על בירה, עסקים, ביולוגיה ומחשבים
האם שמעתם על הקשר, שבין בירה לחיתולים? מדובר באנקדוטה משעשעת, עליה נרחיב בהמשך, שמוכרת לרבים בעולם המחשוב העסקי. הקשר המפתיע זוהה באמצעות שיטות ניתוח ממוחשב, אשר מכונות Business Intelligence. האנליטיקה הממוחשבת נמצאת גם בלב עולמות ידע נוספים. אחד המעניינים והמתוחכמים שבהם, הוא עולם הביולוגיה החישובית. במסגרתו, עוסקים בכל מידע אשר קשור בביולוגיה, דוגמת חקלאות, חקר מחלות, פיתוח תרופות או שיפור טעם הבירה. כן, שוב בירה. גם על כך בהמשך. עוד על הקשר, בין בירה, עסקים, ביולוגיה ומחשבים:
ביולוגיה חישובית - למצות את הנתונים
ביולוגיה חישובית או ביואינפורמטיקה, הוא תחום שעוסק בניתוח מתקדם של מידע, אשר הושג מניסויים בביולוגיה. זהו תחום מדעי חדש יחסית, אשר זינק בשנים האחרונות קדימה, תודות לכמה מגמות עיקריות:
- התרחבות היקף המידע הזמין - המידע שמצטבר בהדרגה בתחום הביולוגיה, הוא כיום בהיקפים עצומים. מידע זה מרוכז בצורה מסודרת לתוך מאגרים ייעודיים, דוגמת GenBank או PubMed. זו נקודת התחלה מצוינת, אבל היא לא מספקת עדיין מענה לאתגרים, בכל הנוגע לשימוש מתקדם במידע. כך שיש לנו כמויות גדלות והולכות, של מידע טכני מאוד, שהוא מעצם טבעו מידע מורכב. איך מנתחים בהצלחה את כל המידע הגולמי הזה?
- השתכללות המחשוב - עולם המחשוב התפתח בעשורים האחרונים בקצב מהיר מאוד. זאת, בין השאר תודות לעולם העסקים שמסתמך עליו באופן נרחב ביותר ומשקיע בו כספים רבים. במקביל, גם בעולם המדע הייתה וישנה דרישה למחשוב עוצמתי, אשר דוחפת לשכלול מתמיד ביכולות המחשוב. כמובן, מדע ועסקים גם הולכים ביחד פעמים רבות. למשל בפיתוח ומכירת תרופות.
- שיפור יכולת הניתוח הממוחשב - חלק חשוב מאוד בהתפתחויות אלה, משחקת היכולת לעבד היקפי מידע גולמי גדולים במיוחד. בעולם המחשוב מקובל לדבר בהקשר זה על "ביג דאטה" - אתגר ניתוח מידע, שמתאפיין בשלושה V - נפח גדול במיוחד (Volume), קצב גבוה של יצירת והצטברות המידע (Velocity) וגיוון בסוגי המידע (Variety).
ביולוגיה חישובית הוא למעשה מקצוע רב תחומי, אשר משלב מתמטיקה, סטטיסטיקה ומדעי המחשב. הביקוש למומחים מסוג זה צפוי להוסיף ולגדול, גם מכיוון שוק הביוטק וגם מעולם ההייטק בכלל.
דוגמאות לאפשרויות הניתוח
לשם ההמחשה, נאמר שיש מצבור מידע בנושא ביולוגי מסוים דוגמת DNA. אלה כמה יכולות,
שפתרונות ניתוח המידע המודרניים מאפשרים לגבי מידע זה:
- המחשה גראפית - משתמשי מחשב מכירים את השימוש הנפוץ בגרפים, תרשימי עוגה, צבעים שונים וכדומה, בכדי להציג מידע באופן ברור. ואכן, חלק חשוב בפתרונות ניתוח ה"ביג דאטה" מהווים עזרי המחשה שונים. הצגה גראפית של הדברים, לעתים קרובות מקלה על בני האדם להתמצא במידע ולהבין אותו.
- Drill Down - יכולת חקירה מהירה של היקפי מידע גדולים, באמצעות מעבר קל ממבט על למבט ממוקד יותר. המטרה, היא לאפשר מיקוד מהיר וקל, במה שמעניין את החוקרים. אם נחשוב בהקשר של גיליונות אלקטרוניים (דוגמת אקסל הנפוץ), פתרון לא מתקדם לכך היה נוטה להיות מסורבל מדי. היינו נאלצים להשתמש בטבלה עמוסה מדי בנתונים או שהיינו צריכים לעבור בין טבלאות שונות כאלה.
- זיהוי דפוסים ומגמות - לך תמצא דפוס חוזר נסתר או מגמה בראשית דרכה, בתוך "הררי המידע"! אתם אולי לא יכולים לעשות זאת, אבל המחשב כן.
- זיהוי קשרים בין מגמות - סיבוכיות המידע, מפריעה ליכולת לבצע ניתוחים מתקדמים, במעבר ויזואלי על נתונים גולמיים. למשל, זיהוי קשרים נסתרים בין חלקים של המידע, שנשמעים לא קשורים בכלל. נאמר, מכירות החיתולים ומכירות הבירה. הרי לא ייתכן שזה קשור, נכון? לא נכון. כבר נסביר.
מה עושים עם ביולוגיה חישובית?
פעילות מדעני הביולוגיה החישובית, מתבטאת באופנים רבים. למשל
- מחקר תיאורטי - הרחבת הידע התיאורטי של עולם המדע והבנת המידע שמצטבר, ברמת התיאוריה.
- בפיתוח תרופות - מסקנות ממחקרים בביולוגיה חישובית, עשויות לספק בסיס לפיתוח תרופות חדשות.
- בחקלאות - ביולוגיה חישובית שימושית גם בחקלאות. למשל במחקר שדרוש לשם השבחת גידולים חקלאיים, על ידי הנדסה גנטית.
- בחיפוש וניתוח טקסטים מדעיים - חיפוש מתקדם בתוך טקסטים מדעיים. היקף הטקסטים האלה כיום לא מאפשר קריאה יסודית שלהם. על רקע מצב זה, מתגבר הצורך באיתור מידע בתוכם, באמצעות גישות של חיפוש.
- בניתוח מולטימדיה - ניתוח צילומים ווידאו, בהקשר של מחקר ביולוגי.
- בהמחשה מתקדמת - סימולציות של תהליכים ביולוגיים שונים ושל מבנים כמו מולקולות מורכבות.
- בחקר מחלות - חקר מחלות הוא תחום שבו נצבר כמובן מידע רב והוא גם נושא מורכב מאוד. כך שכאן ישנו פוטנציאל רב, לטכניקות שיכולות לנתח לעומק מידע מסוג זה.
- בגנטיקה - ניתוח מידע גנטי ואבחון מחלות גנטיות.
אלה היו רק כמה דוגמאות בולטות. יש למעשה עוד אפשרויות רבות בתחום זה. עיבוד מידע לגבי פעילות מערכת העצבים ביצורים שונים, תהליכי התפתחות ביולוגיים ועוד.
נו, מה עם הבירה שלנו?
שני בירה, בבקשה:
- קבוצת מדענים ניתחה לאחרונה מידע על 120 סוגי בירות מסחריות. המטרה הייתה להבין טוב יותר את המיקרואורגניזמים שבתוכן, אשר מעורבים ביצירת התוצר הסופי. בין השאר, התגלו בצורה כזו כמה מיקרואורגניזמים חדשים.
- מדוע רשת חנויות אמריקאית החלה למקם את החיתולים והבירות קרוב יותר האחד לשני? כיצד הוביל צעד זה לשיפור של עשרות אחוזים במכירותיה? הסוד לכך, היה ניתוח ממוחשב של המידע על המכירות. במסגרתו, התגלה שישנו יחס ברור ומפתיע, בין היקף רכישות הבירה, לבין היקף רכישות החיתולים! ההסבר: הורים רוכשים מלאי ממוצרים אלה, בעיקר בסופי שבוע. אם שמים מוצרים אלה האחד ליד השני, מצמצמים מקרים שבהם שוכחים לרכוש את אחד מהשניים.