Filip Rotnes peker på den grå firkanten pepret med røde, blå og gule prikker. Hver prikk representerer en kjemisk reaksjon, og hver av dem er koblet sammen i et komplekst nettverk av svarte streker.
Dette, forklarer han, er en plantegning over hvordan en atlanterhavslaks lager og forbruker aminosyrer.
Alt levende, også laksen, er et resultat av alle de kjemiske prosessene som foregår i cellene. Cellene organiseres så i vev og organer som samspiller og utgjør laksens fysiologi. Resultatet er en funksjonell organisme, en svømmende og sprell levende laks.
Kan vi lage digitale modeller av slike levende systemer?
Ved å kartlegge alt som har med aminosyrene i fisken, håper Rotnes å bidra til en slik datamodell, kjent som Den digitale laksen. Han er en av flere forskere som er interessert i å digitalisere marint liv, prosjekter med ambisiøse mål for utvikling av digitale modeller.
Håpet er å få ny kunnskap om marine arter som vil forandre fiskeoppdrett og fôrproduksjon, eller kunne bidra til miljøovervåking av havet. Datamodellene kan også fortelle hvordan det er å være en fisk.
Tusenvis av digitale eksperimenter
Ved Norges miljø- og biovitenskapelige universitet leder forsker Jon Olav Vik Digitalt Liv-prosjektet DigiSal. Vik og masterstudent Rotnes deler lidenskapen for naturen og interessen for å bruke datamaskiner til å løse store problemer.
– Vi ønsker å bruke digitale verktøy for å oppdage hva som skjer med den kjøttetende laksen når vi tvinger den til å spise blant annet plantebasert fôr, sier Vik.
Det mest aktuelle problemet for oppdrettsnæringen er at industrien ikke klarer å produsere tilstrekkelig med fiskefôr for å kunne utvide produksjonen på en bærekraftig måte.
– Vi trenger å gjøre en hurtig evaluering av alternativt fiskefôr. Det nåværende fôret gir utfordringer for laksen, men dataene fra eksperimentene er alt for store til å håndteres manuelt, sier Vik.
Målet hans er å utvikle Den digitale laksen til en virtuell møteplass for forskere som er interesserte i hvordan fiskefôr påvirker livet og kjøttkvaliteten hos fisken. Enkel tilgang til biologiske data, eksperimentelle resultat og matematiske prediksjoner vil bidra til å utføre bedre eksperimenter og muliggjøre målrettet utvikling av nytt fiskefôr.
Alt, men enklere
Forskerteamet på NMBU består av forskere med komplementær bakgrunn, som spenner fra økologi til genetikk og bioinformatikk. Rotnes sitt nettverk for aminosyresyntese er en tidkrevende oppgave, men utgjør likevel bare en liten del av den fremtidige modellen.
– Den første generasjonen av Den digitale laksen var sammenlignbar med en gjennomsnittlig levercelle, sier Vik.
Med tiden skal modellen utvides for å inkludere organspesifikke modeller, med algoritmer som spenner fra en enkelt celle til hele organismen. Andre forskere har brukt liknende tilnærminger for å modellere menneskehjertet og sebrafisker, men arbeidet krever likevel det Vik omtaler som en «målrettet forenkling».
– Vårt første mål er å modellere fôring og ernæring hos laksen. Det vil også bli mulig å flytte perspektivet vårt mot fiskekvalitet og fiskehelse, men det vil kreve en utviding av den digitale modellen som vi ikke har på det nåværende tidspunkt.
Livet i en bioreaktor
Laks er en viktig kilde til gunstige fettsyrer, nettopp på grunn av hva laksen selv får i seg fra fiskeoljen i fôret den spiser. Ved SINTEF i Trondheim arbeider Inga Marie Aasen med å løse underskuddet av fiskeolje på en annen måte. Aasen er seniorforsker I AurOmega-prosjektet som ledes av Per Bruheim på NTNU, og målet deres er å trene en encellet organisme til å produsere fettsyrer på bestilling.
– Vi ønsker å kartlegge hvordan vi kan finjustere cellene slik at de omdanner mer av næringen de spiser til omega3-fettsyrer, forklarer Aasen.
I et typisk eksperiment dyrker hun store mengder av de marine, encellede dyrene, kalt thraustochytrider, i spesielle bioreaktorer i fire til fem dager. Etter den første vekstfasen begynner cellene å produsere fettsyrer. Aasen tar ut prøver ved jevne mellomrom, og samler data om hvordan cellene vokser, spiser og slipper ut CO2.
I tillegg til å justere de tekniske parameterne i eksperimentet ønsker Aasen og kollegaene hennes å kunne endre de kjemiske prosessene inne i hver enkelt fettsyreproduserende celle. Kan de endre hele systemet slik at det produseres mer av de viktige fettsyrene?
For å utvikle en effektiv produksjonsmetode må Aasen først samle inn og analysere millioner av datapunkter som til sammen skal bli til en digital modell. Deretter kan de ta i bruk modellen og gjøre matematiske prediksjoner for å finne de mest lovene eksperimentene.
– Dersom vi kan modellere de tre første eksperimentene kan vi deretter utføre bare det fjerde og mest verdifulle eksperimentet på laboratoriet, sier Aasen.
En biosensortorsk
Et liknende utgangspunkt er også til inspirasjon for arbeidet ledet av Anders Goksøyr ved Universitet i Bergen. Målet med DLN-prosjektet hans dCod 1.0 er å forstå hvordan torsken responderer på giftstoffer i vannet og på klimaforandringer. Goksøyr arbeider derfor med å sette sammen en digital modell for hvordan miljøet påvirker fisken.
– Målet vårt er å utvikle relevant kunnskap og verktøy, slik som for eksempel biosensorer som kan hjelpe til med å overvåke situasjonen i havene, sier Goksøyr.
Til eksperimentene benytter han og kollegaene hans villfanget torsk plassert i forurenset vann eller i akvarium, samt leverskiver fra torsk dyrket på laboratoriet og tilsatt ulike stoffer. Både i de digitale modellene og i eksperimentene kontrollerer forskerne temperatur og saltinnhold i vannet, samt giftstoffene som påvirker fisken.
– Torsk og andre marine dyr som lever i norske farvann blir jevnlig utsatt for forurensinger fra byene, fabrikker, jordbruk, oljeindustri og andre landbaserte og kystnære industrier, forklarer Goksøyr.
En fisk på land
Kanskje kan vi se hele livets samspill som en digital modell? I det minste ifølge Jarl Giske og kollegaene hans i AHA!-prosjektet ved UiB. I den digitale modellen deres vil fiskene enten overleve og reprodusere, eller dø og forsvinne ut i eteren.
Teamet består i hovedsak av evolusjonære økologer, forskere som har forlatt utendørseksperimentering til fordel for sofistikerte modeller av dyrs atferd, og hvordan de ulike individene samspiller i økosystemer. Tilnærmingen deres er å sette tall på fiskenes oppførsel, og på den måten lage en forenklet modell for livet til en fisk. Modellen inkluderer algoritmer som kontrollerer de mest sentrale delene av fiskens gener, fysiologi, men også oppførsel og omgivelser.
– Fiskene i modellen lever i digitale omgivelser, der de unngår rovdyr og jakter på byttedyr. Bare de som overlever og vokser best klarer å få avkom, og dette repeteres i generasjon etter generasjon. Slik utvikler populasjonen seg, sier kollega og forsker Sergey Budaev
– Modellen er en ekstrem forenkling av all kompleksiteten i det virkelige liv, og den genetiske kompleksiteten i en fisk er redusert til rundt femti genetiske parametere i modellen vår, tilføyer Giske.
Digitalt Liv
Eksperimentene med de digitale fiskene har også gitt noen overraskelser.
– Vi observerte at fiskene utviklet personlighetstyper. Noen fulgte etter gruppen til det området der det var mest mat, mens andre fisker var mer villige til å ta større risiko. Vi fant også kjønnsforskjeller i oppførselen deres, der hannfiskene tok flere sjanser, sier Giske.
Matematisk modellering for å forstå oppførsel og evolusjon hos fisk kan være nyttig for oppdrettsanlegg og fiskeriene, og kan også bidra til svar på hvordan dyr tar avgjørelser.
I fremtiden planlegger Giske og Budaev å lage modeller for bevissthet. – Vi planlegger å modellere ulike typer av hjerner for å undersøke hvordan kognitiv kompleksitet er involvert i evolusjon, sier Giske.
Det ambisiøse målet vil øke behovet for datakraft, men vil også løfte noen store spørsmål om dyrs bevissthet. Selv om modellene er forenklede versjoner av realiteten, nøler ikke Budaev med å gripe fatt i kompleksiteten
– Vi har skapt liv, og det er digitalt, konkluderer han.
