அஸ்பெர்கில்லோசிஸ் மரபியலில் எதிர்கால ஆராய்ச்சி பெரிய கணினிகளைக் கொண்டு செய்யப்படும் (மற்றும்) அவை முழு மரபணுக்களையும் பகுப்பாய்வு செய்து, ரோபோக்கள் சிக்கலான உயிரினங்களின் முழு மரபணுக்களையும் படிக்கும்போது சேகரிக்கப்பட்ட தகவல்களிலிருந்து பெரிய அளவிலான தரவை உருவாக்குகின்றன - ஆஸ்பெர்கில்லஸ் அல்லது மனிதன். மனித மரபணுவில் சுமார் 3 பில்லியன் அடிப்படை ஜோடி எழுத்துக்கள் உள்ளன, அவை ஒன்றாக 20-25,000 மரபணுக்களின் சிக்கலான தொகுப்பை உருவாக்குகின்றன.
இந்த மரபணுக்கள் ஒவ்வொன்றும் எல்லையற்ற மரபணு வெளிப்பாட்டின் வரிசையில் மாறலாம் அல்லது அணைக்கப்படலாம், இது ஒரு உயிரினத்தை உருவாக்குவது மட்டுமல்லாமல், தொற்று போன்ற வெளிப்புற நிகழ்வுகளுக்கு மனித உடலின் பதிலை ஒழுங்குபடுத்துகிறது. இந்த மரபணுக்களில் சில எவ்வாறு வெளிப்படுத்தப்படுகின்றன அல்லது அவை எவ்வாறு செயல்படுகின்றன என்பதில் உள்ள தவறுகள், நம்மில் பெரும்பாலோர் அஸ்பெர்கில்லோசிஸ் போன்ற பூஞ்சை தொற்றுகளால் பாதிக்கப்படுவதற்கான காரணத்திற்கு பங்களிக்கக்கூடும்.
இந்த பெரிய எண்ணிக்கையிலான மரபணுக்களில் எது பூஞ்சை தொற்றை அனுமதிக்கும் என்பதை கண்டுபிடிப்பது ஒரு பாரிய பணியாகும், ஆனால் அது அதை விட சிக்கலானது. ஒரு நபரின் மரபணுவை நாம் வரிசைப்படுத்தினால், அவர்களின் மரபணுக்களில் எது பூஞ்சை தொற்றுக்கு உள்ளாகும் மரபணுக்கள் என்பது பற்றிய மிகக் குறைந்த தகவல்களை மட்டுமே பெறுவோம். ஒருவேளை ஒன்றுக்கு மேற்பட்ட மரபணுக்கள் சம்பந்தப்பட்டதா? இதன் விளைவாக, சம்பந்தப்பட்ட மரபணுக்களின் எண்ணிக்கை மற்றும் பூஞ்சை தொற்றுநோயை அனுமதிப்பதில் எந்த மரபணுக்கள் ஈடுபட்டுள்ளன என்பதைப் பற்றிய துல்லியமான தோற்றத்தைப் பெற, அஸ்பெர்கில்லோசிஸ் உள்ள பலரின் மரபணுக்களை வரிசைப்படுத்த வேண்டும்.
அஸ்பெர்கில்லோசிஸ் இல்லாத நபர்களின் மரபணுக்களையும் நாம் வரிசைப்படுத்த வேண்டும், இதன் மூலம் சோதனைப் பாடங்களை ஒப்பிடுவதற்கு எங்களிடம் ஏதாவது உள்ளது. மொத்தத்தில், நம்பகமான முடிவுகளுக்கு வருவதற்கு டஜன் கணக்கான நபர்களை வரிசைப்படுத்த வேண்டும். இதை அடைய பல மாதங்கள் ஆகும்.
கணினி சக்தி
நம்முடன் கூட மான்செஸ்டர் பல்கலைக்கழகத்தில் மிகவும் சக்திவாய்ந்த கணினிகள் இது இன்னும் நிறைய நேரம் எடுக்கும். எடின்பர்க் மரபணு கணினி வளங்களில் முதலீடு அதிநவீன கணினி ஆற்றல் அதன் முன்னோடிகளை விட 5 மடங்கு வேகமானது, ஆனால் இது செயல்திறனில் வியத்தகு படி-மாற்றத்தை விட நேரியல் முன்னேற்றமாகும், இது மரபியல் வேலையை தீவிரமாக விரைவுபடுத்தும்.
கூடுதலாக, இந்த கணினிகள் ஏற்கனவே எவ்வளவு வேகமாக இருந்தாலும், தற்போதைய தொழில்நுட்பம் விரைவில் அதன் அடிப்படை வரம்புகளை அடையும் என்பதால், கணிப்பொறி வேகத்தில் முன்னேற்ற விகிதம் மெதுவாகத் தள்ளப்படும் - உதாரணமாக தற்போதைய கணினிகள் இரண்டு மாநிலங்களைக் குறிக்கும் 'பிட்'களுடன் வேலை செய்கின்றன - I மற்றும் O so எங்களிடம் நிறைய மற்றும் நிறைய சக்தி உள்ளது, ஆனால் 'ஆம்' அல்லது 'இல்லை' என்று வேலை செய்யும் திறன் மட்டுமே உள்ளது. வரவிருக்கும் உள்வரும் தரவைச் செயலாக்க இது போதாது - வேகத்தில் அடிப்படை முடுக்கங்களை அடைய கணினிகள் எவ்வாறு செயல்படுகின்றன என்பதில் முழுமையான படி-மாற்றம் தேவை.
கூகுள் மற்றும் குவாண்டம் பிட்கள்
கூகுள், உங்களுக்கும் எனக்கும் சேவைகளை வழங்கிய ஒரு பெரிய நிறுவனம் தவிர, ஒரு கணினி ஆராய்ச்சி நிறுவனமும் கூட. கணினி வேகத்திற்கான இந்த அடிப்படை வரம்பில் இது சில காலமாக வேலை செய்து வருகிறது, மேலும் 'பிட்'களுக்குப் பதிலாக குவாண்டம் துகள்களைப் பயன்படுத்தும் ஒரு கணினியின் வெற்றிகரமான கட்டுமானத்தை அறிவித்துள்ளது. குவாண்டம் பிட்கள் 'பிட்களுடன்' ஒப்பிடும்போது இன்னும் பல நிலைகளுடன் வேலை செய்ய முடியும், எனவே அது எப்படி விஷயங்களை சிறிது வேகப்படுத்தலாம் என்பதை நீங்கள் கற்பனை செய்யலாம். 'ஆம்' அல்லது 'இல்லை' என்பதற்குப் பதிலாக, ஒவ்வொரு துகளும் 'ஒருவேளை', 'ஆம் மற்றும் இல்லை' மற்றும் பலவற்றையும் சேமிக்கலாம் - இந்த புதிய நிலைகள் ஒவ்வொன்றும் ஒரே முடிவை அடைய பல தற்போதைய பிட்களை எடுத்திருக்கும்.
இந்த புதிய கம்ப்யூட்டரைத் தீர்க்க மிகவும் கடினமான சிக்கலை அமைப்பதன் மூலம் இது வழங்கும் வேகத்தில் மிகப்பெரிய முன்னேற்றத்தை மட்டுமே நாம் உண்மையில் பாராட்ட முடியும் - தற்போதைய தொழில்நுட்பத்தைப் பயன்படுத்தி கணினியை முடிக்க நீண்ட நேரம் எடுக்கும் என்பது எங்களுக்குத் தெரியும். தற்போதைய கணினியில் ஒரு குறிப்பிட்ட சோதனைச் சிக்கலை அமைக்கும் போது, அதைத் தீர்க்க 10,000 ஆண்டுகள் ஆகும் என்று கூகுள் கூறுகிறது - நிகழ்நேர இயக்கத்தைப் பயன்படுத்தி அவர்கள் உண்மையில் அதைச் சோதிக்கவில்லை என்று நினைக்கிறேன்!
குவாண்டம் மேலாதிக்கம்
குவாண்டம் பிட்களைப் பயன்படுத்தும் கணினி அதே சிக்கலைச் சரிசெய்ய எவ்வளவு நேரம் எடுத்தது? இது 100 ஆண்டுகளில் செய்ய முடிந்தால் அது மிகவும் ஆச்சரியமாக இருக்கும், அதை 10 ஆண்டுகளில் செய்ய முடிந்தால் நம்பமுடியாதது. உண்மையில், இது வெறும் 200 வினாடிகள் எடுத்ததாக கூகுள் கூறுகிறது - ஆஸ்பெர்கில்லோசிஸ் மரபியலுக்கு கணினி சக்தியில் ஒரு படி-மாற்றம்.
எதிர்காலத்தில் மரபியல் வேலைகளுக்கு அந்த வகையான கணினி ஆற்றலைப் பயன்படுத்த முடிந்தால், ஒரு நொடியின் பின்னங்கள், ஆஸ்பெர்கில்லோசிஸ் ஜெனோமிக்ஸில் 1000 முறை வேலைகளை விரைவுபடுத்தி, கோட்பாட்டளவில் சாத்தியமாக்கும் வகையில், முழுமையான மரபணு சோதனைகளை நாம் செய்ய முடியும். எதிர்காலத்தில் கிளினிக்கிற்கு ஒரு முறை வருகை.