Микромир. Нейросеть Midjourney
Небольшая подборка бактерий и простейших одноклеточных живущие в этом мире по мнению нейросети.
Показать полностью
7
0 просмотренных постов скрыто
Марсианский сушняк, нейросеть на батарейках, полимер для голодных скотов
Марсианский сушняк, нейросеть на батарейках, полимер для голодных скотов
https://oper.ru/news/read.php?t=1051626443
00:00 Начало
00:31 Самая древняя космическая дыра
02:44 Нейросеть меняет батарейки
04:22 Ноу-хау шведских колхозников
06:27 Как упростить сложный выбор
07:44 Кому не страшны даже суровые условия
10:20 Марсианские реки, и куда они подевались
13:32 Что общего у Земли и Марса
Аудиоверсия:
https://oper.ru/video/getaudio/nauka_mars.mp3
Показать полностью
Симуляция активности коры головного мозга
Автоволновые процессы - это спонтанные колебания электрической активности мозга, имеющие волновую природу. Они обнаруживаются в виде осцилляций различных частот, известных как "мозговые ритмы".
Эти ритмы играют важную роль в регуляции нейронных сетей и межнейронной синхронизации. Они помогают координировать деятельность разных областей мозга и обеспечивают передачу информации между ними. Самые известные из них включают:
Дельта-волны (0,5 - 4 Гц) - связаны с глубоким сном и восстановлением организма.
Тета-волны (4 - 8 Гц) - обычно наблюдаются в состоянии сонливости, медитации или расслабления.
Альфа-волны (8 - 12 Гц) - ассоциируются с расслабленным бодрствованием, замкнутыми глазами и внутренней концентрацией.
Бета-волны (12 - 30 Гц) - преобладают в состоянии активного мышления, решения задач и фокусировки внимания.
Гамма-волны (30 - 100 Гц) - связаны с высокими когнитивными функциями, такими как восприятие, обработка информации и обучение.
Показать полностью
1
1
Заставил нейросеть решать ЕГЭ по биологии. Учителя больше не нужны?
Приветствую друзья, про возможности нейросетей сейчас не говорит только ленивый. Они могут рисовать детализированные картины по описанию, писать код, искать информацию в интернете за Вас и отвечать практически на любые вопросы.
Их распространение сейчас чем-то напоминает лесной пожар, люди активно экспериментируют и пробуют нейросети в роли дизайнеров, программистов, диетологов и даже наставников.
Я тоже решил познакомиться с этим явлением и посмотреть сможет ли чат бот на основе искусственного интеллекта справиться с единым государственным экзаменом по биологии и попутно выступить бесплатным репетитором.
Поскольку доступ к самому популярному чат боту ChatGPT платный и к тому же ограничен для жителей России, я решил выбрать другого помощника Sage, который доступен бесплатно для всех желающих (https://poe.com/sage).
По его собственным заверениям он как раз предназначен для решения задач связанных с различными науками.
Решать будем демонстрационный вариант ЕГЭ по биологии 2023 года с официального сайта разработчика ЕГЭ (Федеральный институт педагогических измерений).
Демонстрационный вариант предназначен для того, чтобы познакомить выпускников с заданиями и показать какие темы будут затронуты на экзамене в этом году. Когда я работал в школе, то учителя всегда использовали эти варианты для подготовки своих учеников.
Огромным плюсом будет и то, что вариант предоставляют сразу вместе с ответами, поэтому можно будет сразу подвергнуть решение нейросети экспертной оценке.
Структура экзамена
ЕГЭ по биологии состоит из двух частей. В первой части нам необходимо прочитать задание и дать краткий ответ состоящий из одного слова/цифры или числовой последовательности. Обычно эта часть проверяется автоматически. Апелляции по ней не принимаются.
Вторая часть экзамена состоит из заданий и задач, в которых необходимо дать развернутый ответ. Во время проверки эксперт проверяет ответ на наличие ключевых элементов за которые и выставляет баллы.
Давайте посмотрим сможет ли нейросеть справится с этими заданиями.
Первая часть
В первом задании возникает небольшое затруднение, нам необходимо заполнить таблицу, но мы не можем вставить её в поле ввода. Однако можно составить запрос, немного перефразировав задание.
Мы спрашиваем: "Каким признаком живых систем является свойство передачи аллелей от родителей потомкам?"
На что чат бот даёт абсолютно верный ответ: "Наследственность".
Развернутое описание не содержит биологических ошибок и верно передаёт суть процесса передачи генетической информации. На уроке за такой ответ вполне заслуженно можно было бы поставить твердую "5".
В следующем задании нам нужно обосновать результаты эксперимента.
Экспериментатор поместил зерновки пшеницы в сушильный шкаф. Как при этом изменились концентрация солей и количество воды в клетках семян?
Тут уже можно вставить вопрос целиком без изменений. Полученный ответ абсолютно верен и содержит даже больше информации, чем мы спрашивали. Чат бот любезно рассказал нам о том как высушивание семян влияет на их жизнеспособность.
В третьем задании необходимо поработать с числами. Нам необходимо рассчитать сколько нуклеотидов определённого типа будет содержать заданная молекула ДНК и сколько хромосом будет иметь половая клетка рыбы.
Чат бот прекрасно ориентируется в исходных данных и даёт очень подробное решение, обосновывая каждое действие и напоминая откуда он берёт те или иные числа для расчёта. Это удивительно, поскольку даже не все учителя так сильно заморачиваются с объяснением заданий (а часто и сами не могут их решить).
В четвертом задании вновь возникает проблема. Это генетическая задача. Одна из версий задания подразумевает работу со схемой, которую пока невозможно загрузить в чат бота. Зато с заданием, которое имеет лишь текстовое описание бот справляется превосходно.
Задание со схемой всё-же можно решить если перевести его в текстовый запрос, но для того, чтобы его сформулировать на основе схемы, ученик должен обладать базовыми знаниями в генетике.
Чтобы не задерживать Вас, далее я буду пропускать задания, которые чат бот выполняет без ошибок.
Первая ошибка
Специфика экзамена по биологии подразумевает работу ученика с различными изображениями. Умение распознавать биологические структуры на фотографиях и схемах очень важно. Чат боты (по крайне мере этот) пока не умеют считывать информацию с изображения, поэтому им довольно трудно формулировать ответы на основе лишь текстового запроса требующие работы с картинкой.
В вопросе про признаки характерные для растительной клетки, нейросеть впервые ошибается.
Нейросеть говорит примерно следующее: "Способность к биосинтезу белка не относится к признакам растительной клетки, поскольку эта способность свойственна всем типам клеток".
Логика в этом определённо есть, поскольку это не является исключительным признаком только растений, однако именно этот пункт и будет правильным ответом.
Я допускаю, что неточности могут возникать из-за того, что я формулирую запросы на русском языке, а нейросеть разрабатывалась и обучалась на данных от англоязычных пользователей. Скорее всего для людей отправляющих запросы на английском языке ответы будут более точными и правильными.
Промежуточное впечатление
Вообще чем дольше я работал с чат ботом, тем больше у меня было положительных впечатлений. Это удивительно, когда можно с такой скоростью получать систематизированную, подробную информацию практически по любому запросу.
Глубина знаний чат бота поражает, я специально пытался уличить нейросеть в ошибках или неточностях, но ничего не получилось. Мне приходилось тратить по 10 - 20 минут на изучение профильной литературы по запросам на которые нейросеть генерировала ответ за считанные секунды.
Конечно нейросеть не могла отвечать на все вопросы из экзамена подряд, главной проблемой по прежнему были рисунки и графики, но на мой взгляд ученик обладающий даже самыми минимальными знаниями троечника способен сформулировать запрос так, чтобы чат бот помог решить ему задание или применить дополнительные инструменты, например поиск по изображению и т.д.
С небольшими сложностями, методом задавания уточняющих и наводящих вопросов мне всё-таки удалось довольно быстро получить верные ответы на первую часть экзамена (кроме задания с растительной клеткой). Теперь можно переходить к заданиям с развернутым ответом.
Вторая часть
Переходим ко второй части экзамена. Она намного сложнее первой и требует от ученика глубоких биологических знаний. В ходе решения заданий потребуется работать с различными таблицами, рисунками и графиками.
Решение этих заданий будет сложным испытанием для нейросети.
Первое задание требует проанализировать большое количество данных на графике, составить гипотезу и объяснить её. Для решения с помощью чат бота потребуется подобрать правильные запросы, но за 3-5 минут можно прийти к верному решению и получить максимальный балл.
В следующем задании с рисунком если Вы знаете, что за процессы на нём изображены под буквами А и Б, то можно обойтись одним единственным запросом и получить за решение максимальное количество баллов.
Некоторые задания из второй части всё-таки невозможно решить не имея общего представления о том, что изображено на рисунке, например:
Остальные задания нейросеть решала с переменным успехом, вторую часть экзамена специально сильно усложняют, поэтому прямые запросы не позволяют получить верный ответ, необходимо дробить задание на отдельные элементы и спрашивать каждый следующий шаг отдельно, тогда есть шанс набрать 1-2 балла из 3 возможных.
Результаты
Поскольку вариант экзамена содержит одновременно несколько вариаций заданий, то результаты нейросети варьируются от 65 до 92 баллов в зависимости от комбинации заданий. Это очень хороший результат. Например, в прошлом году средний балл по биологии среди выпускников был равен 50.2.
Биология - это самый сложный из экзаменов ЕГЭ, что дополнительно добавляет уважения к чат боту.
Конечно нельзя говорить о результатах лишь на основе одного теста, но вот например график по ChatGPT (другой популярной нейросети).
По вертикали – процент людей, сдававших тот или иной экзамен хуже, чем GPT-4 (зелёный) / GPT-3.5 (синий столбик). Чем выше столбик – тем «умнее» модель по сравнению с человеком:
Согласно ему нейросеть ChatGPT 3.5 сдаёт экзамен по биологии лучше, чем ~60% учеников, что примерно соответствует нашим результатам.
Подводим итоги
Чат боты с искусственным интеллектом - это отличный инструмент для обучения. Если бы я до сих пор работал учителем, то не просто советовал, а рекомендовал бы своим ученикам использовать их для проверки своих решений, а учителям для составления конспектов и планов уроков.
Возможность попросить нейросеть не просто дать ответ, но и объяснить своё решение очень полезна в обучении. Можно неплохо сэкономить семейный бюджет на дополнительных занятиях и репетиторах.
Вот, что сама нейросеть думает по этому поводу.
С полученным ответом я полностью согласен и подписался бы под каждым словом.
Итоговое впечатление от чат бота у меня только положительные, я как будто провёл несколько часов в компании очень умного, тактичного и вежливого собеседника. Далеко не с каждым человеком можно также весело провести время.
У меня нет страха, что нейросеть лишит меня работы, у любой технологии есть лимиты и ограничения и спрос на живого человека будет всегда.
Автор со своими учениками:
Спасибо, что дочитали, если будут вопросы по теме статьи, можете задавать их в комментариях, постараюсь по возможности ответить.
Другие соц.сети проекта:
Дзен (блог про биологию)
Ютуб
Вконтакте
Карта для донатов: 4276 3100 3165 8117 (собираю на микроскоп мечты)
Показать полностью
20
Подборка обоев с микроорганизмами
Подборка абстрактных обоев для рабочего стола с микроорганизмами. Сделано с помощью нейросети Kandinsky 2.1. Делал для себя, но может кому-то тоже понравится эта мазня.
Скачать в высоком разрешении можно с Яндекс Диска по ссылке.
Показать полностью
2
ИИволюция в науке случилась шесть лет назад
ИИволюция в биотехе случилась шесть лет назад via t.me/SantryBlog
В 2018 году DeepMind показала AlphaFold — алгоритм машинного обучения, берущий последовательность аминокислот и реконструирующий белок, который из них получится. К 2022 году эта компания смоделировала 200 миллионов всевозможных белков для открытой базы. Некоторые из них я даже использовал в опытах с молекулярной визуализацией.
Лихорадка Рифт-Валли глазами алгоритмов
Несмотря на громкие заголовки, in silico и in vivo не одно и то же. Предсказания AlphaFold приходится тщательно проверять, но тогда машинное обучение начало серьезно менять биологию. Теперь оно, вероятно, спасет человечество как минимум от одного экзистенциального риска — бактерий, устойчивых к антибиотикам.
На фото: метициллинрезистентный золотистый стафилококк, от которого точно стоит избавиться.
От таких бактерий умирает больше миллиона человек в год, к 2050 году эта цифра может достигнуть 10 миллионов. В то время как на открытие одного нового антибиотика уходит около десяти лет. Точнее, уходило.
Недавно биофизики рассказали, как при помощи машинного обучения проанализировали десятки тысяч микробных геномов из еще одной открытой базы данных. В результате алгоритм нашел более 800 тысяч фрагментов ДНК, которые кодируют потенциальные антимикробные соединения. Более 90% из них не были описаны прежде. Три из 100 соединений, синтезированных исследователями, действительно вылечили лабораторных мышей. Осталось проверить еще 799 900 — работы хватит на всю жизнь.
Машинное обучение позволило буквально перетряхнуть все известное микробное разнообразие в поисках нужных соединений, но самое удивительное, что мы не ограничены живущими сейчас организмами. Похожим образом антибиотики ищут, например, в иммунной системе неандертальцев.
Синтезом найденных соединений пока что занимаются люди, но Science уже пишет о создании шести автоматизированных лабораторий. Такие системы будут оперативно проверять результаты работы нейросетей. Этот подход уже используют для создания светоизлучающих материалов. Биотех и фармацевтика на очереди.
Помните, как выглядят исследования в стратегических компьютерных играх? Выбираете направление, тратите ресурсы, ждете и получаете гарантированный результат. Последнего обещать не могу, но автоматизация лабораторий приближает нас к похожему сценарию.
Суть автономной науки проста: компьютеры генерируют и анализируют гипотезы, а роботы проводят эксперименты. Майкл Бронштейн (Michael Bronstein) из DeepMind описывает эволюцию научного процесса от нулевого поколения (люди с пробирками), до четвертого поколения, в котором искусственный интеллект полностью управляет циклом научных открытий. Это стало возможным благодаря трем важным прорывам:
Во-первых, машинное обучение. Во-вторых, цены на роботизированные манипуляторы снизились с 30 тысяч до 500 долларов. В-третьих, появились технологии создания лабораторий на чипах.
Передовые лаборатории внедряют полуавтономные системы для медицинских исследований и синтеза новых материалов, но самые интересные сценарии вероятно реализуются там, где человеческих возможностей не хватает.
Представьте будущее где алгоритмы непрерывно берут пробы, анализируют патогены, отслеживают их эволюцию и синтезируют вакцины. Автономные подземные и космические лаборатории проводят эксперименты с альтернативной эволюцией. Роботы создают персональные лекарства, проверяя эффективность на клеточных культурах конкретного пациента.
Однажды исследования в этих замкнутых системах создадут петлю обратной связи: искусственный интеллект генерирует данные, эти данные улучшают его работу, а усовершенствованные модели находят неочевидные связи для новых прорывов.
Но что, если однажды эта петля затянется слишком сильно? Что скажете, готовы ли вы доверить науку машинам?
Показать полностью
2
Нейросеть - определитель птиц по фотографии
Всем добрый день, думаю некоторые из пользователей Пикабу, слышали, что Гугл недавно выложил в открытый доступ нейросеть, которую пользователи могут научить тому, что сами захотят, а потом использовать эту нейросеть в своих проектах.
Ссылка на нее вот: https://teachablemachine.withgoogle.com
Я давно думал над тем, чтобы сделать определитель птиц на базе нейросетей, но в силу отсутствия специальных знаний, не мог эту идею реализовать. Теперь, когда ребята из Гугла дали возможность обучать нейросети без навыков программирования, моя мечта становится реализуемой.
Интерфейс такой
Всего-то и нужно сделать, что скормить нейросети пару десятков тысяч изображений птиц, делов-то!
Но я столкнулся с некоторой проблемой: картинки-то я беру большей части из Гугла и Яндекса, там классные фотографии, художественные, никаких смазанных и кривых кадров, все птицы выглядят супер. А это не совсем то, что мне нужно.
Основная идея, которую я преследую - возможность распознавать птицу даже, если фотография темна и полна ужасов, птица выглядит нечеткой, повернута не той стороной или видно только часть птицы, или она вообще мертва, больна, без крыла или глаза, ну, вы поняли.
Таких фоток мало, потому что кто будет выкладывать такое?
Собственно, я хочу обратиться к Силе Пикабу, ребята, если у вас есть фотки птиц, где вы точно знаете, что это за птица, но не стали бы выкладывать это в интернет, отправьте эти фотке мне, плиз. Или, если вы знаете, где достать такие фотографии, подскажите. Мне нужно ОЧЕНЬ много фотографий.
Фотки можно кидать на почту: kolodkinmv@yandex.ru
На данный момент я использовал 3500 фотографий, нейросеть знает 30 видов птиц, поиграться с ней можно тут: https://teachablemachine.withgoogle.com/models/Td7tfvks/
Список известных видов видно там же. Определяет она иногда хорошо, иногда не очень. Причины: использовано маловато изображений и маловато именно "не очень качественных" изображений.
В ближайшем будущем хочу добавить всех воробьинообразных, потому что их больше всего, потом возьмусь за остальные.
Комментарии, критика и пожелания приветствуются :)
Показать полностью
1
Как нейросеть видит обитателей микромира? Сравниваем с реальными фотографиями
Приветствую друзья, новости про нейросети сейчас буквально заполонили мир. Каждый день появляются десятки сервисов, которые предоставляют различные услуги: пишут тексты и код для программ, отвечают на любые вопросы, решают задания школьного и вузовского уровня и даже создают изображения по текстовому описанию.
Последнее меня заинтересовало больше всего. Мне тоже захотелось прикоснуться к этому явлению и посмотреть, как в представлении нейросети выглядят обитатели микромира, которым в большей степени посвящен мой блог.
Для генерации изображений была использована бесплатная нейросеть Kandinsky 2.1 от Сбербанка. Она работает прямо в браузере и не требует сложной настройки, поэтому любой из Вас может поэкспериментировать с ней.
Для того, чтобы Вам было интереснее, давайте сразу сравнивать полученные изображения с реальными фотографиями микроорганизмов.
Микромир в представлении нейросети
Амёба
В качестве первого примера я попросил нейросеть сгенерировать изображение амёбы. Запрос или как его ещё называют “промт” я постарался сделать максимально простым, чтобы посмотреть чистое виденье объекта нейросетью, без дополнительных уточняющих параметров.
Если вы хотя бы несколько недель смотрите мой блог, то знаете, что амёба - это одноклеточный микроорганизм, который не имеет постоянной формы тела. Для охоты и передвижения она использует выросты, которые называются ложноножками.
Изображение, полученное от нейросети выглядит вполне реалистичным и не содержит грубых биологических ошибок. Можно условно принять большой пузырёк внутри клетки за ядро, а остальные за органоиды и вакуоли. Внутри цитоплазмы даже можно увидеть частицы различных включений, так бывает и в реальной жизни.
Амёба в представлении нейросети и реальная фотография (SEM). Промт: Амёба. Микроорганизм. Стиль: 3D рендер
Ложноножки тоже присутствуют, а их форма и размер выглядят весьма реалистично.
Бактерии
Вторым запросом я попросил нейросеть нарисовать бактерий.
Бактерии - это самые многочисленные живые существа на нашей планете. Они бывают самых разнообразных форм: шарообразные, палочковидные, спиральные. Часто одиночные клетки собираются в грозди или цепочки, образуя сложные пространственные структуры. Интересно, как их представит нейросеть.
А вот и результат. То, что мы видим на картинке действительно немного похоже на бактериальную клетку, угадываются шарообразные и палочковидные структуры, но больше всего мне эта картинка напоминает бактериальные колонии, которые образуются на питательных средах в чашках Петри. Возможно нейросеть "вдохновлялась" этими изображениями.
Бактерии в представлении нейросети и реальная фотография (sem). Промт: Бактерии. Микроорганизм. Стиль: 3D рендер
Бактериальные и грибные колонии в чашке петри
Нематода (круглый червь)
Следующие в очереди на генерацию – круглые черви (нематоды).
Нематоды - это очень обширный тип червей, включающий более 24 000 видов, среди которых встречаются как паразитические, так и свободноживущие формы. Большинство представителей имеют микроскопические размеры, примерно до 3 мм в длину.
Тут всё пошло немного не по плану. Видимо нейросеть слишком буквально восприняла понятие "круглые черви" и на сгенерированном изображении буквально закольцевала бедную нематоду. Ещё одна ошибка заключается в том, что тело нематод не разделено на сегменты, а имеет полностью гладкую поверхность. Это хорошо видно на картинке справа.
Сегментированное тело свойственно кольчатым червям (например, дождевому червю), но это другой тип червей и к нематодам он не имеет никакого отношения.
Нематоды в представлении нейросети и реальная фотография (sem). Промт: Нематода. Круглый червь. Стиль: 3D рендер
Солнечник
Теперь давайте попросим нарисовать солнечника.
Солнечники - это группа простейших, характерной чертой которых является наличие острых лучевидных отростков - аксоподий, которые служат им для охоты и защиты.
На картинке от нейросети солнечник больше похож на какую-то свернувшуюся сколопендру, чем на микроорганизм, да и длина выростов слишком маленькая для представителей этой группы, однако занимательно, что нейросеть видимо ухватилась за название и добавила на изображение много света.
Солнечник в представлении нейросети и реальная фотография (sem). Промт: Солнечник. Микроорганизм. Стиль: 3D рендер
Однако солнечники вопреки своему названию не очень любят солнце и ультрафиолет. Их чаще можно встретить в толще воды, чем на поверхности, поскольку они не занимаются фотосинтезом, а поедают готовые органические вещества в виде пищевых частиц и других микроорганизмов.
Солнечник поедает коловратку
Тихоходка
Интересно, а как нейросеть справится с генерацией более сложных живых существ, например, тихоходки. Думаю, тихоходка в особом представлении не нуждается. Это один из самых известных микроорганизмов, с которым знакомы все, кто хотя бы раз интересовался микромиром.
Это многоклеточное животное имеет сложное строение. Можно выделить голову с ротовым аппаратом в виде стилета и туловище с четырьмя парами коротких ног.
Возможно из-за сложного строения организма, нейросети не удалось правильно воссоздать его образ. Получился какой-то фантастический пятилапый зверёк, на теле которого растут непонятные светящиеся структуры, напоминающие конидии плесневых грибов.
Тихоходка в представлении нейросети и реальная фотография (sem). Промт: Тихоходка. Микроорганизм. Стиль 3D рендер
Хлорелла
Ладно, давайте теперь загадаем что-нибудь попроще, например хлореллу.
Хлорелла - это одноклеточная зелёная водоросль. Её можно встретить в почве и практически любых пресных водоёмах. Своё название получила из-за большого количества зелёного пигмента в клетках - хлорофилла.
Клетка хлореллы устроена очень просто и не имеет органов передвижения (жгутиков и ресничек), а большую часть внутреннего пространства занимает один большой хлоропласт, который называют хроматофором.
Тут результат получился почти идеальным.
Видимо из-за примитивного строения, у нейросети отлично получилось визуализировать хлореллу. Мы видим просто огромный комок из зелёных шарообразных клеток. Примерно также она выглядит и в реальной жизни.
Хлорелла в представлении нейросети и реальная фотография. Промт: Хлорелла. Одноклеточная водоросль. Микроорганизм. Стиль 3D рендер.
Эвглена
Следующий организм представляет особый интерес, поскольку находится на стыке двух царств, являясь чем-то средним между животным и растением. Эвглена может питаться как за счёт фотосинтеза (у неё есть хлоропласты), так и поедая бактерий и других микроорганизмов.
Эвглена в представлении нейросети оказалась довольно интересной. С цветом она угадала, большинство Эвглен действительно имеют ярко зелёную окраску, форма тоже примерно соответствует реальности, хотя обычно она немного вытянутая.
Эвглена в представлении нейросети и реальная фотография (sem). Промт: Эвглена Зелёная. Микроорганизм. Стиль: 3D рендер
На картинке даже можно разглядеть кое какие элементы внутреннего устройства, давайте представим, что эти зелёные шарики внутри - хлоропласты. Единственный реальный недочёт, это отсутствие органа передвижения в виде жгутика на переднем конце тела, вместо него нейросеть дорисовала какие-то странные, похожие на ветви выросты.
Что же, на мой взгляд все изображения получились весьма достойными. Им можно найти применение в реальной жизни, например, для оформления кабинета или какой-нибудь презентации, а если самостоятельно доработать в фотошопе, то и в качестве интересных учебных пособий.
Лично мне было очень интересно рассматривать арты, находить несоответствия и пытаться угадать, чем нейросеть руководствовалась, когда их генерировала.
Спасибо друзья, больше интересных материалов про микромир Вы можете найти в моём профиле. Подписывайтесь на канал и до скорых встреч.
P.S. Если нажать на название микроорганизма в статье, то можно посмотреть про него короткий видеоролик из серии "Наглядная биология".
Другие соц.сети проекта:
Дзен (блог про биологию)
Ютуб
Вконтакте
Поддержать проект рублём (Boosty)
Показать полностью
14