Заметки лабораторного кота

Впрочем, судя по противоречим новостям скоро у нас будет примерно так.

«Основатель Amazon Джефф Безос заявил, что активное потребление воды человеком ограничивает потенциал искусственного интеллекта». Мультимиллиардер Джефф Безос недоволен слишком большим количеством людей на Земле, использующих много воды, которая, по его мнению, — ИИ нужнее.

Если в кране нет воды – значит выпили ИИ.

Вообще, я подумал, вот о чём. Все говорят, что генная инженерия нужна государствам, чтобы создавать идеальных солдат. Простите, а что мешает создавать идеальных солдат уже сейчас? Существует такая вещь: называется массовый спорт. В ней уже есть всё. Все технологии подготовки отработаны ещё 90 лет назад. Отбор на ранней стадии. Тренировки. Питание. Биологически активные добавки. Фарма наконец (анаболические стероиды и т.п.), которая развивается у нас на глазах. Как бы ничто не мешает уже сейчас делать идеальных солдат, которые будут ловкими как гимнасты, жать от груди 150 кг, владеть техникой рукопашного боя, бегать марафон, плавать аки рыба в воде и попадать белке в глаз. Ничего не мешает кроме... денег. На практике экономически гораздо выгоднее для ведения военных действий не выращивать суперсолдат, а набирать бомжей в пехоту и студентов в операторы беспилотников. А кто сказал, что генная инженерия здесь что-то принципиально изменит?

Хорошее – повтори. Редактирование сложных признаков — это не «скоро», а, скорее всего, никогда На сегодняшний день генная терапия работает только с моногенными заболеваниями — теми, где причина — "поломка" одного конкретного гена (например, дистрофия Дюшена, спинальная мышечная атрофия, некоторые лизосомные болезни накопления). Мы умеем выключать дефектный ген или заменять его рабочей копией. Но даже в этом «простом» случае нельзя гарантировать безопасность. Пример: пятилетний мальчик из США, прошедший генную терапию от редкого наследственного заболевания, через четыре года заболел раком мозга — вирус-вектор встроился в геном нештатно и запустил онкогенез. То есть мы пока не умеем просчитывать все последствия даже одной точечной правки. В случае сложных признаков всё усложняется на тысячи порядков. Во-первых, плейотропность. Один и тот же ген может участвовать в десятках, а иногда и сотнях процессов. Многие из этих эффектов неочевидны и проявляются только в определённых условиях или в определённом возрасте. Ген, который в молодости улучшает когнитивные способности, в старости может повышать риск нейродегенерации. Вы улучшили одно, разрушили другое — и узнаете об этом через 50 лет. Мы просто не знаем всех функций большинства генов. Это как Шурочка из "Служебного романса". Вроде как человек не выполняет свои рабочие обязанности, но стоит уволить её, и вся общественная работа встанет. Также и гены – большинство генов участвуют в множестве процессов. И мы не знаем, какие "общественные функции" имеет тот или иной ген, пока не выключим его и не увидим последствия через 20, 30, 50 лет. Во-вторых, генетика – это не набор независимых переключателей, а плотная перекрёстно-регулируемая сеть с обратными связями, дублированием и буферными механизмами. Изменение одного узла может дать непредсказуемый каскадный эффект во всей системе. Вы что-то поменяли, чтобы к двадцати годам интенсивнее росли мышцы, и у человека к тридцати годам развивается фиброз миокарда. Усиили когнитивные функции – получили эпилепсию. И т.д.. В-третьих, эпигенетика. Один и тот же генотип в разной среде даёт разный фенотип – иногда совершенно разный. Питание, стресс, физическая нагрузка, социальное окружение меняют экспрессию генов без изменения их последовательности. Запрограммировать генотип не значит запрограммировать фенотип. И четвёртое, самое важное: для того чтобы «улучшить» сложный признак, нужно знать, какие именно аллели и в какой комбинации дают желаемый результат. Для большинства полигенных признаков мы не имеем даже приблизительного понимания. Мы можем предсказать вероятность тех или иных значений с низкой точностью, но не можем утверждать, что сможем задать конечный фенотип ("умнее", "выше", "красивее") с какой-либо надёжностью. Это не вопрос времени — это вопрос принципиальной сложности системы, которую мы не научимся полностью просчитывать в обозримом будущем. Не существует "гена светлых волос", "гена высокого роста" или "гена интеллекта". Есть гены, кодирующие ферменты метаболизма пигментов, регулирующие активность рецепторов гормона роста, влияющие на синаптическую пластичность — и каждый из них задействован в десятках других процессов. Если просто выключить ген, отвечающий за выработку тёмного пигмента, чтобы получить светлые волосы, вы одновременно вмешаетесь в защиту кожи от УФ-излучения, работу сетчатки глаза и, возможно, ещё в какие-то процессы, о которых мы просто не знаем, потому что этот ген экспрессируется в разных тканях. Возможно, что человечество по мере развития ИИ научится обходить все эти ограничения и вносить правки в тысячи и десятки тысяч генов одновременно. Но сколько это будет стоить? Вероятно, это будет как синтез золота в атомном реакторе. Технически возможно, но экономически невыгодно.

Вынесено из комментариев:

-> Я нынешний биохакинг могу сравнить с деятельностью ранних алхимиков. Они также действовали наугад, руководствуясь странными (точнее, современными) метафизическими принципами, с целью получить философский камень, т.е. то же бессмертие. Денег и сил была потрачена уйма, по пути появилось несколько интересных открытий, но поставленной цели они так и не достигли, потому что не было общей системы, методологии и проверяемых исследований. Когда подобную работу с целевым  преобразованием веществ нормально организовали, то за пару веков получилась наука химия и фармакология. Я не могу сказать, что заявленные цели биохакинга принципиально недостижимы, но время их достижения будет зависеть от систематичности усилий и работы над новыми подходами к решению сложных задач. И задачи эти будут не только техническими, но также этическими и психологическими. Иначе их достижения будут нести новые страдания для отдельных людей и  человечества в целом. -> С одной стороны ты прав. Но с другой стороны алхимики всё же действовали не хаотично. У них была внутренне непротиворечивая (но ошибочная) картина мира: теория четырёх элементов, принципы трансмутации (сера, соль и ртуть как компоненты металлов), философская идея о доведении несовершенства до совершенства, соотнесение металлов с планетами и т.п.. Исходя из этой картины, их эксперименты были логичными и целенаправленными. Просто сама картина была неверной. В этом плане современные биохакеры имеют огромное преимущество — они опираются на картину мира, которая чуть ближе к реальности, и оперируют реальными, подтверждёнными в лабораториях молекулярными механизмами (NAD+, аутофагия и т.п.). Алхимикам такое и не снилось. -> Некоторые стороны существования нашего  организма во времени ещё даже никому не видны, поэтому результаты пока скромные. Как говорится есть правда, а есть полная правда. Наша текущая картина мира позволяет делать более сложные вещи, чем могли сделать алхимики, но мы далеко не всемогущи. -> Но подобно алхимикам древности современные биохакеры при поиске философского камня биохакинга могут выйти на царскую водку, белый фосфор или фарфор. :) -> Ну это уж как повезет, и тут же еще главное понять свое везение, чтобы правильно использовать плоды нового открытия. Сколько раз труды новаторов не признавались полезными и выбрасывались на свалку истории... И мы знаем только о тех, от которых остались следы или записи, остальное покрыто мраком забвения.

Бывший оллега прислал научную статью через Telegram – включить VPN! Ссылка ведёт на новость на Mail.ry – выключить VPN! Та новость ведёт на сайт Рокфеллеровского университета – включить VPN! С страницы Рокфеллеровского университета заходишь на саму статью на сайте Cell – узнаешь, что Cell за что-то заблокировал доступ одной европейской стране – выключить VPN!

Если честно, глядя на некоторых ЗОЖников, помешанных на правильном питании, режиме сна и своевременном приеме БАДов, невольно ловишь себя на мысли: вся эта гонка за продлением жизни смахивает не на гедонизм, а на синдром Скупого рыцаря. Жизнь продлевается не для удовольствий, а ради самого факта её продления, причем довольно безрадостного. https://t.me/solid_state_humanity/1868

Если честно, глядя на некоторых ЗОЖников, помешанных на правильном питании, режиме сна и своевременном приеме БАДов, невольно ловишь себя на мысли: вся эта гонка за продлением жизни смахивает не на гедонизм, а на синдром Скупого рыцаря. Жизнь продлевается не для удовольствий, а ради самого факта её продления, причем довольно безрадостного. https://t.me/solid_state_humanity/1868

Если честно, глядя на некоторых ЗОЖников, помешанных на правильном питании, режиме сна и своевременном приеме БАДов, невольно ловишь себя на мысли: вся эта гонка за продлением жизни смахивает не на гедонизм, а на синдром Скупого рыцаря. Жизнь продлевается не для удовольствий, а ради самого факта её продления, причем довольно безрадостного.

Всегда интересно находить работы, в которых не просто модифицировали антитело или фермент, а заново переосмыслили биологический механизм, управляющий их формированием. Примером такой работы является исследование группы учёных из Рокфеллеровского университета. Авторы задались вопросом: как организм из огромного числа случайно возникающих вариантов антител умудряется почти всегда находить и сохранять именно те, которые лучше всего связывают чужеродный антиген – несмотря на то, что сам процесс отбора на уровне отдельных клеток выглядит крайне непредсказуемым? Внутри зародышевых центров (специализированных структур в лимфатических узлах) B-клетки постоянно мутируют и конкурируют друг с другом, чтобы производить антитела, которые все лучше связываются с патогенами. Казалось бы, логика проста: выживают сильнейшие, клетки с наиболее эффективными антителами. Но как именно происходит этот отбор, оставалось неисследованным. Ученые использовали линию мышей, у которых все конкурирующие B-клетки на старте имели одну и ту же последовательность антител. Это позволило им «переиграть» один и тот же эволюционный процесс более чем в 100 зародышевых центрах одновременно, получив более восьми тысяч парных последовательностей иммуноглобулинов. Вместо измерения аффинности каждого антитела авторы использовали глубокое мутационное сканирование (DMS), чтобы по последовательности определять, как каждая аминокислотная замена влияет на связывание с антигеном. Результат оказался неочевидным. Наблюдение за эволюцией одной B-клетки внутри зародышевого центра выглядит почти как случайный процесс. Одни клоны быстро расширяются, другие исчезают, даже перспективные мутации могут не закрепиться — словно всем правит слепой случай. Но эта случайная игра потасована. На каждом раунде клетка с более высокой аффинностью имеет лишь небольшое статистическое преимущество при получении T-клеточной помощи, но за счёт многократного повторения этот едва заметный сдвиг приводит к надёжному результату. Иными словами, герминальный центр работает как подкрученное казино — на каждую отдельную ставку шансы почти равны, но после тысяч раундов выигрывает казино. Казино всегда выигрывает не потому, что в отдельной игре у него преимущество, а потому что небольшое статистическое смещение вероятности заложено в самую систему и повторяется тысячи раз. Если играет один или два человека, казино может прогореть из-за случайности. Но если играет тысяча людей, все усредняется, и выигрывает заведение. Зародышевые центры работают так же. Каждый раунд клеточной конкуренции лишь немного смещен в пользу клеток с полезными мутациями. Случайность настолько велика, что часто нет почти никакой корреляции между аффинностью антитела и успехом конкретной клетки. Но, повторяя этот шумный, почти случайный процесс снова и снова во многих зародышевых центрах, иммунная система в конечном итоге производит все более сильные антитела. При этом, оказалось, что система предпочитает мутации, которые легче всего генерировать ее клеточным механизмам, а не те, которые привели бы к самым сильным антителам. Кроме того, зародышевые центры оказались гораздо более селективными, чем считалось ранее, быстро отбраковывая худшие B-клетки. Эта работа представляет большой интерес не только с точки молекулярной биологии и иммунологии, но и с точки эволюционной биологии и философии науки. Она даёт экспериментальное подтверждение тому, что надёжные результаты на макроуровне могут возникать из зашумленных процессов на микроуровне — и показывает, как природа решает проблему поиска редких полезных вариантов в огромном пространстве возможных последовательностей, используя повторяемость и слабый, но устойчивый отбор.

Наступили длинные выходные, а значит самое время стряхнуть пыль со своего абонемента в спортзал и провести несколько часов с пользой для здоровья. Или выйти с утра на пробежку в парк. Ведь вы же, надеюсь, не забыли о том, что физические нагрузки продлевают жизнь и замедляют старение мозга?😉 А недавно в British Journal of Sports Medicine опубликовали результаты масштабного длительного исследования почти на 150 тысячах участников. Оказалось, что силовые тренировки снижают риск преждевременной смерти от всех причин на 13%, смерти от сердечно-сосудистых заболеваний на 19%, а от неврологических заболеваний — на 27%. Сочетание же силовых и аэробных нагрузок и вовсе снижает риск смерти на 45%. Правда, максимальный эффект достигается только при регулярных занятиях. Но хорошая новость в том, что для этого вполне достаточно уделять тренировкам всего полтора-два часа в неделю. Падение мышечной силы с возрастом повышает риск хронических заболеваний и заметно ухудшает качество жизни. Поэтому если хотите достичь здорового долголетия, то у вас есть отличная возможность предотвратить значительную часть возрастных проблем, поджидающих вас в будущем.

Ещё одним интересным направлением применения ИИ является предсказание путей сворачивания белков. Так, группа учёных из Университета Флориды разработала подход, использующий AlphaFold2 для моделирования процесса сворачивания нескольких небольших белков. Главное, что показали авторы — AlphaFold2, обученный предсказывать статическую структуру, понял некоторые основные принципы сворачивания. В отличие от стандартного использования, где MSA и шаблоны быстро направляют сеть к нативной структуре, авторы заставили AF2 начинать с «нуля», итеративно используя предыдущие предсказания как шаблоны для следующих раундов. Их белок как бы «разворачивался» внутри алгоритма шаг за шагом, и эти промежуточные предсказания оказались в хорошем согласии с экспериментально известными путями сворачивания для исследуемуего белка. В результате они получили последовательность формирования нативных структур, который совпал с имеющимися данными, что подтвердило способность сети выявлять даже тонкие детали механизма сворачивания. Другими словами, ИИ не просто предсказал конечную структуру, а воспроизвёл последовательность событий, ведущих к ней, включая известные промежуточные состояния. При этом авторы обнаружили, что AlphaFold2 склонен «перестабилизировать» α-спирали, предсказывая их слишком рано и с завышенной уверенностью — артефакт, унаследованный от обучающей выборки, где такие структуры доминируют. Это, кстати, имеет большое значение и с точки зрения фундаментальной науки: оказывается, нейросеть, обученная на статических структурах, поняла что-то о физике белка, а не просто запомнила конформации. Для прикладной науки это означает, что AlphaFold2 можно использовать для генерации гипотез о путях сворачивания и планирования экспериментов. Однако, когда авторы применили тот же подход к множеству других белков из базы данных PDB, они упёрлись в стену: успех был обратно пропорционален длине белка (для последовательностей длиннее 100 остатков он падает ниже 5%), и AF2 лучше работает с α-спиральными белками, чем с неупорядоченными белками. Авторы честно признают, что используют AlphaFold2 не по назначению — он не моделирует динамику и не предсказывает временны́е масштабы. Его предсказания следует рассматривать как гипотезы, требующие экспериментальной проверки, а не как истину в последней инстанции о природе сворачивания. Таким образом, эта работа не отменяет необходимость в физическом моделировании и экспериментальной валидации. Она показывает, что ИИ может быть мощным инструментом для генерации гипотез о механизмах сворачивания для небольшого класса малых, хорошо структурированных белков, но пока не более того.

Жизненно.

Интересным дополнением к этой работе является исследование группы израильских учёных. Если предыдущая работа отвечала на вопрос «какие возможные последовательности белка могут быть в принципе», то работа израильских исследователей даёт прямой ответ на вопрос «какие разнообразные белковые варианты реально присутствуют в живом организме». Они задались вопросом: существуют ли в нормальном протеоме наряду с каноническими вариантами белков их альтернативные формы, отличающиеся одной аминокислотой? И если да — то сколько их, как они устроены, и чем отличаются от генетически закодированных вариантов? Для этого они проанализировали масс-спектры из общедоступного атласа протеома здоровых тканей, разработали многоступенчатую процедуру валидации и обнаружили около 14 тысяч валидированных пептидов с заменами, соответствующих 7 тысячам уникальным одноаминокислотным заменам, сосуществующим вместе со своими референсными протеоформами. Затем они использовали данные РНК-секвенирования тех же образцов, чтобы разделить замены на генетические (поддерживаемые РНК) и не-генетические (которые авторы интерпретируют как ошибки трансляции). Оказалось, что около 60% всех обнаруженных замен не имеют поддержки в РНК, т.н. они возникают в процессе синтеза белка. Затем авторы показали, что ошибки трансляции не случайны: есть повторяющиеся наиболее частые замены. При этом альтернативные варианты белков менее стабильны и как правило разрушаются протеасомой: при ингибировании протеасомы их относительное содержание значительно возрастает. Наконец, исследуя функциональные последствия, авторы обнаружили, что замены встречаются около активных центров и сайтов связывания сильнее, чем можно объяснить случайностью. Некоторые замены повторяются у многих людей и в разных тканях, а среди 227 уникальных замен в гемоглобине 27 точно совпали с известными клиническими вариантами, влияющими на сродство к кислороду. Более того, при аминокислотном голодании клеток (триптофан, тирозин, лейцин, аргинин) спектр ошибок трансляции меняется адаптивно — клетка увеличивает частоту определённых замен в ответ на стресс. Иными словами, здоровый протеом — это не статический каталог из десятков тысяч строго определённых белков. Это динамический ансамбль, где для каждой канонической последовательности существует множество альтернативных вариантов, возникающих в результате неизбежных (и, вероятно, регулируемых) ошибок трансляции. Клетка постоянно «пробует» тысячи вариантов каждого белка, часть из них она затем разрушает, часть — использует, чтобы модулировать ту или иную функцию или использовать при стрессе.

Группа исследователей из Кембриджа выложила на bioRxiv работу, в которой они исследовали карту «генотип-фенотип» для белка гемагглютинина. Они задались вопросом: как устроено пространство возможных последовательностей белка с точки зрения того, какие из них сворачиваются в одну и ту же вторичную структуру? Иными словами, если мы зафиксируем определённый паттерн вторичной структуры (например, комбинацию спиралей, листов и петель), сколько разных аминокислотных последовательностей из пяти с половиной сотен остатков будут сворачиваться именно в неё? Как они связаны друг с другом через односайтовые замены? Как устроены нейтральные сети — множества последовательностей с одинаковым фенотипом? Для этого они взяли около 20 тысяч полноразмерных последовательностей гемагглютинина из общедоступных баз данных, с помощью нейросети Porter5 предсказали для каждой из них вторичную структуру и обнаружили, что из 20 тысяч вариантов последовательностей получилось аж 2429 уникальных вторичных структур — фенотипическое пространство оказалось колоссально сжато по сравнению с генотипическим. Затем они выбрали 15 репрезентативных фенотипов и для каждого оценили размер нейтрального компонента (количество последовательностей, кодирующих данную структуру), робастность (долю односайтовых мутаций, не меняющих фенотип) и локальную топологию нейтральной сети. Размеры нейтральных компонентов отличались на сотни порядков, то есть некоторые структуры могут быть реализованы огромным числом последовательностей, а другие — только очень специальными. Наконец, анализируя мутации, которые меняют вторичную структуру, авторы показали, что большинство доступных новых фенотипов структурно очень близки к исходному (отличаются всего на 1–3 позиции), а уникальных новых фенотипов — меньшинство, то есть эволюционная достижимость новых структур в белках жёстко ограничена локальной топологией карты «генотип-фенотип». Иными словами, одни укладки могут быть реализованы огромным числом последовательностей, другие — только очень специальными. Это прямое подтверждение «принципа множественности» Финкельштейна: пространство последовательностей распределено крайне неравномерно. Для моделирования белков (и, в частности, для генеративных ИИ-моделей) это означает, что даже если нейросеть научится предсказывать структуру по последовательности или генерировать последовательности под заданную структуру, она не сможет игнорировать то, чио нейтральные сети белков фрагментированы и слабо связаны, а значит, доступность новых структур ограничена не только вычислительной мощностью, но и самой геометрией пространства последовательностей. Это напоминание о том, что за любыми успехами глубокого обучения стоит необходимость понимать фундаментальные свойства карты «генотип-фенотип», которые ИИ изменить не может.

Кстати, механизм легкапавира оказался сложнее, чем считалось ранее. Чем-то PROTACs — технологию, которая заставляет клетку не просто блокировать белок, а целенаправленно его уничтожать. Ленакапавир – в чём-то похожий, но не идентичный механизм. PROTACs обязательно содержат два лиганда: один связывает таргетный белок, другой — E3-убиквитинлигазу. Ленакапавир — маленькая молекула, которая связывается только с одним из белков вируса и не рекрутирует клеточные ферменты для деградации. Вероятно, следующий шаг – капсидные деградаторы, действующие по принципу "связать капсид с убиквитин-лигазой или другим белкои и заставить протеасому его съесть".

ВИЧ: старый вирус, новая цель ВИЧ живёт с нами уже больше сорока лет и до сих пор остаётся одной из самых тяжёлых инфекций: миллионы людей во всём мире живут с вирусом, сотни тысяч ежегодно умирают от заболеваний, связанных со СПИДом, а доступ к лечению и профилактике сильно зависит от страны, денег и других факторов. ВИЧ — это вирус, который избирательно поражает клетки иммунной системы с рецептором CD4 (T‑хелперы, макрофаги, дендритные клетки), проникает в них, а затем с помощью обратной транскриптазы записывает свой генетический материал в геном клетки хозяина, превращая её в «фабрику» по производству новых вирусных частиц. Инфицированная клетка либо гибнет, либо становится хроническим источником вируса, а часть заражённых клеток уходит в латентное состояние и формирует резервуар, который практически невозможно полностью очистить даже при самой эффективной терапии. Постепенное уничтожение и функциональное истощение CD4⁺ T‑лимфоцитов приводит к нарушению иммунного ответа: организм перестаёт контролировать инфекции и некоторые опухоли, с которыми здоровый человек справился бы без серьёзных последствий. Опасность ВИЧ в том, что он навсегда «вшивается» в геном клеток, годами может протекать почти бессимптомно, при этом медленно разрушая иммунную систему, и без лечения практически неизбежно приводит к СПИДу и смерти от вторичных инфекций или новообразований. В терапии ВИЧ мы продвинулись далеко: комбинации антиретровирусных препаратов позволяют практически полностью подавить патоген, восстановить иммунитет и жить почти как без инфекции. К слову, благодаря неопределяемой нагрузке (количество вируса в крови) и высокому качеству терапии, европейские законы защищают право людей с ВИЧ не разглашать свой диагноз (например, при трудоустройстве или в быту), так как отсутствует угроза для окружающих. Но цена этой «нормальной жизни» — ежедневные таблетки, всю жизнь, без перерывов, с жёсткими требованиями к дисциплине. Любой человеческий фактор — устал, забыл, уехал, не смог купить — сразу открывает окно для репликации вируса и появления устойчивых штаммов. Классические препараты бьют по ферментам ВИЧ — обратной транскриптазе, интегразе, протеазе, — и частично по этапу входа в клетку, но практически не трогают структурные белки. Один из главных таких белков — капсидный p24, который собирается в конус, защищающий вирусный геном и помогающий ему добраться до ядра. Долгое время капсид считался слишком сложной и «капризной» мишенью для лекарств: слишком жёсткое вмешательство — разрушение вируса в пробирке, но отсутствие устойчивого клинического эффекта. Появление ленакапавира, первого в своём классе ингибитора капсида, стало одним из самых громких событий последних лет в ВИЧ‑фармакологии. Позже разберём, как именно используют этот подход.

У хорошего человека каждый день – это День России. С праздником!