У эволюции было много оптимальных результатов, из которых можно было выбирать

Существует ли только одна оптимальная конфигурация, которой может достичь организм в ходе эволюции? Существует ли единая формула, описывающая траекторию движения к оптимуму? И можем ли мы «вывести» ее чисто теоретическим путем?

Команда исследователей, в том числе из Института науки и технологий Австрии (ISTA), считает, что нашла ответы. Их математическая модель предсказывает идеальный план тела раннего эмбриона плодовой мушки, предполагая, что эволюция могла иметь в своем распоряжении множество оптимальных вариантов.

Предполагается, что оптимизация — это секретный соус для многих увлекательных явлений природы, предполагающий, что мир движется к состоянию минимальной энергии, наиболее эффективного производства или наивысшей приспособленности. Будь то стаи китов или коллективы крошечных клеток, строительные блоки жизни были отобраны для самоорганизации, близкой к пиковой эффективности.

Развитие эмбриона животного, от небольшого скопления клеток до многоклеточного организма, также могло бы быть оптимизировано и доведено до почти идеальной системы. Однако точная математическая формула, предсказывающая оптимальную структуру, до сих пор была неуловима.

Физики из Института науки и технологий Австрии (ISTA), Франкфуртского института перспективных исследований и Принстонского университета сейчас представляют именно это: теоретическую модель раннего эмбрионального развития плодовой мушки, разработка которой заняла почти два десятилетия.

С помощью своей детальной модели они смогли теоретически вывести и, таким образом, предсказать оптимальную «проводку» сети генной регуляции, которая контролирует ранние процессы развития. Результаты опубликованы в PNAS.

Эволюция — движущая сила каждого организма. Учитывая окружающую среду, организм адаптируется, выживает и противостоит селективному давлению. «Адаптацию можно рассматривать как процесс оптимизации или, по крайней мере, как процесс, требующий оптимизации определенных черт и функций», — объясняет соавтор исследования Томас Соколовски.

По сравнению с физическими системами, где оптимизация обычно приводит к конечному состоянию с наименьшей энергией, биологические системы, по-видимому, имеют несколько оптимальных решений для одной и той же проблемы. Например, глаза развивались независимо у разных животных, но их общая структура удивительно похожа у разных видов.

«Глаза были оптимизированы для одной и той же четко определенной целевой функции, которая заключается в максимальном поглощении света и его кодировании в нейронные импульсы. Поэтому они строго диктуются законами физики. Тонкие различия между животными могут быть объяснены различиями в побочных обстоятельствах, в которых они эволюционировали», — продолжает Соколовски.

Кроме того, для развития различных эмбрионов развилось множество разнообразных стратегий. Все они имеют один и тот же результат: высокоточный и воспроизводимый план тела. Хотя эти стратегии, вероятно, были сформированы и улучшены эволюцией для служения определенным целям, довольно сложно определить, какая цель доминировала в процессе оптимизации.

«Становится все более понятно, как развивается эмбрион, но неясно, какая математическая функция направляет систему к объединению», — говорит Соколовски. «Это как найти математическую иголку в биологическом стоге сена».

Дрозофила, как ее называют биологи, является широко изученным организмом, вероятно, наиболее известным по удостоенной Нобелевской премии работе Эрика Вишауса, Кристианы Нюсляйн-Фольхард и Эдварда Б. Льюиса 1995 года. Они определили гены, которые имеют решающее значение для правильного развития мухи, в частности, так называемые «гены разрыва» и градиенты морфогенов (сигнальных молекул), которые их контролируют.

Сеть генов gap играет решающую роль в развитии оси эмбриона от головы до хвоста. Эта «генетическая система позиционирования» помогает отдельным клеткам получить правильную судьбу в правильном месте, в конечном итоге формируя сегментированное тело плодовой мушки.

Различные уровни активации генов gap формируют невероятно точный «позиционный код» вдоль этой оси, предоставляя каждой клетке абсолютно правильную информацию о том, где она находится внутри эмбриона.

Еще 20 лет назад в работах Уильяма Биалека, Гашпера Ткачика, Кертиса Каллана, Александры Вальчак, Томаса Грегора и других было высказано предположение, что сеть генов gap у плодовой мушки была тонко настроена эволюцией для предоставления высокой позиционной информации с помощью ограниченного числа сигнальных молекул, что во многом похоже на предоставление точного сигнала GPS с помощью минимального числа спутников.

Поэтому у ученых возникла ключевая идея — найти математическую функцию, объясняющую это явление.

В первой попытке Ткачик и коллеги рассматривали упрощенные теоретические модели, которые реализовали только части регуляторных механизмов сети генов gap. Они постепенно увеличивали сложность модели, чтобы сделать ее более реалистичной.

Хотя эти «игрушечные» модели не охватывали все объединенные характеристики системы генов gap, они все же проложили путь к попытке полной оптимизации.

«Наши ранние работы показали, что можно получить нетривиальные и изначально неожиданные прогнозы относительно регуляторных взаимодействий генов, оптимизируя их для максимальной пропускной способности информации в условиях реалистичных ограничений биофизических и молекулярных ресурсов», — говорит Ткачик.

Тем временем Томас Соколовски и его коллеги изучали подробные стохастические модели — модели, которые явно включают случайность — пространственно взаимодействующих генов, родственных генам разрыва.

Затем Соколовски присоединился к группе Ткачика в ISTA в 2014 году, что создало уникальную возможность объединить оригинальный подход к оптимизации с подробным пространственно-стохастическим моделированием. Вместе ученые быстро сумели реализовать пространственно-стохастическую модель, которая, с одной стороны, была реалистичной в отношении того, что происходит в реальной плодовой мушке, а с другой стороны, вычислительно эффективной.

Первоначально являясь упрощенной версией всего с двумя генами, модель была расширена до полного набора из четырех взаимодействующих генов gap и трех градиентов морфогенов, подходящих для проведения полнофункциональных оптимизаций системы генов gap. «Примечательно, что оптимальные сети, которые мы вывели, близко соответствовали характерным особенностям пространственных профилей экспрессии генов, наблюдаемых у реальной плодовой мушки», — продолжает Ткачик.

Кроме того, ученые обнаружили, что существует более одного оптимального способа кодирования позиционной информации в сети разрывов. Различные наборы биофизических параметров могут привести к требуемым оптимальным свойствам системы. Будучи лишь крошечным подмножеством всех физически возможных решений, оптимальные решения все же демонстрируют замечательное разнообразие.

«Мы считаем, что это не вред, а преимущество для эволюции, поскольку та же самая приспособленность может быть потенциально достигнута многими мыслимыми эволюционными путями», — предполагает Соколовски. «Хотя эволюция, которая привела к дрозофиле, которую мы изучаем сегодня, следовала одному конкретному пути, тот факт, что потенциально существует множество альтернативных путей, мог облегчить ей доступ к подходящему организму». Чем больше вариантов доступно, тем выше шансы выбрать функциональный.

Чтобы более подробно понять процессы, приводящие к формированию функциональных планов тела, и получить более точное представление о реальной эволюционной динамике, исследователям потребуется дополнительное моделирование, выходящее за рамки численной оптимизации параметров.

Это потребует учета таких факторов, как влияние окружающей среды или механизмы естественного отбора, что является интригующим и сложным направлением будущих исследований в области теоретической биологии.