کشف کلید جوانسازی سلول‌ها در یک ماده غذایی

اگر نیمه‌شب با صدای بلند و ناله‌مانند گربه‌تان از خواب پریده باشید، احتمالاً این سؤال برایتان پیش آمده که چرا گربه چنین صدایی تولید می‌کند. پاسخ برخلاف تصور رایج، فقط اینکه «غذا می‌خواهد» یا «دنبال جلب توجه است» نیست.

به گزارش خبرآنلاین، «زوزه کشیدن» گربه‌ها نیز تعریف کاملاً مشخصی ندارد. در پزشکی دامپزشکی، این اصطلاح معمولاً برای صداهای بلند و خشن گربه در موقعیت‌هایی مانند پرخاشگری یا جفت‌گیری به کار می‌رود، اما صاحبان حیوانات خانگی ممکن است تقریباً هر صدای بلند و کشیده‌ای را زوزه بدانند. همین تفاوت باعث می‌شود شرایطی که گربه در آن صدا تولید می‌کند، اهمیت زیادی داشته باشد. ناله گربه‌ها ریشه‌ای بسیار قدیمی دارد

به گفته پژوهشگران، این نوع صدا احتمالاً بسیار قدیمی‌تر از گربه‌های خانگی است و حتی پیش از اهلی‌شدن آن‌ها وجود داشته است. گربه وحشی آفریقایی، نزدیک‌ترین خویشاوند زنده گربه خانگی، نیز هنگام مواجهه با رقیبان از صداهایی مشابه استفاده می‌کند.

حفظ و دفاع از قلمرو برای بسیاری از حیوانات با دسترسی به غذا، امنیت و فرصت جفت‌گیری ارتباط دارد. به همین دلیل، حیوانات در طول تکامل صداهای بلند و مشخصی ایجاد کرده‌اند تا بتوانند رقیبان را از قلمرو خود دور کنند، بدون اینکه هر بار مجبور به درگیری فیزیکی شوند.

بنابراین وقتی دو گربه در محله روبه‌روی یکدیگر قرار می‌گیرند و یکی از آن‌ها صدایی بلند و کشیده تولید می‌کند، ممکن است در واقع در حال اجرای رفتاری باشد که قدمتی بسیار بیشتر از زندگی گربه‌ها در کنار انسان دارد. ترس، درگیری و استرس

گربه‌ها فقط برای دفاع از قلمرو خرناس نمی‌کشند. وقتی حیوان احساس ترس کند، در گوشه‌ای گرفتار شود یا بخواهد حیوان یا حتی انسان دیگری را از خود دور کند نیز ممکن است چنین صدایی تولید کند.

یک متخصص رفتارشناسی دامپزشکی می‌گوید اگر گربه‌ای هنگام نزدیک‌شدن فردی شروع به زوزه کشیدن کند، این رفتار می‌تواند پیامی شبیه «لطفاً نزدیک‌تر نشو» داشته باشد.

موقعیت‌های پراسترس نیز می‌توانند باعث ایجاد این صدا شوند؛ برای مثال، رفتن به دامپزشکی، مهارشدن یا درگیری با گربه‌های دیگر. گربه‌های ماده در دوره فحلی و گربه‌های نر هنگام رقابت بر سر جفت نیز ممکن است صداهای بسیار بلندی تولید کنند.

با این حال، پژوهشگران تأکید می‌کنند که این صدا همیشه به معنای درخواست آگاهانه برای کمک نیست. گاهی زوزه صرفاً بیان بیرونی یک وضعیت هیجانی شدید و ناخوشایند است. گربه‌ها یاد گرفته‌اند چگونه توجه انسان را جلب کنند

البته همه صداهای بلند گربه را نمی‌توان خرناس واقعی دانست. گربه‌ها مجموعه متنوعی از صداها را برای ارتباط برقرار کردن دارند و بخشی از این رفتار ارتباطی در طول زندگی در کنار انسان شکل گرفته است.

گربه‌های بالغ در شرایط طبیعی به‌ندرت برای برقراری ارتباط با گربه‌های دیگر میو می‌کنند. میوکردن بیشتر رفتاری است که بچه‌گربه‌ها برای ارتباط با مادرشان به کار می‌برند. به نظر می‌رسد گربه‌های خانگی این رفتار دوران کودکی را تا بزرگسالی حفظ کرده و آن را بیشتر به سمت انسان‌ها هدایت کرده‌اند.

یکی از دلایل احتمالی موفقیت این رفتار آن است که صدای میو گربه تا حدودی شباهت صوتی به گریه نوزاد انسان دارد و می‌تواند واکنش سریع انسان‌ها را تحریک کند. گربه نیز به‌مرور متوجه می‌شود که میوکردن نتیجه می‌دهد. به گفته پژوهشگران، گربه‌ها یاد می‌گیرند از این صدا برای جلب توجه انسان استفاده کنند.

حتی ممکن است این رابطه به نوعی آموزش معکوس تبدیل شود. فرض کنید گربه هر روز ساعت پنج صبح شروع به صداکردن می‌کند و صاحبش بلافاصله ظرف غذا را پر می‌کند. حیوان به‌سرعت یاد می‌گیرد که تولید صدا نتیجه مطلوبی دارد و ممکن است این رفتار را بیشتر تکرار کند؛ نه لزوماً برای آزار صاحبش، بلکه چون فهمیده این روش مؤثر است. چرا تشخیص «زوزه» گربه‌ها دشوار است؟

یکی از نکات جالب درباره زوزه‌کشیدن گربه‌ها این است که حتی انسان‌ها نیز تعریف یکسانی از آن ندارند. در پژوهشی که در سال ۲۰۲۵ در مجله Animal Behaviour منتشر شد، پژوهشگران از شرکت‌کنندگان خواستند صداهای مختلف گربه‌ها را که از منابع آنلاین جمع‌آوری شده بود، در گروه‌هایی مانند میو، خُرخُر و زوزه دسته‌بندی کنند.

نتایج نشان داد صداهایی که افراد به‌عنوان «خرخر» شناسایی کردند، معمولاً ویژگی‌های صوتی نسبتاً مشخصی داشتند؛ اما درباره زوزه چنین اتفاقی نیفتاد. صداهایی که افراد زوزه می‌نامیدند، از نظر بلندی و مدت‌زمان تفاوت زیادی با یکدیگر داشتند و میزان توافق افراد درباره اینکه چه صدایی واقعاً زوزه محسوب می‌شود، کمتر بود.

پژوهشگران احتمال می‌دهند انسان‌ها زوزه را نه براساس ویژگی‌های صوتی دقیق، بلکه بیشتر براساس احساسی که از صدا دریافت می‌کنند تشخیص می‌دهند. اگر صدای گربه ناراحت، مضطرب یا دردمند به نظر برسد، احتمال بیشتری دارد که انسان آن را «زوزه» توصیف کند.

به همین دلیل، شناخت قبلی صاحب از گربه نیز اهمیت دارد. یک مطالعه در سال ۲۰۱۵ نشان داد صاحبان گربه‌ها در تشخیص موقعیتی که باعث ایجاد صدا در گربه خودشان شده بود، عملکرد نسبتاً خوبی داشتند؛ اما هنگام شنیدن صدای گربه‌ای ناآشنا، دقت آن‌ها به‌مراتب کمتر بود. زوزه ناگهانی می‌تواند نشانه بیماری باشد

صدای بلند گربه در بسیاری از مواقع رفتاری طبیعی است، اما افزایش ناگهانی صدا به‌ویژه در گربه‌های مسن، می‌تواند نشانه یک مشکل پزشکی باشد. دامپزشکان در چنین شرایطی معمولاً بیماری‌هایی مانند پرکاری تیروئید و سندرم اختلال عملکرد شناختی را بررسی می‌کنند. اختلال عملکرد شناختی نوعی افت عملکرد ذهنی مرتبط با افزایش سن است که شباهت‌هایی به زوال شناختی در انسان دارد. هر دو بیماری می‌توانند باعث افزایش صداکردن گربه، به‌خصوص در طول شب، شوند.

البته بیماری تنها دلیل احتمالی نیست. اضطراب، اضطراب ناشی از جدایی و درد نیز می‌توانند باعث افزایش صداهای گربه شوند. به همین دلیل، دامپزشکان توصیه می‌کنند به‌جای تمرکز صرف بر نوع صدا، کل شرایط را بررسی کنید؛ از جمله اینکه گربه چه زمانی صدا می‌کند، این رفتار از چه زمانی شروع شده و آیا تغییری در برنامه روزمره یا رفتارهای دیگر حیوان ایجاد شده است.

یکی از تصورات اشتباه رایج این است که گربه‌ها با صداکردن مداوم یا انجام رفتارهای آزاردهنده قصد دارند صاحبشان را تنبیه کنند یا از او انتقام بگیرند. متخصصان رفتار حیوانات چنین توضیحی را تأیید نمی‌کنند. گربه‌ای که دائماً صدا می‌کند ممکن است یاد گرفته باشد که با این کار غذا یا توجه دریافت می‌کند. گربه دیگری ممکن است ترسیده، مضطرب یا دچار بیماری‌ای باشد که هنوز به‌راحتی قابل تشخیص نیست.

منبع: livescience پربیننده ترین پست همین یک ساعت اخیر ۱۰ اشتباه رایجی که افراد پس از تشخیص کلسترول بالا مرتکب می‌شوند خبر بعد نظرات کاربران خبر قبل اشتراک گذاری : چرا گربه‌ها ناله می‌کنند؟ / پشت این صدای بلند و زوزه‌مانند چیست؟ بیشتر بخوانید: سوسک ها هم به نوزادانشان شیر می دهند؟ تماشاخانه چیتگر؛ رد یک جنایت عجیب میان درختان / درخت‌ها قبل از مرگ زخمی شده بودند حریق مرموز در قلب گرگان؛ از سیم‌کشی فرسوده تا شایعات داغ / ببینید گرگان چه چیزی را از دست داد؟ فیلم های دیگر عضویت در اینستاگرام عصر ایران ۱۵ سال پیش در چنین روزی این لحظه با حافظ گلستان سعدی آموزش زبان انگلیسی آپارات عصر ایران اپلیکیشن عصر ایران

به گزارش گروه دانشگاه خبرگزاری دانشجو، علی تقوی، دانشجوی شیمی تجزیه به سرپرستی دکتر حسن سرشتی، استاد دانشکدگان علوم با ساخت یک غشای کامپوزیتی نانوفیبری دولایه نامتقارن (جانوس) مغناطیسی، موفق به ارائه روشی کارآمد و دوستدار محیط زیست برای اندازه‌گیری ترکیبات سمی بنزن، تولوئن، اتیل‌بنزن و ایزومر‌های زایلن (BTEX) در نمونه‌های شهری شده‌اند.

دکتر سرشتی با اعلام این خبر گفت: «این روش نوین که مبتنی بر میکرواستخراج فاز جامد با غشاء (M-SPME) است، با بهره‌گیری از شاخص‌های ارزیابی سبز (AGREEprep) و کاربردی (BAGI) تأیید کرده که می‌تواند جایگزین مناسبی برای روش‌های قبلی باشد».

وی افزود: «ترکیبات آروماتیک فرّار مانند BTEX از جمله آلاینده‌های مهم زیست‌محیطی به شمار می‌روند که به دلیل سمیت بالا و حضور گسترده در هوا، آب و خاک، همواره نگرانی‌های جدی برای سلامت عمومی ایجاد کرده‌اند».

استاد دانشکدگان علوم تاکید کرد: «در تازه‌ترین تلاش علمی برای مقابله با این چالش، آزمایشگاه تحقیقاتی شیمی تجزیه موفق به طراحی و ساخت یک غشای نانوفیبری هوشمند با ساختار نامتقارن «جانوس» شده که به طور ویژه برای استخراج و پیش تغلیظ این آلاینده‌ها پیش از آنالیز با دستگاه کروماتوگرافی گازی-طیف‌سنجی جرمی (GC- MS) بکار می‌رود. این غشای نوآورانه از یک لایه از جنس الیاف پلی‌آمید تقویت شده با سلولز میکروکریستالی و هیدروکسید دوگانه لایه‌ای نیکل-آلومینیوم تشکیل شده که بر روی بستری از نانوالیاف پلی‌اورتان تقویت شده با نانولوله‌های کربنی به وسیله تکنیک الکتروریسی (Electrospinning) نشانده شده است».

وی گفت: «ساختار این غشا با استفاده از تصاویر میکروسکوپ الکترونی (FE-SEM)، طیف‌سنجی مادون قرمز (FT-IR)، پراش اشعه ایکس (XRD) و آنالیز جذب-واجذب نیتروژن، تأیید شده است و نتایج آزمون‌های اعتبارسنجی نشان داد که این روش در محدوده غلظتی ۱۰ تا ۱۰۰۰۰ میکروگرم بر لیتر پاسخ خطی دارد و قادر است آلاینده‌ها را در سطوح غلظتی بسیار پایین (حد تشخیص بین ۰.۰۹ تا ۰.۴۵ میکروگرم بر لیتر) اندازه‌گیری کند».

تکرارپذیری روش (با انحراف استاندارد نسبی ۲.۵ تا ۷ درصد) و فاکتور‌های غنی‌سازی بین ۱۴.۸ تا ۲۳.۸، نشان از کارایی بالای این سامانه دارد.

از مهمترین دستاورد‌های این پژوهش، عملکرد موفق غشا در نمونه‌های حقیقی جمع‌آوری‌شده از هوای شهری، آب‌های سطحی و خاک است که بازیابی قابل‌قبول را برای تمامی ترکیبات هدف به همراه داشت. افزون بر این، غشا پس از ۷ چرخه استفاده متوالی، بیش از ۹۰٪ کارایی اولیه خود را حفظ کرد که گواهی بر پایداری مکانیکی و شیمیایی مناسب آن است.

به این ترتیب، غشای نانوفیبری جانوس مغناطیسی نه تنها از نظر تحلیلی برتر از بسیاری روش‌های سنتی عمل می‌کند، بلکه از منظر زیست‌محیطی و اقتصادی نیز گزینه‌ای پایدار و منطبق با نیاز‌های روز آزمایشگاهی محسوب می‌شود.

https://www.sciencedirect.com/science/article/abs/pii/S۰۰۳۹۹۱۴۰۲۶۰۱۰۱۴۳

به گزارش گروه دانشگاه خبرگزاری دانشجو؛ از ستاد ویژه توسعه فناوری نانو، پژوهشگران آزمایشگاه ملی آرگون وزارت انرژی ایالات متحده آمریکا (Argonne National Laboratory) با توسعه یک ابزار جدید مبتنی بر یادگیری ماشین، گام مهمی در جهت تغییر شیوه انجام آزمایش‌های مواد در مقیاس نانومتری برداشته‌اند.

این ابزار که «دونات» (DONUT) نام دارد، می‌تواند داده‌های پیچیده حاصل از آزمایش‌های پراش پرتو ایکس را تقریباً در لحظه تحلیل کند؛ قابلیتی که به دانشمندان اجازه می‌دهد به‌جای هفته‌ها یا ماه‌ها انتظار برای دریافت نتایج، در همان زمان انجام آزمایش درباره ادامه مسیر پژوهش تصمیم بگیرند.

این فناوری در منبع فوتونی پیشرفته (Advanced Photon Source) یا APS، یکی از تأسیسات کاربری دفتر علوم وزارت انرژی آمریکا، توسعه و آزمایش شده است. «دونات» با ارائه نتایج در زمان واقعی، نه‌تنها سرعت پژوهش‌های علمی را افزایش می‌دهد، بلکه امکان اصلاح و تنظیم آزمایش‌ها در حین اجرا را نیز فراهم می‌کند.

به این ترتیب، پژوهشگر می‌تواند متوجه شود آزمایش به نتیجه مطلوب نزدیک شده یا نیاز دارد مسیر دیگری را دنبال کند؛ اتفاقی که در روش‌های سنتی معمولاً پس از پایان آزمایش و طی فرایند طولانی تحلیل داده مشخص می‌شود.

نام DONUT مخفف عبارت «Diffraction with Optics for Nanobeam by Unsupervised Training» است و به یک شبکه عصبی آگاه از فیزیک اشاره دارد. ویژگی مهم این سامانه آن است که صرفاً بر اساس الگو‌های آماری داده‌ها آموزش نمی‌بیند، بلکه قوانین فیزیکی حاکم بر برهم‌کنش پرتو‌های ایکس متمرکز با مواد را نیز در فرایند تحلیل در نظر می‌گیرد.

این فناوری با استفاده از داده‌های خط پرتو «نانومسبار پرتو ایکس سخت» (Hard X-ray Nanoprobe) که به‌صورت مشترک در اختیار منبع فوتونی پیشرفته و مرکز مواد نانومقیاس (Center for Nanoscale Materials) قرار دارد، توسعه یافته است. مرکز مواد نانومقیاس نیز یکی از تأسیسات کاربری دفتر علوم وزارت انرژی آمریکا در آزمایشگاه ملی آرگون است.

«دونات» برای تفسیر سریع تصاویر پیچیده‌ای طراحی شده است که در روش «میکروسکوپی نانودیفراکشن پرتو ایکس پیمایشی» (Scanning X-ray Nanodiffraction Microscopy یا SXDM) تولید می‌شوند. این روش با استفاده از یک پرتو بسیار متمرکز پرتو ایکس، سطح نمونه را پیمایش می‌کند و اطلاعات ارزشمندی درباره ساختار بلوری مواد در اختیار پژوهشگران قرار می‌دهد.

چنین اطلاعاتی برای درک رفتار موادی که در فناوری‌هایی مانند باتری‌ها، کاتالیست‌ها، تجهیزات الکترونیکی پیشرفته و ادوات مغناطیسی مورد استفاده قرار می‌گیرند، اهمیت زیادی دارد.

با وجود قدرت بالای SXDM، داده‌های تولیدشده در این روش بسیار پیچیده‌اند و چندین لایه و بُعد اطلاعاتی را در خود جای می‌دهند. همین مسئله تحلیل و تفسیر آنها را به کاری زمان‌بر و دشوار تبدیل کرده است.

تا پیش از این، پژوهشگران در بسیاری از موارد مجبور بودند الگو‌های پراش پرتو ایکس اندازه‌گیری‌شده را به‌صورت دستی با الگو‌های شبیه‌سازی‌شده مقایسه کنند تا بتوانند ساختار و ویژگی‌های ماده را تشخیص دهند. این فرایند علاوه بر زمان‌بر بودن، احتمال بروز خطای انسانی را نیز افزایش می‌داد.

«دونات» با ترکیب هوش مصنوعی و یک مدل فیزیکی داخلی، رویکرد متفاوتی را ارائه می‌کند. این سامانه می‌تواند مستقیماً از داده‌های تجربی جمع‌آوری‌شده یاد بگیرد و برای آموزش به مجموعه‌داده‌هایی نیاز نداشته باشد که از پیش توسط متخصصان برچسب‌گذاری شده‌اند. در روش‌های متداول، متخصص باید هر الگوی پرتو ایکس را با پاسخ درست تطبیق دهد یا داده‌های مناسب را با شبیه‌سازی تولید کند تا الگوریتم بتواند از آنها بیاموزد. حذف یا کاهش این مرحله، مزیت مهمی برای پژوهشگرانی محسوب می‌شود که در تأسیسات تحقیقاتی پرتراکم مانند APS فعالیت می‌کنند.

آیلین لو، دانشمند محاسباتی دستیار در آزمایشگاه آرگون و دانشگاه کرنل، درباره این فناوری می‌گوید «دونات» به دانشمندان اجازه می‌دهد هم‌زمان با پیشرفت آزمایش، آنچه را درون ماده اتفاق می‌افتد مشاهده کنند. به گفته او، در گذشته ممکن بود پژوهشگر هفته‌ها منتظر بماند تا مشخص شود آزمایش موفق بوده است یا خیر، اما اکنون می‌توان پاسخ را تقریباً در همان لحظه دریافت کرد. نتیجه چنین تغییری، آزمایش‌های پربازده‌تر و فرصت‌های بیشتر برای کشف پدیده‌های جدید خواهد بود.

متئو چروکارا، دانشمند محاسباتی و سرپرست گروه در آزمایشگاه آرگون نیز بر انعطاف‌پذیری این سامانه تأکید کرده است. به گفته او، پژوهشگران می‌توانند «دونات» را با داده‌هایی که در ابتدای آزمایش جمع‌آوری می‌کنند آموزش دهند و حتی در طول آزمایش مشخص کنند که سامانه باید چه کمیتی را پیش‌بینی کند. به بیان ساده‌تر، هوش مصنوعی می‌تواند خود را با پرسش علمی جدیدی که پژوهشگر در جریان آزمایش مطرح می‌کند، تطبیق دهد.

سرعت و دقت «دونات» همچنین زمینه را برای شکل‌گیری نسل جدیدی از آزمایش‌های موسوم به «پژوهش خودران» یا «آزمایش‌های خودران» فراهم می‌کند. در چنین رویکردی، هوش مصنوعی می‌تواند بر اساس نتایج تازه به‌دست‌آمده، مرحله بعدی آزمایش را پیشنهاد یا حتی به‌صورت خودکار انتخاب کند.

این قابلیت به‌ویژه برای آزمایش‌هایی اهمیت دارد که در شرایط واقعی انجام می‌شوند و ویژگی‌های ماده در طول زمان تغییر می‌کند. در چنین شرایطی، تصمیم‌گیری سریع می‌تواند تفاوت میان یک آزمایش موفق و ساعت‌ها جمع‌آوری داده کم‌فایده باشد؛ بشر بالاخره پذیرفته است که لازم نیست همیشه بعد از تمام شدن کار بفهمد چه اشتباهی کرده است.

این فناوری همچنین می‌تواند ورود کاربران جدید به تأسیسات تحقیقاتی APS و مرکز مواد نانومقیاس را آسان‌تر کند. دانشجویان تحصیلات تکمیلی و پژوهشگران مهمان دیگر الزاماً برای شروع کار به مجموعه‌های بزرگی از داده‌های برچسب‌گذاری‌شده یا تخصص عمیق در تفسیر همه انواع داده‌های تولیدشده نیاز نخواهند داشت. در روش سنتی، تهیه چنین داده‌هایی مستلزم زمان و دانش تخصصی قابل‌توجهی است؛ زیرا متخصصان باید هر مجموعه داده را با دقت تحلیل یا شبیه‌سازی کرده و پاسخ صحیح را برای آن تعیین کنند.

اهمیت این قابلیت با ارتقای منبع فوتونی پیشرفته بیشتر می‌شود. نسخه ارتقایافته APS قادر است پرتو‌های ایکس پرشدت‌تری تولید کند و داده‌ها را با سرعت بسیار بالاتری نسبت به گذشته جمع‌آوری کند. بنابراین، سرعت تحلیل داده نیز باید هم‌پای سرعت تولید آن افزایش یابد. «دونات» می‌تواند این شکاف را کاهش دهد و به پژوهشگران اجازه دهد هم‌زمان با تولید داده، آنها را تحلیل کرده و درباره ادامه آزمایش تصمیم بگیرند.

پژوهشگران در گام بعدی قصد دارند دامنه استفاده از «دونات» را از تحلیل بلادرنگ داده‌ها به سمت خودکارسازی آزمایش‌ها گسترش دهند. یکی از مسیر‌های مورد بررسی، توسعه نسخه‌های جدید این فناوری برای میکروسکوپی خودران است؛ رویکردی که در آن ابزار‌های هوش مصنوعی می‌توانند بخشی از مراحل آزمایش را بدون نیاز به دخالت دائمی انسان هدایت کنند.

گروه پژوهشی همچنین در حال بررسی این موضوع است که آیا رویکرد «آگاه از فیزیک» به‌کاررفته در «دونات» می‌تواند برای سایر روش‌های تصویربرداری پیشرفته نیز مورد استفاده قرار گیرد یا خیر؛ روش‌هایی که آنها نیز حجم عظیمی از داده‌های پیچیده تولید می‌کنند و تحلیل آنها به ابزار‌های محاسباتی پیشرفته نیاز دارد.

پژوهشگران معتقدند چارچوب آموزشی مبتنی بر فیزیک این سامانه می‌تواند در طرح‌های بزرگ‌تر وزارت انرژی آمریکا، از جمله «ماموریت جنسیس» (Genesis Mission)، نیز نقش داشته باشد. این طرح ملی با هدف افزایش بهره‌وری علمی و سرعت‌بخشیدن به نوآوری از طریق استفاده گسترده از هوش مصنوعی در زیرساخت‌های علمی نسل آینده دنبال می‌شود.

«دونات» می‌تواند یکی از پایه‌های پروژه‌های مرتبط با منابع نور و نوترون در این طرح باشد و به پژوهشگران رشته‌های مختلف کمک کند پرسش‌های علمی جدیدی را با سرعت بیشتری بررسی کنند.

نتایج این پژوهش در نشریه «npj Computational Materials» منتشر شده است. تائو ژو، مینگ دو و مارتین هولت از آزمایشگاه ملی آرگون و آندری زینگر از دانشگاه کرنل نیز در انجام این مطالعه مشارکت داشته‌اند. این پژوهش با حمایت دفتر علوم وزارت انرژی آمریکا، برنامه‌های «پژوهش پیشرفته محاسبات علمی» و «علوم پایه انرژی» و همچنین دفتر توسعه نیروی انسانی برای معلمان و دانشمندان این وزارتخانه انجام شده است.

در این میان، نام «دونات» نیز عمداً با حال‌وهوایی غیررسمی انتخاب شده است و پژوهشگران در پایان گزارش خود با شوخی نوشته‌اند که در جریان انجام این پژوهش هیچ دوناتی آسیب ندیده است؛ هرچند نتایج به‌دست‌آمده احتمالاً اشتهای دانشمندان برای کشف‌های تازه را حسابی بیشتر خواهد کرد.