یکشنبه ۱ آذر ۱۴۰۵ | ۰۳:۰۵
روایت اشک‌ها و لبخندهای ۵ پژوهشگر باتجربه

اشتباهاتی که به اکتشافات بزرگ ختم شد

روایت اشک‌ها و لبخندهای ۵ پژوهشگر باتجربه

پنج پژوهشگر باتجربه، از جمله یک فرد برنده جایزه نوبل به بن‌بست‌ها، اشتباهات و پافشاری‌های خود بر باورهای نادرست پرداخته‌اند؛ تجربه‌هایی که در شکل‌گیری مسیر علمی آن‌ها نقش داشته است.

به گزارش ایسنا، اشتباه کردن بخشی از ذات انسان است و فعالیت‌های علمی نیز از این قاعده مستثنی نیستند. پژوهشگران تازه‌کار معمولا روایت‌های زیادی از اشتباهات خود در آزمایشگاه یا محیط‌های پژوهشی دارند و از درس‌هایی می‌گویند که از این تجربه‌ها آموخته‌اند. اما دانشمندان ارشد نیز مرتکب اشتباه می‌شوند؛ آن هم نه فقط در سال‌های ابتدایی فعالیت حرفه‌ای خود.

به نقل از نیچر، گاهی رسیدن به یک بن‌بست، تنها راه عبور از یک مشکل بوده است. در مواردی دیگر، دانشجویان تحصیلات تکمیلی استادان خود را از دور ریختن داده‌هایی نجات داده‌اند که به ‌اشتباه تصور می‌شد نادرست هستند. دانشمندان باتجربه همچنین از خطرات بیش از حد فکر کردن به مسائل و پیامد آن، یعنی فلج شدن روند آزمایش‌ها و پژوهش‌ها آگاهند.

کاترین بدگلی، دیرینه‌شناس دانشگاه میشیگان در شهر آن آربر، می‌گوید: هر سال جلسه‌ای را با دانشجویان و پژوهشگران پسادکتری به گفت‌وگو درباره شکست‌ها اختصاص می‌دهم تا درباره این موضوع صحبت کنیم که خطاهای قضاوتی یا روش‌شناختی بخشی از زندگی دانشگاهی هستند. امیدوارم این کار به آن‌ها کمک کند تا به‌جای ناامید شدن و آسیب دیدن از اشتباهات، یاد بگیرند چگونه از آن‌ها درس بگیرند.

مجله نیچر با بدگلی و چهار دانشمند ارشد دیگر گفت‌وگو کرده است تا از شکست‌های آن‌ها و درس‌هایی که از این تجربه‌ها گرفته‌اند، بشنویم.

پیتر شاوهان: یاد گرفتن اینکه چگونه به نتیجه نرسیم، خودش یک مهارت است

فیزیکدان دانشگاه مریلند در کالج پارک و معاون سخنگوی همکاری علمی رصدخانه امواج گرانشی تداخل‌سنج لیزری (LIGO)

روایت اشک‌ها و لبخندهای ۵ پژوهشگر

در ۲۶ سال گذشته، با استفاده از رصدخانه امواج گرانشی «لایگو» (LIGO) در لوئیزیانا به دنبال امواج گرانشی بوده‌ام. این امواج بازتاب رویدادهای عظیمی مانند ادغام سیاه‌چاله‌ها یا برخورد ستاره‌های نوترونی هستند. چنین رویدادهایی موج‌هایی در فضا-زمان ایجاد می‌کنند و زمانی که این امواج بسیار ضعیف به زمین می‌رسند، شناسایی آن‌ها به ‌قدری دشوار است که دانشمندان برای تشخیص‌شان به کمک ابزارهای ویژه نیاز دارند؛ زیرا مشاهده آن‌ها صرفا با استفاده از نور یا تلسکوپ‌ها بسیار دشوار است.

برای مثال، رصد برخورد دو ستاره نوترونی با تلسکوپ‌ها به شناسایی اتم‌های طلا و پلاتین منجر شد و به یکی از پرسش‌های دیرینه دانشمندان پاسخ داد: منشأ حدود نیمی از تمام عناصر سنگین‌تر از آهن چیست؟ شناسایی چنین رویدادی با لایگو می‌تواند اطلاعات بیشتری در اختیار ما قرار دهد.  در نخستین آزمایش‌های لایگو، هیچ چیزی پیدا نکردیم. بعدها، حتی با استفاده از آشکارسازهای پیشرفته‌تر نیز باز هم به نتیجه‌ای نرسیدیم.

در واقع، ما در گزارش دادن نتایج منفی بسیار ماهر شدیم. به ‌تدریج تجربه زیادی در تشخیص مواردی پیدا کردیم که می‌توانستیم با اطمینان آن‌ها را رد کنیم. تا زمانی که نخستین موج گرانشی را در سال ۲۰۱۵ شناسایی کردیم، حدود ۱۰۰ مقاله درباره نتایج منفی منتشر کرده بودیم. این کشف در نهایت باعث شد بنیان‌گذاران لایگو در سال ۲۰۱۷ جایزه نوبل فیزیک را دریافت کنند.

یکی از این موارد بدون نتیجه، به سال ۲۰۱۰ بازمی‌گردد. در آن زمان، در حال تکمیل یک دوره رصد علمی بودیم؛ دوره‌ای که طی آن داده‌ها در یک بازه زمانی مشخص جمع‌آوری می‌شوند. در جریان این کار، به سیگنالی برخورد کردیم که می‌توانست نشانه یک رویداد مهم باشد و به نظر می‌رسید سرانجام به هدف خود رسیده‌ایم.

با این حال، احتمال می‌دادیم با یک «سیگنال ساختگیِ آزمایشی» (Blind Injection) روبه‌رو باشیم؛ روشی که در آن، برخی اعضای مجاز تیم، بدون اطلاع سایر پژوهشگران، سیگنالی غیرواقعی را به داده‌ها اضافه می‌کنند تا دقت و عملکرد روش‌های تحلیل و شناسایی سیگنال سنجیده شود. تحلیل داده‌ها را به پایان رساندیم، مقاله را نوشتیم و سپس از مدیر لایگو خواستیم پاکت مهروموم‌ شده‌ای را باز کند تا مشخص شود سیگنال ثبت‌شده واقعی بوده یا خیر.

مشخص شد که سیگنال واقعی نبوده است؛ اما این تمرین یک مشکل واقعی را آشکار کرد: موقعیت آسمانی که تحلیل‌های ما شناسایی کرده بود، با موقعیت شناخته‌ شده سیگنال مطابقت نداشت. دو آینه آشکارساز در جهت اشتباهی حرکت کرده بودند.

حدود یک روز طول کشید تا این اختلال را پیدا کنیم. این اتفاق نشان داد که می‌توانیم هنگام شناسایی یک نشانه واقعی، به ‌سرعت خطاهای خود را تشخیص دهیم و اصلاح کنیم؛ اتفاقی که پنج سال بعد واقعا رخ داد.

من همیشه به دانشجویانم می‌گویم که دانشمندان اشتباهات زیادی مرتکب می‌شوند. ما در بررسی متقابل داده‌ها و تحلیل دقیق نتایج بسیار محتاط هستیم و به همین دلیل تقریبا تمام این خطاها را شناسایی می‌کنیم. برخی از آن‌ها در عرض چند دقیقه، برخی طی چند روز و برخی دیگر پس از تلاش بیشتر کشف می‌شوند. در این مورد، چون آزمایشی طراحی کرده بودیم که خودش عملکرد ما را ارزیابی می‌کرد، توانستیم در حدود یک روز مشکل را پیدا کنیم.

هدف اصلی همین است. نه اینکه از اشتباه کردن جلوگیری کنیم، بلکه باید به ‌اندازه کافی روش‌های کنترلی طراحی کنیم تا بتوانیم خطاها را در سریع‌ترین زمان ممکن شناسایی کنیم. دانستن اینکه پیدا نکردن یک نتیجه چه معنایی دارد، اهمیت زیادی دارد؛ این خودش یک مهارت علمی واقعی است.

عمر یاغی: ذهنیت ثابت، دشمن کشف علمی است

شیمی‌دان دانشگاه چینهوا در پکن و یکی از برندگان جایزه نوبل شیمی ۲۰۲۵ برای پژوهش درباره چارچوب‌های فلزی-آلی

روایت اشک‌ها و لبخندهای ۵ پژوهشگر

در دهه ۱۹۹۰، استادیار دانشگاه ایالتی آریزونا در شهر تمپی بودم. گروه پژوهشی من تحقیقاتی را برای ساخت مواد متخلخل غیرآلی آغاز کرده بود. این مواد جامد دارای شبکه‌ای از حفره‌های بسیار کوچک و به‌ هم‌ پیوسته هستند که مانند اسفنج‌های مولکولی عمل می‌کنند و می‌توانند مولکول‌هایی مانند آلاینده‌های موجود در فاضلاب و گازهای سمی را روی سطح خود به دام بیندازند.

ما در این زمینه موفق بودیم و نتایج تحقیقاتمان ابتدا در مجله انجمن شیمی آمریکا (Journal of the American Chemical Society) و سپس در مجله «ساینس» (Science) منتشر شد.

مدتی بعد، یک دانشجوی دکتری برای پیوستن به آزمایشگاه من مراجعه کرد. او اعتماد به ‌نفس چندانی نداشت، زبان انگلیسی‌اش چندان خوب نبود و از طرفی زمان مناسبی برای انتخاب استاد راهنمای دکتری به شمار نمی‌رفت. به همین دلیل، بهانه‌ای آوردم تا او را نپذیرم. اما او همچنان مراجعه می‌کرد و برای کار کردن با من اصرار داشت.

سرانجام او را در گروه پژوهشی خود پذیرفتم. این دانشجو کار روی ترکیبات فلزی-آلی را آغاز کرد؛ نوع دیگری از مواد متخلخل.

من تصور می‌کردم این کار اتلاف وقت است. پژوهشگران از دهه ۱۹۵۰ این ساختارها را می‌شناختند، اما تاکنون کاربرد مفیدی برای آن‌ها پیدا نشده بود. زمانی که حفره‌های پرشده از حلال را خالی می‌کردند تا مولکول‌های دیگری مانند گازها را درون آن‌ها به دام بیندازند، ساختارها فرو می‌ریختند و عملا بی‌استفاده می‌شدند.

من معمولا آن‌ها را مجسمه می‌نامیدم؛ ساختارهایی زیبا که هیچ کاربردی نداشتند. دانشجو به کار خود ادامه داد و من همچنان نسبت به این حوزه بدبین بودم. پس از یک سال، برای بررسی نتایج او جلسه‌ای برگزار کردیم. همان‌جا متوجه شدم که در این زمینه فرصتی وجود دارد و در واقع می‌توانیم ترکیبات فلزی-آلی پایداری بسازیم.

چارچوب‌های فلزی-آلی (MOF) نیز موادی هستند که از حفره‌های بسیار کوچک تشکیل شده‌اند. اما ویژگی جالب آن‌ها این است که دانشمندان می‌توانند اندازه و شکل این حفره‌ها و همچنین ویژگی‌های شیمیایی درون آن‌ها را تغییر دهند.

به همین دلیل، امکان تنظیم ویژگی‌های این مواد بسیار بیشتر از مواد متخلخل غیرآلی مانند زئولیت‌ها است و آن‌ها می‌توانند برخی گازها را بسیار موثرتر به دام بیندازند. بعضی از چارچوب‌های فلزی-آلی قادر به انجام واکنش‌های شیمیایی هستند، برخی رسانای الکتریسیته‌اند و بعضی دیگر آن‌قدر پایدارند که می‌توان بارها از آن‌ها استفاده کرد.

دانشجوی من پیوندهای شیمیایی قدرتمندی را شناسایی کرده بود که به نسخه‌های اولیه این ساختارها پایداری می‌بخشیدند. در مدت کوتاهی، نتایج پژوهش ما در مجله «نیچر» منتشر شد.

این روش جواب داده بود. چند دهه بعد، با دانشجوی سابقم دیدار کردم. او برایم تعریف کرد که در آن دوران با مشکلات زیادی روبه‌رو بوده و چون هیچ‌کس دیگری حاضر به پذیرش او نشده بود، تصمیم گرفته بود شانس خود را با من که آن زمان استاد جوانی بودم، امتحان کند.

به اعتقاد من، علم بزرگ‌ترین عامل برابری فرصت‌ها است. یک کشف علمی می‌تواند فردی را از شرایطی بسیار ساده به بالاترین جایگاه حرفه‌ای برساند؛ همان‌طور که برای ما اتفاق افتاد.

من درباره یک حوزه پژوهشی نظر قطعی داشتم و به حرف دانشجویم گوش نمی‌دادم. اما او همچنان بر نظر خود پافشاری کرد. از طرف دیگر، من نیز این امتیاز را داشتم که دیدگاهم را تغییر دهم. نه دانشجو و نه استاد نمی‌توانند بدون همکاری یکدیگر به فعالیت علمی موفقی دست پیدا کنند.

کریس مارتین: اعتماد به‌ نفس بیش از حد می‌تواند به دام تبدیل شود

متخصص ژنتیک گیاهی در دانشگاه باکنل در لوییسبرگ پنسیلوانیا و رئیس انجمن گیاه‌شناسی آمریکا

روایت اشک‌ها و لبخندهای ۵ پژوهشگر

حدود ۲۵ سال است که گوجه‌فرنگی‌های وحشی استرالیا را مطالعه می‌کنم. گروه پژوهشی من نخستین گروهی بود که گونه‌ای با نام علمی Solanum ossicruentum  را توصیف کرد؛ گونه‌ای که به ‌دلیل ظاهر خاصش هنگام برش خوردن، به «گوجه‌فرنگی استخوان‌ خونین» معروف شده است. این کشف در سال ۲۰۱۶ توجه رسانه‌ها را به خود جلب کرد و اتفاق مهمی برای آزمایشگاه ما بود.

در سال ۲۰۱۷، آنجلا مک‌دانل، پژوهشگر پسادکتری به گروه ما پیوست. ما یک پروژه بزرگ ژنتیکی را برای ترسیم درخت تکاملی این گیاهان آغاز کردیم تا تاریخچه تکاملی خانواده گوجه‌فرنگی‌های وحشی را که سال‌ها مطالعه کرده بودیم، بهتر بشناسیم.

از گونه S. ossicruentum  دو نمونه از دو منطقه مختلف داشتیم. یکی از صحرای تانامی و دیگری از پارک ملی کیپ ریور؛ هر دو در شمال استرالیا قرار دارند.

وقتی نتایج آزمایش‌ها آماده شد، مشخص شد که این دو نمونه از نظر ژنتیکی تفاوت‌های قابل ‌توجهی دارند و در دو شاخه کاملا متفاوت از درخت تکاملی این گروه قرار می‌گیرند.

از نظر من، چنین چیزی غیرممکن بود. خودم نمونه‌ها را شناسایی کرده بودم و تصور می‌کردم حتما برچسب‌گذاری آن‌ها را اشتباه انجام داده‌ایم.

از آنجلا خواستم همه چیز را با دقت بررسی کند، اما او اطمینان داشت که چنین اشتباهی رخ نداده است. با این حال، نتایج برای من منطقی به نظر نمی‌رسید و حتی تا آستانه آن پیش رفتم که بگویم نمونه‌ای را که در جای اشتباه در درخت تکاملی قرار گرفته است، از تحلیل حذف کنیم و آن را یک خطا در نظر بگیریم.

دو سال پیش، هنگام بررسی پوشه‌های مربوط به نمونه‌های S. ossicruentum در مرکز نگهداری نمونه‌های گیاهی قلمرو شمالی استرالیا در شهر پالمرستون، متوجه نمونه‌هایی شدم که در پشت برگ‌هایشان نقاط عجیبی وجود داشت.

در ابتدا تصور کردم این نقاط نوعی کپک هستند، اما بعد به این فکر افتادم که شاید این نقاط، غده‌های شهدزای خارج‌ گل (Extrafloral Nectaries) باشند؛ غده‌هایی که در خارج از گل گیاه قرار دارند و شهد تولید می‌کنند.

سپس متوجه شدم گیاهانی که چنین نقاطی دارند، عمدتا به منطقه‌ای خاص در استرالیا، یعنی حاشیه شمالی صحرای تانامی تعلق دارند؛ دقیقا همان منطقه‌ای که قرار بود سفر بعدی‌ام به آنجا باشد.

وقتی به آن منطقه رسیدم، دیدم گیاهانی که این نقاط کوچک را روی برگ‌های خود داشتند، از شهد پوشیده شده‌اند و مورچه‌ها مشغول جمع‌آوری آن هستند. این سطح از تعامل میان گیاه و مورچه را پیش از آن ندیده بودم.

بررسی کردم تا ببینم آیا پروژه بزرگ ترسیم درخت تکاملی که آنجلا روی آن کار کرده بود، نمونه‌ای از این منطقه را نیز در بر می‌گیرد یا خیر. همان‌جا بود که نمونه‌ای را پیدا کردم که پیش‌تر تصور می‌کردم اشتباه شناسایی شده است.

دو نمونه‌ای که فکر می‌کردم متعلق به یک گونه هستند، در واقع در دو شاخه متفاوت درخت تکاملی قرار داشتند؛ زیرا به دو گونه متفاوت تعلق داشتند.

در حقیقت، جایگاه آن نمونه در درخت تکاملی، مهم‌ترین مدرک برای شناسایی گونه جدیدی بود که بعدها آن را با نام علمی Solanum nectarifolium توصیف کردیم.

اولین کاری که به ذهنم رسید، تشکر از آنجلا بود؛ چون اجازه نداده بود آن نمونه را از تحلیل‌های خود حذف کنیم. واقعا هیجان‌زده شده بودم.

پیش از آن، بیش از حد به دانسته‌های خود اطمینان داشتم. در مقابل، آنجلا مطمئن بود که مجموعه داده‌ها با دقت گردآوری شده و نتایج ژنتیکی نیز با روشی کاملا دقیق به دست آمده‌اند.

هرچه باتجربه‌تر شده‌ام، پذیرش عدم قطعیت برایم آسان‌تر شده است. وقتی چیزی با پیش‌فرض‌های ما مطابقت ندارد، باید آن را نتیجه‌ای جالب بدانیم؛ چراکه دقیقا همین اتفاق است که می‌تواند به کشف چیزهای جدید منجر شود. اکنون بهتر از گذشته می‌دانم که افراد کم‌ تجربه‌تر باید بتوانند نظرات خود را بیان کنند و به ‌ویژه زمانی که دیدگاهشان برخلاف باورهای رایج است، صدایشان شنیده شود. اگر به تاریخ علم نگاه کنیم، متوجه می‌شویم که پیشرفت علمی تنها از همین مسیر امکان‌پذیر بوده است.

کاترین بدگلی: دانستن اینکه چه زمانی باید متوقف شد، اهمیت دارد

دیرینه‌شناس دانشگاه میشیگان در آن آربر

روایت اشک‌ها و لبخندهای ۵ پژوهشگر

در دهه ۱۹۹۰، پژوهشگر وابسته به موزه دیرینه‌شناسی دانشگاه میشیگان بودم. سرژ لژاندر، همکارم که در آن زمان در دانشگاه مونپلیه فرانسه فعالیت می‌کرد، روش جدیدی را برای توضیح توزیع اندازه بدن گونه‌های منقرض‌شده پستانداران در فسیل‌ها به من معرفی کرد.

او از روشی گرافیکی به نام «سن‌گرام» (Cenogram) استفاده می‌کرد که در آن گونه‌های پستانداران یک زیستگاه بر اساس اندازه بدنشان رتبه‌بندی می‌شوند.

در اکوسیستم‌هایی که آب کافی دارند، نمودار به شکل خطی نسبتا پیوسته است؛ به این معنا که اندازه بدن گونه‌های مختلف فاصله چندانی با یکدیگر ندارد. اما در زیستگاه‌هایی که فصل‌های خشک طولانی دارند، در بخش میانی نمودار شکاف بزرگی دیده می‌شود؛ جایی که باید پستانداران با جثه متوسط قرار بگیرند. این موضوع معمای جالبی بود.

لژاندر متوجه شده بود که بسیاری از حیوانات با اندازه متوسط، میوه‌خوار هستند و میوه در تمام طول سال در محیط‌های خشک یا بسیار سرد در دسترس نیست. اگر این نظریه درست بود، شاید می‌توانستیم با بررسی اندازه بدن پستانداران موجود در مجموعه‌های فسیلی، شرایط آب‌وهوایی گذشته را تخمین بزنیم.

من اطلاعات آب‌وهوایی زیادی درباره زیستگاه پستانداران در نقاط مختلف جهان داشتم. به همین دلیل، من و لژاندر به همراه فیلیپ جینگریچ، دیرینه‌شناس دیگری که در آن زمان در دانشگاه میشیگان فعالیت می‌کرد، تصمیم گرفتیم پایگاه داده بسیار بزرگ‌تری از موقعیت‌های جغرافیایی ایجاد کنیم و متغیرهای اقلیمی را نیز به آن اضافه کنیم.

هدف ما این بود که مشخص کنیم آیا متغیرهای آب‌وهوایی می‌توانند شکاف مشاهده‌شده در اندازه بدن پستانداران را پیش‌بینی کنند یا خیر. آن‌قدر درباره این پروژه هیجان‌زده بودم که حتی طرح آن را برای نگارش یک کتاب آماده کردم و از انتشارات دانشگاه شیکاگو نیز قرارداد دریافت کردم.

اما هرچه داده‌های بیشتری جمع‌آوری می‌کردیم، تصویر به ‌دست ‌آمده مبهم‌تر می‌شد. پس از بیش از یک سال کار، چهار فصل از کتاب را نوشته بودم، اما مجبور شدم بپذیرم که در مقایسه با زمان شروع پروژه، نتایج کمتری در اختیار داشتیم.

می‌دانستم که داده‌ها ایرادی ندارند؛ زیرا پیش‌تر از همین پایگاه داده عظیم فسیل‌های پستانداران در پروژه‌های پژوهشی دیگری با موفقیت استفاده کرده بودم.

برای مثال، دانشجویان کارشناسی با استفاده از این اطلاعات نشان داده بودند که طول فصل رشد گیاهان، به‌عنوان یکی از متغیرهای اقلیمی می‌تواند تعداد گونه‌های میوه‌خوار و گیاه‌خوار را در یک بازه زمانی مشخص پیش‌بینی کند.

سرانجام متوجه شدم که هر قاره تاریخچه تکاملی و شرایط اقلیمی خاص خود را دارد و هیچ قاره‌ای دقیقا شبیه قاره دیگر نیست.

بزرگ‌ترین مجموعه داده‌های ما، مربوط به آفریقا و آمریکای شمالی بود؛ اما شرایط آب‌وهوایی این دو منطقه تقریبا هیچ هم‌پوشانی‌ای با یکدیگر نداشتند. بنابراین، داده‌های یکی از این مناطق هرگز نمی‌توانست الگوی مناسبی برای پیش‌بینی شرایط منطقه دیگر باشد.

در نهایت به این نتیجه رسیدم که ادامه دادن پروژه ارزش صرف زمان بیشتر را ندارد. وقتی این موضوع را با همکارانم در میان گذاشتم، واکنش مثبتی دریافت نکردم. همچنین مجبور شدم موضوع را به ویراستاران و مسئولان انتشارات اطلاع دهم و در نهایت قرارداد کتاب لغو شد.

این یک اشتباه صادقانه بود. اما پرسش مهم این است: چه زمانی باید از ادامه پروژه‌ای دست کشید که زمان و انرژی زیادی برای آن صرف کرده‌اید؟ به‌ عنوان یک پژوهشگر باید تشخیص دهید که ممکن است ایده‌ای در ابتدا فوق‌العاده به نظر برسد، اما در ادامه دیگر چنین نباشد.

ماریانجلا اونگریا: نجات به کمک روش علمی

میکروبیولوژیست شرکت تحقیقات کشاورزی برزیل (EMBRAPA) در شهر لوندرینا و برنده جایزه جهانی غذا در سال ۲۰۲۵

روایت اشک‌ها و لبخندهای ۵ پژوهشگر

تقریبا چهار دهه پیش، در نخستین شغل پژوهشی خود در شرکت تحقیقات کشاورزی برزیل، روی پایان‌نامه دکتری‌ام کار می‌کردم. دریافت این شغل خبر فوق‌العاده‌ای برایم بود؛ زیرا عاشق علم بودم و در آن زمان باید از دو دختر ۶ ‌ساله‌ام نیز حمایت می‌کردم.

حوزه پژوهشی من تثبیت زیستی نیتروژن است؛ فرایندی که در آن برخی باکتری‌ها نیتروژن موجود در جو را به آمونیاک تبدیل می‌کنند؛ ماده‌ای که گیاهان برای رشد خود از آن استفاده می‌کنند.

من روی باکتری‌های ریزوبیوم (Rhizobia) کار می‌کردم؛ باکتری‌هایی که با گیاهان خانواده حبوبات، مانند سویا، رابطه همزیستی برقرار می‌کنند.

این باکتری‌ها باعث تشکیل گره‌هایی روی ریشه گیاه می‌شوند. در این گره‌ها، باکتری‌ها نیتروژن را تثبیت می‌کنند و در مقابل، انرژی مورد نیاز خود را از گیاه دریافت می‌کنند. این فرایند باعث افزایش حاصلخیزی خاک و کاهش نیاز به کودهای شیمیایی می‌شود.

ما معمولا تشکیل گره‌های ریشه‌ای را با عملکرد گیاه مرتبط می‌دانیم. من می‌خواستم کارایی ۶۰ سویه مختلف باکتری ریزوبیوم را آزمایش کنم. برای این کار باید گره‌های ریشه را جدا می‌کردم. هر گیاه معمولا بین ۲۰۰ تا ۲۵۰ گره داشت و من باید آن‌ها را می‌شمردم و وزن می‌کردم تا بتوانم باکتری‌ها را با یکدیگر مقایسه کنم.

برای هر یک از ۶۰ سویه، پنج تکرار آزمایشی در نظر گرفته بودم. بنابراین، در مجموع ۳۰۰ گلدان داشتم که در هر کدام دو بوته لوبیا کاشته شده بود. این یعنی باید حدود ۱۲۰ هزار گره ریشه را جدا می‌کردم!

تعطیلات نزدیک بود و من هم رؤیای سفر و استراحت را در سر داشتم. اما کار جداسازی گره‌ها تمام‌شدنی نبود و هنوز آخرین مجموعه آزمایشی شامل ۶۰ گلدان باقی مانده بود. فکر می‌کردم مجبور شوم سفرم را لغو کنم.

در نهایت از یکی از کارکنان مجموعه که پژوهشگر نبود، خواستم برای تمام کردن این کار به من کمک کند. در ازای این کمک به او دستمزد دادم، تمام نمونه‌ها را با دقت برچسب‌گذاری کردم و روش جداسازی و دسته‌بندی آن‌ها را به او آموزش دادم. وقتی از تعطیلات برگشتم، او کار را تمام کرده بود. اما موضوعی را به من گفت که همه چیز را تغییر داد.

او گفت: بعضی از ظرف‌ها گره‌های خیلی کمی داشتند و بعضی دیگر بیش از حد پر بودند؛ بنابراین من گره‌ها را بین ظرف‌ها جابه‌جا کردم تا تعدادشان برابر شود! من بیش از دو ساعت پیاپی گریه کردم.

با دقت و وسواس زیادی از آن گیاهان مراقبت کرده بودم تا مطمئن شوم به ‌درستی آبیاری می‌شوند، هیچ آفتی به آن‌ها نزدیک نمی‌شود و تمام شرایط لازم برای رشدشان فراهم است. اما حالا تمام آن زحمات از بین رفته بود.

سرانجام توانستم آرام شوم و متوجه شدم که هنوز می‌توانم با استفاده از چهار تکرار آزمایشی نخست، یک تحلیل آماری معنادار انجام دهم. در واقع، طراحی آزمایش به روش بلوک‌های تصادفی، باعث نجات آزمایش من شده بود.

از آن زمان به بعد، تصمیم گرفتم تحت هر شرایطی، کار را در هر مرحله فقط با یک مجموعه از نمونه‌ها پیش ببرم.

ما به‌عنوان دانشمند باید آزمایش‌های خود را از ابتدا با دقت برنامه‌ریزی کنیم تا در برابر اتفاقات پیش‌بینی‌نشده مقاوم باشند. رویدادهای غیرمنتظره به ‌ویژه در سال‌های ابتدایی فعالیت حرفه‌ای، ممکن است بسیار بیشتر از آنچه انتظار داریم اتفاق بیفتند.

درس مهم دیگری هم گرفتم: هرگز بخش‌هایی از پژوهش خود را به فردی که آموزش‌های لازم را ندیده است، واگذار نکنید. هیچ‌وقت نمی‌دانید پیامی که منتقل می‌کنید، چگونه برداشت و اجرا خواهد شد.

انتهای پیام

# علمی‌ و دانشگاهی

آخرین اخبار علمی‌ و دانشگاهی