ИИ не разгадает геном: биологи сомневаются в самой логике машинных моделей

С тех пор как в 1950-х годах была установлена молекулярная структура ДНК, учёные читали и изучали информацию, записанную в геномах живых организмов, и нередко описывали эту базу данных как чертёж, программный код или компьютер. Однако если ДНК и хранит какой-то более глубокий секрет устройства жизни, биологи его до сих пор не нашли. Человеческий геном оказался не столько сценарием, сколько головоломкой, которая становится тем сложнее, чем внимательнее на неё смотришь. Знание полной последовательности — порядка всех трёх с лишним миллиардов химических «кирпичиков» нашей ДНК, почти полностью определённого в рамках международного проекта «Геном человека» в 1990–2003 годах, — помогло не слишком сильно. Оказалось, что лишь около двух процентов генома составляют собственно гены, то есть участки, кодирующие информацию.

Теперь ясно, что понимание генома больше не сводится к выяснению того, что делает каждый отдельный ген. Куда более глубокий и трудный вопрос — как эти гены используются и регулируются, а в этом, судя по всему, задействована какая-то часть, а возможно, и большая часть остального генома. Включая и выключая целые наборы генов, организм создаёт из одного и того же материала десятки разных типов клеток — мышечных, нервных, кожных и других. Клетки регулируют свою генетическую активность ежеминутно, реагируя на непрерывный поток сигналов от соседей и окружающей среды. Но процессы, управляющие этой регуляцией, настолько сложны, что некоторые биологи всерьёз задаются вопросом: постижима ли вообще полная картина работы генома для нашего скромного разума?

Часть исследователей рассчитывает переложить анализ на искусственный интеллект. Геномные «фундаментальные модели» вроде Evo 2, Genos и AlphaGenome от Google DeepMind обучены на огромных массивах геномных данных, и биологи используют их, чтобы предсказывать, как различия в последовательности ДНК влияют на биологические процессы и в конечном счёте на признаки организма, включая риск заболеваний. Эти алгоритмы не разбираются в хитросплетениях регуляции: предполагается, что всё это поглощается в ходе «обучения», где модель вылавливает корреляции из уже известных случаев.

Подход наверняка окажется полезным, но тем, кто жаждет настоящего понимания того, как работает геном и в конечном счёте сама жизнь, вычислительного «чёрного ящика» всегда будет мало. И, пожалуй, важнее другое: геном может просто не подчиняться той логике «вход — выход», на которую в конечном счёте опираются подобные модели. Потому что геном — не чертёж и не алгоритм. Это нечто иное.

Учитывая, что перед нами продукт примерно четырёх миллиардов лет эволюции, сложность генома вряд ли должна удивлять. Удивляет то, в чём именно эта сложность выражается. «Наш геном — это не то, что мы создали бы, сев за чертёжную доску», — говорит биолог Карен Адельман из Гарвардской медицинской школы, изучающая регуляцию генов.

Традиционная картина такова: небольшая доля нашей ДНК хранит код для производства белковых молекул, которые управляют химией клеток. Каждая инструкция для белка записана в соответствующем гене — их у нас около двадцати тысяч, — а длина генных последовательностей варьируется от пары десятков до почти трёх миллионов «букв» ДНК. Создание белка из гена происходит в два этапа. Сначала фермент под названием полимераза считывает ДНК буква за буквой и создаёт копию кода в родственной молекуле — матричной РНК. Это называется транскрипцией. Затем матричную РНК считывает молекулярная машина под названием рибосома, которая собирает белок, — этот процесс называют трансляцией. Готовые белки отправляются выполнять свою работу по строительству и поддержанию организма.

Эта картина в целом верна до сих пор. Но, как отмечает Адельман, «гены, вероятно, не самая интересная часть генома». Куда важнее то, как наши гены — многие из которых мы делим с более простыми организмами — регулируются, то есть включаются и выключаются. Набор нужных клетке белков меняется со временем и зависит от типа клетки: мышца, мозг, кожа и так далее. А то, как регулируются кодирующие их гены, зависит от участков генома, которые белки не кодируют.

О регуляции генов и участии в ней «некодирующей» ДНК биологи знают с 1960-х годов. Но долгое время почти всё понимание приходило из исследований простых организмов вроде бактерий, где принципы в целом незамысловаты. Постепенно выяснилось, что у сложных эукариотических организмов, к которым относимся и мы, регуляция генов устроена гораздо запутаннее: в ней пересекаются несколько систем надзора и контроля, каждая со своими тонкостями.

Запускают транскрипцию белки под названием транскрипционные факторы — что-то вроде операционных менеджеров генной регуляции. Они прикрепляются к участкам ДНК, обычно рядом с целевым геном, и привлекают полимеразу, чтобы та сделала копию матричной РНК. У бактерий транскрипционные факторы похожи на ключи, подходящие к замкам уникальных мест связывания на ДНК. Но у сложных организмов всё иначе. У нас логику транскрипционных факторов разгадать куда труднее. В частности, они не проявляют сильного предпочтения к конкретным участкам связывания, и вся эта система, похоже, требует от исследователей и от алгоритмов гораздо более тонкого подхода, чем нынешние модели машинного обучения способны предложить.