Mécs Anna - Sokdimenziós történetek

Interjú Baranyi Józseffel

Miként Baranyi József angliai beilleszkedését igencsak befolyásolta, hogy honnan érkezett, úgy egy baktérium új környezethez való alkalmazkodása is nagyban függ az élettörténetétől. Ez a gondolat vezette a huszonhárom éve az Egyesült Királyságban dolgozó matematikust az élelmiszerben előforduló baktériumok növekedését leíró modelljének kidolgozásánál. A baktériumok adaptálódása azonban genetikai hálózatukon múlik. A vizsgálatok során rájöttek: a hálózatkutatás eszközeit az élelmiszer-kereskedelem leírásában is remekül alkalmazhatják. A nemzetközi élelmiszerpiacot elemző 2012-es cikkük hatalmas visszhangra lelt. 

Megjelent: Élet és Tudomány, 2013. március 8.
Szerző: Mécs Anna

Sokan a matematikai modellezés alatt egyenletek halmazát értik. Mit gondol erről?

Ennél sokkal mélyebb: a matematikai modellezés nem más, mint a szükségtelen elhagyásának művészete. A szükségtelen elhagyása után alapfeltevések egy halmazát kapjuk, és ezt írjuk le egy egyenletrendszerrel – ami igazából egy formális nyelven megfogalmazott kvantifikált állítások összessége.

Nem a valóságot akarjuk leírni, hanem azt, ami szükséges ahhoz, hogy valamit állítsunk, előre jelezzünk?

A valóságot szeretnénk leírni, de nem hisszük, hogy létezik egy abszolút valóságleírás. Úgy mondta egy statisztikus, hogy minden modell hibás, csak némelyik hasznos.

Tehát nem létezik univerzális modell.

Az én esetemben az egyik legfontosabb volt annak felismerése, hogy az élelmiszer mikrobiológiája teljesen más matematikai leírást követel, mint a biotechnológia. Ugyanis ez utóbbi esetén a vizsgálat baktériumok magas koncentrációjára vonatkozik: ha elképzelünk egy köbcentimétert, mint a kisujjam hegye, mintha abban több millió baktérium lenne. Az élelmiszer-mikrobiológiai kutatások viszont olyan szituációkra fókuszálnak elsősorban, melyeknél csak néhány baktérium van ekkora térfogatban. Az első e témában írt cikkem éppen arról szólt, hogy nem lehet átvenni a biotechnológiában már jól bevált matematikai modelleket. Egészen más, új megközelítési módot kellett kitalálni.

Miért váltott? Miért kezdett a biotechnológia után élelmiszer-tudománnyal foglalkozni?

Miután az uppsalai egyetemen biotechnológiai kutatásban vettem részt vendégkutatóként, állandó állást kerestem. Szerencsémre az angliai élelmiszer-kutató intézet olyan matematikust keresett, akinek van valamilyen mikrobiológiai háttere. a későbbi főnököm, Terry Roberts a nyolcvanas évek végén felismerte, hogy élelmiszer-mikrobiológiában ugyanazt a lépést meg kell tenni, amit a biotechnológiában megtettek a hatvanas években: sokkal több matematikust kell alkalmazni. Viszont angliai jelentkező nem akadt.

Így a tudása igen fontos volt nekik?

Az biztos, hogy komoly erőfeszítéseket tettek annak érdekében, hogy ott dolgozhassak. Főnökömnek sokat kellett leveleznie a brit belügyminisztériummal, hogy egy vasfüggöny mögül érkező matematikust alkalmazhasson.

Miért volt szükség matematikusok bevonására? Mit kell modellezni az élelmiszerek esetén?

Lényegében az élelmiszerekben lévő baktériumokról akarunk többet tudni. Amikor az élelmiszer-gyártási folyamat zajlik, akkor a baktériumok számára folyamatosan változik a környezet, ehhez gyorsan alkalmazkodnak, s nagy valószínűséggel néhány vagy akár sok is túléli a feldolgozást.  Így mindig akad baktérium az ételben.

Egy folyamatosan változó viszonyrendszerben kell valamit előre jelezni?

Amihez differenciálegyenleteket használunk. Ezek nem azt mondják meg, hogy explicite hogyan növekszik a baktérium, hanem hogy milyen a növekedési sebessége egy adott szituációban. Kalmár László mondta egy gyönyörű hasonlattal, hogy a differenciálegyenlet olyan, mintha minden utcasarkon állna egy rendőr és mutatná, hogy merre menjek. Így az irány van megadva attól függően, hogy hol vagyok.

És miben volt új az a megközelítés, amit használt?

Egy kis matematikával kellene kezdeni: van a függvényeknek egy családja, a szigmoid görbék. Onnan kapták a nevüket, hogy S alakúak. Ha a közönséges életkörülményekről beteszek egy organizmust egy új környezetbe, akkor először alkalmazkodik, utána exponenciális fázisban növekszik, és mivel a környezeti erőforrások végesek, előbb-utóbb elérkezik a stacionális állapot. Ez a környezetnek az eltartóképességétől függ. Például mi, emberek a Földön az exponenciális fázisnak a végén járunk. A korábban élelmiszer-mikrobiológiában használt függvényektől eltérően az én modellemben a szigmoid görbének mechanisztikus alapja van: a kezdeti lappangási, azaz az alkalmazkodási idő egyaránt függ az új és a régi környezettől. Ebből következik, hogy figyelembe kell venni, hogy a baktérium honnan került az új környezetbe, hiszen ez határozza meg, hogy alkalmazkodás közben mi történik vele. Például, ha a legnagyobb problémám egy új környezetben, mondjuk Angliában, hogy nem tudok angolul, akkor először meg kell tanulnom a nyelvet. Csak utána kereshetek állást. Baktériumoknál ugyanez a helyzet: mi nem látjuk, hogy szaporodnának, de belül a szabályozási hálózatuk egy átalakuláson megy keresztül, s olyanná válik ami az új környezetre jellemző.

Baktérium növekedési görbéje szigmoid függvényt ír le, melynek első szakaszában látszólag semmi sem történik. Valójában csak osztódás nincs, de bonyolult molekuláris folyamatok zajlanak melynek során a sejtek szabályozási hálózata az új környezetnek megfelelővé alakul. Hogy milyen hamar történik meg ez a belső átalakulás, az nagyban függ attól, hogy a sejteknek milyen volt az előélete.

Akkor az alkalmazáshoz komoly ismeretek kellenek az adott baktériumról?

Éppen ezért a modellnek még elsősorban kutatásban van nagyobb jelentősége. Ugyanis a baktériumok fiziológiai állapotát és alkalmazkodóképességét nagyon nehéz kvantifikalni. Húsz éve ezen dolgozunk. Ennek kutatása során kerültem 2006-ban a hálózatkutatás közelébe.

Hogyan történt ez a kapcsolódás?

Véletlenül vettem le a washingtoni Dulles reptéren egy könyvet a polcról, s láttam, hogy magyar a szerzője. Azóta Behálózva címmel lefordították. Annyira tetszett, hogy írtam is Barabási Albert-Lászlónak; nagyon kedvesen fogadott. Ő mondta, hogy az én területemen is előrevivő lehet a hálózatkutatás szemlélete.

Milyen szinten? Baktériumok szintjén, vagy élelmiszer-hálózatok szintjén?

Elsősorban a baktériumok fiziológiai jellemzésére használjuk. A baktériumok génjeinek kapcsolódása is egy hálózatot alkot. És valamelyik hálózat alkalmasabb egy adott környezethez, valamelyik kevésbé. Így indultunk el ebbe az irányba munkatársaimmal, és egyre jobb eredményeink születtek. Közben máshol is alkalmaztuk a hálózatkutatást: legújabban az élelmiszer-kereskedelem hálózatát vizsgáljuk. 2012 tavaszán egy azóta sikeressé vált cikket írtunk belőle – sokan megkerestek a médiától és a tudomány világából is.

Ez miként segíthet például járványok esetén? Előrejelzés vagy vészforgatókönyv lehet?

Egyelőre még csak azt állapítottuk meg. hogy az élelmiszer-kereskedelem komplexitása növekszik, s ezzel nyomon követésük egyre nehezebbé válik. Erre a legjobb mutató, hogy míg az élelmiszer termelése arányos a populáció növekedésével, addig az élelmiszer-szállítás sokkal nagyobb mértékben növekszik. Ma egy átlagos kijevi csirkéhez több mint ötven ország járul hozzá. Lassan lehetetlenné válik azonosítani, hogy egy mérgezés vagy hamisítás honnan eredhet. Erre példa a 2011-es E.coli okozta járvány Németországban, vagy a mostani lóhúsbotrány Nagy-Britanniában.

A nemzetközi élelmiszer-kereskedelem hálózatának gerince

Ilyen esetben hogyan használjuk ezt a „térképet”? Visszakövethetjük egy adott élelmiszer útját?

A mi cikkünk alapján csak azt tudjuk megállapítani, hogy hol vannak a legfontosabb csomópontok. Például Rotterdamban és Szingapúrban van a világ két legnagyobb kikötője, mindkettőn közel kétszázezer hajó megy át évente. De Szingapúrba nem jönnek messziről és nem mennek messzire az áruk, míg Rotterdamba nagyon messziről jönnek és messzire jutnak. Itt nem kilométerben értem a távolságot, hanem hogy hány országon keresztül. Így általában sokkal nehezebb a nyomon követés, hiszen az áruk többsége ilyen csomópontokon megy keresztül és ott vegyülnek egymással. A holland-német határ a legkritikusabb pont. Így tudjuk, hogy az ilyen centrumoknál különösen fontos a megfelelő kontroll. És itt jön be a hálózatkutatás szépsége: analóg módon a baktériumok génhálózatában is az ilyen csomópontok lesznek az érdekesek.