Эндрю Стил - Бессмертные. Почему гидры и медузы живут вечно, и как людям перенять их секрет

Технологии, лежащие в основе этих моделей, развиваются очень быстро. Во-первых, наша способность собирать необходимые данные растет с невероятной скоростью. Секвенирование генома – это образцовый пример сбора биологических данных, и оно быстро дешевеет. В 2001 году, сразу после завершения проекта «Геном человека», секвенирование генома человека стоило около 100 000 000 долларов. К 2008 году цена упала в сто раз до 1 000 000 долларов, а в 2019 году расшифровка последовательности всего генома стоила менее 1000 долларов. Секвенирование генома и связанные с ним методы известны как геномика. Эти методы называются объективными, потому что вам не нужно заранее определять, что искать. Вместо секвенирования одного гена, который, как считается, участвует в процессе, или измерения уровня конкретного белка, как делали бы в прошлом, мы можем посмотреть на весь геном (с помощью геномики) или все белки в данной популяции клеток (науки, известной как протеомика) и т. д. Это открывает гораздо большие возможности для поиска неожиданного и для того, чтобы увидеть, что клетки и организмы ведут себя как взаимосвязанные биологические системы.

Также экспоненциально растет способность обрабатывать такого рода данные. По закону Мура, вычислительная мощность удваивалась каждые два года с 1960-х годов. Аналогичная, хотя и менее плавная тенденция привела к резкому улучшению компьютерной памяти еще более быстрыми темпами. Было бы ошибкой экстраполировать эти тенденции в неопределенное будущее, поскольку мы, вероятно, столкнемся с физическими ограничениями относительно скоро. Последние полвека рост вычислительной мощности был вызван уменьшением компонентов микрочипов, и мы приближаемся к минимальному размеру, разрешенному законами физики. Но мы должны быть в состоянии поддерживать рост скорости обработки данных, делая алгоритмы более эффективными, создавая чипы, оптимизированные для конкретных задач, таких как машинное обучение, и используя новые технологии, например квантовые вычисления.

Хотя прошлые результаты не являются гарантией будущего успеха, тенденции, подобные этим, делают вполне вероятным то, что у нас будут как огромные объемы данных, так и вычислительные ресурсы для их обработки, необходимые для создания детальных моделей человеческой биологии. Учитывая, как далеко мы продвинулись за последние 50 лет, было бы глупо ставить на то, что в следующие полвека мы не достигнем системного понимания биологии, которое нам понадобится для лечения старения.

Идея клеточного перепрограммирования увлекательна. Это заставляет меня сильно колебаться между тем, что нам просто невероятно повезло и благодаря Яманаке мы получили чит-код для клеточной биологии, или же что его очевидный успех в лаборатории – это жестокая шутка природы, предвещающая череду разочаровывающих неудачных попыток превратить это открытие в практическое лечение. Однако, хотя на самом деле это не подход системной биологии, он показывает нам путь: казалось бы, это косвенное вмешательство в группу генов, которые не играют очевидной роли в процессе старения, но их комбинация позволяет существенно повернуть время вспять.

Независимо от того, приведет ли эта первая стадия перепрограммирования к созданию эффективного лечения, я считаю, что весь подход к биомедицине в итоге будет лучше всего описан как перепрограммирование. Нам нужно будет количественно оценить и использовать взаимодействия между бесчисленными элементами биологии, добавить новые функции там, где собственные гены еще не имеют инструментов, и сделать все это с помощью технологий, пользуясь для достижения этой непостижимо сложной задачи масштабными компьютерными моделями. Кстати, именно поэтому некоторые технофутуристы считают, что излечить старение получится скорее, если сосредоточиться на достижениях вычислительной техники и искусственного интеллекта, а не на биологии. На самом деле нам почти наверняка придется обращаться и к тому, и к другому. Даже самые продвинутые технологии машинного обучения, которые мы можем себе представить, работающие на невероятно мощных компьютерах, нуждаются в реальных данных, на которых основываются эти модели.

Логической конечной точкой этого процесса будет постепенный отказ от идеи лечения «старения» и начало восприятия всех человеческих дисфункций и болезней как «нарушения гомеостаза». Гомеостаз – это собирательный термин для мириадов процессов, которые удерживают аспекты нашей физиологии – от температуры и уровня сахара в крови до количества белков и определенного вида клеток – в удивительно узких пределах, необходимых для поддержания жизни. 20– или 30-летний человек находится в состоянии почти полного гомеостаза, и ежегодная вероятность того, что его система выйдет из равновесия и он умрет, меньше, чем 1:1000. Если бы мы могли просто вернуть физиологические параметры на уровень, на котором они находятся в молодом возрасте, то могли бы полагаться на существующие гомеостатические системы организма, чтобы поддерживать жизнь.

Процессы, которые мы в настоящее время называем старением, представляют собой постепенное нарушение гомеостаза – гораздо более медленное, чем, например, настоятельная необходимость начать дрожать на холоде, чтобы поддерживать температуру тела в безопасном диапазоне. Но они отражают тот факт, что эволюция не нуждается в том, чтобы поддерживать равновесие в наших телах до шестого или седьмого десятилетия. Почти незаметное нарушение баланса, которым мы все наслаждаемся в юности, является причиной того, что мы становимся слабыми, забывчивыми и подверженными болезням. Лучшие методы лечения старения мягко подтолкнули бы сеть процессов, заставляющих гомеостаз постоянно нарушаться, обратно к стабильному состоянию, сохраняя нашу безопасность и здоровье на десятилетия дольше, чем сегодня. Вмешательство в хитроумные способы восстановления порядка во всей системе, несомненно, является конечным будущим медицины.

Разгадка системной биологии старения потребует непостижимых объемов данных, огромных вычислительных мощностей и умных биологов, работающих в тандеме со специалистами из лаборатории. Замена языка числовым представлением в прошлом произвела революцию во всех областях науки, а революция в области данных и вычислений в биологии только началась.

Как только мы сможем детально смоделировать нашу биологию, появится возможность перепрограммировать ее, чтобы остановить постепенное ухудшение здоровья и рост риска смерти со временем. Человеческие существа в конце концов станут пренебрежимо стареющими, биологически бессмертными – нестареющими. Лечение, которое приведет к этому, положит конец огромным экономическим издержкам и человеческим потерям, небрежности естественного отбора, а также боли и страданиям в старости, которые были неизбежны для большинства живых существ в течение миллионов лет. Это смелая миссия, но не невыполнимая: человеческая биология невероятно сложна, но она также конечна. Когда-нибудь данные и мощные компьютерные модели позволят нам редактировать сам код, на котором мы работаем. Перепрограммирование старения будет нашим величайшим достижением как вида. Это должна быть наша совместная миссия как биологов, врачей и людей.