Часть I: Аномалия

Глава 1. Решётка

Базель, Швейцария. Лаборатория сравнительной геномики, Базельский университет. Январь 2032 года.

Запах реагентов она давно перестала замечать. Формальдегид, изопропанол, тот едва уловимый пластиковый привкус, который даёт нагревающаяся электроника, – всё это ушло куда-то в область фона, как уходит фоновый шум собственного дыхания. Рейчел Чен работала в этих стенах восемнадцать лет, и лаборатория давно перестала быть местом, которое она замечает. Она была продолжением её самой – немного холодным, немного равнодушным, абсолютно честным.

В семь двадцать три она уже сидела за рабочим столом. Январский рассвет над Рейном только начинал разбеляться – не светать по-настоящему, а скорее нехотя отступать от черноты, как отступает усталый человек от спора, который он уже проиграл. Из окна была видна старая мельничная сторона, мост Миттлере с его аккуратными арками, вода цвета расплавленного свинца. Рейчел смотрела на это каждое утро и каждое утро не видела.

Кофемашина у входа скрипнула – третья ступенька от левого угла, на которой расходился паркет. Она знала этот звук, не поворачивая головы. Значит, Линь пришла.

– Доброе утро, – сказала Рейчел, не отрываясь от экрана.

– Ты уже здесь, – ответила Линь вместо приветствия. Это не было вопросом.

– Данные подгружались ночью. Хотела посмотреть до летучки.

Кофемашина зашумела, плюясь паром. Рейчел открыла первую папку. На экране развернулся знакомый беспорядок: хроматографические пики, контрольные треки, метаданные секвенирования. Обычное утро. Обычные данные.

Она начала работу.

Гранта она ждала полтора года. Не потому что рецензенты были несправедливы – рецензенты Базельского исследовательского фонда крайне редко бывают несправедливы, что само по себе является проблемой: они педантичны, последовательны и требуют доказательств там, где любой другой научный совет удовлетворился бы предположениями. Рейчел уважала их за это и ненавидела с той же равной силой. Первую заявку они отклонили: «Сравнительное исследование консервативных последовательностей теломерных повторов у 47 видов эукариот, разошедшихся в эволюции 1,5 млрд лет назад, не демонстрирует достаточной методологической новизны». Она переписала заявку. Добавила контрольные группы, уточнила протокол секвенирования, подробнее описала потенциальные приложения в онкологии. Рецензенты одобрили. Финансирование пришло в октябре.

По существу, исследование было необходимой скукой. Теломерные повторы у эукариот консервативны – это факт, известный с 1980-х, многократно подтверждённый и настолько освоенный научным сообществом, что стал чем-то вроде учебниковой иллюстрации: смотрите, как похоже устроена жизнь у дрожжей и у слонов, как верна природа своим собственным решениям. TTAGGG – шесть нуклеотидов, повторяющиеся тысячи раз, оберегающие хромосомы от деградации. У большинства эукариот – именно эта последовательность, или нечто настолько близкое к ней, что разница измеряется единицами из тысяч. Ничего удивительного. Эволюция консервативна там, где решение найдено правильно.

Новизна её исследования была в другом: Рейчел собиралась проследить паттерн вариаций – тех небольших отклонений, которые всё же существуют между видами, – и построить по ним филогенетическое дерево, независимое от митохондриальных маркеров. Технически амбициозно. Концептуально осторожно. Именно то, что нравится рецензентам.

Для этого ей нужен был хороший алгоритм выравнивания, и именно здесь в дело вошёл Ннамди.

Ннамди Обиора появился в её жизни восемь месяцев назад на онлайн-конференции по вычислительной биологии – скорее фоном, чем событием: молодой нигерийский биоинформатик из Лагоса, представивший доклад о новом алгоритме множественного выравнивания для повторяющихся последовательностей. Рейчел смотрела доклад вполуха, занимаясь параллельно своими данными, и зацепилась только за одну деталь в методологии – нестандартный подход к взвешиванию позиционных вероятностей. Она написала ему короткое сообщение в чат конференции: «Слайд 14, функция весовых коэффициентов – вы тестировали на теломерных повторах?»

Он ответил через сорок минут, явно не ожидая вопроса: «Нет. А почему вы спрашиваете?»

Они переписывались два часа. Алгоритм был написан для анализа транспозонов, но Рейчел видела, что он справится с теломерами. Ннамди согласился. Прислал код. «Это бета, – написал он, – и я, честно говоря, не тестировал его нигде, кроме собственных данных. Попробуй, он быстрее стандартного раза в три».

Она запустила его на тестовом наборе. Он действительно был быстрее. Она интегрировала его в свой пайплайн. Никаких тревожных сигналов.

То, что произошло в январе, она не могла отнести ни к алгоритму, ни к пайплайну, ни к чему-либо, что поддавалось немедленному объяснению.

Первый прогон завершился в 11:47. Рейчел к тому времени успела провести летучку, ответить на три письма, обсудить с Линь контрольный набор образцов для параллельного проекта и выпить второй кофе. Она открыла результаты без особого интереса – первый прогон обычно показывает только то, что данные загрузились корректно. Артефакты, шумовые треки, технические ошибки секвенирования. Отправную точку.

На экране появилась визуализация.

Рейчел смотрела на неё секунды три, прежде чем разум начал формулировать то, что видели глаза.

Она ожидала облако. Точнее – рассеянное распределение, какое всегда даёт сравнительное выравнивание повторяющихся последовательностей между видами, разошедшимися полтора миллиарда лет назад: дрейф, накопленные мутации, видоспецифичные сдвиги. Некоторые позиции будут консервативны, большинство – нет. Пятно с размытыми краями. Ожидаемая картина.

То, что она видела, было решёткой.

Не метафорой. Буквально – геометрически правильной структурой: модифицированные нуклеотиды в строго фиксированных позициях, воспроизводящиеся с интервалами, которые не совпадали ни с известными функциональными сайтами, ни с консенсусными последовательностями теломерного шаблона. Не случайный консерватизм – паттерн. Регулярный, повторяющийся, организованный.

Все 47 видов. От Saccharomyces cerevisiae до Elephas maximus.

Рейчел откинулась на спинку кресла. Посмотрела в окно. Рейн блестел холодным январским светом.

Она вернулась к экрану.

Ошибка в алгоритме, – сказала она себе. Это была наиболее парсимоничная гипотеза. Алгоритм Ннамди – бета-версия, написанная не для теломер, не тестировавшаяся на таком материале. Он мог вносить систематическое смещение при выравнивании повторяющихся последовательностей. Артефакт выравнивания. Очевидное объяснение.

Она открыла документацию к алгоритму. Прочитала. Открыла исходный код. Прочла функцию взвешивания позиций – ту самую, которая зацепила её на конференции. Ннамди использовал адаптивную схему: коэффициент для каждой позиции пересчитывался на основе распределения в обучающей выборке. Теоретически это могло создавать паттерны там, где их нет, если обучающая выборка содержала систематическое смещение.

Она запустила алгоритм на синтетических данных – случайно сгенерированных повторах без биологического смысла. Пятно с размытыми краями. Никакой решётки.

Значит, не алгоритм.

Она сидела минуту, глядя на два экрана рядом. Решётка в биологических данных. Облако в синтетических.

Хорошо, – сказала она себе. – Тогда артефакт секвенирования.

К 14:30 Линь ушла на обед. Рейчел осталась одна в лаборатории. Секвенатор в соседней комнате работал тихо, почти бесшумно – только лёгкое гудение вентиляции, которое она научилась не слышать. За стеной кто-то из аспирантов включил музыку, потом выключил. Тишина вернулась.

Она разложила проблему методично, как раскладывала любую проблему: источники систематической ошибки секвенирования, которые могли бы создать видимость структуры в теломерных данных. Их было несколько. Она проверила каждый.

Первое – PCR-дупликаты. Артефакт амплификации при библиотечной подготовке, классический источник ложных паттернов. Она открыла метрики дедупликации по каждому образцу. Процент дупликатов был в норме: от 12 до 23% в зависимости от вида. Ни один образец не выбивался из диапазона, принятого для теломерных библиотек. Не это.

Второе – систематическое смещение при базовом колле. Некоторые секвенаторы имеют проблемы с гомополимерными повторами – ошибки накапливаются в строго определённых позициях, создавая псевдоструктуру. Она проверила распределение q-scores по позиции для каждого прогона. Стандартное убывание к концу рида, никаких аномальных провалов. Не это.

Третье – контаминация референсными последовательностями. Если где-то в пайплайне произошла контаминация, чужая ДНК могла накладываться на сигнал и создавать структуру. Она просмотрела логи библиотечной подготовки. Все образцы готовились в разные дни, разными операторами, из разных хранилищ. Контаминация единственным источником – исключена статистически.

Она закрыла все логи. Открыла визуализацию снова.

Решётка смотрела на неё с экрана.

Хорошо, – сказала она. – Тогда я сделаю это вручную.

Контрольный прогон вручную означал следующее: взять четыре вида – по одному из каждой основной эволюционной ветви в её наборе – и выровнять их теломерные последовательности стандартными инструментами. Не алгоритмом Ннамди. MUSCLE, старым добрым, проверенным на тысячах работ. И посмотреть.

Она выбрала Saccharomyces cerevisiae (дрожжи), Arabidopsis thaliana (растение), Caenorhabditis elegans (нематода) и Homo sapiens. Четыре эволюционные ветви, разошедшиеся в разное время, с разной степенью родства. Если паттерн сохранится на этом подмножестве – это уже не артефакт.

MUSCLE работал двадцать две минуты. Рейчел смотрела на индикатор прогресса и пила кофе, который уже остыл. Думала о том, что сегодня нужно ответить Волкову – он просил выслать черновик раздела о методологии для совместной публикации, которую они не заканчивали уже год. Думала о том, что Сяо не звонила три недели и что это либо нормально, либо не нормально, она никогда не понимала, как считать. Думала о том, что нужно заказать реагенты до конца недели, иначе следующий прогон встанет.

Индикатор достиг ста процентов. Рейчел поставила чашку.

Открыла результат.

Она смотрела на экран долго. Не так, как смотрят учёные на данные – с карандашом, с внутренним голосом, перечисляющим гипотезы и исключения. Просто смотрела. Секунд двадцать, может, тридцать. Это был неприлично долгий срок для того, чтобы ничего не делать в рабочее время.

Паттерн был там. Другой алгоритм. Другое подмножество видов. Та же решётка.

Не идентичная – MUSCLE строит выравнивание иначе, приоритеты у него другие, и гэпы он расставляет в других позициях. Но модифицированные нуклеотиды в фиксированных позициях – они были. В тех же относительных координатах. Со статистикой, которую она не считала, потому что считать пока было нечего. Но смотреть на этот паттерн и говорить «случайность» – это было бы ложью, которую она не умела говорить себе.

Не алгоритм, – подумала она. – Не секвенирование. Не артефакт.

Она не подумала: что это значит. Это было ещё слишком далеко. Мозг двигается методично, если его правильно воспитывали двадцать лет научной работы, и он не делает скачков через промежуточные шаги, даже когда очень хочется. Или очень страшно.

Рейчел закрыла ноутбук.

Она не помнила, как надела куртку. Она обнаружила себя уже у реки – у перил набережной, в нескольких метрах от ступеней, ведущих к воде. Январский воздух был острым и влажным, из тех, что Базель даёт в промежутке между снегом и дождём, когда не то и не другое, а только холод без формы. Рейн катил свою серую воду под мостом – медленно, неостановимо, совершенно равнодушно к тому, что происходило в лаборатории на втором этаже над ним.

Она стояла у перил и смотрела на воду.

Она была учёным. Двадцать три года как учёный, если считать с аспирантуры. Всё это время она знала одно правило, которое не обсуждается и не пересматривается: данные говорят то, что говорят. Не то, что ты хочешь услышать. Не то, что вписывается в существующую теорию. Не то, что удобно. Данные – это единственная честная вещь в мире, потому что молекулы не знают, что значит солгать.

Эта мысль, которая восемнадцать лет была источником покоя, сейчас ощущалась иначе.

Что это значит, – спросила она себя наконец.

Четыре вида. Разошедшиеся сотни миллионов лет назад. Модифицированные нуклеотиды в одних и тех же относительных позициях теломерных повторов. Паттерн, который невозможно объяснить ни артефактом, ни случайностью, ни известным эволюционным давлением – потому что известное эволюционное давление на теломерные повторы не создаёт регулярных структур. Оно создаёт консерватизм функциональных сайтов и дрейф во всём остальном. Это – не консерватизм функциональных сайтов.

Это что-то другое.

Она не знала, что именно. У неё было четыре вида и первый прогон. Чтобы говорить что-либо содержательное, ей нужно было пройти верификацию – несколько независимых наборов, разные протоколы секвенирования, желательно разные лаборатории. Сейчас она знала только то, что данные выглядят определённым образом, и что у неё нет объяснения, которое она могла бы принять.

Она стояла у Рейна двадцать минут. Может, чуть больше. Она не смотрела на часы.

Потом она вернулась в лабораторию.

Линь сидела за своим столом, погружённая в препринт на планшете. Подняла голову.

– Ты выходила?

– Подышать.

– Ты в куртке не расстёгнутой.

Рейчел посмотрела на себя. Действительно – застёгнута на все пуговицы, включая верхнюю. Она никогда не застёгивала верхнюю пуговицу.

– Холодно было, – сказала она.

Линь смотрела на неё секунду дольше, чем требовалось. Потом вернулась к планшету.

Рейчел села за стол. Открыла ноутбук. Смотрела на визуализацию ещё минуту, может две, – не пытаясь анализировать, просто позволяя глазам делать то, что они хотели: искать порядок, искать структуру, потому что человеческий мозг ищет структуру везде и всегда, это его самая старая и самая ненадёжная черта.

Структура была.