الديناصورات قد تكون المسؤولة عن تقصير عمر البشر
تاريخ النشر: 4th, December 2023 GMT
هناك فرق واضح بين مدى سرعة تقدم الثدييات في العمر وسرعة تقدم أعمار العديد من أنواع الزواحف والبرمائيات.
ويفترض أحد العلماء أن هذا التناقض قد يكون بسبب هيمنة الديناصورات منذ ملايين السنين، خلال فترة حرجة من تاريخ الثدييات.
ويصف عالم الأحياء الدقيقة جواو بيدرو دي ماجالهايس، من جامعة برمنغهام في المملكة المتحدة، فرضيته في ورقة بحثية منشورة حديثا، تقول: عندما حكمت الديناصورات الأرض، كان من الضروري للثدييات الأصغر حجما أن تكون قادرة على التكاثر بسرعة من أجل البقاء، ما يعني أنه ربما اختفت جينات العمر الأطول مع تقدم التطور.
ويقول دي ماجالهايس: "أُجبرت بعض الثدييات الأولى على العيش في الجزء السفلي من السلسلة الغذائية، ومن المحتمل أنها أمضت 100 مليون سنة خلال عصر الديناصورات في التطور من أجل البقاء من خلال التكاثر السريع. أعتقد أن تلك الفترة الطويلة من الضغط التطوري كان لها تأثير على الطريقة التي نتقدم بها في السن نحن البشر".
إقرأ المزيد
ويشير البحث إلى أن الأسلاف القدامى في سلالة الثدييات اليوثيرية، يبدو أنهم فقدوا بعض الإنزيمات في وقت قريب من الديناصورات، التي تعمل على إصلاح الضرر الناجم عن الأشعة فوق البنفسجية.
ومن المثير للاهتمام، أنه حتى الجرابيات وأحادية المسلك تفتقر إلى واحد على الأقل من إنزيمات ترميم ضرر الأشعة فوق البنفسجية الثلاثة، المعروفة باسم photolyases. ومن الصعب تحديد ما إذا كان هذا مرتبطا بأعمارها القصيرة نسبيا بأي شكل من الأشكال.
ويقول أحد الاحتمالات: الخسارة كانت بسبب أن الثدييات أصبحت أكثر نشاطا ليلا لتبقى أكثر أمانا.
وهناك علامات أخرى أيضا، ولنأخذ الأسنان على سبيل المثال: يمكن لبعض أسنان الزواحف، بما في ذلك التمساح، أن تستمر في النمو طوال الحياة. ومن الواضح أن البشر لا يستطيعون ذلك، ربما نتيجة للانتقاء الجيني الذي يعود تاريخه إلى مئات الآلاف من السنين.
ويعد فهم المزيد عن العوامل الكامنة وراء الشيخوخة مفيدا دائما في مكافحة الأمراض المرتبطة بالعمر، بما في ذلك الخرف والسكتة الدماغية.
نشر البحث في BioEssays.
المصدر: ساينس ألرت
المصدر: RT Arabic
كلمات دلالية: اكتشافات بحوث ديناصورات عالم الحيوانات
إقرأ أيضاً:
AlphaEvolve يفك شيفرات رياضية أعجزت البشر لعقود!
في خطوة قد تُعيد رسم حدود الابتكار العلمي، كشفت شركة Google DeepMind عن نظام ثوري يُدعى AlphaEvolve، يمثل قفزة نوعية في توظيف الذكاء الاصطناعي لحل مشكلات رياضية وخوارزمية معقدة طالما حيّرت العلماء لعقود.
ما يميز AlphaEvolve ليس فقط قدرته على تسريع الحلول، بل ابتكاره لطرق جديدة بالكامل، عبر الدمج بين إبداع نماذج اللغة الكبيرة (LLMs) وخوارزميات تقييم تفاعلية تُنقّح وتُطوّر الأفكار بشكل ذاتي ومتدرج.
نموذج يُبدع... لا يُقلّد
AlphaEvolve يختلف عن الأدوات السابقة التي اعتمدت على ذكاء اصطناعي مصمّم خصيصًا لمهام محددة. فهو نموذج عام متعدد الاستخدامات، قادر على معالجة قضايا علمية في مجالات متعددة، عبر ما يشبه دورة تطورية للأفكار. تبدأ العملية من إدخال مسألة علمية ومعايير للحل، ثم يقترح النموذج مئات التعديلات، تقوم خوارزمية داخلية بتقييمها وفرز الأنسب منها، لتولد عنها حلول جديدة أكثر تطورًا. هكذا، يتطور النظام بشكل ذاتي، ويُنتج أفكارًا مبتكرة تمامًا دون تدخّل بشري مباشر.
اقرا أيضاً.. في أضخم تجربة طبية عرفها التاريخ.. الذكاء الاصطناعي يشخّص ويتفوق على الأطباء
من المختبر إلى التطبيق
ووفقًا لما نشره موقع Scientific American، لم يبقَ AlphaEvolve مجرد تجربة نظرية في المختبر، بل أثبت فعاليته في أرض الواقع داخل شركة Google نفسها. فقد ساهم في تحسين تصميم الجيل الجديد من معالجات الذكاء الاصطناعي (TPUs)، كما أعاد تنظيم طريقة توزيع المهام الحوسبية في مراكز بيانات جوجل حول العالم، ما أدى إلى توفير 0.7% من إجمالي موارد الشركة — وهي نسبة ضخمة عند الحديث عن بنية تحتية بحجم جوجل.
أخبار ذات صلة
إنجاز رياضي يتفوق على إنسان منذ 1969
واحدة من أبرز مفاجآت AlphaEvolve كانت ابتكار خوارزمية جديدة لضرب المصفوفات تتفوق – في بعض الحالات – على الطريقة الأسرع المعروفة حتى اليوم، والتي ابتكرها الرياضي الألماني فولكر شتراسن عام 1969. مثل هذه العمليات أساسية في تدريب الشبكات العصبية، ما يعكس البعد الاستراتيجي لاكتشاف كهذا.
نقلة على مستوى الحجم والتعقيد
بُني AlphaEvolve على أساس نظام FunSearch الذي أُطلق في 2023، والذي أظهر قدرة على حل مسائل رياضية غير محلولة. إلا أن AlphaEvolve يتميز بقدرته على معالجة شيفرات أكبر وخوارزميات أكثر تعقيدًا، بالإضافة إلى اتساع نطاق تطبيقه في العلوم والهندسة.
حدود الإمكانات
ورغم الإشادات، يقرّ علماء مثل سيمون فريدر من جامعة أوكسفورد أن إمكانات AlphaEvolve قد تظل محدودة بالمهام القابلة للتحويل إلى أكواد قابلة للتقييم. كما دعا باحثون مثل هوان صن إلى الحذر، مطالبين بتجارب مفتوحة ضمن المجتمع العلمي قبل الحكم النهائي على قدرات النظام.
ورغم أن تشغيل AlphaEvolve أقل استهلاكًا للطاقة من AlphaTensor، إلا أن كلفته لا تزال مرتفعة بما يمنع توفيره للجمهور حاليًا. مع ذلك، تأمل Google DeepMind أن يدفع هذا التقدم الباحثين إلى اقتراح مجالات جديدة لتجريب هذا النظام، مؤكدة التزامها بإتاحة أدواته تدريجيًا أمام المجتمع العلمي العالمي.
المغرب يعتزم تشديد الخناق على شبكات التواصل.. هل ينقلب المشهد الرقمي؟