a
§ Tác giả: Kat Arney | Nguồn: Mosaic
Biên dịch: Uong Uyen | Hiệu đính:  Aceae
06/09/2016
Phần 2 trong loạt bài về mô hình Turing. Đọc phần 1 tại đây.

“Ta sẽ lấy đốm vậy,” con Báo nói, “nhưng đừng làm chúng trông quá to và tầm thường. Ta sẽ không trông như một con Hươu cao cổ – không bao giờ.” – “Con Báo có đốm như thế nào,” trích từ tác phẩn Just So Stories (Tạm dịch: Truyện Là Như Thế) của tác giả Rudyard Kipling (1902).

Ở tầng trên cao của Trung tâm Quy chế Gen tại Barcelona (Centre for Genomic Regulation in Barcelona) có một văn phòng được dán đầy những bức ảnh phôi bàn chân chuột màu rực rỡ. Mỗi bức ảnh lại có các vạch ngay ngắn, biểu thị xương đang phát triển, xòe ra như cánh quạt bên trong các chi vừa hình thành – người trang trí cho căn phòng, nhà sinh học hệ thống (systems biology1) James Sharpe, tin rằng hiện tượng này có thể được giải thích bằng mô hình của Turing.

Ý tưởng của Turing rất đơn giản, nên ta có thể dễ dàng tưởng tượng ra nó có thể giải thích những mô hình ta thấy trong tự nhiên như thế nào. Và đó là một phần của vấn đề, bởi vì một bề ngoài đơn giản không chứng minh được là một hệ thống thực sự tồn tại – giống như kiểu nhìn thấy khuôn mặt của Chúa Giê-su trong một mẩu bánh mì. Kể Truyện Là Như Thế về sự tích sinh học của các vật là một trò chơi nguy hiểm, nhưng chính kiểu suy nghĩ này cũng đã được dùng để chứng minh cho mô hình lá cờ Pháp.

Trong mắt Sharpe, tất cả là tại con gà. “Nếu các nghiên cứu về sự phát triển của các chi được bắt đầu bằng một con chuột,” ông nói, “toàn bộ lịch sử sẽ rất khác rồi.”

“Nếu các nghiên cứu về sự phát triển của các chi được bắt đầu bằng một con chuột,” ông nói, “toàn bộ lịch sử sẽ rất khác rồi.”

Theo ý kiến của ông, ngay từ đầu người ta đã có một thành kiến rằng các ngón (trên một bàn tay/bàn chân) về bản chất là khác nhau, đòi hỏi có những hướng dẫn cá nhân cụ thể cho mỗi loại (được cung cấp bởi các ‘tọa độ’ tạo hình tố chính xác, theo mô hình cờ Pháp). Đây là một trong những lập luận chính được nêu ra để phản đối việc các mô hình Turing có vai trò trong sự phát triển các chi – chúng chỉ có thể tạo ra một thứ, chẳng hạn như một vạch sọc hoặc một cái đốm, lặp đi lặp lại.

Như vậy, làm thế nào một hệ thống Turing có thể tạo ra ba loại ngón đặc biệt trên một chi của loài gà? Chắc chắn mỗi loại phải được chỉ đạo để phát triển theo một cách nhất định bởi một ‘bản đồ’ nền tảng? Nhưng một con gà chỉ có ba ngón. “Nếu chúng có 20 cái ngón, bạn sẽ thấy điều này không còn xảy ra,” Sharpe vừa nói, vừa lắc lư những ngón tay của ông về phía tôi như thể để minh họa. “Chúng sẽ trông giống nhau hơn rất nhiều.”

Tôi nhìn xuống tay mình và nhận ra lý lẽ của ông. Tôi có bốn ngón tay và một ngón tay cái, mỗi ngón dường như không có bản sắc độc đáo nào của riêng nó. Rõ ràng là có một sự khác biệt tinh tế về kích thước, nhưng về cơ bản chúng giống nhau. Theo Sharpe, bằng chứng hoàn hảo nhất của của việc chúng không thực sự khác nhau đến từ một trong những giả định hiển nhiên nhất nhưng lại không chính xác về cơ thể: đó là con người luôn luôn có năm ngón tay.

Trong thực tế, số lượng ngón tay và ngón chân là một trong những điều ít cố định nhất trên cơ thể chúng ta. “Chúng ta không phải lúc nào cũng có năm ngón,” ông nói, “và việc có nhiều hơn năm phổ biến đến mức ngạc nhiên.” Trên thực tế, người ta nghĩ rằng có đến 1 trong 500 trẻ em được sinh ra có dư ngón trên bàn tay hoặc bàn chân. Và trong khi mô hình cờ Pháp không thể giải thích cho điều này, mô hình Turing lại có thể.

Theo định nghĩa, hệ thống Turing là một hệ thống tự tổ chức, tạo ra mô hình phù hợp với các tính chất cụ thể, tùy thuộc vào các thông số. Trong trường hợp của một mô hình tạo ra vạch sọc, điều này có nghĩa là một hệ thống tương tự (với những thông số tương tự) sẽ luôn tạo những vạch sọc với cùng một khoảng cách (hay còn gọi là bước sóng, theo toán học) giữa chúng. Nếu bạn phá vỡ mô hình này, ví dụ bằng cách cắt mất một mẩu, hệ thống sẽ cố gắng để điền vào các mảnh bị mất theo một cách rất đặc trưng. Và trong khi các hệ thống Turing giỏi trong việc tạo ra mô hình lặp đi lặp lại với bước sóng không đổi, chẳng hạn như các ngón tay có kích thước thông thường, chúng lại không giỏi trong khoản đếm xem chúng đã tạo ra bao nhiêu, do đó mà tạo nên các ngón dư thừa.

Quan trọng hơn, một hệ thống Turing nhất định chỉ có thể làm một điều tương tự một cách lặp đi lặp lại. Nhưng nếu nhìn kỹ vào một cơ thể ta có thể thấy có rất nhiều các cấu trúc lặp. Ở nhiều loài động vật, bao gồm cả bản thân chúng ta, các ngón tay và ngón chân phần ít phần nhiều đều như nhau. Tuy nhiên, theo các mô hình lá cờ, tất cả các cấu trúc tương ứng với các mức độ khác nhau của tạo hình tố sẽ phải khác nhau. Làm thế nào để giải thích một thực tế là điều tương tự có thể được “dịch” ra từ một mức độ tạo hình tố cao hơn và một mức độ thấp hơn?2

Sharpe cho rằng khái niệm về một “bản đồ” phân tử đứng đằng sau cấu trúc cơ thể không đủ thuyết phục. “Tôi không nghĩ sẽ phóng đại khi nói rằng trong một thời gian dài, rất nhiều các thành viên của cộng đồng sinh học phát triển đã nghĩ rằng bạn có cả biển vectơ građiên tràn qua toàn bộ một cơ quan. Và bởi vì chúng đang đi theo các hướng khác nhau, nên mỗi phần của một cơ quan đều có một tọa độ khác nhau.”

Năm 2012, tròn 100 năm ngày sinh của Turing và 60 năm kể từ khi bài báo “tạo hình tố hóa học” của ông ra đời – Sharpe chỉ ra rằng ý tưởng này (ít nhất là đối với các chi) là sai lầm.

Bằng chứng được trình bày rõ ràng trong một bài báo của Sharpe và Maria Ros tại Đại học Cantabria, Tây Ban Nha, được công bố trên tờ Science. Ros sử dụng các công nghệ kỹ thuật di truyền (genetic engineering) để loại bỏ một cách có hệ thống các thành viên trong một họ gen (gene family) nhất định ở loài chuột. Đích ngắm của họ là các gen Hox3, loại gen đóng vai trò nền tảng trong việc tổ chức cơ thể của các phôi thai đang phát triển, bao gồm cả việc tạo khuôn cho bàn chân chuột và bàn tay người.

Gen Hox ở chuột và cách chúng chi phối việc hình thành phôi chuột. Nguồn: Wikipedia.

Ta có thể dự kiến đựơc là loại bỏ bất kỳ mảnh nào trong số các điều chỉnh tố (regulator) cốt yếu này cũng sẽ gây ra một số ảnh hưởng khá lớn, nhưng những gì các nhà khoa học thấy thì thực sự kỳ lạ. Khi họ loại bỏ càng ngày càng nhiều gen Hox trong số 39 gen được tìm thấy ở chuột, kết quả là chúng có ngày càng nhiều ngón trên lòng bàn chân, đạt đến con số 15 trong những con chuột bị loại bỏ nhiều gen nhất.

Quan trọng là, khi nhiều gen Hox bị cắt và nhiều ngón xuất hiện hơn, khoảng cách giữa chúng trở nên nhỏ hơn. Thế nên số lượng ngón tăng không phải là do bàn chân lớn hơn, mà là do các vạch sọc ngày càng nhỏ hơn cùng chen chúc vào một không gian cố định – một dấu hiện điển hình của hệ thống Turing mà trước đây chưa bao giờ quan sát được ở các chi của loài chuột. Khi Sharpe xử lý các con số, các phương trình Turing có thể giải thích cho những ngón phụ mà Ros và nhóm của bà đã thấy.

Điều đó thật tuyệt vời với những cái ngón chuột gần giống nhau, tôi nói, nhưng nó chẳng giải thích vì sao ba loại ngón của gà lại quá khác biệt. Sharpe viết nguệch ngoạc lên một mẩu giấy, vẽ một sơ đồ Venn4 với hai vòng tròn lộn xộn chồng lên nhau. Một cái được đặt tên là “PI,” viết tắt từ thông tin định vị (positional information)5 như nghiên cứu của Wolpert, cái còn lại là “SO,” viết tắt của hệ thống tự tổ chức (self-organising) như các mô hình Turing. Ông vừa gõ bút vào mảnh giấy vừa nói: “Câu trả lời không phải là Turing đúng hay Wolpert sai, mà ở đây là một sự kết hợp.”

Bản thân Wolpert cũng đã thừa nhận phần nào là ở một mức độ nhất định thì hệ thống Turing có thể tạo nên khuôn mẫu cho các ngón. Nhưng nó lại không thể, theo định nghĩa, truyền tải sự khác biệt giữa chúng. Vectơ građiên tạo hình tố phải làm việc với mô hình được thiết lập này để cung cấp cho các ngón những đặc điểm cá thể của chúng, từ ngón cái đến ngón út; điều này kết hợp ý tưởng về thông tin định vị của Wolpert với ý tưởng về sự tự tổ chức của Turing.

Những ví dụ thực tế khác về hệ thống Turing, được âm thầm tích lũy trong hơn hai thập kỷ qua, bây giờ đã được chú ý đến. Một bài báo năm 1990 từ một bộ ba nhà hóa học người Pháp lần đầu tiên mô tả các bằng chứng thực nghiệm khó chối cãi được của một cấu trúc Turing: họ nhận thấy một dải các đốm xuất hiện đều đặn trong một vệt gel, nơi mà một phản ứng tạo màu đang diễn ra – dấu hiệu rõ ràng cho thấy một hệ thống đang hoạt động.

Trong khi nghiên cứu một loài cá có sọc (angelfish) rất đẹp, nhà nghiên cứu người Nhật Shigeru Kondo đã thấy rằng, sọc của chúng không trở nên lớn hơn theo độ tuổi (như ở động vật có vú như ngựa vằn), mà lại giữ nguyên khoảng cách nhưng tăng lên về số lượng, phân nhánh để lấp đầy không gian. Các mô hình máy tính cho thấy rằng mô hình Turing có thể là lời giải thích duy nhất. Kondo tiếp tục cho thấy những vạch sọc chạy dọc theo chiều dài của một con cá ngựa vằn cũng có thể được giải thích bằng toán học của Turing, trong trường hợp này do dựa vào hai loại tế bào khác nhau tương tác với nhau, chứ không phải là hai phân tử.

Hóa ra là, những bộ lông có hoa văn của họ nhà mèo, từ loài beo đến báo đốm đến những chú mèo mướp nuôi trong nhà, tất cả đều là kết quả của các cơ chế Turing, chúng hoạt động để lấp đầy những khoảng trống sinh học của lớp da. Sự phân bố các nang tóc trên đầu chúng ta và lông vũ của loài chim cũng đều nhờ vào kiểu tự tổ chức của cơ chế Turing.

Các nhà nghiên cứu khác đang tập trung vào việc làm thế nào toán học của Turing có thể giải thích cách mà những cái ống trong phôi lồng ngực đang phát triển tách ra hết lần này đến lần khác để tạo nên hai lá phổi vừa tinh vi, vừa phân nhánh. Ngay cả sự sắp xếp thành hàng đều đặn của răng trong hàm răng chúng ta có lẽ cũng được giải thích bởi mô hình giống với mô hình Turing.

Trong khi đó tại London, Jeremy Green cũng đã phát hiện ra rằng nếp gấp trên vòm miệng của bạn – những gờ lặp đi lặp lại ngay sau răng cửa, rất dễ bị bỏng nếu bạn ăn một miếng pizza quá nóng – chúng cũng tồn tại nhờ mô hình Turing.

Hóa ra là, những bộ lông có hoa văn của họ nhà mèo, từ loài beo đến báo đốm đến những chú mèo mướp nuôi trong nhà, tất cả đều là kết quả của các cơ chế Turing, chúng hoạt động để lấp đầy những khoảng trống sinh học của lớp da.

Cũng như da cá, lông vũ, lông thú, răng, nếp gấp và xương trong tay chúng ta, James Sharpe nghĩ có rất nhiều bộ phận khác của cơ thể có thể được tạo ra thông qua mô hình Turing tự tổ chức, với các thông tin định vị đè lên trên. Để bắt đầu, trong khi những ngón tay ngón chân của chúng ta là những vạch sọc rõ ràng, thì các cụm xương cổ tay có thể được xem như là các điểm chấm. Chúng có thể được tạo nên một cách dễ dàng nếu ta điều chỉnh một vài thông số quy định một phương trình Turing.

Sharpe còn có một số ý tưởng gây tranh cãi nhiều hơn về việc cơ chế này xuất hiện ở đâu – có lẽ là chính nó tạo nên khuôn mẫu cho các xương sườn và xương sống, tạo thành một chuỗi đều đặn chạy dọc sống lưng chúng ta. Ông thậm chí còn nghi ngờ rằng các vạch sọc nổi tiếng tồn tại trong phôi ruồi giấm6 còn liên quan đến mô hình Turing hơn những gì cộng đồng sinh học phát triển dự kiến.

Mô hình cặp gen quy tắc và phân cực ở ruồi giấm. Nguồn: Wikipedia.

Được biết rằng ông làm việc trong một tòa nhà được ốp nhiều thanh gỗ ngang, tôi hỏi liệu có phải là ông có thể bắt đầu nhìn thấy các mô hình Turing ở khắp mọi nơi ông để mắt. “Tôi đã trải qua giai đoạn đó,” ông cười. “Năm mà kỷ niệm 100 năm ngày sinh Turing ấy, thực sự là Turing ở khắp mọi nơi. Đối với tôi thú vị nhất là có thể chúng ta đã hiểu lầm rất nhiều các hệ thống và chúng ta đã tự lừa mình – và cả cộng đồng – dễ dàng như thế nào, bịa đặt nhiều Truyện Là Như Thế mà dường như rất phù hợp và hài lòng.”

Stuart Newman đồng ý; lý thuyết năm 1979 của ông bây giờ đã bước ra khỏi bóng tối. “Khi bạn bắt đầu đào sâu nghiên cứu về một chủ đề, rất nhiều thứ sẽ sụp đổ nếu bạn đang đi đúng hướng. Họ không muốn nói về nó, không phải vì nó sai – rất dễ để phủi tay cho rằng cái gì đó là sai –  nhưng có lẽ là vì nó đúng. Và tôi nghĩ rằng chắc là thế đấy.”

Chậm rãi nhưng chắc chắn, các nhà nghiên cứu đang dần ghép thành hình vai trò của hệ thống Turing trong việc tạo ra các cấu trúc sinh học. Nhưng cho đến gần đây vẫn có một điều cần để chứng minh là có một mô hình Turing hoạt động ở các chi: danh tính của hai thành phần vận hành nó.

Bí ẩn đó bây giờ đã được giải quyết bởi James Sharpe và đồng đội của ông trong một bài báo xuất bản tháng 8 năm 2014, một lần nữa trên tạp chí Science. Trải qua năm năm thực hiện, nó là sự kết hợp giữa nghiên cứu trên phôi thai tinh xảo và các phép tính toán nặng ký.

Sharpe nhận thấy các thành phần cần thiết của một mô hình Turing hoạt động trong chi phải chỉ ra một mô hình có vạch sọc tương ứng với các ngón tay đang phát triển từ rất sớm – hoặc là được kích hoạt ở những ngón sẽ hình thành trong tương lai hoặc là được tắt đi ở các tế bào sẽ trở thành những khoảng trống, hoặc ngược lại.

Để tìm ra chúng, một sinh viên tên Jelena Raspopovic thu thập các tế bào từ một cái chồi chi chuột đang phát triển, nơi chỉ có rất ít dấu hiệu của hoạt động gen dẫn đến sự hình thành ngón. Sau khi tách hai loại tế bào, và nhiều phân tích phân tử rất tỉ mỉ, một số phân tử đáng ngờ thú vị xuất hiện. Sử dụng mô hình máy tính, Sharpe đã có thể tóm tắt một cách chính xác sự xuất hiện dần dần của các ngón, giống như những gì họ thấy trong bàn chân chuột thực tế, dựa trên hoạt động của các thành phần này.

Thú vị là, không giống như hệ thống hai thành phần đơn giản được đưa ra bởi Turing, Sharpe nghĩ rằng có ba phân tử khác nhau làm việc cùng nhau trong chi chuột để tạo nên các ngón. Một là Sox9, một loại protein bảo với các tế bào trong các ngón đang phát triển là “tạo xương ở đây,” trong các các ngón đang phát triển. Hai cái còn lại là hai tín hiệu được gửi bởi hai hệ thống truyền tin sinh học: một là tín hiệu BMP (bone morphogenetic protein, tạm dịch: protein tạo xương hình thái), tín hiệu này kích hoạt Sox9 ở các ngón, và một phân tử truyền tin khác gọi là WNT (phát âm là “wint”), nó sẽ tắt Sox9 đi tại khoảng trống giữa các ngón.

Mặc dù hệ thống Turing cổ điển chỉ gồm hai thành phần – một kích hoạt tố và một chất ức chế – trường hợp này có chút phức tạp hơn. “Nó dường như không chỉ đơn giản là bao gồm hai thứ,” Sharpe giải thích. “Những mạng lưới sinh học trên thực tế rất phức tạp, và trong trường hợp của chúng ta, chúng ta đã thu gọn nó lại thành hai đường tín hiệu chứ không phải là hai phân tử cụ thể.”

Bằng chứng tiếp theo xuất hiện khi họ đi theo con đường khác – từ mô hình máy tính đến phôi. Một sinh viên khác của Sharpe, Luciano Marcon, điều chỉnh chương trình máy tính để xem những gì sẽ xảy ra với mô hình nếu mỗi đường tín hiệu được giảm bớt. Trong mô phỏng, giảm tín hiệu BMP dẫn đến một bàn chân ảo không có ngón. Ngược lại, tắt WNT thì sẽ cho ra một chi với các ngón hoàn toàn dính với nhau.

Khi thử nghiệm trong thực tế, sử dụng những khối mô chồi chi nhỏ lấy từ phôi chuột mới hình thành và nuôi trong đĩa Petri, những dự đoán này đã thành sự thật. Nuôi cấy các mô trong môi trường nhân tạo với các loại thuốc làm yếu đi đường tín hiệu, tạo ra chính xác những gì được dự đoán – không có ngón, hoặc các ngón dính nhau. Một mô hình giả lập khác với cả hai tín hiệu được tắt đồng thời sẽ tạo hai hoặc ba ngón lớn thay vì năm ngón đều nhau. Một lần nữa, sử dụng cả hai loại thuốc cùng một lúc trên chồi chân tay của một con chuột thật tạo ra chính xác kết quả này. Việc có thể chuyển từ mô hình thành phôi – đưa ra dự đoán có thể kiểm chứng được bằng thí nghiệm – và ngược lại, là một phần quan trọng của bằng chứng cho thấy rằng cách Sharpe nghĩ là đúng.

Và nếu lý thuyết này cuối cùng được chấp nhận, còn chúng ta thì tìm ra hệ thống Turing được sử dụng để tạo ra các cấu trúc trong tự nhiên như thế nào và ở đâu, ta có thể làm gì với kiến thức này? Khá nhiều, theo Jeremy Green.

Gần một đời người nữa thì tầm nhìn sinh học của ông mới đi vào thực tế khoa học, nhưng nó hóa ra có giá trị hơn là chỉ một lời giải thích ngắn gọn và một vài phương trình hấp dẫn.

“Bạn có thể sống mà không có nếp gấp nhưng những thứ như van tim hoặc toàn bộ vòm miệng của bạn, chúng thực sự quan trọng,” ông nói. “Bất cứ ai làm việc trên bất kỳ công nghệ tế bào gốc nào hoặc liệu pháp tế bào nào trong tương lai sẽ cần phải hiểu chúng được tạo ra như thế nào. Nghiên cứu về yếu tố tăng trưởng (growth factor) những năm 1980 không những là nền tảng của những liệu pháp tế bào gốc được đi vào thử nghiệm lâm sàng hiện nay, mà nó còn truyền cảm hứng cho cả giới y học tái tạo (regenerative medicine). Đó là tốc độ phát triển của ngành này đấy.”

Tại Bệnh viện Guy’s ông thấy cận cảnh những gì sẽ xảy ra khi sự phát triển (của sinh vật) đi lệch hướng. Phòng khám của ông chuyên về dị tật bẩm sinh ảnh hưởng đến khuôn mặt và hộp sọ, và Green tin rằng sự hiểu biết căn bản ở mức phân tử là chìa khóa để sửa chữa những dị tật này. “Những gì chúng ta đang làm bây giờ rất lý thuyết, và chúng ta có thể tưởng tượng nó sẽ hữu ích như thế nào, nhưng 25 năm nữa thì đây vẫn là loại kiến thức chúng ta cần phải có. Có lẽ đến lúc đó nó sẽ trở thành điều hiển nhiên, không được coi trọng, nhưng chúng ta sẽ cần phải biết tất cả những thứ Turing này để có thể tạo nên một cơ thể tốt hơn.”

Trong những năm cuối cùng của cuộc đời, Alan Turing nhìn thấy giấc mơ toán học của mình –  một máy tính điện tử có thể lập trình được – từ một bộ sưu tập những dây điện và ống mà dần đi vào tồn tại. Lúc đó nó chỉ có khả năng xử lý một vài con số với một tốc độ của ốc sên. Ngày nay, chỉ chiếc điện thoại thông minh trong túi của bạn thôi cũng có một sức mạnh tính toán sẽ khiến ông phải kinh ngạc. Gần một đời người nữa thì tầm nhìn sinh học của ông mới đi vào thực tế khoa học, nhưng nó hóa ra có giá trị hơn là chỉ một lời giải thích ngắn gọn và một vài phương trình hấp dẫn.


  1. Sinh học hệ thống (systems biology): một lĩnh vực nghiên cứu sinh học khá mới mẻ tập trung vào việc nghiên cứu một cách có hệ thống các tương tác phức tạp trong các hệ thống sinh học. Từ năm 2000 trở lại, thuật ngữ này được dùng nhiều trong khoa học sinh học, và trong các ngữ cảnh khác.

  2. Với mô hình thông tin định vị, điều tất sẽ xảy ra là mỗi vị trí trên một chi đang phát triển lại có một mức độ tín hiệu khác nhau. Ý tác giả là tại sao điều này tại có thể tạo ra những cái ngón tay na ná nhau được?

  3. Gen Hox (một tập hợp con của các gen homeotic): một nhóm các gen có liên quan với nhau, chúng kiểm soát các kế hoạch của cơ thể đối với một phôi thai nằm dọc theo trục đầu đuôi (the cranio-caudal (head-tail) axis). Sau khi phân đoạn phôi thai đã hình thành, protein hox quyết định loại cấu trúc phân đoạn (ví dụ chân, râu, và cánh ở ruồi giấm hoặc các loại đốt xương sống khác nhau ở con người) mà sẽ hình thành trên một phân đoạn cho sẵn. Protein hox do đó mà tạo nên danh tính cho phân đoạn, nhưng chúng không tự tạo thành các phân đoạn thực tế.

  4. Sơ đồ Venn, biểu đồ Venn hoặc sơ đồ tập hợp là một sơ đồ cho thấy tất cả các mối quan hệ logic có thể có giữa một số lượng hữu hạn các tập hợp. Sơ đồ Venn đã được John Venn xây dựng vào khoảng năm 1880. Sơ đồ này được sử dụng để dạy lý thuyết tập hợp sơ cấp, sử dụng các vòng tròn chồng lên nhau để minh họa cho sự giống nhau, khác nhau và mối quan hệ giữa các khái niệm, ý tưởng, thể loại hoặc nhóm; cũng như minh họa mối quan hệ tập hợp đơn giản trong xác suất, logic học, thống kê, ngôn ngữ học và tin học.

  5. Ý nhắc lại ý tưởng của Wolpert và đồng nghiệp về việc xác định vị trí phân hoá của các tế bào, ở đây là các phôi ngón.

  6. Ở ruồi giấm có các cặp gen quy tắc (pair-rule genes), những cặp gen này được thể hiện trong mô hình 7 đai vạch sọc nằm vuông góc với trục trước-sau của ruồi giấm. Các mô hình biểu hiện này được hình thành trong phôi bì hợp bào. Sau khi thay đổi mô hình ban đầu, màng tế bào hình thành xung quanh hạt nhân của phôi bì hợp bào sẽ chuyển đổi thành phôi bì tế bào.

One thought on “Ngựa vằn có vằn như thế nào – cùng Alan Turing (phần 2)

Leave a Reply

Your email address will not be published. Required fields are marked *

đọc thêm
Cuộc chia cắt điên rồ
Có những cuộc chiến dù đã qua đi gần một trăm năm, nhưng những dư âm bi thương còn sót lại của nó thì dường như vẫn hằn sâu trong guồng quay của thời gian và kéo dài đến tận hiện tại…
Mới nhất