Teadust kõigile sel nädalal kuulutati Stockholmis välja
Nobeli teadusauhinnad.
Tänavused füüsika nobelistid on oskuslikult ühendanud kahe
nähtuse aju ja magneti mõned põhipõhimõtted
ja teinud seeläbi võimalikuks tehisnärvivõrgu,
mis on aluseks tänapäeva kõige moodsamale masinat peale
ja tehisarule.
Tänavused meditsiini või füsioloogia nobelistid on aga üles
leidnud pisikese mikro-RNA molekuli, mis määrab,
millistes geenides asuva info põhjal sünteesitakse rakus
valke ja milliste geenide hind jääb kasutamata. Tehisnärvivõrke tutvustab kohe lähemalt arvutiteadlane Tanel
Tammet ja mikro-RNA-d molekulaarbioloog Ana Rebane.
Olen saatejuht Priit Ennet, kes kuulab, saab teadust. No see, kes ei ole tänapäeval tehismõistusega ise vahetult
kokku puutunud, arvan, et see inimene on erand meie seas.
Ja tänavune füüsika-Nobeli auhind antakse just nimelt,
et masinõppe ja tehisnärvivõrkude arendajatele
ja sellealaste uurimistööde tegijatele ameeriklane John Hofiildja,
Kanada brit, Chefri Hilton on siis need mehed,
kes selle auhinna tänavu saavad ja püüame siis natukene selgitada,
millega nad hakkama on saanud. Selleks on stuudiosse kutsutud tutta Tallinna
tehnikaülikooli tarkvarateaduse instituudi täis professor
del uuris Tanel Tammet, kes samuti tehisintellektiteemadega
väga põhjalikult ise ka tegeleb.
No kui me alustame sellest, mida inimesed teavad,
millega on kokku puutunud, siis kokku puutunud on inimesed sellega,
et on vestelnud tehisintellektiga on lasknud tal joonistada
pilte võib-olla isegi muusikat komponeerida. Selline lõbustus meil tänapäeval on.
Kuidas me nüüd jõuame, ütleme, füüsikast,
tegemist on füüsikaauhinnaga.
Aga kuidas me üleüldse jõuame selleni, et piss on Johnopildi
ja Johvri Hintoni töö?
See on? Praegu natuke isegi selline vastuoluline küsimus,
kui ma vaatan, mida, mida mõjukamad eriala spetsialistid
selle koha pealt kirjutavad ja arvavad.
Ja see on mitmest suunast vastuoluline ja väga põnev,
et, et ühest küljest on, on täitsa selge,
et masinõppe ja neurovõrkude edusammud väärivad väga tugevat tunnustust,
et selles mõttes on väga loogiline, et Hoffildija Hint on
selle auhinna, said teisest küljest mitmes suunas,
seal ei ole väga selge, et, et miks nii ja miks just nemad. Ja kõigepealt see, mis sa ütlesid, et tegemist on füüsik ka auhinnaga,
selgelt. Johvre Hint on, ei ole üldse füüsik,
tema on puhas arvutiteadlane, ta on briti päritolu
ja hiljem ta on siis töötanud põhiliselt Kanadas
ja natuke Ühendriikides.
Ja, ja nüüd Hofiil on füüsik oma taustalt,
kes on, kes on natukene kunagi väga ammu juba suundunud,
siis arvutiteadusesse ka ja ja, ja nad on,
nad ei ole minu teada väga palju koos töötanud. Ja hop Wild on, on selline nagu varasema ütleme,
varasemate saavutuste poolest tuntud ja Hint on rohkem hiljem,
et hopildel justkui varem ja inton hiljem.
Ja nüüd kogu see masinõppe ja närvivõrkude maailm on
arusaadavalt väga suur ja väga vana, et sellega on tegeldud.
Noh, ma ei saa öelda, et 100 aastat võib-olla ei ole,
aga aga, aga ammu enne hopildi tõsiselt juba viiekümnendatel aastatel,
neljakümnendatel aastatel mõned ütlevad,
et veel varem, eks ju, kui isegi kui seal arvuteid veel ei olnud,
siis inimesed mõtlesid selle peale, tegid selliseid valemeid
ja algoritme ja, ja siis hakkas siin 60. seitsmenda kasvama,
aga väga mingite kõvade tulemusteni kunagi ei jõutud,
onju. Et need, need põhimõtted tundusid mõistlikud,
aga kui sa hakkad tegelikult siis rehkendama ja,
ja neid asju kokku panema, siis need masinate tulemused olid
suhteliselt nigelad. Tulemused läksid, et heaks ütleksin alles kuskil 15 aastat tagasi,
kui hakkasid sellised läbimurdest head tulemused tulema.
Ja nüüd see taust ongi natuke möödlasele Hoffildija intoni peale,
et et hop field mõtles välja ja, ja töötas selle kallal,
et, et teha sellist spetsiifilist laadi närvivõrke,
mida saaks suhteliselt hästi õpetada.
Nende võrkude juures on alati see põhiküsimus,
kuidas teda saab hästi õpetada, et neid saab väga mitut
moodi teha, et sa võid ühtemoodi siduda ja teistmoodi siduda
ja ühtemoodi rehkenda teistmoodi, seal on mustmiljon võimalust. Aga õpetamine on päris raske ja siis see teema lähebki
rohkem selleks, et mis, mis moodi see asi niimoodi üles seada,
et õpetamine enam-vähem hästi töötaks.
Joffild mõtles välja ühte spetsiifilist sorti võlgud,
mida nimetatakse Hoffildi võrkudeks.
Täitsa selle nime järgi ja ma saan aru, et, No see inspiratsioon, ma arvan, tuleb mitmest allikast,
et üks on selline, et sa võid mõelda, et kui seal on palju
väikesi asjakesi ja sisse seod nende omavahel kokku,
siis on justkui sa seoksid mingeid elementaarosakesi,
kui, et et üks mõjutab teist, teine mõjutab kolmandat ja,
ja sedapidi oli see inspiratsioon kindlasti seal
ja siis teistpidi ta on ka natuke see, et kui sa vaatad
suuremaid asju, gaasid, kus seal molekulid lendavad
ja et need ka torgivad ja mõjutavad 11. Nii et nii et selle gaasi inspiratsiooni tõttu on ka olemas
selline nimetus nagu polsmani võrgud ja,
ja siis mingi spetsiifilist tüüpi Polzmanni võrgud
ja nii edasi ja nii edasi, nii et hopilt kindlasti oli üks
olulistest pioneeridest sele paremate võrkude väljamõtlemise alal,
ta kindlasti ei olnud see, kes kogu selle valdkonna välja mõttes,
aga küllalt oluline pioneer.
Ja nüüd, kui me tuleme Hintoni juurde, siis siis intena
natuke samamoodi, et ta on ka päris pikka aega siis,
kui see valdkond üldse väga populaarne ei olnud,
et üheksakümnendatel kaheksakümnendatel ta vapralt selle
selle kallal töötas. Hoidis seda asja elus, et nüüd päris ära ei vajuks ka siis,
kui, kui see üldse väga populaarne ei olnud
ja tal oli terve hulk doktorante, kellest väga paljud on
muutunud väga-väga mõjukateks tuntud inimesteks.
Lugu selles valdkonnas, kus on olulised olulisemad Clinton.
Ja nüüd Hintoni selline läbi murdelisem tulemus,
ehk oli see, et koos oma kahe doktorandiga umbes 15 aastat
tagasi nad said, et said oma närvivõrkude treenimisega nii kaugele,
et nad suutsid juba suhteliselt hästi selliseid lihtsamaid
pilte ära tunda. Jõudsin sellise piltide äratundmise juures väga palju
kaugemale kui kõik teised ja näitasid, et mis meetoditega
seda saab hästi teha.
Ja see tegelikult hakkas kogu seda valdkonda tugevasti populariseerima,
sest nähti tõepoolest, et nüüd on meil asjad,
mis, millest on räägitud, et võiks töötada,
aga nüüd tegelikult töötavad ka.
Ja siis see valdkond hakkas kiiresti laienema. Ja Hint on olnud kogu aeg üsna selline tugev populariseeriv jõud.
Ta kirjutab, paljud räägib, ta on väga veendunud,
väga entusiastlik ja tal on terve hulk doktorandi
ja kaastöötajaid.
Nüüd nüüd nagu ma enne mainisin, siis siin on ka mingid vastuolud,
sellepärast et et on, on hulk spetsialiste,
kes küll ütlevad, et inton tegi olulist tööd,
aga võib-olla see töö ei olnud nii oluline,
et just tema oleks pidanud siin Nobeli saama. Ja et Hint on, kirjutas artikleid siin juba 80 üheksakümnendad,
mis olid täitsa olulised, aga ta ei viidanud neile,
kes olid enne teinud umbes samasuguseid asju,
et noh, mitte et oleksin päris plageerinud,
seda küll keegi ei ütle, aga aga justkui,
et tema enda enda panust on, on ta ise ja tema kolleegid
võib-olla natukene ületähtsustatud.
Mina ei oska selle kohta midagi öelda, ma olen täitsa veendunud,
et hind on ju väga oluline tegelane, et selles ei ole mingit kahtlust,
aga aga ma tahtsin, tahtsin tulla selle juurde,
et see on seal on kerged. Vastuolulised arvamused inimestel selle juures ei ole nii selge.
Nüüd inton ise on, on ühe sellise äärmusliku suuna esindaja,
kes on veendunud, et, et, et puhtalt Nendel samadel
närvivõrkude meetoditel, mida siis tema ja paljud teised
välja töötavad.
Et nendega saab tehisintellektisüsteemide võimekust veel
tohutult palju tõsta, et ei olegi vaja suurt midagi muud teha,
et on vaja võtta umbes samasugust närvivõrgud
ja neid kõvasti rohkem õpetada leida seal tuunimise
võimalusi leida paremaid materjale, et sellesama meetodiga
saab tohutult kaugele ja kõik muu töö on enam-vähem aja raiskamine. Ja ta väljendab seda väga tugevasti ja mitmed tema õpilased
näiteks suts käever, kes oli üks olulisi Openejai tegelasi
ja kes Läks hiljem ära, sest tal olid vastuolud juhtkonnaga
arvavad samamoodi ja see ei ole ka selline arvamus,
millega kõik on nõus, et paljud inimesed arvavad,
et et vot sellist sorti närvivõrkudega me saame mingeid asju
küll väga hästi teha.
Masid nägemine, perfektne näide, masinnägemine tõesti tuleb
väga hästi välja närvivõrkudega õpetades aga muude asjadega selgub,
et noh, mingid asjad ei tule väga hästi välja,
et ta ei ole ka selline võib-olla päris universaalne asi
kõikide muude värkide jaoks, et sul on vaja muid meetodeid
ka ja nii edasi. Nii et siin on arvamusi seinast seina ja hind on siis
selgelt selle ühe pooluse esindaja, kes arvab,
et närvivõrkudest üksi piisab ja, ja samas on ta entusiasm
väga tugev selle poolest, et ta arvab, et need asjad
lähevadki väga kiiresti edasi ja nende süsteemide intellekt
hakkab väga kiiresti tõusma ja nad muutuvad tõenäoliselt
ohtlikuks meile.
Et, et samamoodi, et siin on inimesi, kes arvavad,
et oht on väga väike, näiteks kas või sellepärast,
et see progress ei ole nii kiire kui loodetakse
või sellepärast, et see progressi vii mingisse ohtlikkuse suunda,
eks ju, seal on mitu põhjust ja siis on inimesi,
kes arvavad, et, et oht on väga suur ja progress on väga kiire. Ja Hint on selgelt selle selle ohu poole esindaja ja,
ja üks tema töökohtadest peale veegoli veel Google,
kus ta tegi päris olulisi töid kogu aeg ja paar aastat
tagasi ta tuli sealt ära, viidates just sellele,
et, et ta tahaks väljendada oma neid ohustsenaariume
ja hoiatusi Jagoogilist töötades, tal ei oleks päris vabad
käed seda teha.
Nii et ta võtab seda väga tõsiselt, eks. Ja selles seisukohast on ta pigem natukene äärmuse esindaja. Kas võib arvata, et et Hoffildja Hint on,
said Nobeli auhinna just selle tõttu, et nende töö oli
kuidagi eriliselt inspireeritud füüsikast rohkem kui kui
teistel sama valdkonna esindajatele sest olgem ausad,
ega ega see nüüd otseselt ju füüsika ei ole,
et on füüsika rakendus või füüsikast inspiratsiooni saanud. Ta on inspiratsiooni saanud, natuke inspiratsiooni saanud,
samamoodi nagu neurovõrgud on saanud inspiratsiooni ajust. Selles mõttes oleks võinud kanda füsioloogia
või meditsiiniauhinna neile. No just selles mõttes küll, no võib-olla see vahe on,
et hop filt ikkagi oli oma taustalt füüsik
ja mitte bioloog, oleks bioloog olnud, siis oleks võib-olla
saanud anda bioloogia. Aga silataks võib-olla ikkagi täpsemalt ära,
et kuidas see, kuidas see inspiratsioon siis tuleb,
no ükskõik kust me võtame siis seda, kas,
kas ajust, kus on neuronid omavahel ühendatud
või füüsikast, kus statistiline füüsika,
kus on palju väikesi asju, mis on omavahel mõjutavad 11 seal tehisnärvivõrkudes,
samamoodi on sõlmed, sõlmede vahelised ühendused kuidagi
seatud ja siis selline arhitektuur on paika pandud. Ma saan aru, et enamasti tarkvaraliselt ja,
ja ühtäkki ta siis hakkab, hakkab tegutsema,
nii et niiet imesta, kuidas see käib. No nii nagu sa kirjeldasid, nii ta natuke ongi,
et ega ei ole väga keeruline seletada ära,
et mismoodi see võrgustik tegelikult siis väljeneb,
milles seisneb, et kõigepealt need, need sõlmed on üldiselt
sellised väikesed nad teevad lihtsalt väikese arvutusi
ja need ei ole mingisugused materiaalsed elektronidest
tehtud asjad või lihtsalt programmi sees,
et programm justkui simuleerib neid sõlmi,
et ta teeb ise neid arvutusi, täitsa tavaline programm. Ja, ja iga selline sõlm võtab siis eelmiste sõlmede väljundit,
mis Natele välja annavad ja need väljundid,
mis nad välja anda, lihtsalt väikesed numbrid.
Et nad tüüpiliselt kasutaks seal nulli ühe vahel pisikesi numbrikesi,
noh, kuidas keegi, eks, ja, ja need numbrid ei ole ka seal
mingeid väga täpselt, et hästi palju komakohti,
et neid on suhteliselt suhteliselt lühikesed numbrid,
millega saab kiiresti arvutada. Ja, ja need sõlmed teevad üsna lihtsakoelise asju,
et nad põhiliselt võib umbes mõelda isegi nii,
et nad liidavad need arvud kokku ja vaatavad,
et kas, kas tulemus jõudis üle mingisuguse piiri ja,
ja kui, kui noh, sisendid olid nõrgad ja üle piiri ei jõudnud,
tähendab nulli välja ja kui hakkab üle piiri jõudma,
siis ta hakkab juba natukene välja andma,
eks ju, ja seal saab neid arvutusi väga mitut moodi tuunida,
et kas me seal korrutan, pane mingeid koefitsiente,
eks ega üldiselt püütakse seda mitte väga keeruliselt teha,
sellepärast et tahaks teha, et töötaks hästi ruttu. Ja selleks, et hästi ruttu töötaks, peab olema suhteliselt lihtne.
Ja need väljundid on lihtsalt see, mida sa arvutus siis tegi
ja need suunatakse selle sellele järgmise arvutusele,
mis nii-öelda selles järgmises kihis.
Ja nüüd selleks, et seda kõike kiiresti teha on tegelikult
mõistlik mõelda niimoodi, et et, et need nii-öelda ühendused
nende sõlmede vahel on, on lihtsalt numbri tabelit.
Ja need koefitsiendid, millega neid asju tuleb läbi korrutada. Et noh, mis sisendit võtta, rohkem arvesse,
sisendit vähem arvesse ei kujuta ette, et sul on kaks sisendit,
sa ütled, et noh, korrutame ühe numbriga üheksa
ja teise numbriga 0,1 ja siis liidame kokku,
et siis selge, et see, kus üheksaga korrutad,
et see, see läheb palju rohkem arvesse.
Nii et need ühendused ka muutuvad, koefitsiendid muutuvad
ja võiks öelda niimoodi, et sul on väljundnumber
ja siis, kui sa neid nüüd selles sõlmes kokku liidad,
siis sa enne korrutad neid mingi koefitsiendiga läbi,
nii saab umbes teha. No see tulebki ajust, kus on ka selline teooria,
et, et õppimine seisneb selles, et närvirakkudevahelised
ühendused siis kas tugevnevad Einar knoiust ja, ja realiseeritakse seda enamasti niimoodi,
et sul on, on nende koefitsientide suured tabelid
ehk maatriksit ja siis korrutatakse neid suuri maatriks läbi
nende Nende numbritega, mis siis peaks sealt välja tulema niimoodi,
et sa saad seda maatriksit, aga korrutamist riistvaras päris
kiiresti teha ja realiseerida ja see töötab hästi,
nii et see kõik näeb välja selline väga suur Maatriksitega
arvutamine ja selleks, et see ruttu käiks,
siis seda teda saab paraliseerides, saaksid paralleelselt
korraga niimoodi, et sa teed ühes harus üks elektroonikatükk
teeb ühte, harjud elektronid teist aru, et see on hästi vajalik,
sest muidu läheks väga aeglaselt ja, ja graafikakaardid on,
on selgus, on kõige suurepärasem asi nende asjade
paralleeliseerimiseks graafikakaartides ongi nimelt sellised
Maatriksitega korrutamised hästi paljude väikeste pisi
protsessoritega realiseeritud, mis on algselt mõeldud,
selleks saaksid ilusaid pilte kiiresti joonistada,
see töötab väga hästi ka närvivõrkude jaoks. Natuke hea saab kasutusele võtta nii-öelda olemasoleva
tehnika ja, ja seal on, ma arvan, need seosed on isegi palju
tugevamad kui niimoodi pooljuhuslikud, et et on päris
levinud arvamused, et nende närvivõrkude kiire areng
või kiire edasiminek noh, nagu ka nagu ka intoni tööd.
Et need Nende oluline põhjendus oli see,
et tulid turule mängude jaoks mõeldud päris tugevad
graafikakaardid siin sajandivahetuse paiku
ja neid graafikakaarte sai siis hakata kasutama neurovõrkude
katsete tegemiseks, et need katsed lihtsalt läksid väga
palju kiiremaks, et noh, enne inimesed katsetasid küllaga,
Sa jõuad väga vähe katsetada, kui läheb hirmus palju aega
ja siis sai täitsa mõistliku kiirusega proovida ühtemoodi
ja teistmoodi teha. Ja see vis kiiresti seda valdkonda edasi.
Ja need seosed on veel, et, et samal ajal,
kui Hint on, sai füüsika-Nobeli preemia,
eks siis meilt said teised masinad inimesed missassaabise
ja kolleegid teise ja Saabis näiteks ongi keemiaoina keemia
on ja ja Saabis näiteks ongi olnud, et väga tipptasemel
malemängija ja pärast töötanud arvutimängude firmas,
kus ta otseselt tegigi arvutimänge ja selle tema firma
tegevuse algus oligi natukene arvutimängudega seotud,
need seosed on päris tugevad tegelikult mitmest,
mitmest suunast. Nüüd, tulles selle inspiratsiooni juurde,
siis kui, kui see aju, neurovõrkude inspiratsioon
inspiratsiooni mõelda, siis ta on tõepoolest selline inspiratsioon,
sest need päris neuronid töötavad erakordselt keerulised,
nad ei tee mingisuguseid lihtsaid asju ja kuidas see kõik
tegelikult ajus käib, on, on ikka täielik mõistatus,
et need neuroteadlased teavad väga noh, mingeid väga väikest
protsenti sellest, kuidas aju aju tegelikult töötab,
aga inspiratsiooni on, see töötab ja ma arvan,
et inspiratsiooni on ka see füüsika asi,
täpselt see, mis sa ütlesid, et sul on palju väikesi osakesi
ja nad siis kõik hakkavad 11 mõjutama, eks. Ja, ja seal on võib-olla natukene nüansse kaet.
Sa võid mõelda niimoodi, et, et kui me võtame need sõlmed ja,
ja ütleme, et noh, kõik sõlmed annavad kõikidele väljundit,
näiteks saab täitsa teha.
Ja, ja siis hakkas selguma, et, et kui sa sellist asja püüad õpetada,
siis see on hästi raske, ei lähe kuigi kiiresti
ja parema tehase kuidagi lokaalselt niimoodi,
et neid nüüd väljundeid ikka igale poole väga ei lähe,
vaid ta läheb näiteks kihiti või nad lähevad seal lähestikku. Ja, ja kui sa mõtled, et kui ta läheb kihiti
või lähevad lähestikku, et nad mõjutavad ainult lähedal
olevaid sõlme sisse, hakkab olema natuke nagu füüsika moodi,
sest ka, et üks üks molekul, mis õhus hõljub jõusel toa
teises nurgas, olevat molekuli väga ei mõjuta,
ta põrkab ikka kokku naabritega, eks, et me mõtleme natuke
nende piiratud moel, et me ei sea lihtsalt kõiki asju kokku
ja selgub, et see, kuidas neid tegelikult kokku paned,
et kus need sisendid rohkemate, kus see vähem võtad,
et see on tegelikult päris päris oluline. Aga huvitav on see, et niisugune lahendus,
mis ju tegelikult pärisajust jääb üsna kaugele annab siiski
nii-öelda arvutikasutajale hoopis uuelaadse kasutajakogemuse,
ta ei pea enam üksikasjalikult mingeid klõpsa tegema
või või nuppe vajutama, vaid ta võib lihtsalt nii-öelda oma
sõnadega öelda, mida, mida teha tuleks.
No kasvõi Photoshopi, eks ole, kogemus on totaalselt teine. Absoluutselt, ja, ja, ja see, et nende neurovõrkude
ja õppimisega saab nii vingeid asju teha,
oli enamusele tehisintellekti uurijatel ikkagi tugev üllatus
ja ma arvan, see on olnud ka üllatus kõigile neile,
kes on neid välja töötanud, kaasa arvatud intonile endale,
et nad on kõik üldiselt seda väljendanud.
Et ega ega keegi ei oodanud, et sellised meetodid nii hästi töötavad,
et üldine arvamus oli see, et sa pead ikka palju
keerulisemaid meetodeid tegema ja me ei oska neid nii hästi teha,
aga selgus, et isegi suhteliselt lihtsat meetodit,
kui sa teed väga palju masina õppimist mõistlikul viisil. Et see, see annab hämmastavalt tugevaid tulemusi,
nii et see on olnud suurüllatuse.
Ja noh, nüüd me oleme nagu harjunud selle üllatusega mingis mõttes,
et see enam justkui ei ole üllatus, aga teisest küljest ta
ikkagi on, et ega, ega sellist tunnetust,
et miks need asjad nii hästi töötavad, väga hästi ei ole,
samuti ei ole head tunnetust, et mis siis edasi saab,
et kas kasv tõuseb või ta väga ei tõuse või mis suunas ta läheb. Nii et me oleme täiesti äkki sellises kaardistamata maal,
mis on minu arvates väga positiivne, et sealt võib
kõikvõimalikke huvitavaid asju tulla, aga see tekitab ka
selle mure, et äkki äkki tulevad mingid ootamatult vägevad
asjad välja, mis on ootamatult negatiivsed,
umbes nagu Intan arvavad. Jaa, aga teisharul rajaneb ka tänavune keemiaauhind,
nagu juba mainisid, nii et see näitab, et mingi plahvatus on
tõepoolest toimumas.
Aga räägime sellest keemiahinnast, võib-olla siis vähemalt
järgmisel nädalal. Ja ma arvan, see on mingis mõttes isegi huvitavam kui,
kui füüsikaauhind, mis on natuke sellise ajaloolise taustaga,
aga see keemiaauhinnatulemused on väga värsked
ja üldse mitte vaieldavad, mõtleks. Aga täna siis füüsikaauhinnast ehk täpsemalt masinõppest
ja tehisnärvivõrkudest, mille eest Nobeli auhinna said John Hoffildja,
Chief rehinton ja vestluskaaslaseks Tanel Tammet. Mikro-RNA-st räägime nüüd, sest tänavused meditsiini
või füsioloogia auhinnad, Nobeli auhinnad on antud just
nimelt mikro-RNA avastajatele ja uurijatele Viktor Andrusele
ja käri Rawconile Ameerika ühendriikidest.
Mis mikro-RNA on, milleks seda vaja läheb?
Sellest ajan juttu ana rebasega.
Kes on Tartu Ülikooli bio- ja siirdemeditsiini instituudi
molekulaarmeditsiini professor ja just täpselt ka mikro-RNA
uurimisega tegeleb. No ega vist ei saa mööda sellest küsimusest alustuseks,
et mis on mikro-RNA?
Kui hakata tulema nii-öelda tuttavalt lähtudes,
siis DNA teavad kõik.
Vähemalt on kuulnud.
RNA on DNA sugulane, selline poolvend, poolõde
ja Microverna päike.
Aga nüüd täpsemalt palun. Täpsemalt võiks siis öelda, et DNA on siis meie geenid
ja selleks, et meie geenidest saaksid kõik need toredad
20000 valku, mis meil erinevates rakkudes avaldunud on.
Selleks tehakse tegelikult alguses vahemolekul RNA
ehk sisemerena.
Ja see protsess peab olema hästi-hästi, täpne,
et iga me teame, et meil on rakud, kõik erinevad,
kõik rakud ei ole meil sugugi ühesugused,
seetõttu erinevates rakkudes on siis erinev hulk emmerre
naasid neid errennaasid, mille pealt valku tehakse neid siis
avaldunud ja olemas. Ja mikro-RNA on selle emmerena sugulane või sõber,
pigem selline pisikene RNA jupikene.
Aga tema põhiroll on tegelikult siis muuta valkude tegevate
RNA-d Hulka rakus.
Ühesõnaga ta muudab kõik protsessid, mis rakkudes toimuvad.
Kui palju mingit valku tehakse, ta muudab selle kõik palju täpsemaks. Aga hea küll, meil on siis m errena, teda nimetatakse ka
informatsiooni Renaks. Messenger inglise keelest eesti keeles informatsiooni RNA
ja tema toodabki tema pealt tehaksegi.
Valku on suur masinavärk, mille nimi on ribosaam.
See teeb siis tema pealt valku. Ja siis on üks väike klähvivad kutsikas just mikro-RNA
ja kes siis sekkub sellesse protsessi? Kop sellesse protsessi tuleb, seondub, tal on võime siduda
ennast sinna emmerenaa peale ja toob kohale valgud,
mis siis lõhuvad tegelikult selle emmerena mitte päris ära,
aga, aga põhimõtteliselt lõhuvad seda herr emmerena kogust
vähemaks ja see muudabki siis selle valgusünteesi
ja valkude tootmise täpsemaks. Nii et mikro-RNA tegelikult segab valgu tootmist emm RNA pealt. Jah, täpselt hakata segab teda selleks, et kõike tuleks
õiges koguses.
Miks seda vaja on vaja on, selleks, et meil on geenid,
aga geenid on vaja lülitada sisse või välja,
kas tuleb palju valku või vähemalt.
Aga see protsess ei, seda ei ole võimalik nii täpselt reguleerida,
vahest saab liiga palju.
Ja siis ongi väike mikro-RNA seal abiline selle tähtsusest
siis miks see tähtis on? On tegelikult see?
Mikro-RNA evolutsiooniliselt ilmusid välja siis,
kui rakud hakkasid, kui tekkisid hulkraksed organismid,
need on siis organismid, kellel ei ole ainult ühte tüüpi
rakud olemas, vaid on mitut erinevad rakud.
No pärmidel võib küll ketti moodustuda ja võib kutsuda organismiks,
aga no ikka ei ole, on üherakuline.
Ja siis, kui siis nüüd ilmusid välja hulkraksed organismid,
siis ilmusid välja ka mikrorannad ja selle tõttu pluss siis
teadlased arvavadki. Päris kindlalt ei saa seda kunagi kindlaks teha.
Et tegelikult selleks, et me saaksimegi olla sellised
keerulised hulkraksed putukad, kärbsed, taimed,
loomad, inimesed on mikro-RNA-d ülioluline roll,
sest nad aitavad kaasa sellele.
See valkude hulk, mis rakkudes tehakse, oleks hästi täpne. Ahaa, sest hulkraksetel olenditel on ju rakke väga erinevaid tüüpe,
väga erinevaid on kõigil ühesugused, seal DNA-s. DNA geenid on kõik ühesugused akuss, millist RNA tehakse,
keegi peab ju ütlema? Et sellest sõltub siis, milliseks rakk üldse kujuneb,
kas temast saab, lootes Maxork ja, ja nii edasi. Ja noh, seal on algulised faktorid ka, kes teevad,
DNA ei istu niisama paljalt rakkudes, tema küljes on palju
valke ja siis kutsutakse Takromotiiniks ja Need valgud,
kes seal küljes on ühelt poolt takistavad,
et sealt tehtaks nagu neid päris valke, mida rakkudes on vaja,
aga siis kui mõni koht tehakse lahti, siis see valgu tootmine,
emmerna tootmine ja sealt edasi valgu tootmine läheb nii
kõvasti käima, et seda ei saada hästi pidama. Ja siis micro järel, nad on üks oluline faktor,
mis siis kontrollivad seda. Selge neid faktoreid on veel, aga tema teeb siis nii-öelda
seda lõplikku. Viimase hetke kontrolli, aga hämmastaval kombel tundub see
olevat niivõrd vajalik, et meil ei ole hulk rakseid organisme,
millel ei oleks mikro-RNA-s. Ja huvitav on see, et see tegelikult avastati ka suhteliselt
hiljuti just nende samade teadlaste poolt,
kes tänavu auhinna saavad. No seda võib öelda suhteliselt hiljuti ja seda ei märgatud,
alguses on päike, tan väike jah, et nagu need metoodikad ei
võimaldanud kohe üles leida ja keegi ei tulnud selle peale,
et selline mehhanism on olemas ja huvitav on asja juures
veel see, et kui 1993. aastal Viktorambursi reageeri ruh
kond leidsid esimese mikro-RNA siis nad leidsid selle ühest
väikesest ümarussist ladinakeelse nimega seeelleganud,
siis arvati, et see on unikaalne nähtus ussidele,
sest edasi läks seitse aastat mööda. Ja alles siis leiti järgmine Vikroerana nimega Let's seitse.
Ja siis nad märkasid, et ohoo, need järjestused on olemas
igal pool inimeses ka selgus, et see kõige esimene,
mis nad leidsid, see ei olnud nagu inimese
ja imet ja taimeevolutsiooni kohaselt jätkusuutlik tegelane,
vaid see oli just usside jaoks vajalik mikro-RNA.
Ja seetõttu läks veel hulk aega mööda, enne kui leiti järgmised.
Ja nii ta siis läks, siis leiti juba, et mis nad edasi
teevad ja kuidas nad haigusi mõjutavad ja millistes rakkused,
millised avaldunud on ja nii edasi ja kui palju neid üldse on. Neid on kusagil 1000 2000 vahel päris täpset arvu ei,
ei julgetud välja öelda, see on nagu tegelikult valke
tegevate geenide arvudega ja nende arv on kuskil 20000,
aga viis aastat tagasi arvati, et neid on 35000.
Et see ajas natukene muutub ja kõikide teoreetiliste asjade
puhul ei ole alati selge, kas nad praktiliselt on olemas
ja toimivad. Aga nüüd tuleb välja, et igale valgule oma mikro-RNA-d ei olegi,
mis teda pidurdaks ja ohjeldaks.
Neid palke on tegelikult rohkem kui mikro-RNA Sid. No see päris nii ei ole, tegelikult on see süsteem palju
nupuka olemas on, arvatakse, et mikro-RNA toimivad kõikide
nende valkude puhul, mida ongi siis vaja täpselt reguleerida
kinni lahti, et valgud, mida igas rakus on niikuinii tarvis,
hästi palju seal pole vaja mikro-RNA teel midagi teha.
Et kokkuvõttes arvatakse ikkagi, et pool valkude korral on
mikro-RNA-poolne regulatsioon oluline ja kuidas nad siis
seda teevad. Ega nad siis ainult ühte emmerenaad ei märgista,
ei, ei lähe ühe juurde, vaid nad on võimelised tegelikult
ära tundma.
Jälle väga raske öelda, kümneid, võib-olla mõnedel juhtudel
isegi rohkem emmerenaasid ja, ja ka vastupidi ühele
emmerennale valku tegevale RNA-le aastab siis päris mitu mikro-RNA-d. Kes reguleerib mikro-RNA sünteesi või tema kohalolekut
või aktiivsust? Tegelikult tema olemasolu seda, et teda üldse tegema hakatakse.
Seda reguleerib täpselt sama valkude kompleks nagu ka valke,
sünteesivad Hernade süntees.
Selle valgu kompleksi nimi on RNA polümeraas kaks.
See teeb kõikidest valke tootvatest geenidest ka RNA valmis
ja samamoodi ka mikro-RNA-d valmis, aga edasi toimuvad siis keerulisemad.
Nagu tootmisprotseduurid, kus lõigatakse,
pakitakse, liigutatakse rakus ühest kohast teise. Ja neid keerulisi protseduure uurite teie ka Tartu Ülikoolis lähemalt. Jah, põhimõtteliselt küll, aga eelkõige,
mida siis meie oleme uurinud, on see, et mida,
mis on nende mikro-RNA-de tegevuse tagajärg näiteks
nahahaiguste korral, allergiate korral, kuidas nad mõjutavad
immuunsüsteemi toimimist, et meie tööd on olnud eelkõige
sellega seotud, millistes rakkudes kui palju erinevaid
mikronaasid seoses haigusliku olukorraga terves nahas
näiteks või haigest nahas on siis olemas,
mis nad võiksid seal teha, et me oleme peamiselt sellega tegelenud? Mis on mikro-RNA roll inimese tervises? Laiemas plaanis täitsa laias plaanis laias plaanis,
ma arvan, et nad kõik koos hoiavad meid tervemana et kui
mõned neist on puudu ja midagi läheb väga viltu,
siis seda olukorda seostatakse vähiga.
Immuunsüsteem läheb tasakaalust välja.
Et aga nad on päris hästi üksteise tegevust,
nagu nad töötavad koostöös, et, et seetõttu näiteks
geneetilisi haigusi, mis oleks mõne üksiku kindla
mikroarenaga seotud, on üsna vähe. Aga mõned on siiski leitud jutud, et kuulmislangusega on
seotud teatud kindel mikro-RNA nägemisega siis üks mikro-RNA,
millega meie ise oleme töötanud, me leidsime,
et on väike seos sellise nahahaigused nagu psoriaas.
Aga ta ei ole seal ainukene faktor, seal on palju teisi veel,
see on selline.
Öeldakse, et see on multigeene haigus, mis tähendab seda,
mitu erinevat geeni valku mõjutavad siis seda,
kas haigus tekib või teki pluss veel keskkond. Aga millised on väljavaated mikro-RNA-alaseid teadmisi
kasutada haiguste ravimisel? Inimesed töötavad selles suunas ja siin on nagu kaks põhisuunda,
kus siis nagu liigutakse, üks suund on see,
et kogu aeg otsitakse haigustega seotud markereid.
Et mikro-RNA-d võiksid siis olla päris head,
haiguslikke olukordi kirjeldavad molekulid,
kuna nad on väikesed ja nad satuvad ka näiteks rakuvälisesse keskkonda,
neid on lihtsam kätte saada.
Ja teine suund on siis nii, et võiks ju võtta ühe mikro-RNA
ära või panna juurde ja vaadata, kas saame haigust ravida. Et põhimõtteliselt neid töid tehakse, on kliinilistes
uuringutes neid töid aga mikro-RNA, kui sellised täpselt
molekuli puhul ei ole jõutud veel ühegi Braavimini.
Ja üks peamisi põhjusi on siis see, et, et errena olekul
hoolimata sellest, isegi, kui ta on väike
ja tema ees on sõna micro on ta rakkude mõistes siiski
suhteliselt suur molekul.
Kõigele lisaks on tal veel negatiivne laeng
ja kõik, mis on negatiivse laenguga, ei lähe niisama
rakkudesse kõik molekulid. Et tegelikult teadlased töötavad selles suunas.
Aga see on üsna-üsna aeglane protsess. Rääkisime nüüd lähemalt mikro-RNA-st molekulist,
mille avastamise ja uurimise eest antakse tänavu välja
Nobeli meditsiinifüsioloogia auhind ja vestluskaaslaseks ana Rebane. Tänases saates oli juttu tehisnärvivõrkudest
ja mikro-RNA-st.
Juttu ajasid Tanel Tammet, Ana Rebane ja saatejuht Priit Ennet.
Uus saade on kavas nädala pärast.
Veel uuem, kahe nädala pärast kuulmiseni taas.
