Wissenschaft

#Spielen für die Wissenschaft – BioInfoWelten

Spielen für die Wissenschaft – BioInfoWelten

Am Computer sitzen, zocken und dabei noch die Wissenschaft unterstützen? Ja, das geht. Die Frage, wie das genau funktioniert, war eines der Wunschthemen bei meiner Umfrage im Juli. Welche wissenschaftlichen (bioinformatischen) Fragestellungen lassen sich spielerisch lösen? Wie kann ein Spiel überhaupt eine Wissenschaftliche Fragestellung beantworten? Und wieso können Spiele etwas, was reine Algorithmen nicht können? Zeit euch diese Fragen zu beantworten und das ein oder andere Bioinformatik Spiel vorzustellen.

Foldit

Bei Foldit dreht sich alles um Proteinfaltung. Proteine sind die molekularen Maschinen in unserem Körper und haben sehr viele wichtige, und sehr unterschiedliche Funktionen. Sie sind zum Beispiel dafür verantwortlich, dass Nahrung von uns verdaut wird (Enzyme) oder dass Sauerstoff über unser Blut transportiert wird (Hämoglobin). Sie sind aber auch Teil unseres Immunsystems (Antikörper), sind für den Aufbau von Haut, Muskeln, Knochen und Haaren verantwortlich und sorgen dafür, dass wir uns verlieben (Hormone).

Struktur des Proteins Hämoglobin. (Von Zephyris, CC BY-SA 3.0, Wikimedia Commons)

Struktur des Proteins Hämoglobin.
(Von Zephyris, CC BY-SA 3.0, Wikimedia Commons)

Den Aufbau eines Proteins kann man auf mehreren Ebenen beschreiben. Zunächst einmal bestehen Proteine aus einer Kette aus Aminosäuren. Die Reihenfolge der Aminosäuren eines Proteins ist in der DNA gespeichert und lässt sich daraus relativ leicht ablesen, wenn man den genetischen Code als Übersetzungshilfe zur Hand hat. Aber Proteine liegen in unseren Zellen nicht als bloße Aminosäureketten vor. Erst wenn sich die Kette zu einer kompakten 3D-Struktur zusammenfaltet, werden die Proteine funktionstüchtig.

Die Energie einer solchen Struktur wird durch Bindungen und Anziehungskräfte zwischen den Aminosäuren bestimmt. Für jedes Protein gibt es eine 3D-Struktur, in der sich das Protein im Energieminimum befindet. Man nennt diese Struktur native Form des Proteins und sie ist die Struktur, in der das Protein funktionstüchtig ist. Diese native 3D-Struktur aus der Aminosäurekette vorherzusagen ist extrem schwer, sogar für Computer. Die Energie einer 3D-Struktur lässt sich zwar berechnen, der Suchraum aller möglichen Strukturen die eine solche Kette annehmen könnte ist jedoch riesig. Stellt euch einfach einen Faden vor und die vielen verschiedenen Möglichkeiten, wie dieser zusammengeknüllt werden könnte. Jede kleine Änderung ändert auch die Energie des Knäuels.

Es gibt Algorithmen, die die Faltung einer Aminosäurekette zur nativen 3D-Struktur berechnen. Die Rechenzeit dieser Algorithmen ist jedoch oft enorm. Häufig können Falt-Algorithmen nur kleine Teilstrukturen (sogenannte Domänen) berechnen.

Der Mensch und seine Fähigkeit, Rätsel zu lösen

Screenshot aus dem Spiel Foldit. (By Animation Research Labs, University of Washington, CC BY-SA 3.0 de, Wikimedia Commons)

Screenshot aus dem Spiel Foldit.
(By Animation Research Labs, University of Washington, CC BY-SA 3.0 de, Wikimedia Commons)

Wissenschaftler der Universität Washington haben ein Spiel entwickelt, in dem Proteinfaltung zur Rätselaufgabe wird: Foldit (“falte es”). Ziel für jeden Spieler ist es den Highscore zu knacken, in dem man die Energie des Proteins minimiert. Biochemische Vorkenntnisse braucht ihr dafür keine. Die verschiedenen Möglichkeiten die Aminosäurekette zu bearbeiten (auseinander ziehen, drehen, wieder zusammenfalten und so weiter), lernt ihr spielerisch mit Anleitung in den ersten Levels. Der Rest gleicht dann eher einem Puzzle oder einem Knobelspiel. Dabei stellt ihr euch der Konkurrenz der anderen Spieler oder arbeitet gar im Team. Somit durchsuchen viele Menschen gleichzeitig den riesigen Suchraum der möglichen 3D-Strukturen. Der Vorteil liegt aber gar nicht darin, dass sich viele Menschen gleichzeitig mit dem Problem beschäftigen (ebenso könnte man die Berechnung einfach auf viele Rechner verteilen). Der Vorteil liegt in der menschlichen Fähigkeit zur Mustererkennung und visuellen Problemlösung, die ein Computer nicht besitzt.

MountainsUm das ein wenig verständlicher zu machen, stellt euch den Suchraum mal als eine Art Landschaft — am besten ein Gebirge — vor. In diesem Gebirge wollt ihr den höchsten Berg erklimmen; ohne zu wissen, wo dieser sich befindet. Der höchste Berg ist sozusagen das richtige Ergebnis. Viele Suchalgorithmen sind so aufgebaut, dass sie an einer zufälligen Stelle starten und dann immer bergauf gehen. Das kann man zum Beispiel hundert Mal wiederholen und hat dann hoffentlich den höchsten Berg gefunden. Vielleicht steht man dann aber auch nur auf dem zweithöchsten Berg, obwohl der höchste Gipfel direkt neben einem liegt. Zuerst muss man nun wieder ins Tal, um dann auf den höchsten Berg zu gelangen. Der Suchalgorithmus kann das nicht erkennen; er hat den visuellen Einblick nicht und ist angewiesen immer nur bergauf zu gehen. Der Mensch sieht jedoch den höheren Gipfel (und somit das bessere Ergebnis) und ist deswegen gewillt, den Weg durchs Tal auf sich zu nehmen.

Der zweite Vorteil liegt in den unterschiedlichen Suchstrategien, die Menschen zur Problemlösung verwenden. Keine dieser Strategien muss generell die beste sein. Bei unterschiedlichen Proteinen können unterschiedliche Strategien zum Erfolg führen. Manche Spieler sind eher gut darin grobe Strukturen zu lösen, andere eher feine Strukturen. Das wissenschaftliche Ziel von Foldit ist gar nicht unbedingt, die Struktur eines einzelnen Proteins zu entschlüsseln (obwohl auch das den Spielern bereits gelungen ist). Das Ziel ist eher, sich die Lösungsansätze der Spieler abzugucken und diese wiederum in Algorithmen zu packen, um damit die Struktur sehr vieler Proteine entschlüsseln zu können.

So hat man bereits erkannt, in welchen Bereichen die Stärken der Spieler liegen und wo die Schwächen. Menschen fällt es zum Beispiel schwer, die Faltung von der schlichten Kettenform aus zu beginnen. Wesentlich einfacher fällt es, eine bestehende Struktur umzuordnen. Hat ein Spieler die Möglichkeit aus verschiedenen Knäueln als Startpunkt zu wählen, wählt er intuitiv schon das der Lösung am nächsten liegende. An Stellen, in denen Algorithmen per Zufall den nächsten Schritt entscheiden würden (zum Beispiel auf einen zufälligen Punkt der Landkarte zu springen und dort erneut bergauf zu wandern) entscheidet der Mensch schlauer als der Zufall.

Wenn Sie an Foren interessiert sind, können Sie Forum.BuradaBiliyorum.Com besuchen.

Wenn Sie weitere Nachrichten lesen möchten, können Sie unsere Wissenschaft kategorie besuchen.

Quelle

Ähnliche Artikel

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Schaltfläche "Zurück zum Anfang"
Schließen

Please allow ads on our site

Please consider supporting us by disabling your ad blocker!