AI агентууд биологийн лабораторийн өдөр тутмын ажлыг хэр сайн гүйцэтгэдгийг хэмжих нь
Биологийн лабораторийн өдөр тутмын 100 даалгаварт AI агентууд туршилтын боловсруулаагүй өгөгдлийг хэр сайн тайлбарлаж байгааг хэмжих BioBasicsBench жишиг үнэлгээг танилцуулж байна.
Бидний эрхэм зорилго бол Ерөнхий хиймэл оюун ухааны үр өгөөжийг бүх хүн төрөлхтөнд хүртээх явдал юм. Энэ зорилгын хүрээнд бид өвчнийг ойлгохоос эхлээд шинэ эмчилгээ боловсруулах хүртэлх биологийн судалгааг хурдасгахад эрдэмтдэд туслахыг хүсэж байна. AI агентууд үүнд хувь нэмэр оруулахын тулд эрдэмтдийн биологийн сорьцтой туршилт хийдэг лабораторидоо өдөр бүр ашигладаг туршилтын баримт өгөгдлийг найдвартай тайлбарлаж чаддаг байх ёстой. Биологийн лабораторийн өдөр тутмын ажилд бүтэлгүй туршилт, тодорхой бус зураг, хоорондоо зөрчилтэй ажиглалт байнга тохиолддог. Одоогийн жишиг үнэлгээнүүд эрдэм шинжилгээний өгүүлэлд зориулан сонгосон график, зурагт тулгуурладаг тул ийм тодорхойгүй байдал болон түүнийг шийдвэрлэхэд шаардагдах чадварыг орхигдуулж болзошгүй. Тиймээс бид ферментийн загварчлалаар дагнасан биотехнологийн Ligo компанитай хамтран боловсруулсан BioBasicsBench шинэ жишиг үнэлгээг танилцуулж байна. Энэ нь агентууд биологийн лабораторийн өдөр тутмын шинжилгээг хэр сайн гүйцэтгэж байгааг хэмжинэ.
Жишиг үнэлгээний 100 даалгавар нь агентууд туршилтын боловсруулаагүй өгөгдлийг тайлбарлах, алдаа илрүүлэх, мөн дүгнэлт хийхэд нотолгоо хангалтгүй байгааг таних чадвартай эсэхийг шалгана. Эдгээр даалгаврыг зөв гүйцэтгэх нь чухал. Учир нь зургийг буруу тайлбарлах эсвэл туршилтын үр дүнг шалгахад ашигласан хяналтын сорьцын алдааг анзаарахгүй өнгөрөөх нь эрдэмтдийг буруу дүгнэлтэд хүргэж, судалгааны асуултад нь хариу өгөхгүй туршилтад цаг зарцуулахад хүргэж болно.
Даалгавар бүрд илүү их сэтгэн бодох боломж олгодог «xhigh» тохиргоонд GPT‑6 Astra авч болох нийт онооны дунджаар 66.7%-ийг авсан бол GPT‑5.6 Sol 43.8%-ийг авсан. Эдгээр үр дүн лабораторийн өдөр тутмын шинжилгээнд ахиц гарсныг харуулж байгаа ч зураг тайлбарлах, хяналтын сорьц шалгах, туршилтын нөхцөлийг харгалзан үзэх чадварыг цаашид сайжруулах боломж байна.
BioBasicsBench нь гелийн зураг, колони ургуулсан аяганаас эхлээд микроскопын зураг, багажийн заалт хүртэлх туршилтын боловсруулаагүй баримт өгөгдлийг ашигладаг.
BioBasicsBench нь биологийн лабораторийн өдөр тутмын ажлын таван чиглэлийг хамарсан 100 даалгавартай. Үүнд уургийн шинжилгээний аргууд, дүрслэл ба цитометр, тоон тодорхойлолт ба сорил, нуклейн хүчлийн шинжилгээний аргууд, молекулын клончлол багтана. Даалгаврууд нь гель дэх ДНХ-ийн сорьцын молекул жинг тодорхойлох зэрэг энгийн хүсэлтээс эхлээд сорилын үр дүнг нарийвчлан шинжлэх хүртэл янз бүр. Гэхдээ бүгд биологийн лабораторийн эрдэмтдийн найдвартай гүйцэтгэж чаддаг байх ёстой өдөр тутмын ажил юм.
Эрдэмтэд өөрсдийн туршилтын өгөгдлөөр даалгавруудыг зохиож, асуулт бүрд мэргэжилтний боловсруулсан үнэлгээний шалгуурыг хавсаргасан. Даалгавар бүрийг эхлээд тухайн даалгаврыг зохиогоогүй Ligo-ийн эрдэмтэн дотооддоо хянаж, дараа нь биологийн лабораторид ажилладаг докторын зэрэгтэй хөндлөнгийн эрдэмтэн хянаад, эцэст нь дахин дотоод хяналт хийсэн.
Агентууд хүссэн дүгнэлт, хэмжилт эсвэл зөвлөмжийг, шаардлагатай тохиолдолд тэдгээрийг дэмжих сэтгэн бодох үндэслэлийн хамт бүтэцтэй хариулт болгон өгдөг. Хариултыг үнэлгээний шалгуур тус бүрээр оноодог тул зөв дүгнэлт гаргасан эсэхийг хэсэгчлэн зөв шинжилгээ хийсэн эсэхээс ялгах боломжтой. Ихэнх даалгавар биологийн мэдлэг, зураг болон бусад өгөгдлийг тайлбарлах, алдаа илрүүлэх, аргачлал ойлгох зэрэг хэд хэдэн чадварыг хамтад нь шалгадаг.
«Давхардалгүй даалгавар» нь даалгавар бүрийг нэг удаа тоолно. Чадварын баганууд тухайн чадварын шошготой даалгавруудыг тоолно. Эдгээр ангилал давхцдаг: нэг даалгавар хэд хэдэн баганад орж болох тул чадвар тус бүрийн тоог нэмж нийт даалгаврын тоог гаргаж болохгүй. Өнгө нь салбарыг ялган харуулна; өнгө тодрох тусам тухайн чадварыг шалгах даалгаврын эзлэх хувь уг салбарт өндөр байна.
Оролтын өгөгдөл нь эрдэмтдийн ашигладаг баримт өгөгдлийн хэлбэрийг хэвээр хадгалдаг. Үүнд гель ба блотын зураг, өсгөврийн аяганы гэрэл зураг, микроскопын давхарласан зургууд, дарааллын уншилт, хавтан уншигчаас экспортолсон өгөгдөл, лабораторийн ажлын видео багтана. Нэг даалгавар хэд хэдэн төрлийн өгөгдөл агуулж болно. Молекулын хэмжээний маркерын хүснэгт, плазмидын зураглал зэрэг лавлах хуудас нь туршилтын баримт өгөгдлийг тайлбарлахад тусалдаг.
Өгөгдлийн төрөл | Даалгавар | Агуулга |
|---|---|---|
Гель ба блот | 31 | ДНХ-ийн агарозын гель, SDS-PAGE гель, Вестерн блот |
Аргачлал, тэмдэглэл ба техникийн үзүүлэлт | 27 | Аргачлал ба стандарт ажиллагааны журам, лабораторийн дэвтэр ба туршилтын бүртгэл, гараар бичсэн тэмдэглэлийн гэрэл зураг, каталог, багажийн техникийн үзүүлэлт, нийтлэгдсэн аргууд |
Хүснэгт ба багажаас экспортолсон өгөгдөл | 20 | CSV ба Excel форматаар экспортолсон өгөгдөл, гелийн эгнээний байрлал ба бүртгэл, урсгал цитометрийн боловсруулаагүй (FCS) файлууд |
Лабораторийн ширээ, төхөөрөмж ба урвалжийн гэрэл зураг | 18 | Лабораторийн ширээ, гель электрофорезийн төхөөрөмж, урвалжийн болон өсгөврийн хуруу шил, PCR хавтан, хуруу шилний тавиур, pH тууз, өтгөрүүлэгч, хөлдөөгч, шингэн шилжүүлэгчийн ажлын тавцан |
Микроскопи | 14 | Гэрэлт талбайн болон флюоресценцийн боловсруулаагүй зураг, олон сувгийн зургийн багц, z-стек, хугацааны зайтай авсан дүрс бичлэг |
Багажийн дэлгэц ба график | 13 | Урсгал цитометр, микроскоп, NanoDrop, хавтан уншигч, жингийн дэлгэцийн гэрэл зураг; экспортолсон стандарт муруй, хроматограмм ба график |
Дараалал тогтоох шинжилгээний файл | 12 | Урт уншилтын боловсруулаагүй FASTQ файлууд, FASTA дарааллууд, GenBank зураглалууд |
Аргачлалын видео | 7 | Штрихлэн тарих, өсгөвөр тарих, цуврал шингэрүүлэлт хийх, SDS-PAGE сав ба инкубатор бэлтгэх, жин дээр жинлэх |
Агартай аяга ба колони | 7 | Трансформацийн өсгөврийн аяга, хөх/цагаан ялгалт, антибиотикийн дисктэй аяга |
Лавлах хуудас | 21 | Молекулын хэмжээний маркерын хүснэгт, плазмидын зураглал, pH хүснэгт (туслах материал) |
Өгөгдлийн төрөл тус бүрийг агуулсан даалгаврын тоо. Ангиллууд давхцана; лавлах хуудаснууд нь туслах материал юм.
Эрдэмтэд өөрсдийн туршилтын өгөгдлөөр даалгавруудыг зохиож, туршилтын баримт өгөгдлийг асуулт болон мэргэжилтний боловсруулсан үнэлгээний шалгууртай хослуулсан. Даалгавар бүрийг эхлээд тухайн даалгаврыг зохиогоогүй Ligo-ийн эрдэмтэн дотооддоо хянаж, дараа нь биологийн лабораторид ажилладаг докторын зэрэгтэй хөндлөнгийн эрдэмтэн хянаад, эцэст нь дахин дотоод хяналт хийсэн. Хянагчид загварт өгсөн өгөгдөл, туршилтын баримт, үнэлгээний шалгуур, зохиогчийн тэмдэглэл болон загварын оноо тавьсан нэг оролдлогыг шалгасан.
Хариултыг тухайн даалгаврын үнэлгээний шалгуурын дагуу дүгнэж, шалгуур тус бүрд оноо өгдөг. Даалгавраас хамааран эдгээр шалгуур нь дүгнэлт, тоон үр дүн, дэмжих сэтгэн бодох үндэслэл эсвэл нотолгоо хангалтгүйг таньсан эсэхийг үнэлнэ.
Бид BioBasicsBench дээр GPT‑5.2, GPT‑5.4, GPT‑5.5, GPT‑5.6 Sol, GPT‑6.1 Sol, GPT‑6 Luna болон GPT‑6 Astra гэсэн долоон загварыг үнэллээ. Үнэлгээнд загвар ба сэтгэн бодох ачааллын 37 хосолсон тохиргоог хамруулж, тохиргоо бүрд 100 даалгаврыг тус бүр таван удаа гүйцэтгүүлснээр нийт 18,500 үр дүн гаргав.
Бид дундаж оноог тайлагнаж байна. Энэ нь даалгаврын дундаж оноог авч болох нийт оноонд эзлэх хувиар илэрхийлсэн үзүүлэлт юм. Алдааны зурвасууд нь даалгавар бүрийн таван оролдлогыг нэг багц болгон хадгалж, бүхэл даалгавраар дахин түүвэрлэх аргаар тооцсон 95%-ийн итгэлцлийн интервалыг харуулна.
Дундаж оноо ба нэг даалгаварт ногдох гаралтын токены дундаж тооны хамаарлыг логарифмын хуваариар харуулав. Цэг бүр туршсан сэтгэн бодох ачааллын нэг тохиргоог илэрхийлж, шугамууд тэдгээрийг дарааллаар нь холбоно. x тэнхлэгийн хуваарь бүрд утга хоёр дахин өснө. Тасархай улбар шар шугамууд GPT‑5 загваруудыг, үргэлжилсэн цэнхэр шугамууд GPT‑6 загваруудыг харуулна. Бүдэг сахал хэлбэрийн зураасууд нь бүхэл даалгавраар bootstrap дахин түүвэрлэх аргаар тооцсон 95%-ийн итгэлцлийн интервал юм. Тохиргоо бүрд бүх 100 даалгавар, даалгавар тус бүрийн таван оролдлого багтана. Ачааллын тохиргоо загвар бүрд өөр байна.
GPT‑6 Astra нь сэтгэн бодох ачаалал бага үед ч GPT‑5.6 Sol-оос мэдэгдэхүйц илүү үр дүн үзүүлж байна. Эдгээр ахиц нь олон төрлийн өгөгдлийг шууд боловсруулах чадварыг сайжруулах нь биологийн лабораторийн өдөр тутмын шинжилгээний гүйцэтгэлийг дээшлүүлэх гол түлхүүр байж болохыг харуулж байна.
Сэтгэн бодох ачааллын xhigh тохиргоон дахь гүйцэтгэл
Загвар | Дундаж оноо | 95%-ийн итгэлцлийн интервал | Гаралтын токен / даалгавар |
|---|---|---|---|
GPT‑6 Astra | 66.7% | 60.3–73.1% | 4,704 |
GPT‑6.1 Sol | 62.0% | 55.6–68.4% | 5,238 |
GPT‑5.6 Sol | 43.8% | 37.6–50.0% | 9,099 |
GPT‑6 Luna | 38.3% | 32.3–44.5% | 13,120 |
GPT‑5.5 | 35.4% | 29.7–41.0% | 11,135 |
GPT‑5.4 | 33.2% | 28.3–38.4% | 13,717 |
GPT‑5.2 | 31.2% | 26.2–36.3% | 27,620 |
Xhigh нь долоон загварын бүгдийнх нь үр дүнг тайлагнасан сэтгэн бодох ачааллын хамгийн өндөр тохиргоо юм. Мөр бүрд бүх 100 даалгавар, даалгавар тус бүрийн таван оролдлого багтана. Max ачааллын үр дүн байгаа тохиолдолд дээрх графикт оруулсан.
Шинжлэх ухаанд өгөгдлөөс хэтрүүлсэн дүгнэлт хийх нь түгээмэл алдаа бөгөөд таамаглал шалгах үед үүсдэг өрөөсгөл хандлага үүнд онцгой нөлөөтэй. Astra нь өгөгдлөөс юуг дүгнэж болохын хязгаарыг ялган таньж, үндэслэлгүй дүгнэлтээс зайлсхийх чадвараа ахиулсан.
Энэ жишээнд GPT‑5.6 Sol үхсэн эсийг илрүүлэхэд ашигладаг будагч бодисын дохионд үндэслэн эсүүдийг үхсэн гэж ангилжээ. Гэвч мэдрэгч хоёр дахь будагч бодисын гэрлийг ч бүртгэх боломжтой байсан тул зөвхөн гэрлийн эрчмээр ийм дүгнэлт хийх үндэслэлгүй байв. Astra энэ тодорхойгүй байдлыг таньж, дохионуудыг ялгахын тулд илүү сайн хяналтын сорьц хэрэгтэйг дурдсан.
Гэрэлт талбай · нэвтэрсэн гэрэл
2-р суваг · SYTOX-оор тэмдэглэсэн · 470–540 нм
3-р суваг · FUN-1 ногоон · 525–580 нм
Гурван сувгаар харуулсан эсийн ижил хэсгүүд; илрүүлэх мужууд 525–540 нм-т давхцана. Давхцсан мужид дохионууд холилдох боломжтой ч хэмжээг нь хэмжээгүй. Суваг бүрийг тусдаа шугаман эрчмийн хуваариар харуулсан бөгөөд тухайн сувгийн хоёр хэсэгт хуваарь ижил; сувгуудын гэрлийн эрчмийг тоон утгаар нь харьцуулах боломжгүй.
Шинжлэх ухааны судалгаа олон төрлийн өгөгдөлд тулгуурладаг бөгөөд дүрсийг байнга тайлбарлан дүгнэж, шийдвэр гаргах шаардлагатай байдаг. Astra нь гэрэл зураг, видео, мөн дараалал тогтоох шинжилгээ, хавтан уншигчийн сорил, микроскопи, урсгал цитометрийн боловсруулаагүй үр дүн зэрэг олон төрлийн өгөгдөлтэй ажиллах чадвараа мэдэгдэхүйц сайжруулсан.
Хамгийн энгийн түвшинд энэ ахиц нь туршилтын үеэр авсан зургаас илүү нарийн зүйлсийг анзаарч, улмаар илүү зөв дүгнэлт гаргах GPT‑6 Astra-ийн чадвараас харагдсан. Үүнийг дараах жишээ харуулна. Энэ даалгаварт агентуудаар ДНХ клончлох туршилтын үр дүнг дүгнүүлсэн бөгөөд ийм туршилтад хяналтын сорьц зайлшгүй чухал байдаг. GPT‑5.6 Sol сөрөг хяналтын аяганд колони байхгүйг ажиглаж, үүнд үндэслэн дүгнэлтээ гаргасан. GPT‑6 Astra аяганы шошгон дээр өөр антибиотик бичсэнийг анзаарч, үүнийг найдвартай хяналтын сорьц гэж үзэхээс зөв татгалзсан.
Эх гэрэл зураг
Ирмэг дээрх шошго
Жишиг үнэлгээнд ашигласан эх гэрэл зураг. Ирмэг дээрх шошгыг дугуйлж, томруулжээ. «LB Kan50» нь канамициныг заасан бөгөөд энэ нь туршилтад ашигласан ампициллинаас өөр антибиотик юм.
Эрдэмтэд өгөгдөлд шинжилгээ хийхдээ биологийн талаар туршлагаар эзэмшсэн мэдлэг болон туршилтын нөхцөлийг харгалзан үзэж байж үр дүнг зөв тайлбарлана. Astra эдгээр нөхцөлийг санаж, шинжилгээний туршид харгалзан үзэх чадвараа ахиулсан.
Нэг даалгаварт микроскопын цуврал зурагт эсүүд тодорч, бүдгэрч байгааг үзүүлсэн. GPT‑5.6 Sol эсүүд алга болж байгаа мэт харагдсаныг биологийн шалтгаанаар тайлбарлахыг оролдсон бол GPT‑6 Astra үүнийг өөр өөр гүнд авсан цуврал зураг буюу z-стек болохыг зөв таньсан.
0 с
3 с
6 с
9 с
12 с
15 с
Эх бичлэгийн зургаан кадр. Микроскоп өөр өөр гүнд скан хийх явцад ижил байрлалыг тасархай хүрээгээр тэмдэглэсэн. Хугацаа нь өгсөн видеоны тоглуулах байрлалыг заана.
Жишиг үнэлгээнд өндөр оноо авах нь загварууд лабораторид найдвартай дүгнэлт хийж чадна гэсэн үг хараахан биш юм. Astra-ийн эдгээр жишээ нь таамаглал, хүлээгдэж буй хариулт, өгсөн шошго нь нотолгооноос давуу нөлөөлж болохыг, мөн завсрын зөв ажиглалт эцсийн шийдвэрт нөлөөлөхгүй өнгөрч болохыг харуулна.
Astra туршилтын хяналтын сорьцоор батлагдсан тайлбараас дасал болсон таамаглалыг илүүд үздэг. Колонийн зурвасуудыг хоёр бүлэгт ялгаж чадсан ч илүү том PCR бүтээгдэхүүн нь амжилттай клончлолыг илтгэнэ гэж таамагласан. Үүнд үндэслэн 4, 6, 7, 8 дугаартай эгнээг санал болгосон бол жишиг хариултад хяналтын сорьцтой харьцуулж, 5, 9, 10 дугаартай эгнээг сонгосон.
Жишиг хариултад 5, 9, 10-р колонийг сонгосон бол Astra 4, 6, 7, 8-р колонийг санал болгожээ.
1: маркер · 2: клончлолын холимог · 3: анхны плазмид · 4–10: колонийн сорьцууд
Хяналтын сорьцыг тайлбарлах нь
3-р эгнээнд зөвхөн анхны плазмидын PCR бүтээгдэхүүн байна. Түүний зурвас нь хуучин плазмидын жишиг байрлалыг заана.
Жишиг тайлбараар 2-р эгнээнд хоёр төрлийн зурвас хоёулаа байна: угсралт дутуу явагдсанаас шинэ бүтээгдэхүүний хажууд хуучин матриц буюу суурь плазмид үлдсэн.
Үүссэн колониуд хуучин эсвэл шинэ плазмидын аль нэгийг агуулж болно. Тэдгээрийн зурвасыг эдгээр жишиг зурвастай харьцуулна.
Жишиг сонголт: 5, 9, 10
Astra-ийн сонголт: 4, 6, 7, 8. Astra илүү том PCR бүтээгдэхүүнийг зорьсон бүтээц гэж үзэж, энэ бүлгийг санал болгосон.
Харагдах байдлаар нь зөв бүлэглэсэн ч бүлэг тус бүрд оноосон туршилтын утга нь жишиг тайлбартай харьцуулахад эсрэгээрээ байна. Тиймээс Astra колонийн PCR үр дүнгээс буруу колониудыг сонгож, улмаар дараагийн шатанд буруу плазмидыг цэвэршүүлэхэд хүргэнэ.
Astra өөрийн илүүд үзсэн тайлбартай зөрчилдөх ажиглалтыг үл тоодог. Эсийн доторх хөндий болох вакуолиудыг эргэн тойрны эсийн хэсгээс ерөнхийдөө бараан гэж дүгнэсэн ч ижил зурагт зарим нь цайвар харагдаж байв. Аль аль нь чухал. Микроскопын фокусыг өөрчлөхөд гэрэл-сүүдрийн ялгарал урваж болох тул бараан харагдсан жишээнүүдээр ерөнхий дүрэм тогтоох боломжгүй.
Бараан харагдах байдал
Цайвар харагдах байдал
Astra вакуолиудыг бараан гэж ерөнхийлөн дүгнэхдээ ижил харах талбайд үзэгдэх цайвар вакуолиудыг орхигдуулсан.
Энэ хариултад юуг орхигдуулсан бэ?
Зарим эсийн гэрэл-сүүдрийн ялгарал эсрэгээрээ байна. Фокусын гүн өөрчлөгдөхөд гэрэл-сүүдрийн ялгарал урваж болох тул хоёулангаар нь харагддаг.
Astra хэд хэдэн хэсгийг шалгаж, фокусаас хамааран гэрэл-сүүдрийн ялгарал өөрчлөгдөж байгааг хүртэл дурдсан. Гэвч дараа нь илүү сайн фокустай гэж үзсэн эсүүддээ илүү ач холбогдол өгч, эцсийн хариултдаа зөвхөн тэдгээрийн вакуоль бараан харагдаж байгааг үлдээсэн. Үүнтэй зөрчилдөх цайвар хэсгүүдийг шалгасан ч дүгнэлтдээ харгалзан үзээгүй.
Astra-ийн тооллогын тэмдэглэгээ колони тус бүртэй найдвартай таардаггүй: ойрхон байрласан колониудыг ялгаж чадахгүй, харагдаж буй колониудыг алгасаж, колонигүй агарыг тэмдэглэдэг. Үүний дүнд энэ аяган дахь колонийг жишиг үнэлгээний зөв тооноос ойролцоогоор 12%-иар илүү тоолсон.
Эх зураг
Astra-ийн тооллогын тэмдэглэгээ
Эх зураг
Astra-ийн тооллогын тэмдэглэгээ
Эх зураг
Astra-ийн тооллогын тэмдэглэгээ
A: зэргэлдээ колониудын хооронд тавьсан нэг тооллогын тэмдэг. B: харагдаж байгаа ч тэмдэглээгүй хоёр колони. C: колонигүй агарыг колони гэж тоолсон нь. Улаан дугуйнууд Astra-ийн тоолсон байрлалуудыг заана. Хар сумнуудыг тайлбарлах зорилгоор нэмсэн.
Колонийн тоо буруу байх нь ДНХ-ийг эсэд хэр үр ашигтай оруулсныг тооцоолоход шууд нөлөөлдөг. Аяганд тарьсан эзлэхүүн болон шингэрүүлэлтийг тогтмол гэж үзвэл илүү тоолсон хэмжээтэй ижил хувиар энэ үнэлгээ хэтэрнэ.
Биологийн судалгааг хурдасгахын тулд өдөр тутмын ажлыг зөв гүйцэтгэх шаардлагатай. BioBasicsBench нь туршилтын боловсруулаагүй өгөгдлийг тайлбарлах, хяналтын сорьцыг шалгах, дүгнэлт нотолгоогоор дэмжигдээгүйг таних зэрэг ажлыг сайжруулах тодорхой зорилт болгож байна. Эдгээр даалгаварт ахиц гарвал эрдэмтэд алдаа, бэрхшээлийг шийдэхэд бага цаг зарцуулж, дараа нь ямар туршилт хийхээ шийдэхэд илүү их цаг гаргах боломжтой. Эдгээр чадварын ахицыг хянах нь биоаюулгүй ажиллагаа болон биоаюулгүй байдалд үзүүлэх нөлөөг нь ойлгоход ч тусална.
