Сэм Кин - Синдром Паганини и другие правдивые истории о гениальности, записанные в нашем генетическом коде

Это не значит, что ДНК-изгибов не существует; ученые до сих пор верят, что гены переносимости лактозы, структуры волоса и некоторых прочих черт (включающих, по иронии судьбы, и цвет кожи) могли внедриться в различные этнические группы в различных местах вместе с мигрантами, которые столкнулись с разным природным окружением за пределами Африки. Но это могло иметь место лишь в некоторых случаях. Большинство изменений в природе человека протекают медленно, и, возможно, ни одна из этнических групп не «вырывалась вперед» в генетическом тотализаторе, приобретая особенно успешные гены. Любые доказательства обратного – особенно учитывая, как часто якобы научные доводы об этнических группах рассыпались в прах, – должны быть тщательно обработаны. Поскольку, как говорит старая пословица: «Это не то, что мы не знаем, что вызывает неприятности, – это то, что мы знаем, что их не вызывает».

Приобретение новых знаний в области генетики требует не только достижений в понимании того, как работают гены, но и достижений в области вычислительной техники. Закон Мура для компьютеров – гласящий, что мощность микрочипов удваивается примерно каждые два года – соблюдается уже десятилетиями, что объясняет, почему современный электронный собачий ошейник мощнее, чем компьютеры, рассчитывавшие полеты «Аполлонов» на Луну. Но с 1990 года генетические технологии превзошли даже прогнозы Мура. Современный секвенатор ДНК может за 24 часа выдать больше данных, чем весь проект «Геном человека» за десять долгих лет, и технологии становились все удобнее, распространяясь по лабораториям и опытным станциям по всему миру. После убийства Усамы бен Ладена в 2011 году американские военные идентифицировали его – путем сравнения ДНК с образцами, взятыми у родственников – в течение пары часов, в середине океана, в глухую ночь. В то же самое время стоимость секвенирования целого генома устремилась вниз, как тело в свободном полете в вакууме, – от трех триллионов до десяти тысяч долларов, от одного доллара за основание, до примерно трех десятитысячных долей цента. Если в наше время ученые желают изучать отдельный ген, зачастую оказывается дешевле секвенировать целый геном вместо того, чтобы хлопотать над изолированием одного гена и секвенированием лишь части генома.

Конечно, ученым до сих пор приходится анализировать невообразимое количество А, Ц, Г и Т, которые они собирают. Будучи посрамлены результатами проекта «Геном человека», они понимают, что не могут лишь таращиться на поток рядов данных и ожидать озарения, в стиле фильма «Матрица». Им необходимо изучить, как клетки склеивают ДНК, и учесть эпигенетические «примечания», а это гораздо более сложный процесс. Им нужно изучить, как гены работают в группах, и как ДНК упаковывает их в трехмерную конструкцию внутри ядра. Столь же важно для них определить, как культура клеток, являющаяся побочным продуктом ДНК, в свою очередь, влияет на генетическую эволюцию. На самом деле некоторые ученые доказывают, что петля обратной связи между ДНК и культурой не просто повлияла, но и определила эволюцию человека в течение примерно 60 тысяч последних лет. Чтобы справиться со всеми этими задачами, необходимо задействовать очень мощную компьютерную технику. Крейг Вентер потребовал суперкомпьютер, но генетики будущего, возможно, обратят внимание на саму ДНК и исследовательские технологии, основанные на ее блестящих вычислительных мощностях.

Та сторона вещей, которая имеет отношение к программному обеспечению, так называемые генетические алгоритмы, могут помочь решить сложнейшие проблемы, поставив себе на службу силу эволюции. Если вкратце: генетические алгоритмы моделируются компьютерными командами, которые связываются программистами воедино, как индивидуальные «гены» вместе образуют цифровые «хромосомы». Программист может начать проверять примерно десяток программ. Он кодирует команды генов в двоичном коде и объединяет их в одну длинную последовательность, подобную хромосоме (0001010111011101010…). Затем начинается самое интересное. Программист запускает каждую программу, оценивает ее и подвергает лучшие программы «кроссоверу» – обмену цепочками нулей и единиц, подобно тому, как хромосомы обмениваются ДНК. Далее программист запускает эти гибридные программы и оценивает уже их. На этом этапе лучшие из программ снова подвергаются кроссоверу и обмениваются нулями и единицами. Процесс повторяется снова и снова, позволяя программам развиваться. Эпизодические мутации – обмены нулей на единицы или наоборот – приносят большее разнообразие. В конце концов, генетические алгоритмы объединяют лучшие «гены» из самых разных программ в одну, близкую к оптимальной. Даже если в начале иметь дело с самыми отсталыми программами, генетическая эволюция автоматически улучшит их, и они сфокусируются на лучших образцах.

Если говорить о компьютерах (приравнивая к ним и человеческий мозг), ДНК когда-нибудь может заменить или дополнить кремниевые транзисторы и физически выполнять расчеты. Можно вспомнить известную историю о том, как ДНК использовалось для решения классической проблемы коммивояжера. В этой головоломке, напомним, коммивояжер вынужден проехать, допустим, по восьми городам, разбросанным по всей карте. Он должен посетить каждый город лишь однажды, но, покинув один город, он не может прибыть в него еще раз, даже не может пересечь свой путь в любом другом месте. К несчастью, дороги между городами очень запутаны, так что определить правильный порядок посещения не так-то и легко.

Чтобы увидеть, как ДНК может решить эту задачу, приведем гипотетический пример. В первую очередь нужно взять два одноцепочечных набора фрагментов ДНК. Первый набор будет представлять собой восемь городов, которые нужно посетить, и его отрезки могут обозначаться случайными последовательностями А – Ц – Г – Т: например, Су-Фолс может быть А – Г – Ц – Т– А – Ц – А – Т, а Каламазу – Т – Ц – Г – А – Ц – А – А – Т. Для второго набора будем использовать карту. Каждая дорога между двумя городами получает свой фрагмент ДНК. Однако – и в этом суть – эти фрагменты мы будем распределять не случайным образом, а поступим умнее. Допустим, шоссе № 1 начинается в Су-Фолс и заканчивается в Каламазу. Если вы используете первую половину фрагмента дороги, меняя местами А с Т и Ц с Г в половине букв, которыми шифруется Су-Фолс, а во второй половине этого фрагмента проделаете ту же операцию со знаками, принадлежащими Каламазу, то шоссе № 1 свяжет два города:

После такого же кодирования каждой из оставшихся дорог и городов начинаются собственно расчеты. Смешиваем в пробирке все эти фрагменты ДНК, хорошенько встряхиваем – и, вуаля, получаем ответ. Так в пробирке отыщется более длинная цепочка ДНК, теперь уже двуспиральная, со всеми восемью городами на одной цепочке, в том порядке, в котором нужно посетить города, а на комплементарной цепи окажутся все дороги в правильном порядке.