Главная » Аналитика инноваций » Новости науки » БИОИНФОРМАТИКА, ГЕННЫЕ СЕТИ И ОРГАНИЗАЦИИ ЖИВЫХ СИСТЕМ
Контакты English

БИОИНФОРМАТИКА, ГЕННЫЕ СЕТИ И ОРГАНИЗАЦИИ ЖИВЫХ СИСТЕМ

12.04.08

ImageГенетика, словно наверстывая упущенное в период гонений на науку, стремительно развивается, идет вперед семимильными шагами. И добываемые сегодня знания позволяют приблизиться к раскрытию самых сокровенных тайн человеческого организма, решать почти фантастические задачи во многих других областях. А весь арсенал методов, направленных на решение поставленных задач, позволяет говорить о новой концепции и современной стратегии. И основополагающий момент здесь – содружество разных наук. Его и взяла за основу корреспондент «НВС» Л. Юдина в беседе с и. о. директора Института цитологии и генетики чл.-корр. РАН  Н. А. Колчановым.

– Николай Александрович, ваш институт – один из крупных узлов системы междисциплинарных интеграционных взаимодействий СО РАН в области биоинформатики. В чем причина притягательности генетики и биоинформатики для междисциплинарных научных исследований?

– Генетика, наука о наследственности, с самого момента своего возникновения была чрезвычайно интересна для представителей других специальностей – математиков, физиков, химиков и т.д. И они вносили свою лепту в ее развитие. В начальный период доминировала концепция «один ген – один признак». В 60-е годы математиками и физиками было сформулировано понятие генных сетей (Кауфман, Ратнер), что значительно расширило сферу познания.

– Что, исходя из понятий современной генетики, включает определение «генная сеть»?

– Это группа координированно работающих и взаимодействующих между собой генов, контролирующих формирование фенотипических признаков организмов на основе информации, закодированной в геномах. Таким образом, взгляд современной генетики: «генная сеть – фенотипический признак».

В последнее десятилетие в генетике произошел настоящий информационный взрыв: появились высокопроизводительные методы секвенирования геномов, ДНК-чипы для одновременного исследования всех генов организма, быстрые методы определения пространственной структуры белков. Осмысливание такого объема информации, а также планирование новых генетических экспериментов становится невозможным без современных информационных технологий и методов моделирования биологических систем и процессов. Биоинформатика возникла в ответ именно на данный вызов. Центральный объект биоинформатики – генные сети (далее – ГС).

– А как они выглядят, эти самые генные сети и какие фундаментальные проблемы биологии позволяют решать?

– Генные сети отдельных процессов содержат многие тысячи взаимодействующих элементов (генов, белков, метаболитов). Глобальная генная сеть даже такого простого организма, как бактерия E. Coli (кишечная палочка) имеет до 4000 генов и намного больше белков и метаболитов, взаимодействующих очень сложным образом. Только для описания двудольного графа метаболических процессов E. Coli необходимо 945 переменных, а с учетом генетической регуляции этот граф становится на порядки больше. Генные сети человека невообразимо сложнее, учитывая, что его организм состоит из многих миллиардов клеток, в каждой из которых имеется геном, содержащий 25 000 генов.

Для реконструкции генных сетей на основе экспериментальных данных нами (Е. А. Ананько и коллеги) совместно с ИВМиМГ СО РАН (Н.Л. Подколодный) была разработана компьютерная технология GeneNet. Анализ генных сетей бактерий, растений, животных и человека показал, что генные сети можно разбить всего на четыре класса. В ГС гомеостаза (поддержание параметров организма вблизи оптимального значения) основную роль играют отрицательные обратные связи (рис. 1).

Image

В ГС морфогенеза (развития) – положительные обратные связи, уводящие систему от ее исходного состояния. Для ГС циклических процессов (например, суточного ритма) характерен точный баланс положительных и отрицательных обратных связей. В ГС стрессового ответа сперва положительные обратные связи активируют защитные механизмы, а затем отрицательные обратные связи стремятся вернуть ГС в исходное состояние. Точный баланс между ними не всегда соблюден – порой, чтобы выжить, приходится чем-то жертвовать.

– Объем работы огромный, задачи масштабные. И как же вы справляетесь?

– Нам на помощь приходят профессиональные математики, информатики и физики ИМ, ИВМиМГ, ИСИ, ИВТ, ИТПМ, ИТ, ИЯФ, а также биологи ИХБиФМ. Важное значение в объединении наших усилий сыграли два интеграционных проекта СО РАН, которыми мы руководили совместно с математиком чл.-корр. РАН  С. С. Гончаровым. Итоги этой работы суммированы в коллективной монографии «Системная компьютерная биология» (издание СО РАН, 2008 г.). Особенно важно, что в сотрудничестве.

– Какие интересные результаты получаете благодаря содружеству коллег?

– Очень ценную информацию при изучении топологических особенностей динамики генных сетей (В.П. Голубятников), при анализе стационаров дискретных генетических автоматов, моделирующих генные сети (А.А. Евдокимов); при идентификации мутаций по характеристикам динамики генных сетей с помощью распознавания образов (Н.Г. Загоруйко) и др.

Г. В. Демиденко доказал предельные теоремы, обосновавшие возможность моделирования матричных процессов биосинтеза уравнениями с запаздывающими аргументами. Ту же задачу с помощью численных методов решал С. И. Фадеев (пакет STEP+, анализ стационаров методом продолжения по параметру и анализ устойчивости точек покоя по методу Годунова-Булгакова). В этой работе, помимо интересных биологам результатов был получен и выдающийся математический результат – установлена ранее неизвестная связь между решениями систем обыкновенных дифференциальных уравнений и уравнений с запаздывающими аргументами. Все эти исследования проводились совместно с группой наших специалистов, возглавляемой В. А. Лихошваем. В 2002, 2005 и 2007 годах результаты совместных работ были включены Институтом математики СО РАН в список важнейших.

Нет необходимости доказывать, что без коллег-математиков нам бы годы и годы пришлось подступать к этим задачам. Но и специалистам других институтов совместная работа дает возможность не только применять наработанные методы, но и получать интересные результаты в своих профессиональных областях.

– Известно всем с давних времен, что нет ничего практичней хорошей теории. Имеет ли биоинформатика выход в практику?

– Мы к этому стремимся, и некоторые результаты обнадеживают. Начнем с проблем здоровья. Поговорим о холестерине и связанных с ним осложнениях, которыми так любят пугать пациентов. Для исследования молекулярных механизмов патологий, связанных с холестерином, была реконструирована (Е.В. Игнатьева) генная сеть его биосинтеза в клетке (рис. 1). Исследование мутационной устойчивости математической модели этой генной сети (В.А. Лихошвай и А.В. Ратушный) показало, что стационарная концентрация свободного холестерина в клетке устойчива к большинству мутаций в генной сети. Однако у этой генной сети, как и у других, имеется ахиллесова пята – отрицательная обратная связь, регулирующая биосинтез холестерина и обеспечивающая его нормальную концентрацию. До тех пор, пока она работает, проявление большинства мутаций в подчиненных ей генах компенсируется изменением скорости биосинтеза холестерина. Однако, при разрушении обратной связи компенсаторные механизмы перестают работать, и весь спектр этих мутаций «выходит наружу», приводя к возникновению патологии. Наши исследования привлекли внимание крупнейшей фармакологической компании «GlaxoBencham», с ней налажены контакты.

Еще один пример. Совместно с В.А. Иванисенко мы сконцентрировали внимание на тяжелом инфекционном заболевании – гепатите С, от которого в мире страдают десятки миллионов человек. Единственная и очень дорогая экспериментальная модель для изучения гепатита С – шимпанзе, что делает исследования практически невозможными, думаю, понятно почему. Была реконструирована генная сеть жизненного цикла вируса гепатита С (Е.Л. Мищенко, Т. М. Хлебодарова), включающая гены вируса и взаимодействующие с ними гены человека, построена ее математическая модель. Для поиска оптимального фармакологического управления этой генной сетью использовалась программа «Поиск», разработанная ранее в ИТПМ СО РАН для решения задач управления летательными аппаратами (А.Ф. Латыпов, Е. В. Никуличев). Расчеты, проведенные аспирантом К. Д. Безматерных, показали, что при одновременном воздействии ряда известных антивирусных лекарств возможны синергические эффекты подавления размножения вируса, что открывает новые возможности для антивирусной терапии.

– А что биоинформатика может дать такой активно развивающейся отрасли, как биотехнология?

– Пять лет назад к нам обратилась японская компания «Аджиномото» – крупнейший мировой производитель синтетических аминокислот. Нам предложили реконструировать генные сети и метаболические пути, контролирующие синтез аминокислот и энергетику клетки E. Coli, построить их математические модели. Для решения поставленной задачи мы использовали методы математического моделирования бактериальной клетки. В основе подхода – построение математических моделей отдельных элементов генной сети с их последующим объединением в общую модель бактериального метаболизма (рис. 2).

Image

Технология построения математической модели генетически регулируемого метаболизма бактериальной клетки.

Достоинство метода – использование обобщенных функций Хилла, позволяющих строить адекватные математические модели с минимальной сложностью описания процессов в условиях недостатка знаний о тонких механизмах их протекания. Созданные нами модели генетически регулируемого метаболизма E. Coli имеют не только большое практическое значение, позволяя увеличить выход биотехнологически значимых продуктов, но и закладывают теоретические основы синтетической биологии – построения искусственных бактериальных клеток с заданными свойствами.

– Обращает ли биоинформатика свой «взор» на растения?

– В нашем институте под руководством ак. В.К. Шумного широко ведутся исследования в области генетически-модифицированных растений (ГМР). С помощью биоинженерии в мире уже получают удивительные результаты, например, создают цитрусовые растения с резко ускоренным развитием – плодоносящие на первом году жизни (в норме – на 6-й год); получают растения с измененной формой листа и его ориентацией по отношению к солнцу, что существенно ускоряет процессы фотосинтеза и др. Экспериментаторы нашего института (А.В. Кочетов) совместно с биоинформатиками разрабатывают методы компьютерного дизайна ГМР. Уже сейчас можно строить модели, описывающие некоторые стадии морфогенеза растений, согласующиеся с экспериментальными данными и использовать их для прогноза. Моделирование развития организмов имеет более чем полувековую историю, начавшуюся с работ выдающегося математика А. Тьюринга. Он показал, что система химических веществ, реагирующих и диффундирующих в пространстве, способна к образованию стационарных неоднородных распределений концентраций морфогенов – веществ, контролирующих процессы морфогенеза. В рамках этого подхода нами построены математические модели формирования и поддержания ниш стволовых клеток в апикальных меристемах побега и корня растения Arabidopsis thaliana, а также модели транспорта ауксина – растительного гормона, контролирующего развитие корня (В.А. Лихошвай, С. В. Николаев, Н. А. Омельянчук и аспиранты В. В. Миронова и И.Р. Акбердин). Системы нелинейных дифференциальных уравнений, описывающих эти модели, изучались с помощью численных методов, разработанных в ИМ СО РАН (С.И. Фадеев с коллегами). Эти работы закладывают компьютерные основы биоинженерии растений – конструирования растений с заданными свойствами на основе методов трансгенеза и генной инженерии.

– Известно, что нанотехнологии признаны приоритетными в развитых странах мира. В СО РАН эти исследования также идут широким фронтом. Как Институт цитологии и генетики отвечает на требования времени? И участвует ли в этом биоинформатика?

– В настоящее время в биологии происходит радикальная миниатюризация экспериментальной техники. В ее основе лежат микро/нанофлюидные системы (МНФС), позволяющие работать с управляемыми ламинарными потоками пико- и нанолитров жидкостей. Идеал исследователей – «лаборатории на чипах», высокоинтегрированные устройства на основе МНФС, автоматически выполняющие тонкие молекулярно-биологические операции. ИЦиГ СО РАН и ИЯФ СО РАН (ак. Г. Н. Кулипанов) объединили усилия для создания геносенсорных систем, функционирующих на базе МНФС. Геносенсор – искусственно модифицированная бактериальная клетка, флюоресцирующая в ответ на определенные токсические или стрессовые воздействия. Изготовление опытных образцов МНФС производилось в ИЯФ методом глубокой рентгеновской литографии в диапазоне энергий квантов 6-40 кэВ на накопителе ВЭПП-3, включая изготовление рентгеношаблонов, микрогальванопластику, тиражирование МНФС на рабочей станции «LIGA» (В.Ф. Пендюрин, В. М. Попик, В. С. Елисеев, Б. Г. Гольденберг, С. Е. Пельтек).

Компьютерный дизайн геносенсоров, отвечающих на повреждающие воздействия, проведен на основе баз данных GeneNet и GenSensor (Т.М. Хлебодарова, Ю. Г. Матушкин). Методами генной инженерии созданы бактериальные клетки – геносенсоры (Н.В. Тикунова, А. В. Качко), специфически реагировавшие на агенты окислительного стресса (Н2О2), токсические вещества (фенол) и мутагены (митомицин). Геносенсоры позиционировались в канале МНФС (С.Е. Пельтек, Т. Н. Горячковская), по которому подавался анализируемая жидкость. Свечение клетки регистрировалось флуоресцентным микроскопом (Н.Б. Рубцов). Эти результаты – часть работы по созданию биоаналитических комплексов нового поколения для лабораторных исследований, клинической диагностики и мониторинга окружающей среды, выполняемой на основе методов биоинформатики, генной инженерии и микросистемотехники/механотроники.

– Николай Александрович! В последние годы очень много внимания исследователи уделяют вопросам происхождения жизни на Земле. Что может дать биоинформатика для понимания фундаментальных закономерностей эволюции жизни?

– Имеющиеся в нашем распоряжении факты свидетельствуют вот о чем. Все ароморфозы – приобретения широкого профиля, позволявшие видам осваивать новые ниши, выдерживать удары окружающей среды и побеждать в конкуренции – следствие радикальных изменений в регуляторных генетических механизмах. Многозначительный факт выявило моделирование генной сети метаболизма Е. coli – на один метаболический процесс приходится 10-15 управляющих событий. Еще ярче эта особенность выявляется при анализе генома человека и других млекопитающих: размеры регуляторных районов генов могут в 10-30 раз превышать размеры их кодирующих частей. Почему так?

Потому что именно регуляторная компонента генных сетей, сформировавшаяся на протяжении миллиардов лет эволюции, хранит в своей структуре следы прошлых «успешных» решений, обеспечивая потрясающую устойчивость жизни. При этом следует подчеркнуть один важный факт. Любая популяция несет в себе огромную скрытую изменчивость. При нормальных условиях на фенотипическом уровне она слабо видна, т.к. ее проявление нейтрализуется отрицательными обратными связями. Однако именно она – гарант выживания видов при катастрофических изменениях среды обитания. В этих случаях отрицательные обратные связи, обеспечивавшие приспособленность к ранее существовавшим условиям, разрушаются, и «на поверхность» выходит скрытая ранее изменчивость, обеспечивающая приспособленность к новым условиям обитания.

Другая фундаментальная проблема – роль хаоса в функционировании живых систем в процессе их развития, жизнедеятельности и эволюции. Математические модели, демонстрирующие хаотическую динамику, известны в экологии и физиологии. Нами совместно с ИМ СО РАН показано, что одно из условий возникновения хаотической динамики – наличие двух отрицательных обратных связей, осуществляющих регуляцию с некоторым запаздыванием. Но таких случаев в организме множество: от простейших генных сетей до сложных эмбриональных процессов. Таким образом, хаос – постоянный спутник живых систем, но в ходе эволюции они научились бороться с ним и, возможно, даже использовать его (например, при попадании в совершенно незнакомые условия среды, когда для выживания необходимо резко увеличить изменчивость). Как живые системы управляются с хаосом, мы пока не знаем.

– Невольно напрашивается аналогия с нашим временем. Окружающий нас мир, еще 20 лет назад стабильный и предсказуемый, на наших глазах становится все более хаотическим. Это относится и к природе (меняется климат) и к обществу…

– Вы затронули очень интересную тему. Действительно, за миллиарды лет эволюции биологические виды создали механизмы внутренней организации, позволяющие им выживать в резко изменяющихся условиях среды, и, главное, создавать потенциал для выживания в условиях, с которыми они раньше не встречались. Другое дело – человечество. Двадцать лет назад, когда я работал над докторской диссертацией, меня поразила аналогия между феноменом гиперманифестации изменчивости и перестройкой. Выше мы говорили, что отрицательная обратная связь маскирует внешнее, фенотипическое проявление мутаций. Но сами мутации никуда не деваются, они остаются, формируя скрытую изменчивость. В ней есть полезные, а есть, безусловно, вредные мутации – генетический груз. Если время от времени ослаблять отрицательную обратную связь, генетический груз будет постепенно выбраковываться отбором, а полезные мутации закрепятся в популяции. А если обратную связь сломать? Все мутации проявятся разом, а поскольку вредных больше, чем полезных, вид просто вымрет, «сломается» от генетического груза. Эта та самая до боли знакомая нам ситуация, когда «всё, что не запрещено разрешено». У общества есть свои аналоги обратных связей и генетической памяти – законы, традиции, этические нормы – и отступать от них, не сформировав ничего взамен, смертельно опасно.

– Как формировалась биоинформатика в Академгородке?

– Это долгая история. Биоинформатика возникла из математической биологии. У ее истоков стояли математики А. А. Ляпунов, И. А. Полетаев, физиолог М. Г. Колпаков генетик В. А. Ратнер, физик по образованию. На базе НГУ они начали подготовку матбиологов (к настоящему времени – более 250 специалистов). Я был среди первых выпускников НГУ по данной специальности. В этой команде начали свою плодотворную научную деятельность в области анализа и математического моделирования биологических систем и процессов мои друзья и коллеги – биофизик чл.-корр. РАН  А. Г. Дегерменджи (директор Института биофизики СО РАН) и математик чл.-корр. РАН  А. М. Федотов (проректор Новосибирского университета). Сегодня в подготовке биоинформатиков важнейшую роль играет НГУ, его факультеты и кафедра информационной биологии ФЕН НГУ.

Источник: «Наука в Сибири»