Wrzesień 2026 · Wydanie #020
O zdrowiu, pamięci i jasnym myśleniu w mętnych czasach
Wydanie #020 · zdrowie, nauka, pamięć i kilka niepoważnych myśli
Cześć i gratulacje!
Udało nam się przeżyć kolejny tydzień. Przed Tobą solidna porcja wiedzy, dzięki której ten następny będzie jeszcze lepszy od poprzedniego!
OSTATNIE FILMIKI Z YOUTUBE
Wszyscy jesteśmy zajęci, więc jeśli przegapiłeś ostatnie odcinki na moim kanale YouTube, to możesz nadrobić zaległości tutaj:
Chudniesz, ale tłuszcz zostaje? Robisz ten błąd co noc
Śpisz za krótko i próbujesz schudnąć? Nie wykluczone, że jednym z Twoich kłopotów jest właśnie brak snu. Badania pokazują, że przy podobnym deficycie i niemal identycznej utracie kilogramów ilość utraconego tłuszczu może być zupełnie inna w zależności od długości snu. W filmie sprawdzam, jak brak snu wpływa na spalanie tłuszczu, ochronę masy beztłuszczowej, głód, apetyt, grelinę, leptynę, insulinowrażliwość i wybory żywieniowe.
Dwa testy na Helicobacter pylori, dwa różne wyniki. Który mówi prawdę?
Helicobacter pylori: test z kału ujemny, a oddechowy dodatni — który wynik mówi prawdę? W tym filmie na przykładzie rzeczywistych wyników pacjenta wyjaśniam, dlaczego dwa badania na Helicobacter pylori mogą dać zupełnie sprzeczne rezultaty i któremu z nich zaufać. Omawiam również różnice w czułości poszczególnych metod oraz kluczowe pułapki w diagnostyce H. pylori.
Czy post 16:8 pali mięśnie? Jak zjeść dość białka przy treningu siłowym
Pościsz albo chcesz 16 godzin, ale jednocześnie chcesz zjeść co najmniej 1,6 g białka na kilogram masy ciała. Da się to zrobić bez jedzenia gigantycznych porcji i bez ryzyka utraty mięśni? W tym odcinku przyglądam się temu, co pokazują badania. Ile białka naprawdę potrzebują osoby trenujące? Ile białka można wykorzystać z jednego posiłku? Czy 100 g białka naraz faktycznie się „marnuje”? I co dzieje się z mięśniami oraz tkanką tłuszczową podczas postu 16:8?
BADANIA NA TAPECIE I CO NOWEGO W ŚWIECIE
Licho nie śpi, ale to samo tyczy się świata nauki i doniesień z frontu medyczno-dietetycznego. Oto ciekawostki, które udało mi się wygrzebać w ciągu ostatniego tygodnia:
WIRTUALNY BIOTECH: AI WCHODZI W ROLĘ CAŁEGO ZESPOŁU R&D
W czasopiśmie „Science” zaprezentowano Virtual Biotech — wieloagentowy system AI zaprojektowany tak, aby naśladować strukturę zespołu badawczo-rozwojowego firmy biotechnologicznej. Zamiast jednego modelu wykonującego wszystkie zadania zastosowano wirtualnego dyrektora naukowego (Chief Scientific Officer), który rozdziela problemy pomiędzy wyspecjalizowane agenty zajmujące się m.in. genetyką, genomiką funkcjonalną, biologią chorób, analizą badań klinicznych czy chemią leków, a następnie integruje uzyskane wyniki. System obejmuje cztery „działy” naukowe, łącznie 11 podstawowych agentów oraz ponad 100 narzędzi analitycznych.
Jednym z największych testów platformy była analiza 55 984 badań klinicznych. W jej ramach uruchomiono ponad 37 tys. agentów analizujących poszczególne badania, a wyniki zestawiono m.in. z danymi genomicznymi i transcriptomicznymi. Zaobserwowano, że leki skierowane przeciwko genom wykazującym wysoką specyficzność dla określonych typów komórek były o 40% częściej związane z przejściem z fazy I do II, o 48% częściej z dotarciem do rynku oraz z 32% niższą częstością działań niepożądanych. Są to jednak zależności obserwacyjne, a nie dowód na związek przyczynowy.
Możliwości systemu sprawdzono również na konkretnych problemach związanych z rozwojem leków. W przypadku raka płuca połączono dane genetyczne, single-cell, przestrzenne i kliniczne, wskazując B7-H3 (CD276) jako potencjalny cel oraz proponując strategię opartą na koniugacie przeciwciało–lek (ADC). W innym przykładzie przeanalizowano zakończone niepowodzeniem badanie terapii ukierunkowanej na OSMRβ w nieswoistym zapaleniu jelita grubego, próbując zidentyfikować możliwe mechanizmy braku skuteczności i zaproponować lepszą selekcję pacjentów na podstawie biomarkerów.
Virtual Biotech nie jest przedstawiany jako zamiennik eksperymentów ani ekspertów. Generowane wnioski i hipotezy nadal wymagają weryfikacji, a możliwości platformy są ograniczone jakością i zakresem dostępnych danych. Koncepcja pokazuje jednak kierunek rozwoju AI w biomedycynie: od pojedynczych narzędzi wykonujących określone analizy do zespołów wyspecjalizowanych agentów, które wspólnie przeszukują dane, analizują dowody i wspierają podejmowanie decyzji na kolejnych etapach rozwoju leków.

