Graecopithecus: Γεννήθηκε ο Άνθρωπος στην Ελλάδα πριν 7,2 εκατομμύρια χρόνια

 Η Μεγάλη Ανατροπή

Για περισσότερο από έναν αιώνα, η επιστημονική κοινότητα είχε καταλήξει σε ένα ακλόνητο δόγμα: η Αφρική είναι το μοναδικό «λίκνο της ανθρωπότητας». Από τη διάσημη «Λούσι» μέχρι τον  Sahelanthropus  του Τσαντ, τα στοιχεία έδειχναν νότια. Τι συμβαίνει όμως όταν η  ιζηματολογία , ο  παλαιομαγνητισμός  και μια σειρά από «ξεχασμένα» ευρήματα στην ευρωπαϊκή ήπειρο έρχονται να αμφισβητήσουν την απόλυτη κυριαρχία της Αφρικής;Δεν πρόκειται απλώς για μια νέα ανακάλυψη, αλλά για ένα επιστημονικό θρίλερ που ξεκινά από την κατοχική Αθήνα και καταλήγει να αναδιαμορφώνει τον χάρτη της εξέλιξής μας. Προετοιμαστείτε για την αποκάλυψη ενός κρίκου της αλυσίδας που η επίσημη ιστορία είχε αφήσει στη σκιά για δεκαετίες.

Η Ξεχασμένη Γνάθος της Κατοχικής Αθήνας

Η αφετηρία της ανατροπής βρίσκεται στο 1944. Ενώ η Αθήνα σπαρασσόταν από την Κατοχή, ο Γερμανός γεωλόγος Μπρούνο φον Φράιμπεργκ, επιβλέποντας οχυρωματικά έργα σε ένα αγρόκτημα στον Πύργο Βασιλίσσης, ήρθε αντιμέτωπος με ένα παράξενο απολίθωμα: μια κάτω γνάθο.Για δεκαετίες, το εύρημα υποτιμήθηκε ως ένα «κοινό σαγόνι πιθήκου» και κατέληξε να φυλάσσεται με μια δόση ειρωνικής απαξίωσης μέσα σε ένα πλαστικό  δοχείο φαγητού (Tupperware) . Χρειάστηκε η επιμονή της Madeleine Böhme για να ανασυρθεί από ένα χρηματοκιβώτιο, συνοδευόμενο από τη σχεδόν προφητική εντολή του παλαιού επιμελητή:«Αυτό είναι το πιο πολύτιμο κομμάτι από τη συλλογή μας... παρακαλώ φροντίστε το».Η σύγχρονη ανάλυση με τομογράφους υψηλής ευκρίνειας αποκάλυψε το μυστικό του  Graecopithecus freybergi  (του «El Graeco»): οι ρίζες των προγομφίων του ήταν μερικώς συγχωνευμένες. Στην παλαιοανθρωπολογία, αυτό είναι το «δακτυλικό αποτύπωμα» της ανθρωπότητας. Ενώ οι χιμπατζήδες έχουν σαφώς διαχωρισμένες ρίζες, ο El Graeco, ηλικίας  7,175 εκατομμυρίων ετών , παρουσιάζει την ανατομική μετάβαση που τον τοποθετεί στη δική μας εξελικτική γραμμή, καθιστώντας τον παλαιότερο από κάθε αντίστοιχο αφρικανικό εύρημα.

Η Ανατροπή της Υπόθεσης της Σαβάνας: Γιατί το Λίκνο δεν ήταν Δάσος

Η παραδοσιακή «Υπόθεση της Σαβάνας» υποστήριζε ότι οι πρόγονοί μας στάθηκαν όρθιοι όταν τα δάση της Αφρικής υποχώρησαν. Όμως υπάρχει ένα πρόβλημα: πριν από 7 εκατομμύρια χρόνια, η Αφρική ήταν ακόμα κατάφυτη από πυκνά δάση. Αντίθετα, η Νοτιοανατολική Ευρώπη ήταν ήδη μια ανοιχτή σαβάνα.Τα στοιχεία από τη  μελέτη των φυτόλιθων  και η παρουσία σκόνης από τη Σαχάρα στα ιζήματα της Ελλάδας και της Βουλγαρίας είναι αποκαλυπτικά. Οι ερευνητές εντόπισαν επίπεδα σκόνης που έφταναν τα  250 γραμμάρια ανά τετραγωνικό μέτρο ετησίως  — μια ποσότητα που συναντάται σήμερα μόνο στη ζώνη του Σαχέλ. Σε αυτό το σκληρό, ξηρό περιβάλλον, ανάμεσα σε προϊστορικούς ελέφαντες, καμηλοπαρδάλεις και ρινόκερους, οι πρώτοι ανθρωπίδες της Ευρώπης αναγκάστηκαν να εγκαταλείψουν την αναρρίχηση και να υιοθετήσουν τον διποδισμό για να επιβιώσουν στις ανοιχτές εκτάσεις.Τα Ίχνη στον Τράχυλο της Κρήτης: Η «Απόλυτη Απόδειξη»

Αν η γνάθος του El Graeco είναι η ένδειξη, τα ίχνη στον Τράχυλο της Κρήτης είναι η «απόλυτη απόδειξη» (smoking gun). Το 2002, αποκαλύφθηκαν αποτυπώματα ηλικίας  6 εκατομμυρίων ετών , τα οποία οι επιστήμονες περιγράφουν ως ένα:«στατικό απόσπασμα ταινίας σε πέτρα που απεικονίζει μια οικογένεια ζωντανών ανθρωποειδών».Σε αντίθεση με τα ίχνη των πιθήκων, αυτά του Τράχυλου δεν έχουν νύχια, διαθέτουν διακριτή φτέρνα και ένα μεγάλο δάχτυλο ευθυγραμμισμένο με το υπόλοιπο πόδι. Είναι η «ζωντανή σάρκα» που αποδεικνύει συμπεριφορά: μια ομάδα που περπατά όρθια στην άκρη μιας λιμνοθάλασσας, τουλάχιστον 2,4 εκατομμύρια χρόνια πριν από τα περίφημα ίχνη του Λαετόλι στην Τανζανία.

Ο «Udo» και το Μεταβολικό Κόστος της Ευφυΐας

Η ανακάλυψη του  Danuvius guggenmosi  στη Βαυαρία προσθέτει μια κρίσιμη παράμετρο: τη νοημοσύνη. Το απολίθωμα, που ονομάστηκε χαϊδευτικά  «Udo»  προς τιμήν των 70ών γενεθλίων του Γερμανού ροκ σταρ Udo Lindenberg (καθώς τα τραγούδια του ακούγονταν στο ραδιόφωνο την ώρα της ανασκαφής), χρονολογείται στα  11,6 εκατομμύρια έτη .Ο Udo δεν ήταν ένας απλός πίθηκος. Παρουσίαζε μια μοναδική υβριδική κίνηση, περπατώντας με  ίσια γόνατα , ενώ διέθετε εγκέφαλο συγκρίσιμο σε μέγεθος με χιμπατζή. Όπως επισημαίνει ο παλαιοανθρωπολόγος David Begun, ο μεγάλος εγκέφαλος είναι «μεταβολικά ακριβός». Οι Ευρωπαίοι πίθηκοι δεν θα τον διατηρούσαν αν δεν τον χρησιμοποιούσαν για να επιλύσουν σύνθετα προβλήματα επιβίωσης σε ένα μεταβαλλόμενο περιβάλλον, τοποθετώντας τις βάσεις για τη γνωστική εξέλιξη του είδους μας σε ευρωπαϊκό έδαφος.

Η Σαχάρα ως Φραγμός και Γέφυρα

Αν η αρχή έγινε στην Ευρώπη, πώς βρεθήκαμε στην Αφρική; Η απάντηση κρύβεται στη δυναμική του κλίματος. Πριν από 7,2 εκατομμύρια χρόνια, η Σαχάρα σχηματίστηκε ως μια αχανής έρημος, λειτουργώντας αρχικά ως απροσπέλαστο φράγμα.Ωστόσο, οι περιοδικές υγρές φάσεις μετέτρεπαν την έρημο σε μια «πράσινη γέφυρα». Κατά τη διάρκεια αυτών των περιόδων, οι πρώιμοι ανθρωπίδες μετανάστευσαν από την Ευρώπη προς τον Νότο μέσω της Μέσης Ανατολής. Ακολούθησαν τα οικοσυστήματα που γνώριζαν, μεταφέροντας την εξελικτική σκυτάλη στην Αφρική, όπου η ιστορία μας συνέχισε να γράφεται για τα επόμενα εκατομμύρια χρόνια.

Ένα Νέο Κεφάλαιο στην Ιστορία μας

Τα ευρήματα από την Ελλάδα, την Κρήτη, τη Βουλγαρία και τη Γερμανία δεν ακυρώνουν την Αφρική, αλλά την επαναπροσδιορίζουν ως τον τόπο όπου η ανθρωπότητα  συνέχισε  την πορεία της, όχι απαραίτητα εκεί όπου την  ξεκίνησε . Η εξέλιξη είναι μια διηπειρωτική εποποιία που δεν υπακούει σε σύγχρονα γεωγραφικά σύνορα.Το ερώτημα που παραμένει είναι: πόσα ακόμη «πολύτιμα κομμάτια» βρίσκονται θαμμένα στα ιζήματα της Μεσογείου, περιμένοντας να μας υπενθυμίσουν ότι η καταγωγή μας είναι πολύ πιο σύνθετη και συναρπαστική από ό,τι τολμούσαμε να φανταστούμε;

🚀 Η ιστορία της ανθρωπότητας ξαναγράφεται – και η αρχή είναι Ελληνική!

Ξεχάστε όσα ξέρατε για το αποκλειστικό «λίκνο» της Αφρικής. Νέα επιστημονικά δεδομένα φέρνουν την Ευρώπη στο επίκεντρο της εξέλιξης! 

🌍🦴🔹  El Graeco (7,175 εκ. έτη):  Μια γνάθος από την Αθήνα που βρέθηκε στην Κατοχή, αποδεικνύει ότι οι ρίζες μας βρίσκονται στα Βαλκάνια. 

🔹  Τα Ίχνη της Κρήτης:  Η «απόλυτη απόδειξη» διποδισμού 6 εκατομμύρια χρόνια πριν – πολύ παλαιότερα από κάθε αφρικανικό αποτύπωμα. 

🔹  Udo ο Βαυαρός:  Ο χαμένος κρίκος 11,6 εκ. ετών που περπατούσε με ίσια γόνατα στη Γερμανία. 

🔹  Η Ευρωπαϊκή Σαβάνα:  Γιατί οι πρόγονοί μας στάθηκαν όρθιοι στην Ελλάδα πριν η Αφρική χάσει τα δάση της.Η επιστήμη δεν είναι στατική. Είναι μια συνεχής ανακάλυψη. Είστε έτοιμοι να γνωρίσετε τον πρώτο «Έλληνα» πρόγονό μας;

👇 

#Paleoanthropology #Evolution #ElGraeco #HistoryRewritten #ScienceStorytelling #Greece

AI: Επανάσταση στην Ανακάλυψη Φαρμάκων

 

Η παραδοσιακή διαδικασία ανακάλυψης ενός φαρμάκου θυμίζει συχνά την αναζήτηση μιας βελόνας στα άχυρα, με τη διαφορά ότι τα άχυρα έχουν το μέγεθος ενός βουνού και η βελόνα μπορεί να μην υπάρχει καν. 

Ιστορικά, για να φτάσει ένα νέο σκεύασμα στο ράφι του φαρμακείου, απαιτούνται κατά μέσο όρο 10-12 χρόνια, επενδύσεις που ξεπερνούν τα 2,5 δισεκατομμύρια δολάρια και ένα ποσοστό αποτυχίας που αγγίζει το 90% στις κλινικές δοκιμές.

Σήμερα, το 2026, βρισκόμαστε στο σημείο καμπής. 

Η Τεχνητή Νοημοσύνη (AI) δεν είναι πλέον μια υπόσχεση του μέλλοντος, αλλά ο κινητήρας που μετασχηματίζει τη φαρμακευτική βιομηχανία. 

Από την πρόβλεψη της δομής των πρωτεϊνών έως τον σχεδιασμό μορίων που δεν έχουν υπάρξει ποτέ στη φύση, η AI αλλάζει τους κανόνες του παιχνιδιού.

Πριν κατανοήσουμε πώς η AI βοηθάει, πρέπει να δούμε γιατί τη χρειαζόμαστε. 

Στη βιομηχανία υπάρχει ο Νόμος του Eroom (το αντίστροφο του νόμου του Moore). 

Ενώ στους υπολογιστές η ισχύς διπλασιάζεται κάθε δύο χρόνια, στην ανακάλυψη φαρμάκων η παραγωγικότητα υποδιπλασιάζεται κάθε εννέα χρόνια σε σχέση με τα δολάρια που δαπανώνται.

Υπάρχουν περίπου πάρα πάρα πολλά φαρμακευτικά μόρια. Είναι αδύνατον για τους ανθρώπους επιστήμονες να τα εξετάσουν όλα.Θα χρειάζονταν χρόνια και χρόνια προκειμένου να εξεταστούν όλα!

Εδώ μπαίνει η AI!

Από την άλλη το ανθρώπινο σώμα είναι ένα χαοτικό σύστημα αλληλεπιδράσεων. 

Ένα φάρμακο μπορεί να θεραπεύει το συκώτι αλλά να καταστρέφει την καρδιά (τοξικότητα).

Σημειωτέον ότι πολλά φάρμακα λειτουργούν στο εργαστήριο (in vitro) ή σε ποντίκια, αλλά αποτυγχάνουν παταγωδώς στους ανθρώπους.

Η AI εφαρμόζεται σε τέσσερα κύρια στάδια, μειώνοντας δραστικά τον χρόνο και το κόστος.

Το πρώτο βήμα είναι να βρούμε "τι φταίει". 

Ποια πρωτεΐνη ή ποιο γονίδιο προκαλεί την ασθένεια;

Η AI αναλύει τεράστιους όγκους δεδομένων από:Γονιδιωματικές αλληλουχίες.Επιστημονικές δημοσιεύσεις (χρησιμοποιώντας NLP - Φυσική Επεξεργασία Γλώσσας).Ιατρικούς φακέλους.

Η AI μπορεί να εντοπίσει κρυμμένες συσχετίσεις που ένας άνθρωπος θα χρειαζόταν δεκαετίες για να διαβάσει, υποδεικνύοντας νέους βιολογικούς στόχους για ασθένειες όπως το Αλτσχάιμερ ή ο καρκίνος

Αντί να ψάχνουμε σε βιβλιοθήκες υπαρχόντων χημικών, χρησιμοποιούμε Παραγωγική Τεχνητή Νοημοσύνη (Generative AI). Όπως το ChatGPT δημιουργεί κείμενο, αυτά τα μοντέλα "γράφουν" χημικές δομές.

GANs (Generative Adversarial Networks): Δύο νευρωνικά δίκτυα ανταγωνίζονται: το ένα δημιουργεί μόρια και το άλλο τα κρίνει. Στο τέλος, προκύπτουν μόρια με τις ιδανικές ιδιότητες (π.χ. χαμηλή τοξικότητα, καλή απορρόφηση).

Πριν ένα φάρμακο πάει στο εργαστήριο, η AI προβλέπει το προφίλ ADMET (Absorption, Distribution, Metabolism, Excretion, Toxicity).

Θα απορροφηθεί από το στομάχι;Θα το διασπάσει το συκώτι πολύ γρήγορα;Είναι τοξικό για τα κύτταρα;

Η δυνατότητα να απορρίπτουμε "κακά" μόρια ψηφιακά (in silico) εξοικονομεί εκατομμύρια δολάρια.

Η AI βοηθά στην επιλογή των κατάλληλων ασθενών για τις δοκιμές. Αναλύοντας βιοδείκτες, μπορεί να προβλέψει ποιοι ασθενείς θα ανταποκριθούν καλύτερα στη θεραπεία, μειώνοντας τον κίνδυνο αποτυχίας της δοκιμής λόγω "θορύβου" στα δεδομένα.

Οι πρωτεΐνες είναι οι "εργάτες" του σώματος. Η λειτουργία τους εξαρτάται από το τρισδιάστατο σχήμα τους (αναδίπλωση). Για 50 χρόνια, η πρόβλεψη αυτού του σχήματος από την αλληλουχία αμινοξέων ήταν το "Άγιο Δισκοπότηρο" της βιολογίας. Το AlphaFold έλυσε αυτό το πρόβλημα, παρέχοντας δομές για σχεδόν όλες τις γνωστές πρωτεΐνες.

Γιατί είναι σημαντικό; Αν ξέρεις το σχήμα της "κλειδαριάς" (πρωτεΐνη-στόχος), μπορείς να σχεδιάσεις με ακρίβεια το "κλειδί" (φάρμακο).

Χαρακτηριστικό	Παραδοσιακή Μέθοδος	Μέθοδος AI (2026)
Χρόνος Ανακάλυψης	4-6 χρόνια (μόνο η έρευνα)	12-18 μήνες
Κόστος	Υψηλό (δοκιμή και πλάνη)	Σημαντικά μειωμένο (στοχευμένη έρευνα)
Προσέγγιση	Screen υπαρχόντων μορίων	Σχεδιασμός νέων μορίων από το μηδέν
Ποσοστό Επιτυχίας	Χαμηλό (<10%)	Αναμένεται να διπλασιαστεί ή τριπλασιαστεί

Ήδη έχουμε τα πρώτα απτά αποτελέσματα:

Insilico Medicine: Το 2023-24, ένα φάρμακο για την ιδιοπαθή πνευμονική ίνωση, σχεδιασμένο εξ ολοκλήρου από AI, έφτασε στη Φάση ΙΙ των κλινικών δοκιμών. Η ανακάλυψή του πήρε λιγότερο από 18 μήνες.

Exscientia: Η πρώτη εταιρεία που έβαλε AI-σχεδιασμένο μόριο σε κλινικές δοκιμές σε ανθρώπους.

Moderna/Pfizer: Η χρήση υπολογιστικών μοντέλων ήταν κρίσιμη για την ταχεία ανάπτυξη των mRNA εμβολίων κατά της COVID-19.Παρά τον ενθουσιασμό, υπάρχουν εμπόδια:

Ποιότητα Δεδομένων.Αν η AI εκπαιδευτεί σε λανθασμένα πειραματικά δεδομένα, θα παράγει επικίνδυνα αποτελέσματα.

Συχνά δεν ξέρουμε γιατί η AI προτείνει ένα συγκεκριμένο μόριο. Στην ιατρική, η επεξηγησιμότητα είναι κρίσιμη.Ποιος κατέχει την πατέντα ενός φαρμάκου που σχεδίασε ένας αλγόριθμος; Οι ρυθμιστικές αρχές (FDA, EMA) ακόμα προσαρμόζονται.

Στο άμεσο μέλλον, η AI θα επιτρέψει τη δημιουργία φαρμάκων για "N-of-1" (έναν μόνο ασθενή). Αντί για ένα φάρμακο που λειτουργεί στον μέσο όρο του πληθυσμού, θα έχουμε θεραπείες προσαρμοσμένες στο δικό μας DNA, στον δικό μας τρόπο ζωής και στο δικό μας μικροβίωμα.

Επιπλέον, τα "Ψηφιακά Δίδυμα" (Digital Twins) θα επιτρέπουν στους γιατρούς να δοκιμάζουν ένα φάρμακο σε μια ψηφιακή προσομοίωση του ασθενούς πριν το χορηγήσουν πραγματικά, εξαλείφοντας τις παρενέργειες.

Και για τους ανησυχούντες η Τεχνητή Νοημοσύνη δεν αντικαθιστά τους βιολόγους ή τους χημικούς. Τους δίνει όμως "υπερδυνάμεις". Η ικανότητα να επεξεργαζόμαστε τη βιολογία ως πληροφορία μετατρέπει την ιατρική από μια επιστήμη παρατήρησης σε μια επιστήμη μηχανικής ακριβείας.

Είμαστε στην αρχή μιας χρυσής εποχής όπου ασθένειες που θεωρούνταν ανίατες μπορεί να βρουν τη λύση τους μέσα σε μερικές γραμμές κώδικα και μερικούς μήνες εργαστηριακών δοκιμών. Το στοίχημα πλέον δεν είναι αν η AI μπορεί να φτιάξει φάρμακα, αλλά το πόσο γρήγορα μπορούμε να την ενσωματώσουμε με ασφάλεια στην καθημερινή κλινική πράξη.

Η τεχνολογία προχωρά με εκθετικούς ρυθμούς. Αυτό που σήμερα φαίνεται ως "επιστημονική φαντασία", όπως η αυτόματη σύνθεση φαρμάκων σε οικιακούς εκτυπωτές μορίων, μπορεί να είναι η πραγματικότητα της επόμενης δεκαετίας.

Σκεφτείτε πως ήταν ο κόσμος πριν τους Η/Υ; και πως είναι σήμερα; 

Κάτι ανάλογο...

#AI #φάρμακο #υγεία #ανακαλύψεις #φαρμακευτική #ασθένεια