető meg.

0:03:22.154,0:03:24.606
Kvantummechanikai szinten ismerjük,

0:03:24.643,0:03:28.352
az anyag hullámok együtteseként írható le.

0:03:28.392,0:03:29.664
Azt is értjük,

0:03:29.684,0:03:33.227
hogy a hang harmonikus[br]szinuszhullámok összegződése,

0:03:33.274,0:03:35.435
melyből bonyolultabb[br]szerkezetek jönnek létre.

0:03:35.495,0:03:38.341
Azt is tudjuk, hogy a hullámokat

0:03:38.381,0:03:41.100
a pókok közlésre és a környezetük[br]megértésére használják.

0:03:41.412,0:03:44.090
A hullámok, a hang[br]és a rezgések egyetemesek,

0:03:44.150,0:03:46.740
és a rezgéseket és a hangot talán

0:03:46.790,0:03:48.926
anyagmodellek meghatározására,

0:03:49.019,0:03:50.355
anyagok optimalizálására,

0:03:50.365,0:03:51.710
sőt rezgések alkalmazásával

0:03:51.750,0:03:54.345
még egészen új anyagok[br]fölfedezésére is használhatjuk.

0:03:54.531,0:03:57.828
Bemutatjuk, hogyan fejlődik[br]a hierarchikus rendszerek felépítése.

0:03:58.124,0:04:00.052
A pók rezgésekkel észleli a környezetét,

0:04:00.082,0:04:02.856
tartja a kapcsolatot más pókokkal,

0:04:02.917,0:04:05.699
érzékeli a fenyegetést,[br]felismeri áldozatát

0:04:05.769,0:04:07.075
és sok más egyebet.

0:04:07.306,0:04:10.695
A begyűjtött jeleket agyuk földolgozza,

0:04:11.055,0:04:13.684
döntéseket hoznak[br]a hálóépítés mikéntjéről,

0:04:13.704,0:04:15.716
mint egy önműködő 3D-nyomtató.

0:04:15.778,0:04:18.973
Hálóikat anyagok[br]térbeli összeszerelésével,

0:04:19.303,0:04:22.189
térbeli elhelyezésével végzik,[br]javítják a hálót,

0:04:22.300,0:04:24.424
együttműködnek más pókokkal,

0:04:24.448,0:04:28.581
eközben önálló, okos,[br]intelligens anyagrendszert

0:04:28.611,0:04:29.674
hoznak létre.

0:04:30.185,0:04:32.304
Az emberek igen hasonlóan dolgoznak.

0:04:32.414,0:04:33.978
Mikor emberek építkeznek,

0:04:34.047,0:04:36.548
festményt állítanak elő,[br]hangszeren játszanak,

0:04:36.578,0:04:37.866
érzékelik a környezetet,

0:04:37.935,0:04:40.826
döntenek a teendőkről,[br]és hogy mely eszközt használják.

0:04:40.958,0:04:42.679
Fafaragáskor meggondoljuk,

0:04:42.699,0:04:45.534
hogy bizonyos mintához[br]mi legyen a következő lépés.

0:04:45.824,0:04:47.280
Hangszeren játszva eldöntjük,

0:04:47.320,0:04:50.383
melyik következő billentyűt üssük le,[br]attól függően, mit hallunk.

0:04:50.448,0:04:53.273
E folyamatok nagyon[br]hasonlítanak a pókéhoz.

0:04:53.327,0:04:56.777
A kérdés, hogy e visszacsatoló[br]mechanizmusok közül,

0:04:56.796,0:05:00.607
önműködő anyaggyártó módok közül[br]melyiket tudjuk megvalósítani

0:05:00.738,0:05:04.000
neuronhálókban való érzékelés[br]és információfeldolgozás útján

0:05:04.197,0:05:05.561
új dolgok előállítására?

0:05:05.644,0:05:08.855
Használhatjuk-e, bevezethetjük-e[br]őket műszaki megoldásoknál,

0:05:08.894,0:05:12.723
ahol nem statikus,[br]hanem élő anyagot állítunk elő,

0:05:12.763,0:05:15.625
melyek újító módon léphetnek[br]kölcsönhatásba a környezettel?

0:05:16.308,0:05:20.494
Erre az egyik mód az anyag átváltoztatása,

0:05:20.634,0:05:24.347
hiszen az anyag[br]egyenértékű a hangrezgésekkel,

0:05:24.485,0:05:27.197
és így a hangot új anyag[br]tervezésére alkalmazhatjuk.

0:05:27.321,0:05:30.217
Ehhez valamilyen anyagösszetételből,

0:05:30.237,0:05:31.683
anyagszerkezetből indulunk ki,

0:05:31.713,0:05:33.673
amelyet rezgések halmazának tekinthetünk,

0:05:33.683,0:05:36.731
ezt számítással[br]hallható hanggá alakíthatjuk,

0:05:36.751,0:05:37.958
és a hangot kezelhetjük.

0:05:37.968,0:05:39.228
Új hangot állíthatunk elő,

0:05:39.248,0:05:40.411
amelyet módosíthatunk,

0:05:40.481,0:05:44.180
majd a hangot anyaggá alakíthatjuk vissza.

0:05:44.200,0:05:46.531
Ezzel tervezési feladatot oldunk meg,

0:05:46.551,0:05:49.120
amely építőelemek összerakásából áll,

0:05:49.201,0:05:50.629
mintha Lego-elemeket

0:05:50.669,0:05:52.048
szerkezetekké raknánk össze.

0:05:52.147,0:05:55.056
Hang esetén ezek az építőelemek[br]szinuszhullámok, hangszerek,

0:05:55.131,0:05:57.276
vagy dallamok, zongorabillentyűk.

0:05:57.461,0:06:00.130
Összerakhatunk összetett szerkezeteket,

0:06:00.150,0:06:02.716
összetett hangokat, összetett dallamokat,

0:06:02.752,0:06:05.945
amelyeket egymással keresztezve,[br]összefonódva egyszerre játszunk le,

0:06:05.982,0:06:09.100
és bonyolult hangmintákat állíthatunk elő,

0:06:09.130,0:06:11.350
melyek aztán anyaggá alakíthatók vissza.

0:06:11.380,0:06:12.381
Az a kérdés,

0:06:12.401,0:06:15.659
hogy miféle anyagot képviselhet[br]bizonyos kompozíció?

0:06:15.689,0:06:18.182
Pl. Bach vagy Beethoven szerzeménye?

0:06:18.504,0:06:20.840
Használhatjuk-e ezt az elvet

0:06:20.870,0:06:24.198
a természet által még ki nem talált[br]teljesen új anyagok tervezésére?

0:06:24.660,0:06:27.627
Előállhatunk-e tartós anyagok[br]mérnöki megoldásával,

0:06:27.698,0:06:30.018
melyekhez másként nem juthatunk?

0:06:30.362,0:06:31.851
A hang elegáns módja,

0:06:31.901,0:06:35.037
hogy több szinten ragadjuk meg[br]az anyagi szerveződést.

0:06:35.160,0:06:36.320
Pókháló a neve.

0:06:36.356,0:06:37.824
Sokrétű szerkezetű.

0:06:37.930,0:06:41.100
Ha fölidézik, a nagy léptéktől[br]jutottunk el a pókhálóig,

0:06:41.120,0:06:43.208
és a kezdettől fogva fölismerjük

0:06:43.224,0:06:45.544
az architektúraszinteket,[br]szerkezeti részleteket,

0:06:45.564,0:06:47.374
egészen a molekuláris léptékig,

0:06:47.404,0:06:49.813
és az aminosavakat létrehozó[br]egyes atomokig;

0:06:49.844,0:06:51.880
ezek az aminosavak a fehérjék építőelemei.

0:06:51.910,0:06:55.122
Aminosavakat fehérjékké,[br]fehérjék építőelemeivé,

0:06:55.212,0:06:57.700
szálakká, rostokká,[br]egész hálóarchitektúrává –

0:06:57.734,0:06:59.307
ez igazán bonyolult feladvány.

0:06:59.404,0:07:03.158
Hangot használva egyidejűleg[br]minden szintet hallunk.

0:07:03.321,0:07:06.339
Minden szint a frekvenciasáv[br]egy-egy fajtája.

0:07:06.373,0:07:10.018
Hallgatva fülünk, agyunk[br]földolgozhatja az információt,

0:07:10.084,0:07:12.333
és új hierarchikus[br]szerkezeteket tervezhetünk,

0:07:12.402,0:07:13.617
pl. a zenében.

0:07:14.167,0:07:17.557
Nézzük meg jobban[br]az anyagot és a molekulát!

0:07:17.587,0:07:19.978
Egy kémia-tankönyvben valószínűleg

0:07:19.998,0:07:21.833
megtaláljuk molekulák ábráit,

0:07:21.853,0:07:23.256
esetünkben a benzolét.

0:07:23.296,0:07:25.020
Az efféle modellek idővel változnak,

0:07:25.070,0:07:26.285
de mind hibásak,

0:07:26.305,0:07:28.516
mert ezek a tankönyvi ábrák statikusak.

0:07:28.568,0:07:30.235
Statikus ábrák,

0:07:30.322,0:07:33.221
noha a molekulák folyton mozognak.

0:07:33.281,0:07:35.177
Folyton rezegnek és mozognak.

0:07:35.207,0:07:38.035
E rezgések és mozgások határozzák meg

0:07:38.070,0:07:39.659
e molekulák szerkezetét.

0:07:39.762,0:07:42.811
Minden molekulának[br]egyedi hanglenyomata van,

0:07:42.831,0:07:45.909
mint a gitárhúr itt hallható rezgése.

0:07:45.939,0:07:48.897
Halljuk a rezgéseket,[br]belőlük keletkezik a zene.

0:07:48.938,0:07:51.039
(Egypár gitárhang)

0:07:51.559,0:07:54.786
A molekularezgéseknek[br]is egyedi hangjuk van,

0:07:54.816,0:07:56.160
és hallhatóvá tehetjük őket,

0:07:56.190,0:07:58.860
ha frekvenciájukat a hallható[br]tartományba tesszük át,

0:07:58.880,0:08:01.147
agyunk képes feldolgozni az információt.

0:08:01.250,0:08:05.131
Így hangzik egy komplex fehérjeszerkezet.

0:08:05.196,0:08:07.030
(Elektronikus zene)

0:08:11.270,0:08:13.090
A fehérje folyton rezeg.

0:08:13.124,0:08:14.435
Állandóan mozog.

0:08:14.455,0:08:17.449
E mozgások hallható hanggá alakíthatók;

0:08:17.470,0:08:19.793
mintha több gitáron, több hangszeren

0:08:19.813,0:08:22.853
több szerkezeten játszanánk[br]valamely zeneszámot.

0:08:22.976,0:08:25.070
Ha megvan a fehérje hangmodellje,

0:08:25.140,0:08:27.224
jobban megérthető a fehérje.

0:08:27.244,0:08:29.287
újabb módszerünk van[br]szerkezete megértésére,

0:08:29.317,0:08:31.420
villámgyorsan földolgozhatjuk[br]az információt,

0:08:31.440,0:08:33.613
így megérthetjük pl. a mutációkat,

0:08:33.643,0:08:37.548
hogyan változtatják a fehérjék[br]feltekeredési geometriájukat

0:08:37.608,0:08:39.056
mutáció közben,

0:08:39.138,0:08:41.570
megérthetjük, hogyan kezelhetünk kórokat

0:08:41.590,0:08:45.101
fehérjéhez kötődő antitestek[br]vagy gyógyszerek fejlesztésével.

0:08:45.220,0:08:49.460
E helyzetek roppant könnyen létrehozhatók,[br]és a hangtérben hallhatók.

0:08:49.706,0:08:52.964
Nemrég fölfedezték,[br]hogy minden aminosavnak,

0:08:53.040,0:08:56.659
a 20 természetes fehérjeépítő aminosavnak

0:08:56.734,0:08:57.850
rá jellemző hangja van.

0:08:57.870,0:08:59.220
Egyedi lenyomata,

0:08:59.240,0:09:01.859
azaz mindegyiknek[br]saját zongorabillentyűje van.

0:09:01.946,0:09:03.143
Mind másként hangzik.

0:09:03.163,0:09:06.299
Most mind a 20 aminosav hangját halljuk

0:09:06.359,0:09:07.947
az elejétől a végéig.

0:09:08.310,0:09:10.690
(Elektronikusan gerjesztett zene)

0:09:16.110,0:09:17.761
Ezek az élet hangjai.

0:09:17.905,0:09:21.250
A hangok fehérjemodellek[br]építésére használhatók.

0:09:21.367,0:09:24.555
Most a tüskés fehérje zenei ábrázolását,

0:09:24.585,0:09:27.176
a COVID-19 kórokozójának[br]zenei ábrázolását halljuk.

0:09:27.266,0:09:28.894
(Lassú vonószene)

0:09:37.632,0:09:41.060
Ez kb. 3000 aminosavból álló óriásfehérje.

0:09:41.118,0:09:44.908
Mivel a fehérje óriási, és bonyolult[br]feltekeredési geometriájú,

0:09:44.958,0:09:49.552
a fehérje szerkezetéből adódó[br]zeneszám rettentő hosszú.

0:09:49.582,0:09:51.603
(Zene vége)[br]Kb. egy óra 50 perces.

0:09:52.273,0:09:54.351
Maga a fehérje hierarchikus természetű.

0:09:54.371,0:09:56.928
Ahogy említettem,[br]van elsődleges szekvenciája,

0:09:57.007,0:09:59.120
amelyet a vírus genetikai[br]információja kódol.

0:09:59.140,0:10:02.711
Az információnak 30 000 bázisszintje van

0:10:02.755,0:10:04.354
a vírus genetikai kódjában.

0:10:04.405,0:10:07.180
3000 ilyen kódolja be ezt a fehérjét.

0:10:07.238,0:10:09.001
Majd vannak a másodlagos szerkezetek,

0:10:09.011,0:10:11.536
az alfa-hélixek, a béta-redők,[br]véletlenszerű tekercsek

0:10:11.546,0:10:12.656
és más szerkezetek is.

0:10:12.760,0:10:14.931
Ezek aztán komplex[br]geometriába tekerednek föl.

0:10:15.100,0:10:20.172
Az eredő zene igen bonyolult,[br]mert a sok dallam egymásba fonódik,

0:10:20.238,0:10:21.997
és zenei ellenpontot képez.

0:10:22.520,0:10:24.888
Az ellenpont fogalmát pár száz éve

0:10:24.934,0:10:29.093
Johann Sebastian Bach vezette be[br]és alkalmazta kiterjedten.

0:10:29.138,0:10:31.516
Bach már alkalmazott[br]pár szerkezeti tulajdonságot,

0:10:31.547,0:10:33.387
amelyekre mi a fehérjékben bukkantunk.

0:10:33.716,0:10:36.811
Hanggal vagy zenével való[br]fehérjemodellezéssel

0:10:36.841,0:10:39.191
igen hatékony kódolómodelleket[br]hozhatunk létre,

0:10:39.211,0:10:41.273
melyeket MI alkalmazásokban használhatunk.

0:10:41.287,0:10:44.711
Az utóbbi munkában a fehérjéket[br]adathalmazokhoz használtuk fel,

0:10:44.792,0:10:48.102
hogy millióórányi zenét adjunk elő,

0:10:48.144,0:10:49.686
amelyek e fehérjéket jellemzik,

0:10:49.716,0:10:52.968
majd a mesterséges neuronhálókat[br]a hallgatásukra tanítjuk meg.

0:10:52.997,0:10:56.312
Ezek az MI-k aztán a tanultak alapján[br]zenét szerezhetnek.

0:10:56.355,0:10:57.988
Ezeket az új zeneszámokat

0:10:58.018,0:11:01.320
aztán fehérjékké fordíthatjuk vissza,

0:11:01.386,0:11:02.681
mivel egyedi térképünk van

0:11:02.711,0:11:05.596
a fehérjék hangja és a genetikai[br]információ kapcsolatáról.

0:11:05.636,0:11:08.796
Így jutunk el a fehérjétől, az anyagtól

0:11:08.806,0:11:12.091
a hullámok és az anyag[br]egyenértékűsége megértésén át a hangig.

0:11:12.173,0:11:15.348
Aztán hullámokat vagy hangokat[br]használhatunk új hangok képzésére,

0:11:15.370,0:11:17.606
hangszerkesztésre, hangkezelésre,

0:11:17.636,0:11:19.513
új dizájnmegoldásokra,

0:11:19.533,0:11:22.080
nemcsak emberi, hanem MI úton is.

0:11:22.155,0:11:25.948
Az új hangot aztán[br]anyaggá alakíthatjuk vissza,

0:11:25.968,0:11:27.774
azaz a hang anyagban ölthet testet.

0:11:27.804,0:11:29.981
Az anyag és a hang viszonya igen érdekes,

0:11:30.001,0:11:32.294
mert sokféle technikát tesz lehetővé

0:11:32.304,0:11:34.569
különféle tervezési feladatok megoldására.

0:11:34.660,0:11:35.999
A COVID-19 esetében persze

0:11:36.029,0:11:38.030
az egyik megoldandó feladat,

0:11:38.050,0:11:42.459
hogy mi módon lehet antitesteket,[br]fehérjemolekulákat előállítani,

0:11:42.499,0:11:45.106
melyek erősebben kötődnek[br]a vírus fehérjéjéhez,

0:11:45.236,0:11:48.178
mint ahogy a fehérje az emberi sejthez.

0:11:48.394,0:11:52.230
Most az MI-vel képzett[br]egyik fehérje hallható.

0:11:52.269,0:11:54.564
(Hegedűszó)

0:11:59.253,0:12:01.990
A képen maga a fehérje látható.

0:12:02.020,0:12:04.292
E fehérjét nem a természet fejlesztette.

0:12:04.331,0:12:05.693
Hogy hoztuk létre?

0:12:05.723,0:12:08.846
Sokféle koronavírus[br]tüskefehérjét hallgatunk,

0:12:08.876,0:12:10.010
más-más fajokat

0:12:10.040,0:12:12.362
a koronavírus eltérő[br]fejlődési szakaszából.

0:12:12.382,0:12:15.279
Nemcsak a COVID-19-et,[br]hanem sok más koronavírust is.

0:12:15.334,0:12:18.194
Majd hagyjuk, hogy az MI módszer[br]új zenét szerezzen,

0:12:18.204,0:12:21.630
amely tükrözi az adott vírusfajta[br]természetes szerkezetét,

0:12:21.710,0:12:24.201
amilyen minden tüskefehérje a vírusban.

0:12:24.221,0:12:25.295
Az eredmény:

0:12:25.315,0:12:29.553
a fehérjegeometriát, -szekvenciát[br]tükröző összetétel,

0:12:29.653,0:12:33.268
amelynek ugyan köze van[br]e koronavírus tüskefehérjékhez,

0:12:33.298,0:12:35.672
de a természetben még nem lelték föl.

0:12:35.833,0:12:38.200
Ez az összetétel, ez a szekvencia

0:12:38.210,0:12:40.160
esetleg az antitest kulcsa,

0:12:40.180,0:12:42.042
mert illik a fehérjékben,

0:12:42.072,0:12:45.132
a genetikai információban[br]található szekvenciafajtákhoz.

0:12:45.168,0:12:45.902
(Zene)

0:12:45.952,0:12:50.030
Itt zeneművet hallunk,[br]amely tükrözi a fertőződés pillanatát.

0:12:50.060,0:12:52.113
Ez a fehérjeszerkezet ahhoz hasonló,

0:12:52.228,0:12:56.077
mint mikor a vírus tüskefehérjéje[br]megtámadja az emberi sejtet.

0:13:03.162,0:13:05.167
A kapcsolódás során[br](Zene vége)

0:13:05.187,0:13:07.263
a fehérje módosul, az iránya enyhén.

0:13:07.283,0:13:08.859
Halljuk a kapcsolódást,

0:13:08.881,0:13:11.819
mert enyhén módosul[br]a frekvenciasáv és a rezgések,

0:13:11.831,0:13:13.789
és a zenén keresztül hallhatóvá tehetjük.

0:13:13.813,0:13:17.010
A zene a molekuláris mozgások,[br]a fertőzés, a szétválás világába,

0:13:17.030,0:13:21.815
a vírus és az emberi test[br]küzdelmének világába való

0:13:21.855,0:13:23.237
betekintést szolgálja.

0:13:23.277,0:13:25.734
A rezgések másként is láthatóvá tehetők:

0:13:25.801,0:13:27.358
pl. felületi hullámokkal.

0:13:27.401,0:13:30.391
Tavak vízhullámai gyakori jelenség.

0:13:30.652,0:13:34.588
Amikor tóra vagy víztestre rásüt a nap,

0:13:34.608,0:13:37.598
és így felületi hullámok keletkeznek,

0:13:37.638,0:13:39.316
és csillog a víz,

0:13:39.346,0:13:42.515
ez a jelenség fontos szerepet[br]játszott az emberi evolúcióban.

0:13:42.602,0:13:46.197
Az ember a vízcsillogást[br]a víz föllelésre használja;

0:13:46.271,0:13:48.898
sok állat is így tesz, nem csak az ember.

0:13:48.980,0:13:51.622
A felületi hullámok a vízfölderítés módja.

0:13:51.723,0:13:53.900
Azzal próbálkozunk,[br]hogy vajon használhatjuk-e

0:13:53.920,0:13:57.111
a vízhullámok mélyebb szerkezeteit,

0:13:57.171,0:14:00.167
nem csupán széllökések

0:14:00.219,0:14:04.150
vagy más környezeti tényezők[br]keltette felületi hullámokat,

0:14:04.183,0:14:06.323
hanem gerjeszthetünk-e hullámokat

0:14:06.343,0:14:09.854
fehérjékbe kódolt rezgések[br]mechanikai jegyei révén.

0:14:10.000,0:14:11.870
Kísérleti eszközt állítottunk össze,

0:14:11.890,0:14:13.918
mellyel gerjesztettük a vizet

0:14:14.080,0:14:15.962
a fehérje természetes rezgései útján,

0:14:16.013,0:14:17.213
és láthatóvá is tettük.

0:14:17.223,0:14:19.411
Így makroszinten

0:14:19.441,0:14:20.754
szabad szemmel látható,

0:14:20.976,0:14:23.299
hogyan gerjesztik a vizet a fehérjék,

0:14:23.322,0:14:25.126
és miféle egyedi mintázatot mutatnak.

0:14:25.318,0:14:27.966
Más-más fehérjeállapotok[br]más-más rezgések derülnek ki,

0:14:27.994,0:14:31.920
más-más molekulaléptékű[br]mintázatokat veszünk észre.

0:14:31.950,0:14:38.868
Ez a nanoszkopikus elemek, események,[br]tulajdonságok láthatóvá tételére

0:14:38.908,0:14:40.448
újabb módszert nyújt:

0:14:40.478,0:14:43.254
a hullámmintázatokat nemcsak[br]hallhatjuk, mint a zenében,

0:14:43.314,0:14:45.206
hanem meg is láthatjuk.

0:14:46.110,0:14:48.265
E hullámmintázatok[br]torzíthatják a valóságot.

0:14:48.286,0:14:49.841
Az animációból látható,[br](Zene)

0:14:49.861,0:14:53.597
hogyan filmeztük le a hullámfelületet,

0:14:53.627,0:14:55.980
megfigyelhető a környezetről – esetünkben

0:14:56.020,0:14:59.362
havas tájban lévő fákról, bokrokról –[br]való visszatükröződése.

0:15:03.178,0:15:05.830
Mert egy kis széllökés érte a víztestet,

0:15:05.841,0:15:07.564
enyhe felületi hullámok keletkeztek,

0:15:07.594,0:15:10.205
amelyek torzítják[br]a kamerával fölvett képet.

0:15:10.330,0:15:11.335
(Zene vége)

0:15:11.365,0:15:13.725
Még ha fölismerhető is a kép,[br]azért enyhén torz.

0:15:13.815,0:15:15.584
Ezt a torzítást, az inceptionizmust,

0:15:15.613,0:15:19.316
a környezeti hatáson alapuló[br]más-más kép létrejöttét

0:15:19.342,0:15:20.619
szeretnénk föltárni,

0:15:20.653,0:15:22.879
és kideríteni, vajon[br]alkalmazható-e hasonló elv

0:15:22.916,0:15:25.782
a valóság torzítására vagy módosítására

0:15:25.822,0:15:28.469
a vízben történő fehérjerezgések[br]láthatóvá tételére.

0:15:28.583,0:15:31.468
Fehérjerezgések keltette[br]vízhullámok láthatóvá tétele

0:15:31.504,0:15:34.390
hatékony módszer fehérjék föltárására.

0:15:34.563,0:15:37.779
Kiválasztottunk több fehérjét,

0:15:37.810,0:15:40.705
és felületi vízhullámokban[br]láthatóvá tettük őket.

0:15:40.867,0:15:42.366
Aztán a neuronhálót

0:15:42.396,0:15:45.368
minden fehérje esetében[br]ezernyi kép segítségével tanítottuk.

0:15:45.448,0:15:48.221
E tanulási folyamatban[br]a neuronháló megtanulhatja,

0:15:48.251,0:15:50.569
hogy mely hullámmintázatok kapcsolódnak

0:15:50.599,0:15:52.617
az egyes fehérjeszerkezetekhez.

0:15:52.803,0:15:54.776
Így néz ki az egyik példánkban.

0:15:54.796,0:15:56.951
A fehérjerezgések miatt keletkezett

0:15:56.991,0:16:00.429
érdekes természetes mintázatot[br]látunk a felületen.

0:16:00.489,0:16:02.618
A fehérjék mechanikai rezgései okozzák

0:16:02.633,0:16:04.058
e felületi hullámokat,

0:16:04.079,0:16:06.985
amelyek szabad szemmel[br]vagy nagy sebességű kamerával látható

0:16:07.015,0:16:08.996
roppant érdekes[br]mintázatokat hoznak létre,

0:16:09.016,0:16:11.282
Minden fehérjének egyedi rezgéssávja van,

0:16:11.307,0:16:12.281
ezt már említettem.

0:16:12.387,0:16:14.190
Hallhatták a játszott zenében.

0:16:14.210,0:16:17.568
Ez itt ugyanannak az elvnek[br]a grafikus megjelenítése.

0:16:17.645,0:16:20.993
Két fehérje lenyomatát látjuk[br]ezen a sávdiagramon.

0:16:21.014,0:16:23.817
A bal oldali a 6m17 nevű.

0:16:23.847,0:16:25.150
Ez az az eset,

0:16:25.210,0:16:28.099
mikor a COVID-19 kórokozója[br]kötődött az emberi sejthez.

0:16:28.149,0:16:30.726
A jobb oldalon a 6m18-as van.

0:16:30.768,0:16:33.841
Az az eset, mikor a vírus[br]nem támadta meg az emberi sejtet.

0:16:33.871,0:16:37.301
A jobb oldali a nem fertőzött,[br]a bal oldali a fertőzött.

0:16:37.390,0:16:38.813
Ez a fehérje különösen fontos

0:16:38.823,0:16:40.629
abból a szempontból,

0:16:40.659,0:16:44.919
hogy megértsük, hogyan fertőz a COVID-19.

0:16:44.948,0:16:47.608
A neuronhálót[br]többféle fehérjére tanítottuk,

0:16:47.628,0:16:49.338
és felületi hullámokat vizsgáltunk.

0:16:49.358,0:16:50.927
Más kísérleteket is végezhetünk,

0:16:50.937,0:16:56.080
és filmezhetjük, rögzíthetjük az egyes[br]fehérjékhez tartozó felületi hullámokat,

0:16:56.090,0:16:57.912
a neuronhálóval osztályozhatjuk,

0:16:57.932,0:17:00.598
mely fehérjék váltották ki[br]az adott felületi hullámokat.

0:17:00.608,0:17:02.134
A módszer bevált.

0:17:02.336,0:17:05.243
Balra látható a 107m fehérje.

0:17:05.273,0:17:07.679
Barnás színű.

0:17:07.709,0:17:09.276
A sávdiagramon látható,

0:17:09.306,0:17:12.833
hogy a barna szín a legvalószínűbb[br]előrejelzés erre a helyzetre.

0:17:12.843,0:17:15.716
Az felel meg a 107m fehérjének.

0:17:15.784,0:17:17.160
Az a legvalószínűbb.

0:17:17.170,0:17:19.570
A modell remekül képes[br]a szerkezet előrejelezésére.

0:17:19.580,0:17:21.057
A diagramból látszik,

0:17:21.067,0:17:22.968
hogy a legjobb előrejelzés mindig

0:17:22.998,0:17:26.765
a rezgést okozó fehérjét mutatja ki.

0:17:26.820,0:17:28.373
A módszer alkalmas rá,

0:17:28.398,0:17:32.313
hogy a felszíni hullámokra ránézve[br]azonnal kimutassa,

0:17:32.343,0:17:34.859
melyik fehérje okozza a rezgéseket.

0:17:35.060,0:17:36.394
Nézzük a középső részt!

0:17:36.414,0:17:39.703
A 6m17 és a 6m18 fehérjéket már láttuk.

0:17:39.807,0:17:41.280
Ezek fertőző állapotok,

0:17:41.323,0:17:44.419
amikor a COVID-19 kórokozója[br]és az emberi test között

0:17:44.439,0:17:45.847
megindul a kölcsönhatás.

0:17:45.955,0:17:50.279
A 6m17 a csatolt állapot,[br]a 6m18 a leválasztott állapot.

0:17:50.299,0:17:52.491
Noha a szerkezet roppant hasonló,

0:17:52.508,0:17:54.519
de jelentéktelen a molekuláris változás,

0:17:54.538,0:17:56.936
és a kevéssé változott a rezgéssáv.

0:17:56.996,0:17:58.838
Az előző képen látható volt,

0:17:58.902,0:18:01.475
hogy a módszer jól érzi a különbségeket.

0:18:01.495,0:18:04.514
A legnagyobb valószínűség[br]a 6m18-ban világoskék,

0:18:04.544,0:18:06.284
ami adott szerkezetre utal.

0:18:06.300,0:18:07.869
Képes a szerkezetet előrejelezni.

0:18:07.909,0:18:10.658
A 6m17 zöldes színű; az elv ugyanaz.

0:18:10.678,0:18:13.130
E konkrét szerkezet[br]legnagyobb valószínűségét jelzi.

0:18:13.140,0:18:16.497
A módszer nemcsak megkülönbözteti [br]a sok fehérjeosztályt:

0:18:16.634,0:18:18.731
kicsi, nagy, hanem le is írja

0:18:18.822,0:18:20.990
a rezgéssávok hajszálnyi különbségeit is

0:18:21.000,0:18:23.665
és a felületi hullámok okozta[br]fehérjeföltekeredések közti

0:18:23.675,0:18:25.034
hajszálnyi különbségeket is.

0:18:25.220,0:18:28.543
A módszer alkalmazható az ún.[br]fehérje-inceptionizmus fejlesztésére.

0:18:28.605,0:18:29.780
Az érdekel minket,

0:18:29.790,0:18:33.130
hogy a vízfelületi hullámokban[br]találhatunk-e mintázatokat,

0:18:33.150,0:18:35.509
melyeket más képekben[br]lévő fehérjék gerjesztettek.

0:18:35.571,0:18:38.499
Hegyi látképet vagy tavat fotózva,

0:18:38.509,0:18:40.751
bármit lefényképezve[br]saját szemünkkel láthatjuk,

0:18:40.761,0:18:42.589
lefényképezve eldönthetjük,

0:18:42.628,0:18:48.120
hogy azokat a természetes[br]tulajdonságokat látjuk-e,

0:18:48.140,0:18:51.052
melyek más rendszerekben[br]e fehérjerezgésekben vannak.

0:18:51.217,0:18:55.562
Hol és hogy ismerjük föl más mindennapi[br]objektumokban e molekularezgéseket?

0:18:55.765,0:18:57.877
Ehhez a DeepDream algoritmust

0:18:58.050,0:19:00.101
és a különféle fehérjerezgésekre

0:19:00.117,0:19:02.464
megtanított neuronhálót alkalmazzuk.

0:19:02.488,0:19:03.890
Ezen a képen látható,

0:19:03.930,0:19:06.312
hogyan néz ki a rezgéssáv,

0:19:06.330,0:19:09.462
amely ebbe a felületi[br]vízhullám-szerkezetbe van beágyazódva.

0:19:09.513,0:19:12.230
Ha erre alkalmazzuk[br]a fehérje-inceptionizmus algoritmusát,

0:19:12.240,0:19:14.747
az majd fölismeri az összes mintázatot,

0:19:14.810,0:19:16.795
amelyek egyediek erre a fehérjére nézve.

0:19:16.805,0:19:18.312
Így működik a neuronháló.

0:19:18.342,0:19:22.214
A belső rétegek határozzák meg[br]az adott fehérje egyedi tulajdonságait,

0:19:22.249,0:19:25.604
és kimutatják, mely fehérje[br]keletkezett rezgés hatására.

0:19:25.743,0:19:26.945
E képfeldolgozást

0:19:26.975,0:19:29.406
ezen tulajdonságok[br]jobb megismerésére használhatjuk.

0:19:29.466,0:19:30.570
Ez a kép azt mutatja,

0:19:30.600,0:19:33.844
milyen eredménye van a feldolgozásnak[br]e spagettiszerű szerkezetekben.

0:19:33.874,0:19:36.096
Ezek egyedi lenyomatok vagy szerkezetek,

0:19:36.116,0:19:38.533
melyek az adott rezgéseket okozzák

0:19:38.566,0:19:39.738
a neuronhálókban.

0:19:39.758,0:19:41.198
A neuronhálókban

0:19:41.229,0:19:44.350
a fehérje-inceptionizmus algoritmusa[br]által keltett rezonancia

0:19:44.451,0:19:46.658
a láthatóvá tétel tényleg[br]hatékony módszere,

0:19:46.768,0:19:49.343
mellyel egyes tulajdonságok kinagyíthatók,

0:19:49.363,0:19:53.132
láthatóbbá tehetők és fölerősíthetők[br]ezeken a képeken.

0:19:53.164,0:19:56.399
Akárcsak a zeneszerszámokban,[br]pl. a gitárban keltett rezonanciát,

0:19:56.419,0:19:58.973
itt is úgy látjuk a rezonanciát,

0:19:59.003,0:20:01.357
mint a molekuláris rezgések[br]gerjesztette képeket.

0:20:01.559,0:20:04.820
Ha más helyzetet nézünk,[br]pl. folyó vízhullámait –

0:20:04.866,0:20:06.306
ez eredeti felvétel –,

0:20:06.336,0:20:08.700
e hullámokat nem fehérjék keltették,

0:20:08.740,0:20:11.614
sziklán átbukó folyóvíz[br]keltette a hullámokat,

0:20:11.663,0:20:15.172
megfigyelhetjük, hogyan kezeli[br]az algoritmus a hullámok tulajdonságait,

0:20:15.221,0:20:17.337
melyeket – ismétlem –[br]nem fehérje váltott ki,

0:20:17.378,0:20:21.577
de ezeknek hasonló tulajdonságai vannak,[br]mint a fehérjék okozta hullámoknak.

0:20:21.738,0:20:24.110
Képfeldolgozás után

0:20:24.120,0:20:26.379
előtűnnek bizonyos mintázatok.

0:20:26.438,0:20:29.174
Ezek azok a területek,[br]spagettiszerű szerkezetek,

0:20:29.204,0:20:32.828
ahol az algoritmus kimutatja[br]a belső szerkezetek rezonanciáját,

0:20:32.858,0:20:35.102
melyeket e fehérjerezgések okoztak.

0:20:35.142,0:20:37.497
Tehát folyókban is[br]láthatók a fehérjerezgések.

0:20:37.561,0:20:40.806
Ez példa a parti tájra,[br]ahol három elem létezik:

0:20:40.896,0:20:44.502
víz, sziklák és levegő.

0:20:44.650,0:20:47.426
Az algoritmus pedig[br]a fehérjerezgés tulajdonságait

0:20:47.462,0:20:49.671
mindhárom elemben kimutatja.

0:20:49.851,0:20:52.292
Némelyiket a vízhullámokban,[br]ami nem meglepő,

0:20:52.302,0:20:53.901
mert mindkettő vízhullám.

0:20:53.938,0:20:56.806
Hasonló elvet látunk a szikláknál.

0:20:56.866,0:20:59.023
Némely tulajdonság, némely sziklamintázat

0:20:59.043,0:21:00.778
a fehérjéknél látottakra emlékeztet.

0:21:00.842,0:21:03.732
Látjuk, hogy néhányuk[br]még az égnek is jutott.

0:21:03.862,0:21:07.116
Ez a képfeldolgozást alkalmazó elemzés,

0:21:07.136,0:21:08.900
és látható, hogy a képen föllelhetjük

0:21:08.920,0:21:10.835
a természetes tulajdonságokat,

0:21:10.885,0:21:12.836
amelyek jellemzőek a fehérjerezgésre.

0:21:12.886,0:21:14.610
Az anyag hang, és a hang anyag.

0:21:14.660,0:21:19.196
Láttuk, hogy mikor az anyag[br]megnyilvánulásáról van szó,

0:21:19.226,0:21:21.675
azt mint rezgések együttesét tekinthetjük.

0:21:21.695,0:21:22.900
Hallhatóvá tehetjük.

0:21:22.920,0:21:25.008
Hallhatóvá tehetjük a rezgéseket

0:21:25.028,0:21:29.463
pl. az anyag más állapotában: víz,[br]folyadékok felületi hullámaiban.

0:21:29.773,0:21:32.423
Bizonyos módszerekkel[br]kezelhetjük az anyagot

0:21:32.453,0:21:34.317
új anyag előállítására

0:21:34.347,0:21:35.782
vagy új hanggal

0:21:35.812,0:21:38.002
információ kimutatására

0:21:38.032,0:21:39.851
meglévő zeneszámokban.

0:21:39.911,0:21:41.060
Adódik a kérdés:

0:21:41.080,0:21:45.500
Miféle anyagot alkotott Beethoven,[br]mikor szerzeményeit elemezte?

0:21:45.518,0:21:49.619
Fehérjerezgésekkel is találkozhatunk[br]a fehérjerezgések tulajdonságai között,

0:21:49.678,0:21:52.470
melyek a rezgéssávok egyedi jelei,[br]csak más alakban.

0:21:52.510,0:21:55.589
Algoritmusként fehérje-inceptionizmust[br]alkalmazva kimutathatjuk,

0:21:55.625,0:21:58.143
hogy e rezgések nemcsak[br]vízhullámokban fordulnak elő,

0:21:58.163,0:22:00.170
hanem az anyag egyéb állapotaiban is.

0:22:00.190,0:22:01.616
Tájakban,

0:22:01.646,0:22:02.722
növényekben,

0:22:02.762,0:22:05.352
az égen, hóban és sok más elemben.

0:22:05.525,0:22:07.070
Köszönöm szépen a figyelmüket.