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

Есть несколько примеров простых вычислительных и системных медицинских подходов, используемых на людях. Один из них – лечение ВИЧ, при котором математические модели позволили ученым установить, как быстро прогрессируют различные стадии жизненного цикла вируса. И, как только эти модели показали, как быстро вирус реплицируется и мутирует, стало ясно, что можно использовать несколько лекарств одновременно, чтобы остановить быстро развивающуюся устойчивость вируса к одному препарату. Хотя лекарство от ВИЧ остается мечтой, современные комбинированные методы лечения, вдохновленные этим пониманием, могут снижать концентрацию вируса в организме пациентов достаточно, чтобы они могли вести относительно нормальную жизнь, в том числе безопасно заниматься сексом без презерватива, не подвергая своего партнера риску заражения. Есть и другие примеры на более ранней стадии, когда исследователи начали использовать модели машинного обучения для поиска новых способов применения существующих лекарств, изучая, на какие белки они влияют, молекулярные структуры лекарств и т. д., и предсказывая другие виды применения как одного препарата, так и в комбинации с другими. В одном недавнем исследовании этот подход использовался для обучения компьютерной модели распознавать характеристики ряда известных миметиков ПО, а затем использовать эти знания для идентификации других лекарств, которые могут аналогично продлевать жизнь.

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.