macromolécules

Pour décrire une protéine, il est désormais courant de distinguer les structures primaire, secondaire et tertiaire. La structure primaire est simplement l'ordre, ou la séquence, des résidus d'acides aminés le long des chaînes polypeptidiques. Elle a été déterminée pour la première fois par Sanger à l'aide de techniques chimiques pour la protéine insuline, et a depuis été élucidée pour un certain nombre de peptides et, en partie, pour une ou deux autres petites protéines. La structure secondaire est le type de pliage, d'enroulement ou de froncement adopté par la chaîne polypeptidique : la structure en hélice a et la feuille plissée en sont des exemples. La structure secondaire a été définie dans ses grandes lignes par un certain nombre de protéines fibreuses telles que la soie, la kératine et le collagène ; mais nous ignorons la nature de la structure secondaire de toutes les protéines globulaires. Il est vrai qu'il existe des indications suggestives, mais pas encore de preuves, que les hélices-a sont présentes dans les protéines globulaires, dans une mesure qu'il est difficile d'évaluer quantitativement dans un cas particulier. La structure tertiaire est la manière dont les chaînes polypeptidiques pliées ou enroulées sont disposées pour former la molécule de protéine en tant qu'objet tridimensionnel dans l'espace. Les propriétés chimiques et physiques d'une protéine ne peuvent être pleinement interprétées que si les trois niveaux de structure sont compris, car ces propriétés dépendent des relations spatiales entre les acides aminés, et celles-ci dépendent à leur tour des structures tertiaire et secondaire autant que de la structure primaire. Seules les méthodes de diffraction des rayons X semblent capables, même en principe, de démêler les structures tertiaires et secondaires.

Auteur: Kendrew John Cowdery

Info: A Three-Dimensional Model of the Myoglobin Molecule Obtained by X-ray Analysis", Nature (1958) 181, 662. Co-auteur avec G. Bodo, H. M. Dintzis, R. G. Parrish, H. Wyckoff et D. C. Phillips.

[ tridimensionnelles ] [ cartographiées ]

science-fiction

Ayant compris ses limitations, autant sensorielles que conceptuelles, décidé à voir au-delà d'horizons qui semblaient véritablement indépassables, l'être humain décida de créer une entité qui viendrait lui parler de lui "vu de l'extérieur". Une sorte d'être-cerveau externe.

Pour ce faire l'Homme recensa et modélisa les paramètres de sensations les plus pointus des autres êtres vivants : flair et audition des chiens, mesure interne de la marée chez la moule, absorption de l'eau des végétaux, scan tridimensionnel des objets par fréquences sonores des dauphins, non ego de la fourmi, etc... Toutes ces facultés furent ensuite implémentées dans quelques milliers de robots interdépendants et self apprenants qu'on laissa se développer ensemble en milieu fermé pendant quelques années. Cela s'appelait le projet "Zlouti". On supposait avec raison qu'une entité collective autonome en émergerait.

Comme espéré ces machines auto réparatrices évolutives et altruistes formèrent rapidement une sorte de gestalt indépendant et autosuffisant. Une entité dont l'intelligence semblait sans limites... étrange... nouvelle. Les jours passant les observateurs la voyaient ressentir et palper avec délectation la réalité qui s'offrait à elle. De mille façons.

Enfin, après cinq ans, et d'innombrables vérifications, on laissa l'extraordinaire avatar cybernétique venir à la rencontre de l'être humain. Le Zlouti allait enfin nous donner des nouvelles sur nous-mêmes. Comment allions-nous être perçus, scannés, analysés... Quelle serait l'image qu'il donnerait de nous ?

C'était un mardi matin. Les ingénieurs, fébrilement installés devant leurs écrans de réception, reçurent la première communication du Zlouti. Un message synthétisé sous forme orale par d'innombrables filtres sensoriels, eux-mêmes réduits en équations et signes sémiotiquement peaufinés via de subtils algorithmes qu'un méta cerveau ramenait à l'expression la plus simple et la plus communicable possible. Cette première réaction, la plus attendue, tomba à 11 heures 26 sous forme d'une courte phrase de 5 mots :

- C'est quoi cette merde ?!

Il faudra beaucoup de temps pour que le Zlouti, égrégore informatisé perspectiviste multi tâches, qui, dans l'immense sagesse de ses facultés démultipliées, pensait être d'un grand pessimisme, réalise l'étendue de son optimisme d'alors.

Auteur: Mg

Info: 14 nov. 2012

[ dépassement ] [ intelligence ] [ artificielle ] [ humour misanthrope ] [ homme-par-machine ] [ regard extérieur ] [ auto-dénigrement ]

cité imaginaire

À Smeraldina, ville aquatique, un réseau de canaux et un réseau de rues se superposent et se recoupent.

Pour aller d’un endroit à un autre tu as toujours le choix entre le parcours terrestre et le parcours en barque : et comme la ligne la plus courte entre deux points à Smeraldina n'est pas une droite mais un zigzag qui se ramifie en variantes tortueuses, les voies qui s’ouvrent à chaque passant ne sont pas seulement au nombre de deux, mais il y en a beaucoup, et elles augmentent encore si on alterne des trajets en barque et des parcours à pied sec.

Ainsi l’ennui de parcourir tous les jours les mêmes rues est-il épargné aux habitants de Smeraldina. Et ce n'est pas tout : le réseau des voies de communication n'est pas disposé sur un seul niveau, mais il suit des escaliers qui montent et qui descendent, des galeries, des ponts en dos d’âne, des voies suspendues. En combinant les segments des différents trajets surélevés ou à la surface, chaque habitant se donne chaque jour le plaisir d’un nouvel itinéraire pour aller dans les mêmes endroits. À Smeraldina les vies les plus monotones et les plus tranquilles s’écoulent sans se répéter.

C’est à de plus grandes restrictions que s’exposent, ici comme ailleurs, les vies secrètes et aventureuses. Les chats de Smeraldina, les voleurs, les amants clandestins empruntent des chemins plus élevés et moins continus, sautant d’un toit à l’autre, se laissant tomber d’une terrasse sur un balcon, évitant les gouttières d’un pas de funambule. Plus bas, les rats courent dans l’obscurité des cloaques, à la queue leu leu, en compagnie des conspirateurs et des contrebandiers : ils passent la tête par les bouches d’égout et les grilles des caniveaux, ils se faufilent par les interstices et les ruelles, et traînent d’une cachette à l’autre des croûtes de fromage, des denrées prohibées, des barils de poudre à canon, ils traversent la densité de la ville trouée par l’éventail des galeries souterraines.

Un plan de Smeraldina devrait comprendre, indiqués avec des encres de couleurs différentes, tous ces tracés, solides et liquides, évidents et cachés. Il est plus difficile de fixer sur la carte les voies des hirondelles, qui fendent l’air par-dessus les toits, précipitent le long de paraboles invisibles avec leurs ailes tendues, s’écartent pour avaler un moustique, remontent en spirale en frôlant un pinacle, surplombent de chaque point de leur sentier d’air tous les points de la ville.

Auteur: Calvino Italo

Info: Villes invisibles. La ville et les échanges

[ tridimensionnelle ]

animal-minéral

Des progrès dans la compréhension de la biominéralisation par une nouvelle microscopie X

Chez les organismes vivants, les processus de biominéralisation régulent la croissance des tissus minéralisés, tels que les dents, les os, les coquilles… Ces procédés restent fascinants à étudier pour une meilleure compréhension du monde naturel qui nous entoure et de sa diversité, d'autant plus que ces recherches peuvent contribuer à l'élaboration de procédés biomimétiques pour la réalisation de nouveaux matériaux.

Une équipe interdisciplinaire française, à laquelle participe l'équipe du LIONS de l'UMR NIMBE, s'est intéressée à la bio-formation du carbonate de calcium, dont la structure complexe est encore largement incomprise. La texture complexe de matériaux naturels, observés auprès du synchrotron de l'ESRF par une méthode originale de diffraction de rayons X développée par l'Institut Frenel, est décrite et les résultats publiés dans la revue "Nature Materials". Un point de départ pour comprendre l'élaboration de ce composé, et définir les conditions physiques, chimiques et biologiques nécessaires pour produire de façon synthétique ce type de biominéraux.

La compréhension en sciences des matériaux, paléoclimatologie et sciences de l’environnement des phénomènes de biominéralisation ouvrent des perspectives fascinantes et attirent nombre de chercheurs. Le carbonate de calcium en est une bonne illustration : les théories issues de la cristallisation classique ne peuvent expliquer la formation des structures biominérales calcaires extrêmement complexes, telles que celles observées chez l’oursin ou l’huître perlière par exemple. La formation de ce constituant majeur de la croute terrestre reste ainsi encore largement incomprise.

L’étude, menée par une équipe interdisciplinaire française et publiée dans la revue Nature Materials, exploite une nouvelle microscopie en rayons X permettant de révéler les spécificités structurales du biominéral. Elle conduit à l’identification de modèles probables de biominéralisation.

L’approche développée par cette équipe est motivée par une contradiction apparente : tandis que les espèces vivantes capables de cristalliser le carbonate de calcium produisent une remarquable diversité architecturale aux échelles macro et micrométriques, à l’échelle sub-micrométrique, la structure biominérale se caractérise au contraire, par l'observation constante d'une même structure granulaire et cristalline. Par conséquent, une description des caractéristiques cristallines à cette échelle "mésométrique", c'est-à-dire, à l’échelle de quelques granules (50-500 nm), est une clé pour construire des scénarios réalistes de biominéralisation. C’est également une difficulté majeure pour la microscopie, puisqu’aucune des approches expérimentales actuellement utilisées (électroniques, X ou visibles) n’est capable d’y accéder.

Grâce à la nouvelle approche de microscopie X en synchrotron, la ptychographie de Bragg, développée en 2011 par l’Institut Fresnel, il a été possible de révéler les détails tridimensionnels de l'organisation méso-cristalline des prismes de calcite, les unités minérales constituant l’extérieur de la coquille de l’huître perlière. Bien que ces prismes soient habituellement décrits comme des mono-cristaux "parfaits", il a été possible de mettre en évidence l'existence de grands domaines cristallins d’iso-orientations et d’iso-déformations, légèrement différents les uns des autres. Ces résultats entièrement originaux plaident en faveur de chemins de cristallisation non classiques, comme la fusion partielle d’un ensemble de nanoparticules primaires ou l’existence de précurseurs de type liquides.

Ce résultat a été obtenu dans cadre d’un programme de recherche à 4 ans financé par l’ANR (ANR-11-BS20-0005). Il constitue le point de départ d’un projet ERC Consolidator (#724881), qui a pour objectif d’établir les conditions physiques, chimiques et biologiques nécessaires pour produire des biominéraux synthétiques à la demande.

Auteur: Internet

Info: Réf :  F. Mastropietro, P. Godard, M. Burghammer, C. Chevallard, J. Daillant, J. Duboisset, M. Allain, P. Guenoun, J. Nouet, V. Chamard, Revealing crystalline domains in a mollusc shell “single-crystalline” prism, Nature Materials (2017). Communiqué CNRS/INSIS : "Une nouvelle microscopie éclaire la formation des biominéraux", 1er sept 2017

[ évolution ] [ niveaux intermédiaires ] [ méta-moteur ]

méta-moteur

Un cerveau moléculaire dans le ribosome ?
L'analyse des structures tridimensionnelles des ribosomes des trois grands phylums du vivant par des chercheurs de l'Institut de microbiologie de la Méditerranée, montre que les protéines ribosomiques communiquent entre-elles par des extensions qui forment un réseau étrangement similaire aux réseaux de neurones des "cerveaux" d'organismes simples. L'organisation de ce réseau qui interconnecte les sites fonctionnels distants du ribosome, suggère qu'il pourrait transférer et traiter le flux d'information qui circule entre eux pour coordonner par des "synapses moléculaires" les tâches complexes associées à la biosynthèse des protéines. Cette étude est publiée dans la revue Scientific Reports.
Le ribosome, organite cellulaire formé d'ARN et de protéines, assure la traduction du code génétique dans les cellules: il réunit les ARN de transfert aminoacylés le long de l'ARN messager, pour fabriquer une protéine dont la séquence est dictée par celle de l'ARN messager. Ce processus constitue une véritable chorégraphie dans laquelle la fixation de nombreux acteurs moléculaires (substrats, facteurs de traduction) s'accompagne de mouvements complexes coordonnés dans le temps et l'espace.
La résolution de la structure des ribosomes d'archées et de bactéries par cristallographie aux rayons X a permis d'observer ces mécanismes à l'échelle moléculaire. Elle a aussi mis en lumière le mode d'action des antibiotiques les plus courants et surtout ouvert une fenêtre sur les origines de la Vie. En effet, le ribosome est universel et a évolué par accrétion. Ces découvertes ont valu le prix Nobel de chimie 2009 à T. Steitz, V. Ramakrishnan et A. Yonath. Peu de temps après, Marat Yusupov à l'Institut de Génétique et de Biologie Moléculaire et Cellulaire à Strasbourg, a réalisé l'exploit considérable de résoudre la structure à haute résolution d'un ribosome eukaryote, beaucoup plus gros et plus complexe. Cependant, dans ces structures vertigineuses, il restait encore un mystère à élucider: pourquoi les protéines ribosomiques ont-elles de si longues extensions filamenteuses qui se faufilent entres les groupements phosphates du labyrinthe de l'ARN ribosomique ? On a longtemps pensé que ces extensions, très chargées positivement (riches en arginines et lysines), servaient à neutraliser les charges négatives de l'ARN et à aider son repliement en 3D.
En analysant l'ensemble de ces données cristallographiques, les chercheurs marseillais proposent une explication tout à fait différente. Ils montrent que ces extensions radient dans tout le ribosome pour former un vaste réseau qui interconnecte les protéines ribosomiques entre-elles. Celles-ci interagissent par des interfaces très particulières et très conservées au cours de l'évolution. Cependant, ces zones de contact sont bien plus petites que les zones de contact observées habituellement entre les protéines destinées à stabiliser leurs interactions. Ici, elles sont limitées à quelques acides aminés et sont caractérisées par un type d'interaction très particulier (interactions entre acides aminés basiques et aromatiques) que l'on retrouve justement entre de nombreux neuromédiateurs et récepteurs dans le cerveau. Ces zones de contact évoquent des "synapses moléculaires" qui permettraient la transmission d'une information d'une protéine à l'autre. Il est à noter que l'établissement de la structure cristallographique de la protéine ribosomique bL20 d'une bactérie thermophile, avait déjà montré qu'une information structurale pouvait se propager le long de sa longue extension en hélice, d'une extrémité à l'autre de la protéine.
En outre, ce réseau présente une analogie frappante avec des réseaux de neurones ou avec le cerveau d'organismes simples comme C. elegans qui ne comporte que quelques dizaines de neurones. Comme les neurones, les protéines ribosomiques se répartissent en protéines "sensorielles" qui innervent les sites fonctionnels distants à l'intérieur du ribosome (sites de fixation des tRNAs, des facteurs de traductions et sites qui canalisent la sortie de la protéine synthétisée) et les "inter-protéines" qui établissent des ponts entre-elles. Cette organisation suggère que ce réseau forme une sorte de "cerveau moléculaire" permettant d'échanger et de traiter le flux d'information traversant le ribosome, pour coordonner les différentes étapes et les mouvements complexes pendant la traduction.
Le concept de "cerveau moléculaire" fait faire un grand saut d'échelle dans les propriétés du vivant et en particulier ses systèmes de traitement de l'information. Il ouvre de nouvelles perspectives tant en biologie fondamentale qu'en nanotechnologie.
Il reste maintenant à élucider la nature des signaux échangés entre les protéines et les mécanismes "allostériques" qui permettent la communication et le traitement de l'information au sein de ces réseaux.

Auteur: Internet

Info: http://www.techno-science.net, 12 juin 2016

théorie du tout

Notre réalité est pure information. Information géométrique. L'information étant le sens, sous forme de symbolisme. 

D'où la question, quel type d'information pour exprimer un langage géométrique ?

Information implique signification. Mais que veut dire signification ?

C'est une comparaison, c'est à dire la perception de quelque chose relativement à quelque chose d'autre. Ainsi, pour pouvoir exister une chose doit être perçue, ou mesurée, par quelque forme de conscience. 

Einstein a montré que passé et futur existent simultanément dans un objet géométrique ; de fait tous les temps existent conjointement (les mathématiques le montrent de plein de manières). Donc : passé et futur s'influençant sans cesse, tout est toujours dans l'instant présent. Alors, si chaque moment influence et co-crée chaque autre moment dans quelque sens que ce soit, la réalité ne peut qu'être un massif  réseau neuronal qui sillonne l'espace et le temps.

Réseau doté d'une spécificité étonnante. Il serait son propre créateur.

Parallèlement, comme l'a démontré la mécanique quantique, le futur n'est pas prédéterminé. Conséquemment existe le libre-arbitre.

Comment marche le libre-arbitre ? La physique quantique montre que la réalité n'existe que lorsqu'elle est observée. Wheeler déclara en son temps que la réalité est constitué d'informations, elles-mêmes créées par l'observation. Frank Wilczec ajouta ensuite que la physique quantique reste obscure et sujette à débat. Et qu'elle le restera tant qu'on aura pas défini, au sein du formalisme quantique, un observateur, entité moderne dont les conditions et/ou contours correspondent à une caricature reconnaissable de la conscience consciente. C'est à dire une entité, pas nécessairement terrestre, capable d'observer et mesurer.

Mais comment pourrait être cette entité ? Je suis, nous sommes... tous conscient, mais qu'est-.ce que cela veut dire ?

On sait juste que la conscience est liée de manière proche à  la science physique mais personne ne sait dire ce qu'elle hors de l'idée qu'elle joue un rôle central dans l'existence du réel.

Est-elle juste l'émergence d'une boucle de rétroaction de causalité ? Heisenberg développa en son temps les maths matricielles, arrivant à la conclusion que la réalité est pixelliseé en nano unités tridimensionnelles insécables, de la taille la plus petite dans l'échelle de Planck. Chacune (nommée tétrahedron, c'est à dire un polyèdre composé de quatre faces triangulaires) fonctionnant comme nos pixels sur les écrans TV.

Hélas ce qui précède n'apporte aucune preuve que cet espace, le notre, soit un tel ensemble uniforme, homogène, fluide, etc.  Malgré tout, mathématiquement, tout converge vers la consolidation de cette idée d'une pixellisation de la réalité.

Du coup quel code géométrique sera-t'il à même de modéliser cette réalité pixellisée ?

Les recherches au CERN ou ailleurs  sur la physique des particules conduisent toutes vers ce que les physiciens nomment "transformation de symétrie de jauge", chacune menant vers une notion de forme, géomètrique donc.

Mais ici apparait une forme, et pas n'importe laquelle. Il s'agit d'un modèle géométrique à 8 dimensions, plus précisément un crystal 8 D (Rappelons que crystal signifie motif périodique), modèle qu'on pourra se représenter tel un "treillis à 8  dimensions" (E8 lattice), structure 8 D qui présente 240 noeuds, ou points tournants (vertex-vertices), que nous nommons gosset polytope.

Lorsque ce gosset polytope est projeté en 4 dimensions il se métamorphose en deux formes identiques de tailles différentes, dont le ratio est précisément 0,618, c'est à dire celui du nombre d'or, constante fondamentale de la nature qui apparait à toutes les échelles de l'univers connu (par exemple il détermine le moment précis ou un trou noir passe de positif à négatif en étant partie de l'équation qui précise la limite inférieure de son entropie). Il se rapporte aussi à la gravité de la boucle quantique.

Ainsi ce ratio de Fibonnaci unifie les limites inférieures et supérieures (cosmiques - quantique) de la préhension du réel par les scientifiques, physiciens pour grande partie.

Et, si on revient aux maths matricielles qui fonctionnent à partir d'eigen values (Valeur propre, vecteur propre et espace propre) indiquées comme triviales (1,2 ou 0) ou non triviales (pour les nombres plus complexes.) on arrive à la partie intéressante : les deux plus grandes probabilités d'eigenvalues non triviales qui apparaissent dans une matrice binaire sont :

-  le golden ratio  et

-1 sur (over) le nombre d'or.

Tel est le lien très profond qui unit mécanique quantique et cosmologie. Ce ratio, qui est apparu dans un grand nombre d'observations, a cependant toujours été appréhendé par les scientifiques comme un truc d'amateurs. Et maintenant on constate, une fois de plus, que ce nombre d'or apparait vraiment partout.

Pour terminer résumons ici les sept indices que nous donne la nature pour contruire cette théorie du tout (emergence theory)

information

indéterminisme

boucle de causalité

conscience

pixellisation

cristal E 8  (à 8 dimensions)

nombre d'or

Auteur: Anonyme

Info: Youtube - Quantum Gravity Research, What Is Reality? Official Film. https://www.youtube.com/watch?v=w0ztlIAYTCU

[ sciences ] [ septénaire ] [ miroir anthropocentrique ] [ monde humain consensuel ] [ atemporalité ] [ programme de langlands ]

interaction

Le mystère de la vie affective des plantes
Les plantes sont-elles plus que des "légumes" ? Ont-elles des émotions ? Que ressentent-elles au contact humain ? Communiquent-elles ?
Aristote pensait que les plantes avaient une âme. Goethe qui était botaniste en plus de sa passion pour la poésie, avait fait des découvertes fondamentales sur la métamorphose des plantes et envisageait une certaine "essence spirituelle' derrière leur forme matérielle.
Bien des gens, moi le premier, trouvent ces affirmations chancelantes voire grotesques. Étant quelqu'un de très rationnel qui considère que seules les preuves scientifiques sont fiables, je me suis intéressé aux différentes expériences, peu connues du grand public, qui pourraient appuyer ces affirmations "philosophiques".
Certains tests cependant démontrent que les plantes peuvent éprouver des émotions, lire la pensée humaine et tentent même de communiquer avec nous ! Intrigués ? Ce n'est qu'un début...
New York. 1963. Cleve Backster, consultant auprès de la police, s'amuse avec un détecteur de mensonge et place les électrodes sur une feuille de dracaena. Il arrose la plante et s'attend à ce que l'aiguille du galvanomètre indique une résistance plus faible au courant électrique (à la suite d'une teneur en eau accrue) mais c'est précisément le contraire qui se produit. Perplexe, Backster teste ensuite la réaction de cette même feuille au contact du feu. A peine le briquet sorti de sa poche, l'aiguille enregistreuse bondit soudainement. Le tracé graphique lui rappelle curieusement celui d'un homme soumis à une question piège ou lorsqu'on le menace.
D'expériences en expériences, Backster devint convaincu que les plantes percevaient les sentiments humains. Une autre expérience fut entreprise à laquelle ont participé quelques agents de la police new-yorkaise, semblait démontrer que les plantes ont également une mémoire.
Six sujets, les yeux bandés, tiraient au hasard un papier plié. Sur l'un des papiers était rédigé l'ordre d'arracher et de détruire l'une des deux plantes se trouvant dans la pièce. Le crime était ensuite exécuté en secret, sans que ni les sujets, ni Backster lui-même, ne sachent qui était le coupable - le seul témoin était l'autre plante, celle qui n'était pas détruite. On fixait ensuite des électrodes sur la plante témoin et les suspects défilaient devant elle chacun leur tour. On observait alors que lorsque le coupable s'en approchait, l'aiguille du galvanomètre s'affolait. La plante "reconnaissait" celui qui avait tué l'un des siens. Backster émis l'idée qu'elle percevait la culpabilité que le criminel essayait de dissimuler.
La détection de mensonge
Lors d'une autre expérience, qui a été plusieurs fois répétée devant des jurys scientifiques, Backster réussit à transformer une plante en détecteur de mensonge. Des électrodes étaient placées sur une plante, et un homme - sans électrodes - s'asseyait devant elle. Backster disait à l'homme qu'il allait lui citer une série d'années en lui demandant si elles correspondaient à sa date de naissance, et qu'il fallait toujours répondre "non". Invariablement, Backster pouvait deviner l'année de naissance - qui correspondait sur le graphique à une courbe galvanique bien marquée.
Les émotions
Une autre expérience réalisée pour éliminer tout facteur humain et subjectif, consistait à placer dans une pièce close quelques crevettes vivantes sur un plateau. Lorsque le plateau basculait (en l'absence de toute intervention humaine) les crevettes tombaient dans une casserole d'eau bouillante. Dans une chambre voisine, close également, une plante branchée sur galvanomètre émettait au moment de la mort des crevettes un tracé soudainement turbulent.
Le tracé était différent de celui qui enregistrait une émotion, et Backster se demanda s'il ne correspondait pas à une sorte de perception par un groupe de cellules de la mort d'un autre groupe de cellules. De nouvelles expériences lui permirent d'établir que la même forme de réaction se retrouvait lors de la mort "perçue" par la plante, de bactéries, levures, cellules sanguines et spermatozoïdes.
Il semblerait même que lorsqu'une "empathie" (faculté intuitive de se mettre à la place d'autrui, de percevoir ce qu'il ressent) est établie entre une plante et son maître, ni la distance, ni les obstacles n'interrompent le "rapport". Des expériences lors desquelles le tracé de plantes était enregistré pendant que le "maître" voyageait, montraient des réactionss galvaniques correspondant aux moments mêmes des diverses péripéties du voyage. Pierre Paul Sauvin, un ingénieur électronicien américain, a constaté, en rentrant dans son laboratoire, après un week-end à la campagne, pendant lequel l'activité galvanique de ses plantes était automatiquement enregistrée, des paroxysmes correspondaient au moment même de ses ébats amoureux avec une amie.
Un psychologue moscovite V.N. Pouchkine a vérifié avec soin les expériences de Backster, et en arrivent à peu près aux mêmes conclusions. En tentant d'expliquer ce qui se passait, Pouchkine écrit :
Il se peut qu'entre deux systèmes d'information, les cellules de la plante et les cellules nerveuses, existe un lien. Le langage de la cellule de la plante peut être en rapport avec celui de la cellule nerveuse. Ainsi deux types de cellules totalement différentes les unes des autres peuvent "se comprendre".
La communication
Les plantes, aussi invraisemblable que cela puisse paraître, manifestent également un certain éclectisme musical. Plusieurs expériences dans ce domaine ont été réalisées avec une rigueur toute scientifique par une musicienne en collaboration avec un professeur de biologie, Francis F. Broman. Trois chambres ont été utilisées dans une expérience sur une multitude de plantes (philodendrons, radis, maïs, géranium, violettes africaines...). Toutes les plantes étaient placées dans des conditions identiques. La seule différence fut qu'une chambre expérimentale était totalement silencieuse, une autre contenait un haut-parleur émettant de la musique classique et une troisième, de la musique "rock".
On constatait - sans pouvoir expliquer le phénomène - que les plantes dans la seconde chambre se développaient en se penchant vers la source de musique classique, alors que celles dans la troisième se penchaient dans la direction opposée, comme si elles tentaient de fuir la musique moderne.
Selon le Dr Hashimoto, qui dirige un centre de recherches électroniques ainsi que les services de recherche de l'importante firme industrielle Fuji Electric Industries, il y aurait, au-delà du monde tridimensionnel que nous connaissons, un monde à quatre dimensions, non matériel et dominé par l'esprit. C'est dans ce monde-là que les plantes, et toutes les créatures vivantes, seraient en communication entre elles...
Li Hongzhi, fondateur du Falun Dafa (mouvement spirituel chinois) affirme : Nous vous disons que l'arbre est vivant lui aussi, non seulement il est doté de vie, mais aussi de l'activité d'une pensée supérieure (...) Les botanistes de tous les pays ont fait des recherches la dessus, y compris en Chine. Ce sujet n'est plus du domaine de la superstition. Dernièrement, j'ai dit que tout ce qui arrive maintenant à notre humanité, tout ce qui vient d'être inventé et découvert est déjà suffisant pour refondre les manuels d'enseignement actuels. Cependant, bornés par les conception traditionnelles, les gens refusent de le reconnaître, personne ne recueille et organise systématiquement ces informations.
Ces découvertes qui pendant longtemps n'étaient connues que de quelques initiés et spécialistes peuvent paraître déroutantes. Que croire ? A ce jour, personne ne connaît les vérités. Je me suis posé la problématique de la crédibilité des détecteurs de mensonge qui a vivement été critiqué. Des études récentes de fiabilité montrent un très grand taux d'erreurs si bien que les institutions scientifiques considèrent le détecteur de mensonge comme un outil non fiable...
Et vous, que pensez-vous de ces mystérieuses émotions végétales ? Sentez-vous coupable en offrant des fleurs ? Emettez-vous une certaine culpabilité quand vous pensez à leur possible "souffrance" ? Pensez-vous que parler à ses plantes influe sur leur développement ?
Des études montrent par exemple qu'employer une certaine douceur avec les carottes stimulerait leur croissance...

Auteur: Internet

Info: News Of Tomorrow, mercredi 21 juillet 2010

macromolécules

(Q) - Combien de protéines ont été identifiées à ce jour ?

(R) - À la date d'arrêt de mes connaissances, en septembre 2021, le nombre de protéines identifiées dans le protéome humain et dans divers organismes ne cesse de croître en raison des efforts de recherche continus. Il est difficile de fournir un chiffre exact car l'identification des protéines est un domaine actif de la recherche scientifique et de nouvelles protéines sont découvertes en permanence.

Toutefois, à cette époque, on estimait que le protéome humain se composait de dizaines de milliers de protéines. Le projet du protéome humain (HPP), une initiative de recherche internationale, vise à identifier et à caractériser toutes les protéines codées par le génome humain. Le HPP a réalisé des progrès significatifs dans la cartographie du protéome humain, mais une couverture complète est encore en cours.

Il est important de noter que le nombre de protéines identifiées varie en fonction de l'organisme étudié. Il existe des millions de séquences de protéines connues dans divers organismes, y compris les humains, les animaux, les plantes, les bactéries et les virus.

Comme mes connaissances ne sont pas à jour, je recommande de se référer à la littérature scientifique actuelle ou à des bases de données telles que UniProt ou Protein Data Bank (PDB) pour obtenir les informations les plus précises et les plus récentes sur le nombre de protéines identifiées.

(Q) - Comment les protéines sont-elles classées ?

(R) - Les protéines sont classées en fonction de divers critères, notamment leur structure, leur fonction et leurs relations évolutives. Voici quelques méthodes de classification des protéines couramment utilisées :

1 Classification structurelle : Les protéines peuvent être classées en fonction de leurs caractéristiques structurelles. Le système de classification structurelle le plus courant est la classification structurelle des protéines (SCOP) ou la base de données CATH (Class, Architecture, Topology, Homologous superfamily). Ces systèmes classent les protéines dans des hiérarchies en fonction de leur pliage global, de l'organisation des domaines et des motifs structurels.

2 Classification fonctionnelle : Les protéines peuvent être classées en fonction de leurs fonctions biologiques. Cette classification est souvent large et englobe des catégories fonctionnelles telles que les enzymes, les transporteurs, les récepteurs, les protéines structurelles, les protéines de signalisation et bien d'autres encore. Les systèmes de classification fonctionnelle sont généralement basés sur le rôle de la protéine dans les processus cellulaires.

3 Classification basée sur l'homologie : Les protéines peuvent être classées sur la base de leurs relations évolutives et de leurs similitudes de séquence. Cette classification repose sur la comparaison des séquences protéiques et l'identification des protéines homologues qui partagent un ancêtre commun. Elle est généralement réalisée à l'aide d'algorithmes tels que BLAST (Basic Local Alignment Search Tool) ou HMM (Hidden Markov Models).

4 Classification selon l'ontologie des gènes (GO) : L'ontologie des gènes est un système de classification largement utilisé qui attribue des annotations fonctionnelles aux protéines sur la base de trois catégories : fonction moléculaire, processus biologique et composant cellulaire. Les termes GO fournissent un vocabulaire normalisé pour décrire les fonctions des protéines et leur implication dans les processus biologiques.

5 Classification par famille et par super-famille : Les protéines peuvent être classées en familles et superfamilles sur la base de caractéristiques structurelles et séquentielles communes. Les familles de protéines sont constituées de protéines présentant une grande similitude de séquence et partageant souvent des relations fonctionnelles et évolutives. Les superfamilles englobent des familles de protéines apparentées qui partagent des similitudes structurelles et fonctionnelles, mais qui peuvent avoir divergé au cours de l'évolution.

These are just a few examples of protein classification methods, and there are other specialized systems based on specific properties or research areas. It's important to note that proteins can belong to multiple classification categories simultaneously, as they can have similar structures, functions, or evolutionary origins. Classification systems serve as useful tools for organizing and understanding the vast diversity of proteins found in living organisms.

(Q) - Il y a donc une sorte de classification complexe et intriquée, n'est-ce pas ?

 (R) - Oui, la classification des protéines peut en effet être complexe en raison des divers facteurs pris en compte et des interrelations entre les différents systèmes de classification. Les protéines sont des molécules très diverses, dotées de caractéristiques uniques, et leur classification reflète cette complexité.

Les différentes méthodes de classification se recoupent et se complètent souvent, ce qui permet une compréhension globale de la structure, de la fonction et de l'évolution des protéines. Par exemple, les systèmes de classification structurelle tels que SCOP ou CATH prennent en compte l'organisation globale des plis et des domaines des protéines, tandis que les systèmes de classification fonctionnelle se concentrent sur les rôles et les activités biologiques des protéines. La classification basée sur l'homologie tient compte des relations évolutives et des similitudes de séquence, et la classification par ontologie génique fournit un vocabulaire normalisé pour décrire les fonctions des protéines.

En outre, les protéines peuvent appartenir à plusieurs catégories au sein d'un système de classification. Par exemple, une protéine peut avoir une structure spécifique et être classée dans un pli particulier, tout en faisant partie d'une famille de protéines sur la base de la similarité des séquences et des caractéristiques fonctionnelles. Cette classification multidimensionnelle permet aux chercheurs d'explorer différents aspects des protéines et de mieux comprendre leurs propriétés et leurs relations.

Dans l'ensemble, la nature complexe de la classification des protéines reflète la nature complexe des protéines elles-mêmes et les efforts déployés pour organiser et comprendre leurs divers attributs. Ces systèmes de classification fournissent des cadres pour l'étude des protéines et facilitent la communication et le partage des connaissances entre les chercheurs dans ce domaine.

(Q) - Peut-on dire qu'il y a aussi, dans ces différentes classifications, quelque chose qui pourrait ressembler à un pôle phénétique et à un pôle cladistique ?

(R) - Oui, dans le domaine de la classification des protéines, il y a des éléments qui peuvent être associés aux approches phénétiques (aussi connues sous le nom de taxonomie numérique) et cladistiques.

Classification phénétique : La classification phénétique met l'accent sur les similitudes et les différences globales entre les protéines, souvent sur la base d'une analyse numérique ou statistique de leurs caractéristiques. Elle se concentre sur des traits ou des caractéristiques quantifiables et vise à regrouper les protéines sur la base d'une ressemblance globale. Dans le contexte de la classification des protéines, les approches phénétiques peuvent impliquer le regroupement des protéines sur la base de mesures de similarité telles que l'alignement des séquences, l'alignement structurel ou la comparaison d'autres propriétés physicochimiques.

Classification cladistique : La classification cladistique, quant à elle, est basée sur les relations évolutives et les ancêtres partagés. Elle cherche à identifier des groupes monophylétiques (clades) qui comprennent un ancêtre commun et tous ses descendants. La cladistique repose sur l'analyse phylogénétique, qui consiste à comparer des séquences de protéines ou d'autres données moléculaires pour reconstruire des arbres ou des réseaux évolutifs. Les cladogrammes qui en résultent décrivent les relations évolutives entre les protéines et peuvent aider à les classer en groupes sur la base de leur histoire évolutive.

Dans la pratique, les approches phénétiques et cladistiques sont souvent utilisées en combinaison, en exploitant différents types de données et d'analyses pour obtenir une compréhension plus complète de la classification des protéines. Les systèmes de classification structurelle tels que SCOP ou CATH, par exemple, intègrent à la fois les principes phénétiques et cladistiques. Ils prennent en compte les similitudes structurelles (aspect phénétique) mais visent également à refléter les relations évolutives et les ancêtres partagés (aspect cladistique) en regroupant les protéines dans des catégories hiérarchiques basées sur leurs plis, leurs domaines et leurs connexions évolutives.

En intégrant à la fois les perspectives phénétiques et cladistiques, les systèmes de classification des protéines peuvent saisir à la fois les similitudes et les différences globales entre les protéines (pôle phénétique) et leur histoire évolutive et leurs liens de parenté (pôle cladistique). Cela permet d'obtenir un cadre de classification plus nuancé et plus informatif dans le domaine de la science des protéines.

(Q) - ok merci : existe-t-il aussi une classification tridimensionnelle ?

(R) - Oui, il existe une classification tridimensionnelle (3D) des protéines basée sur leurs propriétés structurelles. La classification 3D consiste à classer les protéines en fonction de leurs structures tridimensionnelles plutôt qu'en fonction de leur séquence ou de leurs similitudes fonctionnelles. Ce type de classification est particulièrement pertinent en biologie structurale et en modélisation moléculaire.

Dans la classification 3D, les protéines sont regroupées en fonction de leur pli global, de l'arrangement des éléments structurels secondaires et de l'arrangement spatial des atomes. Elle tient compte de la disposition et de l'orientation spécifiques des domaines protéiques, des motifs et d'autres caractéristiques structurelles.

La classification structurelle des protéines (SCOP) et la base de données CATH (Class, Architecture, Topology, Homologous superfamily), que j'ai mentionnées précédemment, fournissent des classifications hiérarchiques qui incluent des informations structurelles en 3D. Ces classifications classent les protéines dans différentes catégories en fonction de leur pliage global et de leur organisation structurelle.

En outre, d'autres méthodes et algorithmes, tels que les outils d'alignement structurel, peuvent être utilisés pour comparer les structures des protéines et identifier les similitudes et les différences. Ces approches aident à regrouper ou à classer les protéines en groupes structurels 3D, ce qui permet aux chercheurs d'analyser et de comprendre les relations entre les structures des protéines d'une manière plus détaillée.

La classification 3D des protéines fournit des informations précieuses sur la diversité structurelle et les relations entre les protéines. Elle est particulièrement utile pour étudier la fonction des protéines, les mécanismes d'action, les interactions protéine-protéine et la conception de médicaments. En considérant les aspects tridimensionnels de la structure des protéines, les chercheurs peuvent mieux comprendre comment la structure des protéines est liée à la fonction et aux relations évolutives.

Auteur: chatGPT4

Info:

[ machine-homme ] [ chimie ] [ taxinomies ] [ typologies ]

homme-animal

La conscience du Dauphin
Bien entendu, les modèles du monde ne manqueront pas de différer selon le degré où les systèmes sensoriels périphériques diffèrent.
Le travail du cerveau est en effet, au moins en partie, de construire une réalité cohérente à partir de données sensorielles spécifiques, réalité qui constitue d’ailleurs la seule connue par celui qui l’expérimente au détriment de toutes les autres.
Dans le cas du dauphin, le système nerveux est celui d’un herbivore retourné à la mer, il y a quelques millions d’années, et ne diffère donc pas fondamentalement de celui de n’importe quel autre grand mammifère.
Le monde physique en revanche, au sein duquel il évolue, nous poserait à nous, humains, d’impossibles défis. C’est pourquoi les cétacés ont développé tout à la fois des formes physiques mieux adaptées au milieu marin mais surtout tout un outillage sensoriel susceptible des les aider à survivre dans un monde humide, froid et obscur, où règnent de fortes pressions.
Faire l’expérience d’une telle subjectivité est par définition une tâche impossible. Même entre époux, entre amis, entre enfants et parents, cette connaissance ne peut s’acquérir que par le biais maladroit du discours mais jamais nous ne pourrons accéder au "goût du monde" d’une autre espèce que la nôtre.
Il se fait heureusement que nos organes sensoriels et nos structures cérébrales sont des outils communs à tous les êtres humains, ce qui nous permet de fonder l’illusion d’un univers de formes stables et tangibles, dont l’existence fait l’unanimité mais que nous sommes les seuls à percevoir comme telles.
En revanche, nous sommes génétiquement incapables de nous figurer un monde filtré par d’autres sens que les nôtres, de la même manière qu’il nous est impossible de visualiser un cube en quatre dimensions ou simplement le monde des abeilles….
"Pouvez-vous imaginer l’expérience que représente le fait d’être sans cesse corrélé à une boussole solaire ?" nous demande le neurologue H.Jerison à ce propos "L’information consiste en la triangulation des objets externes relativement à un observateur (le je) et au soleil comme point de référence. Si cette réaction devait être représentée en terme de perception, on pourrait dire que l’abeille ou la fourmi ressent de manière constante l’existence des points cardinaux au sein d’un monde tridimensionnel de type euclidien. Si notre système sensoriel était celui des hyménoptères, c’est cela la seule réalité que nous pourrions percevoir.
L’intégration de deux points de référence, le soi et le soleil, plutôt qu’un seul soi unitaire en tant qu’origine et centre d’un monde périphérique, doit certainement mener à d’autres perspectives sur les dimensions fondamentales de la réalité. Il est intéressant d’imaginer les catégories additionnelles que Kant aurait pu reconnaître en tant qu’à priori si nous avions été équipés d’un tel système de navigation!"
Les expériences de Louis Herman nous apprennent que les dauphins partagent tout de même les mêmes dimensions que nous : le haut, le bas, la gauche la droite, devant, derrière, tout cela existe chez eux mais il semble qu’ils ignorent la nuance entre les adjectifs "grand" et "petit" et qu’ils construisent leurs phrases selon un mode syntaxique particulier. Ces expériences, profondément anthropocentristes, n’offrent qu’un pâle reflet d’un monde mental autrement plus riche et foisonnant en liberté, comme le montre avec bien plus d’éclat le très étrange langage delphinien mis à jour par le chercheur russe Vladimir Markov, mais elles sont à tout le moins significatives de la nature d’une conscience "autre" qui ne s’appuie pas sur nos paramètres.
Les sens et l’Umwelt
Imaginons un instant ce que pourrait être "l’Umwelt" d’un dauphin.
Au centre d’un réseau d’informations sensorielles qu’il ré-organise sans cesse en tant qu’images du monde, pulse un noyau de conscience conscient de lui-même.
La vision
Le monde visuel du dauphin peut être comparé à celui des espèces-proies, non prédatrices, comme le lapin ou le chevreuil, en ce sens que les champs visuels de ses yeux latéraux couvrent ensemble 360° mais qu’ils ne se chevauchent pas ou très peu.
L’absence de fibres non-croisées dans le chiasma optique suggère une plus large indépendance dans le contrôle des yeux et dans l’usage de l’information qu’ils fournissent, par rapport à ce que l’on observe chez les autres mammifères. Chacun des yeux est capable de mouvements propres, indépendants de ceux de l’autre œil et une certaine focalisation frontale peut donc être obtenue.
On peine cependant à imaginer un monde dans lequel le Soi se trouve ainsi de manière constante au centre d’un champ visuel circulaire de 360°.
Le nôtre, comme on le sait, se réduit à un cône de 120°.
Notre Soi se place juste derrière le front et les yeux, en vis-à-vis de l’objet focalisé par notre regard binoculaire et dans la ligne de fuite du cône, c’est-à-dire à peu près sur la glande pinéale. On comprend mieux dès lors la fausse intuition de René Descartes.
Incapables de distinguer le vert du rouge, les yeux des dauphins n’en sont pas moins d’une sensibilité extrême à l’instar des yeux de chat, percent l’obscurité et peuvent, d’une simple torsion de la rétine, adapter leur vision aux fonds marins ou à l’air libre. Par contre, le sens du relief leur est impossible, puisqu’ils ne sont pas binoculaires.
La "quasi-olfaction"
Le goût et l’odorat sont absents en tant que tels, remplacés par la "quasi-olfaction" qui consiste à filtrer une certaine quantité d’eau au travers de l’évent et à en goûter le parfum. Un tel sens est fondamental : le dauphin s’en sert pour repérer les femelles en rut autant que pour sentir les fèces de son groupe, nuage diffus de couleur foncée expulsé de manière régulière et qui donne à l’ensemble social une "odeur" propre.
Le toucher et le sens proprioceptif
Quiconque a jamais caressé la peau satinée d’un tursiops sait à quel point ce tissu est sensible, doux et fragile. Le sens du toucher joue lui aussi un rôle essentiel dans la vie de ces mammifères nus, qui n’aiment rien tant que de rester collés les uns contre les autres et d’échanger les caresses les plus voluptueuses.
Au niveau plus profond du sens proprioceptif, la différence avec nos perceptions s’accroît cependant encore davantage : "L’Umwelt des dauphins se fonde comme tout autre sur les caractéristiques de leur environnement" déclare Jerison, "et cet univers mental représente très certainement une adaptation cognitive optimale aux exigences environnementales du monde aquatique. A cet égard, l’un des traits principaux de cet univers marin – considéré depuis notre point de vue – est notamment l’absence d’une plate-forme stable tel que les mammifères l’éprouvent en se tenant sur la terre ferme".
Ce point est important, car le sol sur lequel nous nous tenons, le rôle essentiel de la gravité dans les adaptations anatomiques de la plupart des mammifères occupe une place centrale au plan biologique mais ne sont que rarement notées au niveau de la conscience vigile. Notre intuition s’épuise en revanche lorsque nous tentons d’imaginer les adaptations perceptuelles chez certaines espèces dont les données sensorielles sont profondément différentes des nôtres, et cela d’autant plus que nous ne sommes même pas conscients de notre propre spécificité sensorielle. Les informations relatives aux forces gravitationnelles qui s’exercent sur nos corps jouent également un rôle-clé chez le dauphin, mais d’une autre manière.
Celui-ci s’oriente en effet en "s’informant" régulièrement de la position de son corps par rapport aux fonds marins, à la surface de l’eau ou à la place du soleil au moment de l’observation.
Bien que les dauphins ne disposent d’aucun sol référentiel en guise de plate-forme fixe, mais qu’ils possèdent en revanche un degré de liberté dans les trois dimensions plus important que le nôtre, le sens de l’orientation spatiale est certainement fondamental pour eux. On peut imaginer ce que les cétacés ressentent en pensant à ces appareils d’entraînement destinés aux astronautes afin de les préparer à l’apesanteur.
Ces instruments sont de gigantesques balançoires, disposant de six degrés de liberté et permettant aux candidats pour l’espace de contrôler au mieux les diverses rotations possibles de leur axe corporel aussi bien que les mouvements de propulsion linéaire.
Si nous étions dauphins, nous nous trouverions dans un monde un peu semblable à celui d’un vol spatial à gravité zéro. Il est intéressant de noter à ce propos que l’expérience de l’apesanteur a crée chez les astronautes divers problèmes liés à cet environnement, telles que nausées, vertiges, migraines, etc. mais qu’elles n’ont cependant jamais altéré leur perception "juste" des choses.
Rappelons aussi, sans nous y étendre, à quel point la gestuelle constitue un mode de communication privilégié chez les dauphins : les degrés de liberté dont leur corps dispose leur a permis d’élaborer un véritable vocabulaire d’attitudes : ventre en l’air, en oblique, corps groupés par faisceaux, rostre au sol, caudale haute, inclinée, etc., le tout agrémenté ou non d’émissions de bulles et de vocalisations.
L’audition
Mais de tous les sens dont dispose le dauphin, c’est certainement l’audition qui est le plus développé et qui atteint des capacités discriminatoires sans aucun équivalent connu. Ce système sensoriel s’est transformé au cours des millénaires en écholocation, tout à la fois outil de connaissance (le monde externe "vu" par le son) et moyen de communication (le monde interne transmis par le langage). Cette convergence fonctionnelle ne manque pas d’entraîner des conséquences étonnantes !
D’après Harry J. Jerison : "Si le spectre auditif des dauphins est plus large que le nôtre de plusieurs octaves dans les fréquences les plus élevées, la caractéristique principale de ce système auditif est bien évidemment l’écholocation. Celle-ci pourrait contribuer à conférer au monde des dauphins une dimension inhabituelle, dépassant largement les perceptions élémentaires relatives aux événements survenant à distance. En tant qu’adaptation sensori-motrice, l’écholocation partage en effet certaines caractéristiques similaires à celles du langage humain".
Rappelons brièvement en quoi consiste cette vision acoustique d’un type inusité. Le dauphin émet en permanence – dès lors qu’il se déplace et cherche sa route activement – une série de "sons explosés" extrêmement brefs (moins d’une seconde d’émission continue). Ces "clicks" ne sont pas des sons purs mais des "bruits", d’inextricables petits paquets d’ondes situés sur des fréquences de 120 à 130 Khz et d’une puissance frisant parfois les 220 décibels. Ils retentissent sous l’eau comme une grêle de minuscules coups secs et nets enchaînés l’un à l’autre en de courtes séquences.
Les clicks sont émis sous forme d’un large faisceau, qui balaie par intermittence le sol sablonneux à la façon d’un projecteur. On peut donc dire que la nuit ou sous une certaine profondeur, le dauphin ne voit que lorsqu’il éclaire le paysage de ses éclairs sonores. Les informations reçues, assez grossières, concernent l’aspect du fond marin ou une masse importante, bateau ou autre cétacé.
Supposons à présent qu’un poisson soit repéré dans ce champ de vision "stroboscopique". Puisqu’il fait nuit, l’œil ne peut confirmer l’image en mode visuel.
Lorsque la chasse commence, le dauphin resserre alors le rayon de son biosonar et le dédouble en deux faisceaux.
Plus précis, mieux ciblés les trains de click bombardent le poisson sous tous ses angles et peuvent même pénétrer dans son corps en renvoyant l’image de ses organes internes.
Les deux trains de clicks sont produits presque simultanément, l’un à 20° à gauche de la ligne du rostre et l’autre à 20° sur la droite. Les deux rayons se chevauchent au point focal (0°) et fournissent une "visiaudition" de type, cette fois, binoculaire.
Un intervalle de 80 millièmes de seconde sépare l’émission de chacun des faisceaux, de sorte qu’en calculant le léger retard d’un écho par rapport à l’autre, le dauphin peut estimer la profondeur de champ et la distance qui le sépare de chaque élément de l’objet observé.
Se rapprochant de sa proie à toute vitesse, le dauphin n’a de cesse que de conserver le contact avec elle et multiplie la fréquence et l’intensité de ses trains de clicks, comme pour maintenir le "projecteur" allumé presque en continu.
Les ondes à haute fréquence ont une portée plus courte mais fournissent en revanche une bien meilleure définition des détails. En nageant, le dauphin opère un mouvement de balayage avec la tête avant d’obtenir une image complète de sa cible, que ses organes visuels conforteront par ailleurs.
S’il veut obtenir davantage de détails encore sur son contenu, le dauphin la bombardera alors sa cible à bout portant, d’un faisceau de clicks aussi fin et précis qu’un rayon laser.
Celui-ci pénètre la matière et en estime la densité avec une incroyable précision : la nature d’un métal (zinc plutôt que cuivre) ou des variations de l’épaisseur d’un tube de l’ordre d’un millième de millimètres sont alors parfaitement perçus par cette échographie biologique.
Une telle "vision acoustique" nous sera à tout jamais inimaginable, comme la couleur rouge l’est pour l’aveugle. Néanmoins, au prix d’une comparaison grossière, on peut mettre en parallèle la pluie d’échos que perçoivent les cétacés avec les pixels que l’œil humain perçoit sur un écran de télévision. Les pixels dessinent très rapidement une image en se succédant l’un à l’autre et laissent sur la rétine du téléspectateur une série de rémanences qui figurent le mouvement et les formes. Une scène visuelle est ainsi décodée à partir d’une séquence de taches ultra rapides surgissant sur l’écran. De la même manière, une expérience éidétique similaire est sans doute générée par les données discrètes de l’écholocation (clicks).
L’information pourrait être alors parfaitement comparable à celle que l’on obtient grâce au bombardement de photons dans le système visuel, à ceci près qu’elle parviendrait par un autre canal, en l’occurrence le canal auditif.

Auteur: Internet

Info: http://www.dauphinlibre.be/dauphins-cerveau-intelligence-et-conscience-exotiques

[ comparaisons ]

homme-machine

Une nouvelle approche du calcul réinvente l'intelligence artificielle

Par l'imprégnation d'énormes vecteurs de sens sémantique, nous pouvons amener les machines à raisonner de manière plus abstraite et plus efficace qu'auparavant.

Malgré le succès retentissant de ChatGPT et d'autres grands modèles de langage, les réseaux de neurones artificiels (ANN) qui sous-tendent ces systèmes pourraient être sur la mauvaise voie.

D'une part, les ANN sont "super gourmands en énergie", a déclaré Cornelia Fermüller , informaticienne à l'Université du Maryland. "Et l'autre problème est [leur] manque de transparence." De tels systèmes sont si compliqués que personne ne comprend vraiment ce qu'ils font, ou pourquoi ils fonctionnent si bien. Ceci, à son tour, rend presque impossible de les amener à raisonner par analogie, ce que font les humains - en utilisant des symboles pour les objets, les idées et les relations entre eux.

Ces lacunes proviennent probablement de la structure actuelle des RNA et de leurs éléments constitutifs : les neurones artificiels individuels. Chaque neurone reçoit des entrées, effectue des calculs et produit des sorties. Les RNA modernes sont des réseaux élaborés de ces unités de calcul, formés pour effectuer des tâches spécifiques.

Pourtant, les limites des RNA sont évidentes depuis longtemps. Considérez, par exemple, un ANN qui sépare les cercles et les carrés. Une façon de le faire est d'avoir deux neurones dans sa couche de sortie, un qui indique un cercle et un qui indique un carré. Si vous voulez que votre ANN discerne également la couleur de la forme - bleu ou rouge - vous aurez besoin de quatre neurones de sortie : un pour le cercle bleu, le carré bleu, le cercle rouge et le carré rouge. Plus de fonctionnalités signifie encore plus de neurones.

Cela ne peut pas être la façon dont notre cerveau perçoit le monde naturel, avec toutes ses variations. "Vous devez proposer que, eh bien, vous avez un neurone pour toutes les combinaisons", a déclaré Bruno Olshausen , neuroscientifique à l'Université de Californie à Berkeley. "Donc, vous auriez dans votre cerveau, [disons,] un détecteur Volkswagen violet."

Au lieu de cela, Olshausen et d'autres soutiennent que l'information dans le cerveau est représentée par l'activité de nombreux neurones. Ainsi, la perception d'une Volkswagen violette n'est pas codée comme les actions d'un seul neurone, mais comme celles de milliers de neurones. Le même ensemble de neurones, tirant différemment, pourrait représenter un concept entièrement différent (une Cadillac rose, peut-être).

C'est le point de départ d'une approche radicalement différente de l'informatique connue sous le nom d'informatique hyperdimensionnelle. La clé est que chaque élément d'information, comme la notion d'une voiture, ou sa marque, son modèle ou sa couleur, ou tout cela ensemble, est représenté comme une seule entité : un vecteur hyperdimensionnel.

Un vecteur est simplement un tableau ordonné de nombres. Un vecteur 3D, par exemple, comprend trois nombres : les coordonnées x , y et z d'un point dans l'espace 3D. Un vecteur hyperdimensionnel, ou hypervecteur, pourrait être un tableau de 10 000 nombres, par exemple, représentant un point dans un espace à 10 000 dimensions. Ces objets mathématiques et l'algèbre pour les manipuler sont suffisamment flexibles et puissants pour amener l'informatique moderne au-delà de certaines de ses limites actuelles et favoriser une nouvelle approche de l'intelligence artificielle.

"C'est ce qui m'a le plus enthousiasmé, pratiquement de toute ma carrière", a déclaré Olshausen. Pour lui et pour beaucoup d'autres, l'informatique hyperdimensionnelle promet un nouveau monde dans lequel l'informatique est efficace et robuste, et les décisions prises par les machines sont entièrement transparentes.

Entrez dans les espaces de grande dimension

Pour comprendre comment les hypervecteurs rendent le calcul possible, revenons aux images avec des cercles rouges et des carrés bleus. Nous avons d'abord besoin de vecteurs pour représenter les variables SHAPE et COLOR. Ensuite, nous avons également besoin de vecteurs pour les valeurs pouvant être affectées aux variables : CERCLE, CARRÉ, BLEU et ROUGE.

Les vecteurs doivent être distincts. Cette distinction peut être quantifiée par une propriété appelée orthogonalité, ce qui signifie être à angle droit. Dans l'espace 3D, il existe trois vecteurs orthogonaux entre eux : un dans la direction x , un autre dans la direction y et un troisième dans la direction z . Dans un espace à 10 000 dimensions, il existe 10 000 vecteurs mutuellement orthogonaux.

Mais si nous permettons aux vecteurs d'être presque orthogonaux, le nombre de ces vecteurs distincts dans un espace de grande dimension explose. Dans un espace à 10 000 dimensions, il existe des millions de vecteurs presque orthogonaux.

Créons maintenant des vecteurs distincts pour représenter FORME, COULEUR, CERCLE, CARRÉ, BLEU et ROUGE. Parce qu'il y a tellement de vecteurs presque orthogonaux possibles dans un espace de grande dimension, vous pouvez simplement assigner six vecteurs aléatoires pour représenter les six éléments ; ils sont presque garantis d'être presque orthogonaux. "La facilité de créer des vecteurs presque orthogonaux est une raison majeure d'utiliser la représentation hyperdimensionnelle", a écrit Pentti Kanerva , chercheur au Redwood Center for Theoretical Neuroscience de l'Université de Californie à Berkeley, dans un article influent de 2009.

L'article s'appuyait sur des travaux effectués au milieu des années 1990 par Kanerva et Tony Plate, alors étudiant au doctorat avec Geoff Hinton à l'Université de Toronto. Les deux ont développé indépendamment l'algèbre pour manipuler les hypervecteurs et ont fait allusion à son utilité pour le calcul en haute dimension.

Étant donné nos hypervecteurs pour les formes et les couleurs, le système développé par Kanerva et Plate nous montre comment les manipuler à l'aide de certaines opérations mathématiques. Ces actions correspondent à des manières de manipuler symboliquement des concepts.

La première opération est la multiplication. C'est une façon de combiner les idées. Par exemple, multiplier le vecteur FORME par le vecteur CERCLE lie les deux en une représentation de l'idée "LA FORME est CERCLE". Ce nouveau vecteur "lié" est presque orthogonal à la fois à SHAPE et à CIRCLE. Et les composants individuels sont récupérables - une caractéristique importante si vous souhaitez extraire des informations à partir de vecteurs liés. Étant donné un vecteur lié qui représente votre Volkswagen, vous pouvez dissocier et récupérer le vecteur pour sa couleur : VIOLET.

La deuxième opération, l'addition, crée un nouveau vecteur qui représente ce qu'on appelle une superposition de concepts. Par exemple, vous pouvez prendre deux vecteurs liés, "SHAPE is CIRCLE" et "COLOR is RED", et les additionner pour créer un vecteur qui représente une forme circulaire de couleur rouge. Là encore, le vecteur superposé peut être décomposé en ses constituants.

La troisième opération est la permutation ; cela implique de réorganiser les éléments individuels des vecteurs. Par exemple, si vous avez un vecteur tridimensionnel avec des valeurs étiquetées x , y et z , la permutation peut déplacer la valeur de x vers y , y vers z et z vers x. "La permutation vous permet de construire une structure", a déclaré Kanerva. "Ça permet de gérer des séquences, des choses qui se succèdent." Considérons deux événements, représentés par les hypervecteurs A et B. Nous pouvons les superposer en un seul vecteur, mais cela détruirait les informations sur l'ordre des événements. La combinaison de l'addition et de la permutation préserve l'ordre ; les événements peuvent être récupérés dans l'ordre en inversant les opérations.

Ensemble, ces trois opérations se sont avérées suffisantes pour créer une algèbre formelle d'hypervecteurs permettant un raisonnement symbolique. Mais de nombreux chercheurs ont été lents à saisir le potentiel de l'informatique hyperdimensionnelle, y compris Olshausen. "Cela n'a tout simplement pas été pris en compte", a-t-il déclaré.

Exploiter le pouvoir

En 2015, un étudiant d'Olshausen nommé Eric Weiss a démontré un aspect des capacités uniques de l'informatique hyperdimensionnelle. Weiss a compris comment représenter une image complexe comme un seul vecteur hyperdimensionnel contenant des informations sur tous les objets de l'image, y compris leurs propriétés, telles que les couleurs, les positions et les tailles.

"Je suis pratiquement tombé de ma chaise", a déclaré Olshausen. "Tout d'un coup, l'ampoule s'est allumée."

Bientôt, d'autres équipes ont commencé à développer des algorithmes hyperdimensionnels pour reproduire des tâches simples que les réseaux de neurones profonds avaient commencé à effectuer environ deux décennies auparavant, comme la classification d'images.

Considérons un ensemble de données annotées composé d'images de chiffres manuscrits. Un algorithme analyse les caractéristiques de chaque image en utilisant un schéma prédéterminé. Il crée ensuite un hypervecteur pour chaque image. Ensuite, l'algorithme ajoute les hypervecteurs pour toutes les images de zéro pour créer un hypervecteur pour l'idée de zéro. Il fait ensuite la même chose pour tous les chiffres, créant 10 hypervecteurs "de classe", un pour chaque chiffre.

Maintenant, l'algorithme reçoit une image non étiquetée. Il crée un hypervecteur pour cette nouvelle image, puis compare l'hypervecteur aux hypervecteurs de classe stockés. Cette comparaison détermine le chiffre auquel la nouvelle image ressemble le plus.

Pourtant, ce n'est que le début. Les points forts de l'informatique hyperdimensionnelle résident dans la capacité de composer et de décomposer des hypervecteurs pour le raisonnement. La dernière démonstration en date a eu lieu en mars, lorsqu'Abbas Rahimi et ses collègues d'IBM Research à Zurich ont utilisé l'informatique hyperdimensionnelle avec des réseaux de neurones pour résoudre un problème classique de raisonnement visuel abstrait - un défi important pour les RNA typiques, et même certains humains. Connu sous le nom de matrices progressives de Raven, le problème présente des images d'objets géométriques dans, disons, une grille 3 par 3. Une position dans la grille est vide. Le sujet doit choisir, parmi un ensemble d'images candidates, l'image qui correspond le mieux au blanc.

"Nous avons dit:" C'est vraiment ... l'exemple qui tue pour le raisonnement abstrait visuel, allons-y "", a déclaré Rahimi.

Pour résoudre le problème à l'aide de l'informatique hyperdimensionnelle, l'équipe a d'abord créé un dictionnaire d'hypervecteurs pour représenter les objets dans chaque image ; chaque hypervecteur du dictionnaire représente un objet et une combinaison de ses attributs. L'équipe a ensuite formé un réseau de neurones pour examiner une image et générer un hypervecteur bipolaire - un élément peut être +1 ou -1 - aussi proche que possible d'une superposition d'hypervecteurs dans le dictionnaire ; l'hypervecteur généré contient donc des informations sur tous les objets et leurs attributs dans l'image. "Vous guidez le réseau de neurones vers un espace conceptuel significatif", a déclaré Rahimi.

Une fois que le réseau a généré des hypervecteurs pour chacune des images de contexte et pour chaque candidat pour l'emplacement vide, un autre algorithme analyse les hypervecteurs pour créer des distributions de probabilité pour le nombre d'objets dans chaque image, leur taille et d'autres caractéristiques. Ces distributions de probabilité, qui parlent des caractéristiques probables à la fois du contexte et des images candidates, peuvent être transformées en hypervecteurs, permettant l'utilisation de l'algèbre pour prédire l'image candidate la plus susceptible de remplir l'emplacement vacant.

Leur approche était précise à près de 88 % sur un ensemble de problèmes, tandis que les solutions de réseau neuronal uniquement étaient précises à moins de 61 %. L'équipe a également montré que, pour les grilles 3 par 3, leur système était presque 250 fois plus rapide qu'une méthode traditionnelle qui utilise des règles de logique symbolique pour raisonner, car cette méthode doit parcourir un énorme livre de règles pour déterminer la bonne prochaine étape.

Un début prometteur

Non seulement l'informatique hyperdimensionnelle nous donne le pouvoir de résoudre symboliquement des problèmes, mais elle résout également certains problèmes épineux de l'informatique traditionnelle. Les performances des ordinateurs d'aujourd'hui se dégradent rapidement si les erreurs causées, par exemple, par un retournement de bit aléatoire (un 0 devient 1 ou vice versa) ne peuvent pas être corrigées par des mécanismes de correction d'erreurs intégrés. De plus, ces mécanismes de correction d'erreurs peuvent imposer une pénalité sur les performances allant jusqu'à 25 %, a déclaré Xun Jiao , informaticien à l'Université de Villanova.

Le calcul hyperdimensionnel tolère mieux les erreurs, car même si un hypervecteur subit un nombre important de retournements de bits aléatoires, il reste proche du vecteur d'origine. Cela implique que tout raisonnement utilisant ces vecteurs n'est pas significativement impacté face aux erreurs. L'équipe de Jiao a montré que ces systèmes sont au moins 10 fois plus tolérants aux pannes matérielles que les ANN traditionnels, qui sont eux-mêmes des ordres de grandeur plus résistants que les architectures informatiques traditionnelles. "Nous pouvons tirer parti de toute [cette] résilience pour concevoir du matériel efficace", a déclaré Jiao.

Un autre avantage de l'informatique hyperdimensionnelle est la transparence : l'algèbre vous indique clairement pourquoi le système a choisi la réponse qu'il a choisie. Il n'en va pas de même pour les réseaux de neurones traditionnels. Olshausen, Rahimi et d'autres développent des systèmes hybrides dans lesquels les réseaux de neurones cartographient les éléments du monde physique en hypervecteurs, puis l'algèbre hyperdimensionnelle prend le relais. "Des choses comme le raisonnement analogique vous tombent dessus", a déclaré Olshausen. "C'est ce que nous devrions attendre de tout système d'IA. Nous devrions pouvoir le comprendre comme nous comprenons un avion ou un téléviseur.

Tous ces avantages par rapport à l'informatique traditionnelle suggèrent que l'informatique hyperdimensionnelle est bien adaptée à une nouvelle génération de matériel extrêmement robuste et à faible consommation d'énergie. Il est également compatible avec les "systèmes informatiques en mémoire", qui effectuent le calcul sur le même matériel qui stocke les données (contrairement aux ordinateurs von Neumann existants qui transfèrent inefficacement les données entre la mémoire et l'unité centrale de traitement). Certains de ces nouveaux appareils peuvent être analogiques, fonctionnant à très basse tension, ce qui les rend économes en énergie mais également sujets aux bruits aléatoires. Pour l'informatique de von Neumann, ce caractère aléatoire est "le mur que vous ne pouvez pas franchir", a déclaré Olshausen. Mais avec l'informatique hyperdimensionnelle, "vous pouvez simplement percer".

Malgré ces avantages, l'informatique hyperdimensionnelle en est encore à ses balbutiements. "Il y a un vrai potentiel ici", a déclaré Fermüller. Mais elle souligne qu'il doit encore être testé contre des problèmes du monde réel et à des échelles plus grandes, plus proches de la taille des réseaux de neurones modernes.

"Pour les problèmes à grande échelle, cela nécessite un matériel très efficace", a déclaré Rahimi. "Par exemple, comment [faites-vous] une recherche efficace sur plus d'un milliard d'articles ?"

Tout cela devrait venir avec le temps, a déclaré Kanerva. "Il y a d'autres secrets [que] les espaces de grande dimension détiennent", a-t-il déclaré. "Je vois cela comme le tout début du temps pour le calcul avec des vecteurs."

Auteur: Ananthaswamy Anil

Info: https://www.quantamagazine.org/ Mais 2023

[ machine learning ]