Η ψευδαίσθηση της αυτοκυριαρχίας

Ο Ed Yong σε αυτή την ομιλία του στο TED μιλάει για τα παράσιτα ως μονάδες ελέγχου άλλων οργανισμών. Θίγει πολλά θέματα, μεταξύ των οποίων και η ελεύθερη βούληση. Εντύπωση κάνει η δήλωσή του ότι ένας στους τρεις ανθρώπους έχει τοξόπλασμα στον εγκέφαλό του!

Τελικά πιο πιθανό είναι να ευθύνεται ένας άλλος οργανισμός μέσα μας για τη συμπεριφορά μας, παρά να μας ψεκάζουν.

Κουνούπια alien

Άλλη μία περίπτωση που ένα παράσιτο ελέγχει τον ξενιστή του. Τα μολυσμένα με το πλασμόδιο της ελονοσίας κουνούπια δείχνουν αυξημένη έλξη προς την ανθρώπινη μυρωδιά!

Smallegange, R.C., van Gemert, G.-J., van de Vegte-Bolmer, M., Gezan, S., et al. (2013) Malaria Infected Mosquitoes Express Enhanced Attraction to Human Odor. PloS one. [Online] 8 (5), e63602. Available from: doi:10.1371/journal.pone.0063602.

Νευροπαρασιτολογία

Στο τελευταίο τεύχος (January 2013; 216) του επιστημονικού περιοδικού Journal of Experimental Biology δημοσιεύεται μια εξαιρετική σειρά άρθρων με το γενικό τίτλο “Neural parasitology – how parasites manipulate host behaviour”. Πρόκειται για πολύ ενδιαφέροντα άρθρα σχετικά με το πώς οι παρασιτικοί οργανισμοί ελέγχουν τη συμπεριφορά των ξενιστών τους προς όφελός τους. Όλη η σειρά έχει άρωμα Richard Dawkins και της θεωρίας του περί extended phenotype. Όπως γράφει ο Editor του περιοδικού Michael Dickinson, “Neuroparasitology is a science where science meets science fiction”. Και συνεχίζει: “There is something horrifying and wondrous about a tiny ‘implant’ being able to control such a large animal machine”. Το ευχάριστο είναι ότι όλα τα άρθρα διατίθενται ελεύθερα.

Επαναλήψεις

Η στατιστική, θέλουμε-δε θέλουμε, είναι το μόνο εργαλείο που έχουμε για να πλησιάσουμε όσο μπορούμε την επιστημονική αλήθεια. Η κακή χρήση του εργαλείου δεν πρέπει να καταδικάζει το εργαλείο αυτό καθεαυτό. Η κακή χρήση της στατιστικής σε πολλές περιπτώσεις ευθύνεται για την κακή φήμη που έχει, ακόμα και στις τάξεις των επιστημόνων. Υπάρχει λοιπόν ανάγκη κάθε επιστήμονας να ελέγχει την ορθότητα των μετρήσεών του και των αποτελεσμάτων που εξάγει κάθε φορά, αλλά κυρίως των ερμηνειών που δίνει σε αυτά τα αποτελέσματα.

“…as with other methodological advances, the improvements to biological understanding they provide depend crucially on them being applied and interpreted correctly.”

Σε αυτό το άρθρο του περιοδικού PLoS Pathogens παρουσιάζεται η κακή χρήση της στατιστικής σε δημοσιεύματα σε -ακόμα και πολύ καλά- περιοδικά παρασιτολογίας. Επίσης, προτείνονται τρόποι αποφυγής τέτοιων σκοπέλων. Το άρθρο καταπιάνεται με το πρόβλημα των επαναλαμβανόμενων μετρήσεων στο ίδιο υποκείμενο, ένα πρόβλημα που συναντάται σε όλες τις βιολογικές επιστήμες και, από προσωπική πείρα, διαπιστώνω ότι σε μερικές περιπτώσεις είναι εξαιρετικά δύσκολο να γίνει κατανοητό. Ο εγκέφαλος μερικών -κατά τα άλλα πολύ καλών- επιστημόνων αρνείται πεισματικά να το κατανοήσει.

Μερικά αποσπάσματα από το άρθρο:

In a literature search of papers published in the last three years we found that, of 76 papers using mixed effects models to analyse infection data in seven high impact parasitology journals, only 25% of publications explicitly checked and/or controlled for temporal auto-correlation. This indicates a worrying trend and potentially a major problem with the validity of reported findings.

Advances in statistical methodology should provide important and useful tools for understanding infections and disease in just the same way as do advances in genetic, molecular, and immunological methods. Investing in learning how to effectively use tools, such as mixed effects models, pays by providing robust and novel insight into the roles of hosts and parasites in shaping patterns of disease. However, as with other methodological advances, the improvements to biological understanding they provide depend crucially on them being applied and interpreted correctly. Temporal correlation in time-course data can compromise statistical analyses by increasing the likelihood of false positives, yet this problem has been largely overlooked in parasitology. We strongly support the implementation of more sophisticated statistical analyses in which the assumptions underlying models are fulfilled to safeguard against inaccurate or misleading results and provide a solid foundation from which to progress understanding of disease.

Pollitt LC, Reece SE, Mideo N, Nussey DH, Colegrave N (2012) The Problem of Auto-Correlation in Parasitology. PLoS Pathog 8(4): e1002590. doi:10.1371/journal.ppat.1002590