Según los informes, un estudio magnético reciente ha descubierto varias estructuras previamente desconocidas en la antigua capital asiria de Khorsabad, en el norte de Irak. El sitio, que data de hace 2.700 años, fue establecido originalmente como Dur-Sharukin, o “Castillo de Sargón”, por el emperador neoasirio Sargón II en el año 713 a.C. Los descubrimientos incluyen una extensa villa con 127 habitaciones, jardines reales y una puerta de agua. Esto desafía las suposiciones anteriores de que la ciudad quedó en gran parte sin terminar antes de su abandono en el siglo VIII a.C.
Detalles y resultados de la encuesta
el Resultadospresentado por Jörg Fassbinder, geofísico de la Universidad Ludwig Maximilians de Múnich, durante la reunión anual de 2024 de la Unión Geofísica Americana (AGU), se obtuvo sin excavación. Se operó manualmente un magnetómetro en un área de 0,3 kilómetros cuadrados del sitio, revelando estructuras mucho más allá del complejo palaciego previamente excavado. La villa, que ha sido descrita como dos veces más grande que la Casa Blanca, y otras características indican un nivel de sofisticación no reconocido previamente en Khorsabad.
Sarah Melville, historiadora del Imperio neoasirio, comentó en un correo electrónico a WordsSideKick.com que la técnica de mapeo no invasivo proporcionó información valiosa al tiempo que mantuvo la integridad del sitio. Las observaciones de Melville resaltan la importancia de utilizar herramientas avanzadas para obtener una comprensión más completa de capitales históricas como Khorsabad.
Contexto histórico y desafíos de conservación.
La muerte de Sargón II en 705 a. C. provocó el abandono de la capital cuando su sucesor Senaquerib se centró en Nínive. Si bien las excavaciones del siglo XIX y principios del XX descubrieron partes del palacio y estatuas famosas como la Lamassu, gran parte de la ciudad permaneció inexplorada. El sitio también resultó dañado durante el saqueo del ISIS en 2015, y el trabajo arqueológico no se reanudó hasta después de 2017.
Expertos, como Daniele Morandi Bonacossi de la Universidad de Udine, señalaron en su comunicado que esta investigación llena vacíos críticos al explorar la arquitectura no monumental y las estructuras urbanas, proporcionando evidencia de una sociedad próspera. El futuro de las estructuras recientemente identificadas sigue siendo incierto, ya que se esperan nuevas decisiones sobre la excavación.
Astrónomos Han conseguido observar más de cerca hasta ahora un cuásar, usando… NASA El Telescopio Espacial Hubble está estudiando el misterioso 3C 273, ubicado a 2.500 millones de años luz de distancia. Este cuásar, conocido como el primer cuásar jamás identificado en 1963 por el astrónomo Martin Schmidt, sigue interesando a los científicos por su enorme producción de energía, superior a la de las galaxias más brillantes. Las últimas observaciones se han detallado en informes, proporcionando nuevos conocimientos sobre el entorno del quásar y su interacción con su galaxia anfitriona.
Descubriendo la estructura de un cuásar interesante
De acuerdo a oficial Blog de la NASA El Espectrógrafo de Imágenes del Telescopio Espacial Hubble (STIS) ha permitido a los investigadores bloquear el intenso brillo del cuásar, revelando estructuras que rodean su masa supermasiva. Agujero negro. El Dr. Ben Ren, del Observatorio de la Costa Azul, afirmó en sus entrevistas que se han identificado características inusuales, incluidas “gotas de diferentes tamaños” y una “estructura fibrosa en forma de L”, a 16.000 años luz del agujero negro. Estos resultados indican la posibilidad de que las galaxias satélite del agujero negro sean atraídas por la gravedad del agujero negro.
Hubble Las capacidades de obtención de imágenes también han permitido observar más de cerca el flujo extragaláctico del cuásar, un haz de material de alta energía que se extiende a lo largo de 300.000 años luz. Los datos comparados con imágenes de archivo de hace 22 años indicaron que la velocidad del chorro aumenta a medida que se aleja del agujero negro, lo que proporciona una comprensión más profunda de la dinámica de los chorros de cuásar.
Implicaciones para comprender los quásares
Según los informes, estas observaciones representan un paso importante para descifrar las complejidades de la formación de cuásares y las interacciones galácticas. Imágenes detalladas sugieren que las colisiones galácticas pueden estar alimentando la energía del quásar, con escombros girando en espiral hacia su agujero negro central. Los científicos creen que estos resultados podrían cerrar la brecha entre los estudios de radio a pequeña escala y los estudios ópticos a gran escala de los quásares.
Los hallazgos del Hubble continúan avanzando en la comprensión de los cuásares, que estuvieron más activos unos 3 mil millones de años después del Big Bang. Se espera que futuras observaciones utilizando el telescopio espacial James Webb arrojen más luz sobre este fenómeno. Esta investigación subraya la importancia de los esfuerzos internacionales de colaboración para avanzar en la exploración espacial y la cosmología.
Los investigadores han descubierto una adaptación biológica en los caracoles corazón (Corculum cardissa), una especie de bivalvo que se encuentra en los océanos Indo-Pacífico. Estas almejas tienen estructuras únicas en sus caparazones que funcionan de manera similar a las fibras ópticas, dirigiendo la luz solar a las algas simbióticas que viven dentro de ellas. Esto permite a las ostras proporcionar a sus algas la luz necesaria para la fotosíntesis y al mismo tiempo protegerlas de los dañinos rayos ultravioleta. Las algas, a su vez, aportan a las ostras nutrientes esenciales, como los azúcares.
Dirigir la luz del sol a través de las conchas.
Los caracoles corazón son pequeños bivalvos del tamaño de una nuez. Sus caparazones están cubiertos de pequeñas áreas transparentes, que se ha descubierto que actúan como Fibra óptica Cables. Esta capacidad se atribuye a la estructura de la aragonita, una forma cristalina de carbonato de calcio que se encuentra en sus conchas. Mediante exámenes microscópicos, se reveló que los cristales de aragonita forman tubos que permiten el paso de la luz con precisión mientras bloquean los dañinos rayos ultravioleta.
Dakota McCoy, biofísica evolutiva de la Universidad de Chicago, y su equipo han demostrado que las conchas dejan entrar más del doble de luz útil para la fotosíntesis que la luz. luz ultravioleta en un el estudia Publicado en Comunicaciones de la naturaleza. Este proceso podría ayudar a prevenir el blanqueamiento de los corales y fenómenos similares en los mariscos, que podrían verse exacerbados por el cambio climático.
El diseño único ofrece conocimientos tecnológicos
Las estructuras similares a fibras ópticas que se encuentran en los caracoles corazón no sólo son interesantes en un contexto biológico sino que también ofrecen posibles aplicaciones en tecnología. Los investigadores sugieren que las capacidades naturales del aragonito para dirigir la luz podrían inspirar avances en los sistemas ópticos, especialmente para las comunicaciones inalámbricas y los instrumentos de medición de precisión.
Boon Ooi, investigador de fotónica de la Universidad de Ciencia y Tecnología Rey Abdullah, señaló que imitar estas estructuras podría conducir a sistemas de recolección de luz más eficientes, proporcionando mejoras con respecto a las tecnologías de fibra óptica actuales, según Science News. un informe.
David Becker, Demis Hassabis y John Gumper (de izquierda a derecha) ganaron el Premio Nobel de Química por desarrollar herramientas computacionales que pueden predecir y diseñar estructuras de proteínas.Crédito: Fundación BBVA
Por primera vez, y quizás no la última, un avance científico posible gracias a la inteligencia artificial ha sido reconocido con el Premio Nobel. El Premio Nobel de Química 2024 fue otorgado a John Gamper y Demis Hassabis de Google DeepMind en Londres, por desarrollar un sistema revolucionario. Una herramienta de inteligencia artificial para predecir estructuras de proteínas se llama AlphaFoldy David Becker, de la Universidad de Washington en Seattle, por su trabajo en diseño computacional de proteínas, que se completó Al lo ha reforzado en los últimos años.
“Espero que cuando miremos a AlphaFold, sea la primera prueba del asombroso potencial de la inteligencia artificial para acelerar los descubrimientos científicos”, dijo Hassabis en una conferencia de prensa en DeepMind el 9 de octubre. “Es irreal en este momento”.
¿Qué sigue para AlphaFold y la revolución del plegado de proteínas con IA?
El efecto AlphaFold que fue Fue revelado hace sólo unos años.Fue nada menos que transformador. Esta herramienta ha puesto a disposición de los investigadores estructuras de proteínas (a menudo, pero no siempre, extremadamente precisas) con solo tocar un botón, y ha permitido experimentos que habrían sido inimaginables hace una década. “Es una gran revolución”, dice Christine Orengo, bióloga computacional del University College de Londres, cuyo laboratorio ha utilizado estructuras predichas por AlphaFold para revelar nuevas proteínas.
“Ha sido un sueño desde hace mucho tiempo que aprendamos a predecir la estructura tridimensional de las proteínas conociendo sus secuencias de aminoácidos”, dijo Heiner Linke, jefe del Comité Nobel, que investiga la nanociencia en la Universidad de Lund en Suecia. Durante varias décadas, esto se consideró imposible”. Durante el anuncio del premio. Añadió que los ganadores de este año “lograron descifrar el código”. Los tres ganadores comparten un premio acumulado de 11 millones de coronas suecas (1 millón de dólares).
Inteligencia artificial premiada
DeepMind lanzó AlphaFold por primera vez en 2018, cuando ganó un concurso de predicción de la estructura de proteínas llamado Evaluación crítica de la predicción de la estructura de proteínas (CASP). Pero fue la segunda iteración de la red neuronal de aprendizaje profundo, Fue presentado a finales de 2020.Esto realmente ha revolucionado las ciencias de la vida. Muchas de las predicciones de AlphaFold2 en CASP fueron tan precisas que no se podían distinguir de las estructuras proteicas resueltas experimentalmente.
Hassabis, cofundador y director ejecutivo de DeepMind, y Jumper, jefe del equipo AlphaFold, lideraron el desarrollo de AlphaFold2. Para predecir las estructuras de las proteínas, una red neuronal combina datos de bibliotecas de cientos de miles de estructuras y millones de secuencias de proteínas relacionadas, que contienen información sobre sus formas.
Cómo ganar un Premio Nobel: ¿Qué tipo de científicos ganan medallas?
En particular, el éxito de AlphaFold se debe en gran parte al Protein Data Bank, un depósito de acceso gratuito de más de 200.000 estructuras de proteínas determinadas mediante métodos que incluyen cristalografía de rayos X y microscopía crioelectrónica. “Es una lección de humildad cada vez que entrenamos [AlphaFold] A lo largo de años de esfuerzo. “Cada punto de datos son años de esfuerzo por parte de alguien”, dijo Jumper en la conferencia de prensa de DeepMind.
La revolución lanzada por Jumper, Hassabis y sus colegas aún está en sus inicios, y es posible que no se conozca el impacto total de AlphaFold en la ciencia hasta dentro de años. De hecho, esta herramienta ayuda a los científicos a obtener nuevos conocimientos.
Un equipo pionero utilizó esta herramienta, combinada con datos experimentales, para dibujar un mapa. Complejo de poros nuclearesuna de las máquinas más grandes de nuestras células que mueve moléculas dentro y fuera del núcleo. El año pasado, dos equipos exploraron toda la base de datos AlphaFold para descubrir los rincones más oscuros del mundo de las proteínas, identificando nuevas familias de proteínas y pliegues y conexiones sorprendentes en la maquinaria de la vida.
“Todo el mundo de las proteínas”: la IA predice la forma de casi todas las proteínas conocidas
Muchos investigadores esperan que AlphaFold y otras herramientas de inteligencia artificial que inspiró transformen la medicina, pero ese ya es el caso. no esta claro aun Cómo, o si, AlphaFold simplificará el costoso proceso de varios pasos para desarrollar medicamentos seguros. Los científicos que sientan las bases para nuevas vacunas encuentran que AlphaFold es increíblemente útil Y en algunos casos, un cambio de juego. Pero AlphaFold complementa los estudios experimentales y otros enfoques para mapear y modificar la estructura de proteínas virales para su uso en vacunas.
Para la mayoría de los investigadores, la estructura predicha es el comienzo de un estudio, no el final, dice Jan Kosinski, modelador estructural del Laboratorio Europeo de Biología Molecular (EMBL) en Hamburgo, Alemania. “Al principio se temía que sustituyera a la biología estructural, que la gente perdiera su empleo, etc. De hecho, ocurrió todo lo contrario”, añade.
Uno de los mayores impactos de la herramienta ha sido un cambio en la mentalidad de los biólogos, “que dicen que las computadoras son cosas que pueden producir hipótesis útiles”, dice David Jones, bioinformático de la University College London que colaboró con DeepMind en la primera versión de AlphaFold a partir de en 2016. Que se puede probar en el laboratorio.
Creando nuevas proteínas
Más de dos décadas antes de que DeepMind comenzara a trabajar en AlphaFold, el biofísico computacional David Becker y sus colegas desarrollaron una herramienta de software llamada Rosetta que modelaba estructuras de proteínas utilizando principios físicos. La herramienta compara pequeñas partes de múltiples estructuras y secuencias de proteínas existentes para determinar qué secuencias de proteínas pueden plegarse en una conformación específica.
Inicialmente, Rosetta se aplicó para predecir estructuras de proteínas y estuvo entre las principales entradas en muchos CASP, antes de que AlphaFold dominara. Pero Becker pronto se dio cuenta de que se podía invertir el paradigma para diseñar proteínas completamente nuevas.
Las herramientas de IA están diseñando proteínas completamente nuevas que podrían transformar la medicina
La herramienta tuvo un éxito temprano Diseñar nuevas proteínasincluidos nuevos tipos de enzimas, proteínas que pueden unirse estrechamente a otras moléculas y nanopartículas de proteínas autoensambladas que se asemejan a los virus (una de las cuales sirvió de base para una vacuna COVID-19 aprobada).
Cuando se anunció AlphaFold2, pero aún no se lanzó, Baker y su equipo, incluido el químico computacional Minkyung Baek, ahora en la Universidad Nacional de Seúl en Corea del Sur, se propusieron comprender el programa y aplicar algunos de sus trucos a una versión anterior basada en IA. del software. Rashid. El rendimiento de la primera versión de la red RoseTTAFold resultante fue casi idéntico al de AlphaFold2. Desde 2021, sus desarrolladores y otros científicos han mejorado continuamente ambas redes para afrontar nuevos desafíos, como predecir la estructura de complejos de múltiples y diferentes proteínas que interactúan.
En los últimos años, el equipo de Becker ha sido particularmente prolífico en la aplicación del aprendizaje automático a la razón de ser de su laboratorio: Creando nuevas proteínas nunca antes vistas en la naturaleza. La herramienta desarrollada recientemente por el equipo de Baker, que combina RoseTTAFold con redes neuronales omnipresentes generadoras de imágenes, ha supuesto un cambio radical en la capacidad de los investigadores para diseñar proteínas.
Avance rápido
Estas herramientas fueron un tremendo acelerador y democratizador, dice Sergei Ovchinnikov, biólogo evolutivo del Instituto Tecnológico de Massachusetts en Cambridge, que hizo su doctorado en el laboratorio de Becker. Rosetta solía tardar semanas en ejecutarse en cientos de procesadores para llegar a un diseño de proteína, una tarea que las herramientas más nuevas basadas en inteligencia artificial pueden realizar en segundos. “Ahora todo el mundo puede diseñar una proteína”, afirma.
“Me siento profundamente inspirado por otros en este campo y por la gente con la que he trabajado”, dijo Becker, hablando por teléfono durante el anuncio del Premio Nobel. “Me he subido a hombros de gigantes”.
Premio Nobel de Medicina por “microARN” que regula genes
Martin Steiniger, biólogo computacional de la Universidad Nacional de Seúl en Corea del Sur, compara el impacto de AlphaFold, RoseTTAFold y otras herramientas de inteligencia artificial biológica con el de las misiones Apolo a la Luna, al mostrar lo que la ingeniería puede lograr. “Es un momento similar para la predicción de estructuras y el campo de la biología estructural, donde simplemente se ve lo que es posible”, dice.
Pocos se sorprendieron por la decisión del Comité Nobel. En cuanto a Baker, Jones dice: “La mayoría de la gente pensó que tenía que ver con la cantidad de trabajo que había realizado en esta área”. Gamper, que sabía que él y Hassabis estaban en las listas de muchas personas, dijo en la rueda de prensa que no había podido dormir la noche anterior al anuncio de hoy.
Para Jumper, las estructuras predecibles que ofrece AlphaFold crean nuevas oportunidades para el descubrimiento científico. Millones de científicos ya han utilizado estas herramientas y espera que no pase mucho tiempo antes de que alguien reciba una llamada de Suecia. “El momento en que sentiré la misma emoción será el Premio Nobel por el trabajo realizado con AlphaFold”, dijo.
Mapa de atracciones único Marte Los científicos han presentado un nuevo mapa en la Conferencia Científica Europlanet 2024. Este mapa revela la presencia de estructuras importantes debajo del antiguo océano de Marte y destaca cómo los procesos del manto afectaron al Monte Olimpo, el volcán más grande del sistema solar. El estudio se basa en datos de NASA Misión InSIGHT (Exploración Interior mediante Investigaciones Sísmicas, Geodesia y Transferencia de Calor) y pequeñas desviaciones de satélites.
Reevaluando la geología de Marte
El próximo artículo se titula “El campo gravitacional global de Marte revela un interior activo”, dirigido por Bart Root de la Universidad Tecnológica de Delft y Publicado En The Universe Today, este libro desafía las teorías geológicas establecidas. Pone en duda el concepto de equilibrio de flexión, que tradicionalmente describe cómo reacciona la litosfera de un planeta, formada por la corteza y el manto superior, a cargas a gran escala.
En la Tierra, esta carga normalmente hace que la litosfera se doble hacia abajo y las áreas circundantes se eleven ligeramente. Sin embargo, la vasta región volcánica de Tharsis Montes en Marte contradice este modelo. En lugar de hundirse, Tharsis Montes se eleva notablemente.
Características ocultas de Marte
Los investigadores sugieren que procesos activos dentro del manto de Marte están empujando a Tharsis Montes hacia arriba, según Science Alert un informePudieron identificar una gran masa, de unos 1.750 kilómetros de ancho y 1.100 kilómetros de profundidad, y es probable que se trate de una columna del manto que ejerce suficiente fuerza para resistir la presión descendente de la masa de la región volcánica.
Además, el estudio reveló estructuras densas y misteriosas debajo de las llanuras del polo norte de Marte. Estas anomalías, enterradas bajo una capa de sedimento liso, son más densas que sus alrededores en unos 300-400 kg/m³. Mientras que estructuras similares en la Luna de la Tierra están asociadas con cuencas de impacto, la anomalía en el hemisferio norte de Marte no muestra tales efectos en la superficie.
Planes de exploración futuros
Para estudiar más a fondo estas misteriosas estructuras y la gravedad de Marte, los investigadores convocaron la misión Mars Quantum Gravity (MaQuls). La Dra. Lisa Wörner del Centro Aeroespacial Alemán (DLR), quien presentó la misión en EPSC2024, explicó que los MaQuls utilizarán tecnología similar a la utilizada en las misiones GRAIL y GRACE. Esta misión podría proporcionar conocimientos más profundos sobre las características del interior de Marte y la convección en curso en el manto, mejorando nuestra comprensión de los procesos dinámicos del planeta.
