Kuusamo.

Lähdin perheen kanssa hiihtolomaa viettämään Rukalle. Lumipeite on täällä selvästi paksumpi kuin Tampereella, ja lämpötila oli vielä sunnuntaina hienoisesti pakkasen puolella. Puut - joista suurin osa mökin ympäristössä on kuusia - olivat vielä eilen illalla paksujen tykkylumipaakkujen peitossa.   Tänä aamuna valitettavasti lämpötila oli noussut muutaman asteen, ja vesisade ilmeisesti tipauttanut käytännössä kaiken tykkylumen alas puista.

Ajoimme tänne lauantaina perätysten tuttavaperheen kanssa. Kyseisessä perheessä on melko tarkalleen meidän lastemme kanssa samanikäiset pojat. Heillä on oma mökkiosake muutama kilometri Rukan laskettelurinteeltä, Rukajärven toisella puolella. Heidän mökkinaapurinsa vuokrasi omansa meille kohtuuhintaan viikoksi. Hankin lasketteluvälineet ja murtomaasukset perheelle. Valitettavasti lähtöä edellisenä iltana huomasin että (murtomaa)mononi olivat hukassa, joten omiani en saanut mukaan. Olin elätellyt toivetta, että tänä talvena vihdoin vuosien jälkeen aktivoituisin hiihtämään, mutta kiireiden ja huonohkojen kelien yhdistelmä taisi pilata tämänkin vuoden suunnitelmat.

Sunnuntaina olimme laskettelurinteessä. Rukan rinteet ovat yllättävän lyhyitä. Omat kokemukseni laskettelusta ovat lapsuuden ajalta, Tampereen rinteistä lähinnä, ja olen muutaman kerran käynyt Himoksessa ja Ellivuoressa. Näihin verratuna Rukan rinteiden erikoisuus on lähinnä siinä että niitä on monta. Lisäksi hissit ovat huomattavan laadukkaita.  Kuusipaikkaisen tuolihissin kapasiteetti on vaikuttava, ja hissiin nousu on tehty ripeäksi ja vaivattomaksi, minkä vuoksi tehokasta laskuaikaa on suhteessa paljon enemmän kuin vaatimattomammissa rinteissä. Kuvaavaa on, että Tampereen rinteiden hissilippujen hinnat eivät ole merkittävästi halvemmat kuin täällä.

Laskeminen on yllättävän viihdyttävää. Hankkimani sukset ovat erimalliset kuin millä lapsena laskin, kantti ei ole suora, vaan kärki ja takaosa ovat selvästi leveämmät kuin painopisteen kohta. Tämä tekee käännöksistä keveämpiä. Lisäksi suksen takaosa nousee hieman enemmän kuin vanhemmissa suksissa, joten suksilla voi laskea myös takaperin, mikä on yllättävän hauskaa sekin. Kumpareisiin tai hyppyreihin en vielä uskaltautunut; laskin vahingossa parin pienen töyssyn yli, ja se muistutti miten tärkeää on jalkojen joustaminen. Illalla oli jo pimeää ja rinteen valojen jättämät varjot olivat hieman harhaanjohtavia, joten en huomannut yhtä töyssyä. En sentään kaatunut, mutta kaukana se ei ollut, ja selässä tuntui epämiellyttävältä.

Tänään teen suurimmaksi osaksi töitä. Olen tekemässä hakemusta ERC:n Starting grantista, koska tänä vuonna on viimeinen mahdollisuuteni hakea sitä. Rahoitus olisi 1.5 miljoonaa euroa viidelle vuodella, millä pyörittäisi pientä tutkimusryhmää. Mahdollisuudet saada ko. rahoitusta ovat aivan mitättömät, realistinen tavoite on saada hyvät lausunnot, ja arvokkaita kommentteja joilla suunnitelmaa parantaa. Asiaa monimutkaistaa hieman se, että paneelin puheenjohtaja on yksi minun co-authoreistani. Minun on itseasiassa käytännössä mahdotonta saada rahoitusta, koska vaikka minulla olisi kaikista hakijoista paras tutkimussuunnitelma, arviointikriteerinä käytetään myös hakijan CV:tä, ja käytännössä rahoitusta on mahdotonta saada, jos ei ole jo saanut rahoitusta. Tämä ns. bootstrapping ongelma on merkittävä.

Tutkimusideani on yksinkertainen. Kuten kaikki tiedämme, tiede on etupäässä ennustamista.  Lähdetään oletuksesta, että tutkimme äärimmäisen monimutkaista ilmiötä, jossa on monta keskenään vuorovaikuttavaa komponenttia, prosessia jne. Esimerkiksi jonkin organismin aineenvaihdunta on tällainen ilmiö; sen kokonaisuus on äärimmäisen monimutkainen ja koostuu valtavasta määrästä erilaisia toisistaan hienovaraisesti riippuvia prosesseja. Mikä hyvänsä malli, joka kuvaa tällaista järjestelmää "oikein", on auttamatta käytännössä mahdoton ratkaista laskennallisesti. Kombinatorinen räjähdys tuottaa sellaisen laskennallisen kompleksisuuden, että täydellinen, kaikkien muuttujien ennustaminen on mahdotonta.

Tähän tarkoitukseen tarvitaan abstraktiota. Abstraktio tarkoittaa, että huomio kiinnitetään vain niihin osiin järjestelmän mallia, joilla on jotain tekemistä ennustettavan suureen kannalta. Ongelman keskiössä on kuitenkin se, että abstraktio täytyy valita fiksusti, emmekä me voi varsinaisesti tietää, millainen abstraktio on tarkoituksenmukainen.

Voimme tehdä havaintoja järjestelmästä, mutta ongelmana on mm. se, että emme voi tai halua havainnoida koko järjestelmän tilaa kerralla. Esimerkiksi, emme halua ruiskuttaa ihmiseen myrkkyä nähdäksemme josko se tappaa. Sensijaan meillä on erilaisia "ikkunoita", eli teemme tietyistä muuttujista havaintoja järjestelmän osien suhteen. Esimerkiksi, teemme mittauksia soluviljelmistä petri-maljassa tms.

Oletetaan, että haluamme saada selville, toteutuuko jokin systeemitason skenaario. Esimerkiksi, organismi kuolee jos se altistuu tietylle kemikaalille. Etsimme mallista skenaarioita, jossa tämä toteutuu. Nämä skenaariot tuottavat erilaisia operationalisointeja, kun ne projisoidaan havainnoiksi. Kun teemme havainnot, saamme evidenssiä siitä, ovatko kyseiset skenaariot todennäköisiä. Mikäli koetulokset poikkeavat siitä, mitä malli sanoo, joko malli on virheellinen tai abstraktio väärin valittu. Muutoin saamme evidenssin vahvistusta, ja toteamme, että kyseinen skenaario on todennäköinen.

En mene teknisiin yksityiskohtiin sinänsä. Tarkoituksena on siis prosessi, joka automatisoi yksittäisten kysymysten kohdalla koko prosessin; puutteellinen informaatio paljastuu, ja tuloksena on avoin tutkimuskysymys, kun taas oikeaan osunut ennuste toimii evidenssinä mallin oikeellisuudesta. Sovellusalueenamme on tässä yhteydessä toksikologia; malli ennustaa aineen myrkyllisyyttä tai sitten ei ennusta; joka tapauksessa sen metabolisista vaikutuksista löytyy mallista jotain informaatiota. Koetulos toimii lähtötilanteena, mallia muokataan automaattisesti kunnes se "ennustaa" lähtötilanteen oikein. Tämän jälkeen malli ennustaa jonkin uuden tuloksen, joka varmistetaan kokeellisesti. Tämä tulos voi joko toimia evidenssinä toksisuudesta, tai sitä vastaan. Jos löydämme evidenssin toksisuudesta, voimme etsiä lisää vahvistusta in vitro kokeista, kunnes olemme riittävän varmoja. Jos taas emme löydä evidenssiä toksisuudesta, voimme siirtyä testaamaan in vivo. Mitä lähempänä alkupäätä evidenssiä on riittävästi, sitä halvemmalla saamme karsittua potentiaalisesti haitallisen yhdisteen ilman että täytyy testata eläimillä tai ihmisillä.

Itse en ole toksikologi, enkä biologikaan, mutta olen joutunut viimeisen parin vuoden aikana aika tavalla aiheesta lukemaan. Nytkin pitäisi tankata useampi paperi, nimenomaan operationaalisesta puolesta, jotta voin muotoilla erilaisia mäppäyksiä mittausten ja mallien välillä; mallit sinänsä eivät ole ongelma, koska niiden toiminnasta ymmärrän riittävästi.

En tiedä miten paljon saisin aikaan puolellatoista miljoonalla. Suunnitelman mukaan pääsisin sellaiseen vaiheeseen jossa prototyyppi kykenisi olemassaolevan julkisen datan pohjalta tuottamaan uskottavia esimerkkikeissejä. Roadmapin mukaan projektin loppupäässä olisi industry adoption. Realistisuudesta en osaa sanoa mitään. Ja pohdinta on sikäli turhaa, että rahaa ei kuitenkaan myönnetä.