Предбиологическая эволюция на практике

Химическая эволюция макромолекул исследуется и экспериментально. Впервые она была реализована в конце 60-х годов при изучении вируса, заражающего кишечную палочку, — Qb–фага[65]. Вирус настолько прост, что вся его генетическая информация заключена в четырех генах, записанных на молекуле РНК. Один ген кодирует фермент репликазу, который размножает саму вирусную РНК.

Исследователи провели несколько десятков циклов химических реакций, каждый из которых заключался в том, что из раствора молекул вирусной РНК, полученных в ходе предыдущего цикла, отбирали малую толику. Затем к ней добавляли строительный материал для сборки РНК и репликазу. Та принималась синтезировать новые копии имеющихся в растворе молекул РНК. Точность копирования невелика: при изготовлении каждой копии происходит одна-две ошибки. В естественных условиях эти мутации отсеиваются отбором, который сохраняет формы, приспособленные к паразитированию на бактерии. Экспериментаторы же сделали главным критерием отбора скорость синтеза, периодически укорачивая время проведения цикла. В таких условиях преимущество получали мутантные формы РНК с более короткой молекулой, которая быстрее собирается. На исходе семьдесят четвертого цикла в пробирке остались, в основном, молекулы РНК, длина которых была в 6 раз меньше первоначальной. Они утратили способность заражать бактериальные клетки и сохранили один-единственный ген, отвечающий за самовоспроизводство, — зато приспособились к новым условиям существования, научившись размножаться в 15 раз быстрее исходной формы.

Новый толчок эксперименты по направленной молекулярной эволюции получили после открытия полимеразной цепной реакции, позволяющей получать неограниченное количество точных копий молекулы ДНК. Интерес в данном случае подогревался не только научным любопытством, но и перспективами применения химической эволюции для выведения новых лекарств и биохимических реактивов, подобно селекции сельскохозяйственных животных и растений.

Идея заключается в том, что в медицинской практике часто необходимо вещество, которое связывалось бы с определенным белком и более ни с чем. При классическом подходе фармакологи пытаются сначала рассчитать или угадать строение молекулы, обладающей требуемым свойством, а затем синтезировать ее. По методу же химической эволюции берется большая (порядка десяти триллионов штук) популяция молекул ДНК и приводится в контакт с белком-мишенью. Те молекулы, которые связались с мишенью, отбираются, размножаются с помощью полимеразной цепной реакции и вновь приводятся в контакт с мишенью. По мере повторения циклов, условия отбора ужесточаются, так что, в конце концов, выживают только молекулы, связывающиеся с мишенью прочно и предельно избирательно. О строении конечного продукта и о том, почему он действует именно так, разработчики могут не иметь ни малейшего представления, ибо они его не вычислили, не спроектировали, а вывели!

Не так давно начались попытки применить метод «ге­не­ти­чес­кого программирования» для решения сложных задач оптимизации и управления. По этому методу, вначале создается популяция программ, способных принимать некоторые решения (например, с какого завода на какие склады везти продукцию). Затем в текст программ случайным образом вносятся «мута­ции». Полученные мутантные программы тестируются, среди них отбираются лучшие, скрещиваются между собой, в них снова вносятся случайные изменения, и так далее.

На состоявшейся летом 1996 года первой конференции по генетическому программированию были продемонстрированы результаты эволюции программ, управляющих клеточными автоматами, которые, как утверждалось, по эффективности превосходят всё, что можно написать вручную. Пример клеточного автомата — игра в «крес­тики-нолики», дело несерьезное. Однако уже к 1999 году[66] с помощью генетических алгоритмов реально осуществлялись: оптимизация профилей балок в строительстве, распределение инструментов в металлообрабатывающих цехах, обработка рентгеновских снимков в медицине, оптимизация работы нефтяных трубопроводов. В настоящее время на основе генетических алгоритмов создана мощная технология решения задач оптимизации и управления, среди достижений которой значатся [67]создание новых многокомпонентных сплавов с заданными свойствами, разработка аналоговых схем управления роботами (например, именно с помощью генетического алгоритма робота, моделирующего насекомое, научили реально летать), идентификация белков, синтез электронных схем и т.д.