50 Moodi 1/2013 LABQUA L I T Y AVARUUSAJAN ALKUVAIHEISSA kerättiin valtavia määriä tietoa satelliittien tarkoista lentoradoista. Ratojen laskentaan voitiin käyttää teoreettisia malleja, jotka huomioivat satelliitin ja lähiplaneettojen massat. Kun haluttiin tarkempia arvioita, sovitettiin paikkatietoihin matemaattinen malli, polynomi. Erot teoriasta arvioidun lentoradan ja mittapisteiden välillä olivat mittausvirheitä, residuaaleja. Peräkkäisten residuaalien välillä huomattiin yllättäen korrelaatioita. Syyksi paljastuivat painovoiman alueelliset vaihtelut eri puolilla maapalloa. Kun maapallo satelliitin alla oli raskaammista aineista rakennettu, satelliitti siirtyi hetkeksi lähemmäksi maapalloa. Nyt kaikki lentoradat ja residuaalit laskettiin uudelleen suuremmalla tarkkuudella. Tuloksena laskuista saatiin koko maapallon painovoimakartasto, jossa näkyi monia kiinnostavia alueita. AIKAMATKAILUA. Avaruustutkija palasi vanhojen havaintojen pariin ja tulkitsi kaiken uudestaan tuoreen näkemyksen puitteissa. Näin avaruustutkijasta tuli maapallogeologi. Samantapainen prosessi toistuu kaikilla tutkimustyön alueilla. Useimmiten paluu historiaan on vain muutaman vuoden jakso, mutta pitempiäkin aikajaksoja tavataan. Laaduntarkkailussa tieto on hyvin hallittu ja analysoitu. Kuuluisin aikamatkaaja on sata vuotta sitten Bernin patenttivirastossa toiminut nuori fyysikko, jota virkatyö pitkästytti. Hän ei hypännyt Bernin alla virtaavaan koskeen, vaan ryhtyi raapustelemaan fysiikan kaavoja käytetylle käärepaperille. Fyysikon nimi oli Albert Einstein. Hän palasi ajassa taaksepäin kolmesataa vuotta, aikaan ennen Newtonia. Newtonin fysiikka toimii hyvin arkielämän mittakaavassa, mutta avaruuden mittakaavassa tarvitaan suhteellisuusteoriaa. Jos tiede olisi puu, se kasvaisi erikoisella tavalla: Juuresta versoo joukko oksia. Yksi oksista kehittyy paksummaksi, ja sitä ryhdytään pitämään puun runkona. Valintaprosessi toistuu puun kärkiosissa. Välillä puun kasvupiste palaa aikaisempaan oksanhaaraan. Jokin alempi vanha oksa kehittyykin yllättäen uudeksi rungoksi, ja aikaisempi runko-osa surkastuu. Puu ei siksi kasva aina kärjestään. Jokin alempi oksa voi aktivoitua ja kehittyä rungon rooliin. MITTAUSTEN JA TULKINNAN VUOROTTELU. Kun tietokonetta ryhdytään käyttämään, aikaisemmin hyvältä näyttänyt data paljastuu aina epätarkaksi. Mittausprosessit joudutaan uusimaan ottamalla mukaan enemmän havaintoja ja standardisoimalla mittauksia paremmin. Vaatimustaso nousee ja pian ollaan pisteessä, jossa pullonkaula ei enää ole mittaaminen, vaan tietojen tulkinta. Tulkinta tietokoneella vaatii liian paljon käsittelyaikaa. Lääketieteen kuvantaminen on nyt saavuttanut vaiheen, jossa tiedon automaattinen tulkinta diagnoosia hyödyttävällä tavalla on rajoittava tekijä. Ei auta, vaikka tietokoneet ovat miljoonia kertoja nopeampia kuin ennen, vaan tarvitaan virtaviivaistettuja laskentamenetelmiä. Genomiikka ja proteomiikka ovat myös saavuttaneet eräänlaisen staattisen vaiheen. Analyysirobotit sylkevät ulos enemmän DNA-sekvenssien raakatuloksia kuin mitä tietokoneet pystyvät luotettavasti tulkitsemaan. Koska tietokoneiden kapasiteetti ei riitä, tietoja ei pystytä enää tulkitsemaan robustilla tavalla. Robusti analysointi poistaa aineistosta sattumanvaraisesti vaikkapa puolet osasekvensseistä yhdellä analyysin toistokerralla. Kun ratkaisu on toistettu sata kertaa satunnaisesti poimituista raakasekvenssijoukoista, saadaan käsitys siitä kuinka toistettava ja luotettava lopputulos on. Jos selvä enemmistö ratkaisuista on keskenään identtisiä, voidaan myös lopputulokseen luottaa. Proteiinikirjastot ovat pääosin DNA-kirjastoista tietokoneella ekstrahoituja, ja niitä sotkevat suuressa määrin DNA-kirjastojen sisältämät virheet. Suoraan proteiineista todettuja sekvenssejä kirjastoissa on pieni vähemmistö. Kun genomiikkatulosten laatu on saatu korjattua nykytilannetta parempaan kuntoon, riittää luotettavilla proteiinitiedoilla monia uusia käyttöalueita. Tietokoneelle voidaan opettaa, miltä näyttää todellinen proteiini, jonka sekvenssi on suoraan eristetystä valkuaisaineesta todettu. Aidoista proteiineista voidaan rakentaa toinen proteiinikirjasto, jonka sekvenssejä on tarkoituksellisesti hiukan sotkettu. Malli viritetään erottamaan todelliset ja virheelliset proteiinit. Mallia käyttämällä voidaan todeta, onko jokin DNA-kirjaston perusteella ennustettu proteiini aitojen proteiinien tapainen. Malli toteaa, onko sekvenssi tyypiltään aito ja siksi laskostuva. DNA-sekvenssien laatua voidaan arvioida tutkimalla niistä ennustettuja proteiinisekvenssejä. KOLUMNI Tutkija on usein aikamatkailija ERKKI KARJALAINEN Kirjoittaja on LKT ja kliinisen kemian erikoislääkäri. »Kun genomiikkatulosten laatu on korjattu, riittää proteiinitiedoilla uusia käyttöalueita.« 46 Moodi 1/2016
Moodi No1 | 2016
To see the actual publication please follow the link above