Глава 1. Избыточность

Сингапур. Институт молекулярной медицины. День первый.

В 06:14 утра лаборатория принадлежала только ей.

Рейчел знала это по звуку. Вентиляция гудела на одной ноте – ровно, без перебоев, без чужих голосов, без скрипа стула за соседним рабочим столом. Ма Лэй появлялся в восемь. Остальные – в девять, кто-то позже. У неё было почти три часа, и она уже потратила сорок минут на то, чтобы запустить первичную обработку ночного прогона.

Она сняла крышку с бумажного стакана – кофе из автомата у лифта, слишком горький, слишком горячий – и поставила его на угол стола, подальше от оборудования. Потянула перчатки. Левая натянулась с первого раза, правая – нет: порошок на внутренней стороне собрался складкой у запястья. Она не стала поправлять. Некритично.

На центральном мониторе шла сортировка. 847 видов. Три года она собирала эту коллекцию – по образцу, по договорённости, иногда по обмену с коллегами из Токио и Кейптауна, один раз – через контрабандный биобанк в Куала-Лумпуре, о котором лучше не упоминать в грантовых отчётах. Теломерные последовательности от Saccharomyces cerevisiae до Homo sapiens. Дрожжи, папоротники, акулы, мухи, киты-полосатики, трёхпалые ленивцы. Всё, что имело ядро в клетке и хромосомы с защитными колпачками на концах.

TTAGGG. Шесть нуклеотидов, тысячи повторов, один и тот же мотив у всех.

Это и было отправной точкой её работы – не уникальность теломер, а их консервативность. Почему одна и та же последовательность сохранилась без изменений у организмов, разделённых полутора миллиардами лет эволюции? Естественный отбор давит на функциональные элементы. Теломераза работает с TTAGGG. Изменишь мотив – потеряешь фермент. Потеряешь фермент – хромосомы начнут деградировать. Клетка умрёт.

Это был стандартный ответ. Рейчел знала его наизусть, потому что давала его на конференциях всякий раз, когда кто-нибудь из незнакомых коллег спрашивал, чем она занимается. Ответ устраивал всех. Он был правильным.

Он был неполным.

Она отхлебнула кофе. Обожгла нёбо. Поморщилась, не отрывая взгляда от экрана.

Три года назад, когда она только запустила проект, это казалось чистым – академическим, беспристрастным, таким, каким наука и должна быть. Сравнительный анализ паттернов метилирования теломерных повторов у 847 видов эукариот. Проверка нулевой гипотезы: метилирование случайно, подчиняется эволюционному дрейфу, ничем принципиально не отличается от метилирования в остальном геноме. Работа ради работы. Данные ради данных.

Мать умерла, когда Рейчел было двадцать два. Нейродегенерация. Редкая, быстрая, без точного диагноза – только описание: теломеразная дисфункция в нейронах коры, лавинообразный апоптоз, шесть месяцев от первого симптома до конца. Рейчел тогда была на третьем курсе. Она сдала все экзамены сессии, потому что больше некуда было девать руки.

Потом – аспирантура. Специализация на теломерной биохимии. Никто не спрашивал почему. Или спрашивали – но она давала другой ответ. Тоже правильный. Тоже неполный.

На экране закончилась сортировка.

Первичные данные выглядели нормально.

Рейчел открыла сводную таблицу – 847 строк, столбцы с идентификаторами видов, средней длиной теломер, индексом вариабельности метилирования, коэффициентами корреляции между таксономическими группами. Числа жили своей жизнью: шершавые, несимметричные, с хвостами распределений там, где им и положено быть. Нормальный биологический шум. Эволюция не любит чистоты.

Она запустила второй уровень анализа – автоматический скрипт, написанный два года назад и с тех пор ни разу не подводивший. Задача простая: разбить все образцы на кластеры по паттернам метилирования и проверить, совпадают ли границы кластеров с филогенетическим деревом. Если совпадают – метилирование следует за эволюцией. Если нет – нужно разбираться.

Обычно совпадали.

Она потянулась за кофе снова. Он успел остыть ровно до нужной температуры. Она выпила треть и поставила обратно.

На экране появился прогресс-бар. 12%. 18%. 31%.

За стеклом криобанка мигал синий контрольный огонь – ровный, медленный, как пульс чего-то спящего. Там, в стеклянных кассетах при минус восьмидесяти градусах, лежали тысячи образцов. Её образцы. Три года сбора, маркировки, каталогизации. Каждый – история одного организма, одной клетки, одного момента, законсервированного навсегда.

Гул вентиляции поднялся на полтона. Или опустился. Рейчел не была уверена. Здание осело чуть сильнее на правой стороне из-за расширения от утреннего нагрева – это она знала, потому что слышала это каждое утро уже четыре года. Через десять минут звук выровняется.

64%. 79%.

Она открыла второй монитор и начала читать свежий препринт из Хельсинки – что-то про теломерную динамику в опухолевых клетках, скучное, но нужно было проверить, не пересекается ли их методология с её. Не пересекалась. Они работали с сиквенсом Сэнгера. Устаревший метод. Хороший для последовательности, бесполезный для метилирования.

100%.

Она убрала препринт и посмотрела на результат кластеризации.

И ненадолго перестала дышать.

Кластеры не совпадали с филогенетическим деревом.

Не в смысле «немного не совпадали» – с небольшими отклонениями, которые можно списать на горизонтальный перенос генов или конвергентную эволюцию. В смысле – принципиально не совпадали. Граница между кластерами проходила не между таксономическими группами. Она проходила внутри каждого вида отдельно – между теломерными повторами с определённым позиционным номером и всеми остальными.

Рейчел посмотрела на цифры. Потом на визуализацию – тепловая карта метилирования, синий к холодному концу, красный к тёплому. У нормальных данных тепловая карта должна выглядеть как мозаика без паттерна. Эволюционный дрейф – это шум. Шум не имеет структуры.

На её экране была структура.

Она не была похожа на биологический шум. Она была похожа на что-то другое – что-то, что Рейчел не могла сразу назвать, но что вызывало в ней странное узнавание, как когда видишь лицо незнакомца и понимаешь, что видел его раньше, только не можешь вспомнить где.

– Подожди, – сказала она вслух, в пустую лабораторию.

Никто не ответил. Вентиляция гудела.

Она развернула тепловую карту на весь экран и увеличила разрешение. Паттерн стал виден отчётливее. Не случайный. Не случайный совершенно – потому что случайность имеет статистически предсказуемое распределение, а то, что она видела, этому распределению не подчинялось. Периодические пики. Регулярные провалы. Структура с масштабной инвариантностью – одна и та же на уровне отдельного повтора, на уровне группы повторов, на уровне всего теломерного блока.

Фрактальная.

Рейчел поставила кофе на стол – в этот раз мимо, он едва не упал, она поймала машинально, даже не посмотрев – и запустила статистический анализатор.

Нулевая гипотеза: паттерн случаен, порождён эволюционным дрейфом метилирования.

Она знала, что увидит. Она надеялась увидеть p-значение выше 0.05. Это означало бы, что нет статистических оснований отвергнуть нулевую гипотезу. Что паттерн – случайность. Что можно выдохнуть.

p = 0.0000000000000001.

Ниже порога отображения. Анализатор добавил сноску: Вычислена нижняя граница. Реальное значение может быть существенно меньше.

Она откинулась на спинку кресла.

Паттерн не случаен. Это был факт. Следующий вопрос – единственный, который имел смысл задать: что именно этот паттерн делает? Почему он существует? Откуда взялся?

Рейчел закрыла глаза на три секунды. Потом открыла.

– Хорошо, – сказала она, уже тише. – Тогда давай разбираться.

Следующие два часа она методично разбирала данные.

Не все сразу – она работала слоями, как работает любой нормальный аналитик, который понимает, что торопливость в работе с данными плодит ошибки. Сначала – верхний уровень: сколько видов демонстрируют паттерн? Все 847. Стопроцентное попадание. Это само по себе было чем-то из разряда невероятного – в биологии практически ничто не встречается у ста процентов видов.

Потом – таксономический срез. Она разбила выборку по большим группам: грибы, растения, животные, протисты. Паттерн присутствовал везде. У дрожжей – те же периодические пики, та же масштабная инвариантность. У папоротников. У акул. У людей. Одна и та же структура, с точностью до вариабельности, объяснимой разной длиной теломерных блоков.

Потом – позиционный анализ. Паттерн не распределён равномерно по всему теломеру. Он концентрируется в определённом регионе – примерно в средней трети теломерного блока, примерно на повторах с 200-го по 400-й от конца хромосомы. Не точно – есть разброс, есть вариабельность, есть места, где граница размыта. Но тенденция устойчивая.

Рейчел перешла на следующий уровень и остановилась.

Паттерн метилирования – это не последовательность. Последовательность TTAGGG одинакова у всех и эволюционно законсервирована по понятным причинам. Метилирование – другое. Метилирование – это химические модификации поверх последовательности: маленькие метильные группы, прикреплённые к цитозинам, меняющие доступность ДНК для белков. Метилирование меняется. Его паттерны должны дрейфовать, накапливать ошибки, расходиться между видами.

Они не расходились.

Конкретнее: они расходились в той части теломера, которая не попадала в выделенный регион. Там – нормальный эволюционный дрейф, ожидаемая вариабельность, данные ведут себя именно так, как им положено. Но в регионе между 200-м и 400-м повторами – консервация. Точная. Статистически невозможная.

Рейчел встала из-за стола и прошла к окну.

За стеклом был Сингапур: рассвет уже добрался до верхних этажей башни напротив, вода в заливе отражала небо – серо-розовое, плоское, влажное. Где-то внизу шли первые автобусы. Город начинал работать.

Она смотрела на воду и пыталась придумать объяснение. Любое правдоподобное.

Гипотеза первая: артефакт секвенирования. Что-то в протоколе нанопорового ридера создаёт систематическую ошибку именно в этом позиционном диапазоне. Проверяемо. Она запустила контрольный анализ синтетических последовательностей из своего же банка данных – известный, проверенный, без биологического материала. Паттерна нет. Артефакт исключён.

Гипотеза вторая: неизвестная функциональная консервация. Этот регион выполняет какую-то функцию, которую она не знает, и поэтому отбор давит на него так же сильно, как на кодирующие последовательности. Возможно. Но тогда паттерн должен иметь смысл с точки зрения хроматиновой структуры или взаимодействия с белками – а первичный структурный анализ ничего подобного не показывал. Кандидаты на взаимодействие отсутствуют.

Гипотеза третья.

Она не позволила себе её сформулировать. Не потому что была суеверной – она не была суеверной. Просто потому что третья гипотеза требовала бы принять нечто, что противоречило всей логике того, как работает эволюция, как работает метилирование, как работает репликация. Третья гипотеза была безумной.

Она вернулась к столу.

Безумная гипотеза – это не та, от которой нужно отмахиваться. Это та, которую нужно проверить.

В 08:47 пришёл Ма Лэй.

Она услышала карточку на считывателе у входа, потом его шаги – лёгкие, аккуратные, он всегда двигался так, будто боялся потревожить оборудование. Двадцать девять лет, аспирант, второй год работал у неё ассистентом. Хороший – нет, лучше: точный. Протоколы соблюдал безупречно, ошибок в работе с секвенатором не допускал, документацию вёл так, как не велась документация ни в одной другой лаборатории Института.

– Доброе утро, доктор Чен, – сказал он, не глядя на неё: уже снимал пиджак, вешал на крючок у двери. – Вы рано сегодня.

– Как обычно.

– Ночной прогон прошёл?

– Да. Есть кое-что интересное.

Она не стала объяснять. Ма Лэй не спросил. Это тоже было одним из его достоинств – он понимал, когда не стоит спрашивать.

Он занял свой стол – напротив, чуть в стороне – и начал разбирать пробирки из вчерашнего протокола. Его руки работали быстро и без лишних движений. Рейчел краем взгляда наблюдала за ним секунду, потом вернулась к своим данным.

Третья гипотеза ждала.

Информационно-теоретический тест был не её изобретением – он существовал в арсенале биоинформатики уже лет двадцать, использовался в основном для анализа энтропии кодирующих последовательностей. Применить его к паттернам метилирования она пробовала однажды, три года назад, из чистого любопытства, и получила ожидаемый результат: энтропия близка к максимальной, паттерн случаен. Так и должно быть.

Сейчас она собиралась применить его к выделенному региону.

Суть теста была простой: если паттерн случаен, его энтропия по Шеннону должна быть максимальной – каждый бит несёт ровно один бит информации. Если паттерн содержит структуру – энтропия ниже максимума: можно угадать часть битов из предыдущих. Разница между максимальной и наблюдаемой энтропией – это информационная избыточность. У случайных последовательностей она нулевая. У сжатого кода – высокая. У языка – тоже высокая, именно поэтому тексты поддаются сжатию.

Она запустила тест.

Ждала. Смотрела на экран.

Ма Лэй за соседним столом работал с центрифугой – тихий щелчок крышки, нарастающий гул, потом тишина. Пахло изопропанолом – острый, почти сладкий запах дезинфекции, к которому она давно привыкла, но сегодня почему-то замечала.

Результат появился.

Информационная избыточность в регионе 200–400: 68.3%.

Она перечитала цифру. 68.3%.

Для сравнения: информационная избыточность в русском языке – около 70%. В английском – около 65%. В стандартизированном двоичном коде с коррекцией ошибок – 50–60%, в зависимости от алгоритма.

68.3%.

В теломерном регионе, который должен был содержать случайный биологический шум.

Рейчел сидела совершенно неподвижно. Потом медленно, с усилием, как будто из воды, сказала:

– Ма Лэй. Проверь, пожалуйста, параметры ридера на позавчерашнем прогоне. Диапазон пор. Время считывания. Меня интересует любое отклонение от стандарта.

– Конечно. – Он не поднял головы. – Через пятнадцать минут.

Пятнадцать минут. Хорошо.

Она взяла чистый лист бумаги – настоящей, она всегда держала бумагу на столе, потому что иногда нужно было рисовать от руки, без экрана – и начала писать.

Не формулы. Просто слова. Фиксировать.

Паттерн метилирования. Регион Т2-Т4 (условное обозначение). Присутствует у всех 847 видов. Консервация: статистически значимая. Энтропия по Шеннону: 68.3% избыточности. Артефакт секвенирования исключён.

Она остановилась. Посмотрела на написанное.

Артефакт секвенирования исключён. Это было важно. Это означало, что данные реальные. Что паттерн существует. Что вопрос теперь не в том, есть ли он – а в том, что именно он делает.

Она написала ниже: Гипотезы:

Функциональная консервация – неизвестный механизм. Проверить: взаимодействие с белками, хроматиновая структура.

…

Второй пункт она не написала. Пока.

Ма Лэй вернулся через двенадцать минут.

– Доктор Чен. Параметры ридера в норме. Диапазон пор в допустимых границах, время считывания стабильное. Никаких отклонений.

– Уверен?

– Уверен. – Небольшая пауза. – Хотите, я распечатаю лог?

– Не надо. Спасибо.

Он вернулся к своему столу. Рейчел смотрела в экран.

Гул вентиляции. Запах изопропанола. Синий огонь криобанка за стеклом – ровный, медленный.

Функциональная консервация как гипотеза не закрыта, но требует дополнительных данных. Она не могла проверить взаимодействие с белками прямо сейчас – это другой протокол, другое оборудование, минимум неделя работы. Но она могла сделать кое-что другое.

Она могла проверить, нет ли в паттерне смысла.

Не биологического смысла – структурного. Информационно-теоретического. Если паттерн – это шум с высокой избыточностью, то его структура должна быть случайной второго порядка: случайной внутри структуры, но без более глубокого уровня организации. Если паттерн – что-то другое, то в нём должен быть детектируемый алфавит. Повторяющиеся единицы. Иерархия.

Она написала скрипт за сорок минут.

Небольшой, грубый – она программировала достаточно хорошо для своих нужд, не более того – но он делал то, что ей было нужно: сканировал паттерн метилирования на наличие повторяющихся субъединиц разной длины. Если паттерн – код, там должны быть повторы. Если паттерн – шум, повторы случайны.

Она запустила скрипт.

47 минут обработки. Она дождалась.

Ма Лэй ушёл на обед в 12:30. Она не пошла. Кофе давно кончился. Она не вставала.

На экране был результат, который она перечитала четырежды. Не потому что не понимала – потому что понимала слишком хорошо.

Паттерн содержал три уровня повторяющихся субъединиц.

Первый уровень: базовые единицы из 4-8 позиций. Детектированы 47 уникальных субъединиц. 47 – не случайное число: это достаточно для алфавита, достаточно для кодирования информации. Недостаточно для случайного шума.

Второй уровень: группы базовых единиц, образующие более крупные структуры. Повторяемость второго уровня – статистически значимая. p < 10⁻¹⁸.

Третий уровень: Рейчел запустила тест на детекцию разделителей – стандартный инструмент из арсенала криптографии. Разделители – это маркеры, разграничивающие единицы смысла в потоке кода. У языка они есть: пробелы, знаки препинания. У кода – тоже.

Разделители были.

Она нашла их на третьем прогоне, когда изменила параметры окна поиска. Три уникальных метилирования-маркера, встречающихся регулярно, с предсказуемой периодичностью, разграничивающих блоки субъединиц второго уровня.

Рейчел откинулась на спинку кресла и посмотрела в потолок.

Белый. Гладкий. Флуоресцентный свет – без теней, стерильный.

Она думала о том, что существует несколько классов объяснений тому, что она видит. Первый: она сделала ошибку. Где-то в скрипте, в параметрах, в интерпретации. Это самое вероятное объяснение. Всегда ставь на ошибку исследователя, а не на аномалию данных. Это хорошая наука.

Второй: данные реальные, но объяснение в рамках известной биологии. Неизвестный регуляторный механизм. Новый класс нкРНК. Что-то ещё. Маловероятно – потому что известные механизмы не дают такой статистической значимости и такой консервации поперёк 847 видов. Но возможно.

Третий.

Она позволила себе сформулировать третий.

Паттерн метилирования в теломерном регионе Т2-Т4 – это не биологический регуляторный механизм. Это хранилище информации. Он создан с намерением хранить информацию – не в смысле «эволюция оптимизировала его для хранения» – в смысле намеренно создан. Разработан. Имплантирован.

Кем – и когда – она не позволила себе думать. Пока.

Она встала, налила воды из графина на подоконнике, выпила стакан целиком. Поставила стакан. Вернулась к столу.

Если третья гипотеза верна – или даже если она хотя бы требует серьёзной проверки – то следующий шаг очевиден. Ей нужна вычислительная мощность, которой у неё нет. Её рабочая станция обрабатывала 847 образцов за ночь. Чтобы провести полный информационно-теоретический анализ паттерна на всей базе данных – с картированием субъединиц, с построением декодирующей модели, с проверкой статистики на максимальном разрешении – ей нужен был суперкомпьютерный кластер.