Mennyire kiszámítható az emberi viselkedés?

– Kutatásai során olyan rendszerekkel foglalkozik, mint az emberek közössége, az internet vagy egy sejt anyagcseréje. Ezek nem tartoznak a fizikusok által hagyományosan vizsgált rendszerek közé, jóval összetettebbek. Miért válhattak ezek érdekessé egy fizikus számára? Mi tette lehetővé, hogy a fizika módszereit alkalmazhassák ilyen rendszerek vizsgálatára?

– Engem a komplex rendszerek viselkedése érdekel, melyek természettudományos vizsgálatát, matematikai modellezését az elmúlt években keletkezett rengeteg mérési adat teszi lehetővé. Az olyan rendszereket, ahol rendelkezésre állnak ezek az adatok, használjuk modellrendszereknek a kutatásaink során. Vegyük például a társadalmat, ahol az egyének folyamatosan kommunikálnak és kölcsönösen hatnak egymásra, vagy a gazdaságot, melyet a szereplők bonyolult kapcsolatrendszere működtet. De említhetjük az emberi sejtet is, amelyben molekulák és gének különféle reakciókon keresztül kapcsolódnak egymáshoz. Ami fejlődést láthattunk az utóbbi időben, az ahhoz kapcsolódik, hogy milyen helyen milyen típusú adat jelent meg. Vagyis tulajdonképpen most azt boncolgatjuk, valójában hogyan is néz ki egy komplex rendszer? Mi ezt alapvetően két irányból vizsgáljuk. Egyrészt hálózatelméleti megközelítésből, ennek során a komplex rendszer résztvevői által alkotott kapcsolatháló tulajdonságait és annak következményeit tárjuk fel. Másrészt a rendszer dinamikáját tanulmányozzuk, vagyis azt vizsgáljuk, hogy az egyes résztvevők bizonyos mérhető tulajdonságai időben hogyan változnak. Az elemzés tárgya mindig az a rendszer, aminek vizsgálatához megfelelő adatmennyiség áll a rendelkezésünkre. Ettől azt reméljük, hogy ha az egyik rendszerbeli viselkedést megértjük, és matematikailag le tudjuk írni azt, akkor mindezt átvihetjük más rendszerekre is.

– Második könyvében – a Villanásokban – az emberi viselkedés kiszámíthatóságával foglalkozik. Azért választották az embert a vizsgálatuk tárgyává, mert rólunk keletkezik a legtöbb adat?

– Pontosan. A társadalom az a rendszer, amelynek a dinamikája a legpontosabban követhető azon a rengeteg adaton keresztül, amely összegyűlik rólunk: a mobiltelefonokon, az interneten vagy az e-maileken keresztül. Mondjuk, egy sejt esetében az lenne ezzel ekvivalens, ha lenne valamilyen eszközünk, amivel minden egyes génnek az időbeli aktivitását tudnánk követni egyszerre, valós időben. Ám ilyen eszköz nincsen.
Ahhoz, hogy megértsük, hogyan működik a társadalom, meg kell érteni az emberi viselkedést. Mi nem pszichológusként, hanem fizikusként közelítünk, egy jól definiált, mérhető adatmennyiségen keresztül. Ám ehhez objektíven mérhető viselkedési formákat kell elemeznünk. Tegyük fel például, hogy a boldogságot szeretném megmérni. Ehhez fel kell tennem azt a kérdést, hogy az adott ember boldog vagy sem. A boldogság azonban erősen függ az egyéntől és annak körülményeitől. Lehet, hogy ön ennél az asztalnál még boldog, de a szomszéd asztalhoz ülve már boldogtalan lesz, és az is elképzelhető, hogy öt perc múlva megváltozik a véleménye. Ennél sokkal ésszerűbb, ha az emberi mozgást kutatom, ez esetben ugyanis nincs szubjektív elem: ön vagy itt van, vagy nem. Ha pedig nem, akkor valahol máshol létezik. Ugyanakkor számunkra nem az a fő cél, hogy tényleg megmondjuk, hogy ön várhatóan hol lesz holnap. Olyan módszereket szeretnénk kidolgozni, amelyekkel általában az emberi viselkedési formákra meg lehet csinálni ezt, azaz objektív adatokkal lehet kifejezni őket.

– Mit ért azalatt, hogy megértjük az emberi mozgást?

– A kutató számára a megismerés első lépése a helyes kérdésfelvetés, tulajdonképpen erről volt eddig szó: olyan mennyiséget kell vizsgálnunk, ami jól definiált és mérhető. A következő lépés egy matematikai modell felépítése, amely magyarázatot ad az adatainkra. A tudományos megismerés utolsó lépése, amikor a jelenség jósolhatóvá válik – végül is ez a megértésnek a tesztje. Például nem elégséges, hogy rájövünk, hogy a bolygók mozgását a newtoni törvények írják le. Igazán akkor mondhatjuk, hogy megértettük a jelenséget, ha meg tudjuk mondani, hogy hol lesz a Hold holnap vagy holnapután. Ugyanez érvényes az emberi viselkedési formákra is.

– Milyen pontossággal sikerült megjósolni az emberek jövőbeli helyzetét? Milyen feltételek szükségesek, hogy előreláthassuk egy személy mozgását?

– Az eredmények elég meglepőek voltak, ugyanis kiderült, hogy az emberi mozgás rendkívül repetitív, ebből kifolyólag nagyon jól jósolható. Ha egy embernek a trajektóriáját három hónapig órányi pontossággal követjük – azaz minden órában lejegyezzük, hogy hol volt az illető –, akkor lehetségessé válik egy olyan programnak a megírása, amelynek segítségével 93 százalékos pontossággal meg lehet jósolni, hogy az illető hol lesz holnap délután. Ez azt jelenti, hogy ez a program 100 esetből 7-ben tévedni fog, és 93 esetben sikeres lesz. Első hallásra hihetetlennek tűnhet ez a szám. Ez a jó arány azért lehetséges, mert alapjában véve nagyon kevés esélyünk van arra, hogy eltérjünk a napi megszokott rutintól: 8 óra munka, 8 óra pihenés, 8 óra szórakozás. A vizsgálataink szerint azonban mára ez az arány felborult, manapság úgy néz ki, hogy 10 órát töltünk a munkahelyünkön, 10 órát otthon, és 4 óra a tranzitidő a két hely között. A mai világban nincs az embereknek lehetőségük arra, hogy jelentősen eltérjenek a napi ritmusuktól.

Érdekes, hogy vannak olyan események, például a vakáció, vagy egy-egy késő éjszakáig tartó buli, melyek emléke meghatározóbb, dominánsan ez maradt meg az emlékeinkben. A rutint mindig elfelejtjük, de az igazság az, hogy az idő 90 százalékában rutinszerűen viselkedünk. Megdöbbentő, hogy a rendelkezésünkre álló adatok között nem találtunk olyan személyt, akinél a jósolhatóság 80 százaléknál alacsonyabb lett volna. Ez arra utal, hogy bár nagyon különbözőnek tűnünk, jósolhatóság szempontjából mégis hasonlóak vagyunk.

– Egy nagy létszámú kutatócsoport vezetője, egyszerre sok témán dolgoznak. A humán dinamikán kívül melyik kutatásukat emelné ki?

– Számomra most az egyik legizgalmasabb témát az orvostudományhoz kapcsolódó kutatások jelentik. Ezelőtt az egyszerűbb modellrendszereket, az E. coli baktériumot és az élesztőgombát vizsgáltuk, de körülbelül 5 évvel ezelőtt teljesen áttértünk arra, hogy az emberi sejt hálózatait próbáljuk megérteni. Egyrészt ugyanis az emberi betegségek megismerése mindig kiemelten fontos kérdés. Másrészt a humán genom projektnek köszönhetően olyan hihetetlen információmennyiség került a kezünkbe, hogy manapság – bár még mindig úgy gondoljuk, hogy az élesztőgomba és az E. coli jó modellrendszerek – már nagyon sokat tudunk az emberi sejtről is. Az elmúlt években tehát azt próbáltuk megérteni, hogy hogyan néz ki az emberi sejten belüli hálózat, és különösen azt, hogy mi ennek a hálónak a hatása az emberi betegségekre.

– A sejten belül milyen hálózatról beszélhetünk?

– Többféle hálózat van az emberi sejtben. Elemezzük a metabolikus hálót: azt vizsgáljuk, hogy az egyes metabolitok hogyan kapcsolódnak egymáshoz reakciókon keresztül. Másrészt a fehérjehálót: azt elemezzük, hogy mely fehérjék között vannak kölcsönhatások. Néha nézzük a regulációs hálót is: mely DNS szakaszok vannak kapcsolatban egymással a fehérjék expresszióján keresztül. Nincsen preferenciánk, a problémától függ, hogy melyik hálózathoz fordulunk. Minden sejtünk ugyanazzal a génkészlettel rendelkezik, csak különböző gének vannak bekapcsolva. Sejtjeink tehát ugyanazzal a hálózattal leírhatók, és ez a háló nagyon is véges, előbb-utóbb fel lehet térképezni. Pontos térképünk még nincs, de vannak megközelítő, pontosításra váró eredmények. Van körülbelül ezer ismert betegség, de valószínűleg ennél sokkal több van, csak nem tudjuk megkülönböztetni a fenotípusokat. Ez a néhány ezer betegség mind ugyanannak a hálózatnak a megbetegedéséből következik.

Képzeljük el ezt a térképet úgy, mint Budapest térképét. Mondjuk, ha a Nagykörút környékén akadozik a forgalom, az feleljen meg a rákos megbetegedéseknek. Ha a hidak dugulnak be, akkor metabolikus betegségeik vannak, és így tovább. Ha az egészet így fogjuk fel, akkor senkinek nem meglepő, hogy ha a hidakat lezárjuk, akkor a Nagykörúton is problémák lesznek a közlekedéssel. A betegségeket nem lehet egymástól függetlenül felfogni, hiszen ugyanarról a sejthálóról van szó. A kérdés az, hogy ha megértjük a hálót, meg tudjuk-e érteni a betegségek közötti kapcsolatokat. Például miért van az, hogy a cukorbetegség és a túlsúlyosság kéz a kézben járnak?

A betegségek hálózat szintű kapcsolatának mérhető következményei vannak. Kutatócsoportunk a Medicare – az amerikai egészségbiztosítási rendszer – adatbázisában szereplő adatokkal dolgozik, azt mérjük, hogy a kapcsolatban lévő betegségeket az egyének valóban kapcsoltan „kapják-e el”. Végül is az a mikroszkopikus információ, amit a sejt szintjén összeszedünk, felnagyítódik a táradalomban, és szekvenciális betegségek formájában válik megfigyelhetővé. Szerintem a betegségek hálózatszintű megértése megkerülhetetlen. A betegségek osztályozása, amivel ma az orvosok élnek, teljesen patológiai vonalon épült ki, tehát teljesen tünetekre alapozott, és nem veszi figyelembe, hogy pontosan mik az okai a betegségeknek. Ezért rengeteg különböző típusú betegség hasonló szimptómák miatt egy csoportba van összelapátolva. Más esetben pedig különböző tüneteknek ugyanaz az oka, mégis különböző betegségként kezelik őket. Alapjában véve újra kell értelmezni, hogy hogyan gondolkodunk a betegségekről. Ezt én mint fizikus, nyilvánvalóan nem tudom megcsinálni, viszont néhány orvos kollégámmal együtt a Harvardon éppen ezen dolgozunk. Célunk olyan alapokra helyezni a betegségek osztályozását, ami valamilyen módon tükrözi, hogy mi történik valójában.

– A betegségek osztályozásnak alapvető kérdésén kívül részt vesznek-e közvetlen gyógyszerfejlesztésben?

– Az alapkutatás és a gyógyszerfejlesztés párhuzamosan, kéz a kézben történik. Együtt dolgozunk gyógyszergyárakkal, különböző betegségfajták esetében próbáljuk megtalálni a sejten belül azt az alhálózatot, amely a legnagyobb valószínűséggel felelős a kór kialakulásáért. Ha ugyanis azonosítottuk ezt az alhálót, könnyebben lehet célpontokat találni a gyógyszeres beavatkozáshoz. De másokkal is együttműködünk, például Oltvai Zoltánnal Pittsburgh-ben, akivel arra próbálunk módszert kifejleszteni, hogy hogyan tudnánk gyorsan, szisztematikusan új antibiotikumokat előállítani. A helyzet ugyanis az, hogy manapság számszerűen többen halnak meg bakteriális fertőzésben, mint a penicillin felfedezése előtt. Ez azért van, mert erős rezisztencia alakult ki a baktériumokban, és persze azért is, mert manapság már sokkal több ember él a Földön. Mindig lehet tartani attól, hogy új kórokozó törzsek jelennek meg. A gyógyszergyárak ugyanakkor nem hajlandóak belefogni költséges antibiotikum-fejlesztésbe, mert a piac már jól le van fedve. Ez elég ijesztően hangzik, ezért kell kidolgozni hatékony, olcsó módszereket. És ez alapvetően egy hálózati probléma: hogyan lehet minél gyorsabban – csak a DNS szekvencia alapján, csupán számításokat alkalmazva – olyan lehetséges hatóanyagokat találni, amelyek elpusztítják a baktériumokat, méghozzá úgy, hogy közben az embert azért életben hagyják.

– Mennyire tart kapcsolatot Magyarországgal? Törekszik-e szakmai együttműködésre?

– Rengeteg hazai kutatóval, fizikusokkal és nem fizikusokkal is együtt dolgozom. Magyarországon létezik egy nagyon tehetséges és aktív, alapvetően hálózatokkal foglalkozó közösség, nagy hiba lenne kihagynom ezt a lehetőséget. Így gyakran, az elmúlt évben szinte havonta voltam Magyarországon. Rengeteg különféle kollaboráció épült ki, sok közös munkánk van Vicsek Tamás és Kertész János fizikusokkal, de dolgozunk az egészségügyi ellátórendszert felügyelő minisztériummal is az egészségügyi adatbázisok megértésén. Számomra Magyarország mind intellektuálisan, mind érzelmileg nagyon fontos bázis, és ezeket a kapcsolatokat nem szívesen adnám fel.

Életút:

Barabási Albert-László fizikus jelenleg professzor a bostoni Northeastern Egyetemen, ahol a Komplex Hálózatok Kutatóközpontját vezeti. Emellett a Harvard Egyetem és a Dana Farber Rákkutató Intézet kinevezett kutatója. Az erdélyi származású tudós egyetemi tanulmányait Bukarestben kezdte el, végül fizikus diplomáját Budapesten, az Eötvös Loránd Tudományegyetemen szerezte meg. Doktori fokozatát a Bostoni Egyetemen prof. Eugene Stanley vezetésével 1994-ben szerezte. Ezután egy évig az IBM Thomas J. Watson Kutatóintézetének posztdoktori ösztöndíjasa, majd 1995-től 2005-ig az indianai Notre Dame Egyetem kutatója volt.

Legnagyobb hatású tudományos eredménye a skálafüggetlen hálózatok felfedezése és keletkezésük mechanizmusának magyarázata. Munkája máig tartó lendületet adott a komplex hálózatok szakterületének. Számos díjat és kitüntetést nyert el, többek között a Neumann János-díjat és a FEBS éves rendszerbiológiai díját. Külső tagja a Magyar Tudományos Akadémiának, tagja az Amerikai Fizikai Társaságnak és a Academia Europae-nak. A szűkebb szakmai területen kívüli ismertségét a 2002-ben megjelent Behálózva című könyvével alapozta meg, a mű jelenleg tizenegy különböző nyelven olvasható. A Villanások – a jövő kiszámítható címmel megjelent második könyve az emberi viselkedés előrejelezhetőségével foglalkozik.