Человек не похож на амебу, но на молекулярном уровне мы устроены почти одинаково. Как выглядел наш общий прапрадедушка? Николай Кукушкин – о том, что собой представлял, где жил и чем питался последний общий предок всего живого.

Внешне у многоклеточных животных может быть мало общего, скажем, с плесневыми грибами. Но если посмотреть под электронным микроскопом, то обнаружится, что между нами почти нет разницы. Все мы состоим из клеток. Все клетки окружены липидной мембраной. Все они обслуживаются белками и РНК, закодированными в двойной спирали ДНК. Наконец, все живое одинаково добывает энергию. Все эти свойства указывают на то, что у всех известных нам форм жизни был общий предок, также известный как LUCA (last universal common ancestor).

Почему предок – общий

Жизнь, скорее всего, зарождалась много раз. Возможно – миллионы раз. Но только однажды зародившаяся жизнь оказалась настолько успешной, что дала начала всему многообразию живой природы, которое мы наблюдаем сегодня. Этот единичный случай – как раз LUCA.

Идея о том, что все живое происходит из одного-единственного организма, обычно приписывают Чарльзу Дарвину, который видел в ней логическое завершение своей теории эволюции. Понятно, что общего предка ни Дарвин, ни кто-либо еще не видел и вряд ли когда-либо увидит – речь идет о существе, отдаленно напоминающем бактерию и жившем неизвестно где порядка 3,5 млрд лет назад.

Почему тогда мы так уверены, что общий предок у всего живого был? Потому что все живое очень похоже. В 2010 г. американский биохимик Даглас Теобальд (Douglas L. Theobald) математически проанализировал последовательности нескольких повсеместно распространенных белков. Выбранные молекулы есть и у человека, и у мухи, и у растений, и у бактерий – но могли ли они появиться независимо? Теобальд рассчитал, что общий предок не просто вероятнее, а в 102860 раз вероятнее. Количество атомов во вселенной, для сравнения, составляет 1080.

Исследования общего предка обычно организованы по одной и той же схеме: мы сравниваем себя со всеми остальными (бактериями, археями, растениями) и пытаемся понять, какие элементы нашего устройства универсальны и, следовательно, имеют общее происхождение.

Например, почти все ученые убеждены, что LUCA был клеткой. Во-первых, жизни без клеток сегодня мы просто не знаем. Во-вторых, ее очень сложно представить. Жизнь зародилась в океане. Океан – неимоверно большая масса воды. Сколько бы активных, «жизнеспособных» молекул в нем не появлялось, их концентрация в океане будет фактически нулевой. Чтобы эти молекулы начали между собой продуктивно реагировать, их нужно поместить в замкнутое пространство – например, клетку, окруженную липидной оболочкой или мембраной. Мембрана считается одним из основополагающих свойств живого – а значит, одной из отличительных черт нашего общего предка.

Помимо мембраны, для жизни нужны молекулы, которые умеют воспроизводиться – либо сами по себе, либо при помощи других молекул. Сегодня самая известная такая молекула – это ДНК. Но первыми самовоспроизводящимися, «живыми» молекулами, от которых в конечном итоге произошел LUCA, были РНК. Некоторые ученые даже высказывают предположение, что ДНК у LUCA вообще не было – она независимо появилась у его потомков. Так или иначе, самовоспроизводящийся геном – из ДНК или РНК – у общего предка точно был.

Двойная спираль ДНК в живых организмах существует в разных формах. На рисунке представлены формы A, B и Z (слева направо) ©Wikimedia Commons

Наконец, для жизни нужна еда. Только потребляя энергию можно создать из менее упорядоченной системы более упорядоченную, то есть обладающую меньшей энтропией. Чем питался последний общий предок живого?

РНК – молекула жизни

Откуда мы знаем, что жизнь началась с РНК?

Во-первых, РНК кодируют белки – основу современной клетки – но не наоборот. Причем рибосома – молекулярная машина, «декодирующая» РНК в белок – состоит преимущественно из РНК особого типа. То есть РНК теоретически вполне самодостаточна.

Во-вторых, РНК могут эволюционировать – это давно показано экспериментально. Последовательность цепи РНК в пробирке будет случайным образом изменяться – если при этом каким-то образом отбирать «полезные» изменения, получается полноценная и наблюдаемая эволюция.

В-третьих, РНК, в отличие от ДНК, довольно активная молекула. Она может катализировать реакции – почти как белок, выполняющий в современной клетке почти все функции. Можно, например, искусственно создать РНК, которая будет в точности копировать саму себя без дополнительных приспособлений.

Молекулярный бензин

Почти все молекулы, из которых состоит живое, работают на одном и том же топливе: аденодинтрифосфорной кислоте, или АТФ. Чтобы существовать, клетке – самой главной универсальной единице живого – нужно постоянно производить это вещество. Для этого нужна энергия извне.

Источник энергии может различаться. Растения усваивают ее из солнечного света. Животные расщепляют еду – биологическое топливо. Некоторые бактерии довольствуются топливом минеральным. Но конечная стадия – всегда производство АТФ. А производится АТФ у всех известных нам форм жизни одинаково – с помощью молекулярной турбины, раскручиваемой (в буквальном смысле) потоком ионов. Чаще всего в качестве раскручивающего иона используется протон.

Протон, или ион водорода – это простейшая положительно заряженная частица, которая вместе с отрицательно заряженным гидроксил-ионом составляет молекулу воды. Небольшой процент молекул воды все время находится в расщепленном состоянии: протон существует отдельно от гидроксил-ионов. В чистой воде протонов столько же, сколько гидроксилов. При добавлении кислоты становится больше протонов. Щелочь, наоборот, добавляет в раствор гидроксилов.

Представьте, что в толще воды сидит некое микроскопическое, но очень умное создание, которое умеет отличать протоны от гидроксил-ионов. В физике подобных гипотетических существ называют демонами – наш, например, очень напоминает знаменитого демона Максвелла. Этот подводный демон хватает протоны и силой запихивает их в мешок. В мешке протонов становится больше, чем гидроксилов – вода превращается в кислоту. Если теперь сделать в мешке дырку размером с протон, то те струей вырвутся из мешка: из высокой концентрации в низкую концентрацию. То есть перепад – или градиент концентрации протонов содержит в себе энергию, точно так же, как вода, вращающая турбину ГЭС.

Откуда эта энергия взялась?

В нашем примере источник энергии – демон, прилагающий усилия, чтобы рассортировать протоны и гидроксилы. Энергия накапливается в мешке и высвобождается, если в нем проделать дырку. Если исхитриться, то эту энергию можно собрать – как собирает ее ГЭС, выстроенная на реке – и сделать с ней что-то полезное. Именно таким способом несколько миллиардов лет назад предки всего живого научились производить АТФ: они придумали турбину, вращение которой питало синтез этой энергетической молекулы. Но чем, если не волшебным демоном, создавался градиент протонов, нужный для синтеза АТФ?

Что появилось раньше: кастрюля или суп?

Современные организмы производят градиенты сами. Делается это всегда по одной и той же схеме: протоны куда-нибудь накачиваются (или откуда-нибудь выкачиваются) специальными белковыми насосами, которые тратят на это энергию из еды или, например, солнечного света. Насосы вставлены в непроницаемую для протонов мембрану – из-за этого они не могут просто просочиться обратно. В итоге с одной стороны мембраны протонов становится много, с другой – мало, как в примере с демоном и мешком. «Протонный шлюз» – дырка в мешке – открывается, и протоны устремляются обратно, туда, где их стало мало, раскручивая при этом турбину и производя АТФ. У нас это происходит в митохондриях, у фотосинтезирующих растений – в хлоропластах, у бактерий – на их собственной клеточной мембране. Но сам искусственно создаваемый градиент ионов универсален.

Если что-то универсально – то исходя из теории эволюции, скорее всего, оно было и у общего предка. Очень трудно предположить, что настолько похожие системы накопления и добычи энергии независимо появились во всех царствах живого. LUCA должен был вовсю пользоваться градиентами еще до того, как он положил начало двум главным ветвям эволюции: археям и бактериям.

Но здесь возникает парадокс, который много лет не давал покоя эволюционистам и биохимикам.

Три домена

Самая популярная сегодня модель деления живого мира была впервые предложена в 1977 г. Карлом Воузом (Carl Woese). На основании анализа генов рибосомальной РНК он заключил, что все живое подразделяется на три царства, или домена (последний термин был введен в 1990-х): бактерии, археи и эукариоты. Бактерии и археи (объединяемые также под термином «прокариоты») внешне похожи – например, ни у тех, ни у других нет ядра. Но при этом они сильно различаются деталями молекулярного строения. По некоторым признакам археи ближе к эукариотам, к которым относятся все организмы с клеточным ядром, включая животных, растений и грибов.

В последние годы классическое «тройное» эволюционное древо стало видоизменяться. Сегодня большинство ученых считают, что эукариоты произошли путем слияния архей и бактерий. Кроме того, не факт, что четкое древо ранней эволюции в принципе можно выстроить: скорее всего, между ранними организмами происходил постоянный горизонтальный обмен генами, что размывает и усложняет понятия вида и даже домена.

Одно из главных отличий современных бактерий и архей – это строение их мембран. В обоих царствах, или доменах, клеточные мембраны состоят из липидов, но химически эти липиды резко различаются. Белки в составе мембран тоже совершенно разные – похожи только редчайшие и древнейшие молекулы вроде той самой «протонной турбины», которая есть у всех. По логике эволюции, это должно означать, что состав и строение мембран у бактерий и архей формировались уже после разделения. А градиенты, как мы выяснили, были еще до разделения. Но для градиентов нужны мембраны и белковые насосы! Как могло получиться, что общий предок уже «питался» градиентами, но еще не умел их «готовить»?

Разгадка может заключаться в том, что градиенты протонов древними клетками не производились. Они ими, скорее, усваивались из внешней среды.

Кислотная река и насос, который изменил все

Группа британских ученых под руководством Ника Лэйна (Nick Lane) предлагает следующее объяснение. Согласно наиболее распространенной версии, жизнь зародилась на глубине океана рядом с подводными горячими источниками. В такой среде перепады концентраций протонов могут образовываться естественным образом: щелочная среда вблизи осадочных пород, производимых горячим источником, плавно переходит в слабокислую среду толщи океана. Если устроиться ровно на границе кислой и щелочной среды, то этим можно воспользоваться. С одной стороны протонов будет больше, с другой – меньше. Перепад – значит «течение». Течение – значит «энергия». Лэйн и его коллеги считают, что именно так у нашего предполагаемого предка впервые появилась идея превращения градиента концентраций в полезную энергию – на естественной «реке» протонов была выстроена АТФ-синтезирующая турбина.

Из такой модели есть несколько следствий. Во-первых, отпадает необходимость в насосах: градиент протонов образуется сам по себе за счет перепада кислотности. Во-вторых, чтобы этим градиентом воспользоваться, клеточная мембрана должна быть легко проницаема для протонов – иначе перепад их концентрации ее никак не коснется. То есть «мешок» должен быть дырявым. В-третьих, клетка должна быть неподвижной: если она сдвинется с хорошего «градиентного» места, то градиента уже не будет, а раз мембрана легко проницаема, «унести градиент с собой» не получится – протоны будут просто свободно двигаться между клеткой и внешней средой.

Как тогда вообще предки бактерий и архей научились жить вдали от спасительных горячих источников? Лэйн и его коллеги считают, что главную роль в этом сыграло появление протонно-натриевого насоса. Это мембранный белок, который обменивает протоны на равное количество ионов натрия. То есть протонно-натриевым насосом «натуральный» градиент протонов можно превратить в «искусственный» градиент натрия. Преимущество этого метода заключается в том, что протащить сквозь «дырявую» мембрану натрий гораздо труднее, чем протон. То есть перепад концентраций натрия «сохраняется» лучше, чем перепад концентраций протонов.

Насосы, создающие градиент протонов искусственно, не могли сами по себе появиться при дырявой мембране: в них бы просто не было смысла. Если мембрана дырявая, как показывают математические расчеты группы Лэйна, насосы не дают никакого преимущества. Но стоит добавить «обменник» – протонов на натрий – как накопление градиентов становится гораздо эффективнее, и в насосах появляется существенная польза.

Что происходит дальше? Клетка продолжает эволюционировать. Раз насосы эффективны, значит постепенно их будет становиться больше и больше – до тех пор, пока это приносит пользу. Раз есть протонно-натриевый «обменник» – значит, все накопленное можно носить с собой. Необходимость в «естественном» градиенте отпадает: клетка становится автономной. Одновременно с этим отпадает необходимость в дырявой мембране – наоборот, прочная мембрана куда лучше удерживает градиенты. Как только мембрана становится прочной и перестает пропускать протоны, в сидении на горячем источнике пропадает смысл.

Итого, протонно-натриевый «обменник», по мнению Ника Лэйна, своим появлением вызвал цепную реакцию эволюционных преобразований, по результату которых неподвижные дырявые полу-клетки, полностью зависимые от горячих источников, превратились в прижимистых и прозорливых исследователей океанических глубин – и в конечном итоге во все многообразие современной природы. Именно после возникновения «обменника», считают исследователи, произошло разделение бактерий и архей – двух главных ветвей ранней эволюции. Их мембраны «затвердели» по-разному – но верность градиентам ионов как конечной стадии переработки энергии сохранили обе группы.

Споры о биологии LUCA – прадедушки всего живого – вряд ли когда-нибудь разрешатся однозначными данными. Прадедушкино тело за миллиарды лет истлело – но дух его живет. Наш организм по-прежнему закодирован в последовательности нуклеотидов. Он по-прежнему состоит из клеток. Мы научились извлекать энергию из бутербродов – но чтобы ее усвоить, мы по-прежнему устраиваем в каждой клетке древний горячий источник.

Источник: Naked Science

Читайте также:

– Почему не все обезьяны стали людьми?;

– Лики созависимости;

– Постчеловеческое будущее: кто займет место устаревшего Homo Sapiens.

Для начала, небольшое отступление. Сам не видел, врать не буду, но журналист, вхожий в администрацию президента, рассказывал, что практически у каждого чиновника в АП лежит на столе книга "Русская доктрина. Государственная идеология эпохи Путина". Так сказать, наглядное пособие по правильному пониманию "линии партии".

Так вот, эти ребята год назад выпустили еще одну книгу "Россия - Ноев ковчег человечества" и вот о ней-то я и хочу рассказать.

Есть у меня небольшая слабость, люблю под настроение почитать что-нибудь конспирологическое: про тамплиеров, сумрачный тевтонский гений, тайное оружие Сталина и тому подобное. Развлекает, знаете ли.

Итак, как я уже говорил, "Россия - Ноев ковчег человечества" вышла в декабре 2019 года, буквально накануне пандемии COVID-19!

А речь там идет о том, что мир находится на краю глобальнейшего кризиса, буквально, по масштабам – всемирного потопа версия 2.0.

Наш замысел в том, чтобы предложить нужный «ключ» для обсуждения идеологии Российской государственности. Этот «ключ» состоит в следующем: мы – всё человечество – всё глубже и плотнее входим в «идеальный шторм» – глобальный цивилизационный кризис. Цивилизационный кризис значительно сложнее, чем запутанные климатические изменения или слом мировой финансовой системы, основанной на доминировании доллара США, или страшное расслоение на олигархию и нищих. Хотя всё это – тоже проявления кризиса. Этот кризис создаёт совершенно новую реальность, которую невозможно связать с либеральным финансовым монетаризмом, национальным «проверенным» капитализмом или авторитарным административным социализмом. Старые концепты и представления не работают.

В чем же спасение? Россия должна выступить новым "новым Ноевым ковчегом" на фоне общемирового кошмара и содомии.

В общем, кому интересно, здесь можно почитать интервью с составителями книги, а в конце интервью - ссылка на саму книгу.

А здесь можно почитать основные тезисы этой концепции в изложении ее автора.

Отмечу несколько интересных моментов.

В идеологии они предлагают взять лучшее и от монархизма, и от коммунизма, и от либерализма.

Как? Хороший вопрос... С другой стороны, за последние 30 лет у наших правителей получилось же как-то взять все самое плохое у коммунизма, либерализма и монархизма? Осталось сделать все наоборот и получится все в елочку!

Экономика

"Если человечество хочет сохраниться, на повестке дня, по крайней мере в России, постепенно должна актуализироваться тема нравственной экономики. Экономики, направленной в первую очередь не столько на зарабатывание прибыли «любой ценой», сколько на ее полезность и безопасность для личности, общества и окружающей природы".

"В качестве некоторых новых векторов можно обсудить предложение о том, что не более 50 процентов населения должно остаться в городах, потому что только в них могут работать наукоемкие и энергоемкие производства: авиакосмические, машиностроительные, военно-промышленные, а также культурные, научные и образовательные центры. Отказаться от мегаполисов невозможно, несмотря на все их минусы для жизни человека, потому что только в них можно создавать крупные материальные и интеллектуальные продукты.
А большую часть населения надо стимулировать жить в небольших поселениях. Каждому дать свой дом, гектар земли, построить школу, больницу, церковь (мечеть, дацан, синагогу). Это будет новый тип поселения, где человек сам себя обеспечивает и, следовательно, сможет завести большую семью.
Но семья не может только копать грядки, поэтому в каждом таком «прото-городе» должно работать экологически чистое производство. (К примеру, две позиции будут гарантированно нужны всем людям на Земле. Это продукты питания без ГМО, которые в США и Европе на порядок дороже «генно-инжиниринговых», и чистая питьевая вода.)
Автоматически будут решаться вопросы жилья, трудоустройства, демографии, продовольственной безопасности и т.п. Церковь, школа и крепкие дворы – это и есть настоящая русская деревня, а она уже в свою очередь может явиться одной из основ Русского мира в частности и России в целом".

"Есть смысл подумать о целесообразности в будущем запрета на территории России банковского процента – именно так уже сегодня работают многие ведущие мусульманские банки, которые в кризис оказались самыми стойкими. В противном случае, мы будем наблюдать постепенное исчезновение малого и среднего бизнеса и ситуацию, когда нефтяники, газовики и металлурги (за счет своих «бесплатных» оборотных средств) будут заниматься и медициной, и сельским хозяйством, и торговлей. Всем".

О чиновниках:

"Законодательно нужно закрепить норматив количества чиновников. Выше, например, определенного процента от численности населения страны чиновников по определению быть не должно. И это записать в Конституции".

В общем-то, ребята тут выступают за все хорошее и против всего плохого.

Что думаете? Жизнеспособная идея?

"Средство для ингибирования репликации вируса SARS-CoV-2, опосредованного РНК-интерференцией"

Коротко:
Специфическое средство (РНК), которое подавляет размножение вируса, путем присоединения к гену ответственному за размножение и блокирования его.

https://new.fips.ru/registers-doc-view/fips_servlet?DB=RUPAT...

Исследования структуры белка в проекте CAS@home

Область исследований: структура белка

Институт: Институт вычислительных технологий, CAS

Применение: TreeThreader

Введение

Понимание структур и взаимодействий белков необходимо для понимания их механизмов и, следовательно, необходимо для полного понимания жизненных процессов на молекулярном уровне. В настоящее время более семи миллионов случаев белка достигают точности ЯМР среднего разрешения, или последовательности помещаются в базу данных UniProtKB / TrEMBL, но только 50000 из них имеют экспериментально решенные структуры. Высокий спрос сообщества на белковые структуры поставил компьютерное прогнозирование белковой структуры, на беспрецедентно важную позицию.

Однако для предсказания структуры белка требуется огромное вычислительное время. Например, многопоточность, ведущий метод прогнозирования структуры белка, занимает очень много времени, поскольку последовательность запросов должна быть выровнена по всему шаблону в базе данных. Работа на добровольных началах - это просто отличный шанс для предсказания структуры белка.

Наша цель - разработать новую практическую программу потоков, которая может учитывать парное взаимодействие. Доказано, что общий случай (рассматриваются все парные контакты) задачи NP-труден. Итак, мы обратимся к использованию вложенного графа для описания частей контактов шаблона (так же, как ковариационная модель для анализа вторичной структуры РНК), что может быть выведено с точки зрения вычислительной эффективности.

Учитывая шаблон T и последовательность запросов S, структура программы выглядит следующим образом:

Представлять шаблон несколькими вложенными графиками.

Здесь мы используем итеративный алгоритм для решения этой проблемы, в каждом раунде используем динамическое программирование для построения оптимального вложенного графа и удаляем все содержащиеся в нем контакты из исходного графа контактов.

Выровняйте каждый вложенный граф с последовательностью запросов.

Мы используем CRF (условные случайные поля) для моделирования этой проблемы. CRF - это вероятностная модель, и ее можно легко добавить.

Объединить выравнивания вместе.

Каждый вложенный граф даст выравнивание между шаблоном и запросом. Мы можем объединить их в одно выравнивание на уровне апостериорной матрицы вероятностей, используя технику вероятностной согласованности, или построить окончательную модель независимо, используя MODELLER, и затем выбрать лучшую.

Прогресс

Спасибо всем вам! Мы завершили первую версию TreeThreader. Хотя контактная информация о дальнем расстоянии еще не рассматривается, эта версия имеет сопоставимые характеристики по сравнению с современными методами, такими как HHpred.

Мы рассмотрим дальнейшие контакты и учтем эту информацию в нашей следующей версии TreeThreader. Кроме того, наш TreeThreader принял участие в CASP10 (Эксперимент в сообществе, по критической оценке, методов прогнозирования структуры белка), одном из конкурсов прогнозирования структуры, в котором тестируется большинство современных методов. Мы сообщим о нашей работе в CASP10, как только будут опубликованы официальные результаты CASP10.

Моделирование молекулярной динамики

Введение

LAMMPS - это пакет моделирования молекулярной динамики с открытым исходным кодом, распространяемый SandiaNationalLaboratories.

Благодаря CAS @ Home, исследовательская группа в CNMM, Университет Цинхуа, использует универсальный интерфейс передачи заданий LAMMPS для запуска нескольких различных проектов, которые требуют крупномасштабного моделирования молекулярной динамики.

Первый проект LAMMPS, который будет запущен подобным образом CNMM, направлен на выполнение атомистического моделирования для изучения диффузии и транспорта молекулярного газа через наноразмерные каналы. Исследователи этого проекта - Ю Ван и Йозеф Эллингсен, главный исследователь - ЧжипинСюй.

Мотивация этого исследования заключается в разработке высокоэффективной и недорогой фильтрации для удаления летучих органических соединений (ЛОС) из азота и кислорода. Другими словами, это фундаментальное исследование новых способов фильтрации потенциально опасных химических веществ из воздуха, которым мы дышим.

Исследуемые фильтры основаны на иерархических сетях с участием наноструктурированных материалов. Расчеты, выполненные добровольцами, при статистическом анализе могут обеспечить профили свободной энергии для молекулярной диффузии.

Интерфейс передачи заданий LAMMPS / BOINC, используемый в этих исследованиях, разработан в сотрудничестве между Институтом физики высоких энергий, CAS, Лабораторией космических наук, Калифорнийский университет в Беркли, и CNMM, Университет Цинхуа. Интерфейс LAMMPS / BOINC доступен для других ученых для использования и адаптации для собственных исследований. Для получения дополнительной информации, пожалуйста, свяжитесь с CAS@home.

Пекинский электронный позитронный коллайдер

Введение

BES является детектором общего назначения, работающим на BEPC (Пекинский электронный позитронный коллайдер), и был запущен в строй в 1984 году, а производство - в 1989 году. Основные обновления были применены как на BEPC, так и на BES в период с 1995 по 1998 год, следовательно, BEPC обновлен до BEPCII, и BES является BESII и BESIII. BESIII - текущий детектор, работающий на BEPCII. BES - это первая экспериментальная установка для физики элементарных частиц, разработанная и реализованная в самом Китае и включающая несколько субдетекторов. Как детектор, BES составляет около 6 м в длину, 7 м по высоте и ширине и весит около 500 тонн. BESIII применяет множество передовых технологий детекторов из разных стран мира и подобен «глазу» BEPCII для захвата и измерения субчастиц, образующихся при столкновениях e + и e-, для изучения основной единицы и взаимодействия между частицами вещества на уровень микроструктуры. BESIII является единственным в мире детектором, который работает в области энергий от 2 до 5Gev, и около 200 физиков из 27 мировых исследовательских институтов присоединились к сотрудничеству BESIII для проведения исследований по физическим теориям, таким как сильные взаимодействия и слабые взаимодействия в области энергии Тау-Шарм.

Как и в других расчетах HEP-эксперимента, для BESIII обычно существует 3 вида вычислений:

Имитационные вычисления (также называемые вычислениями Монте-Карло): для имитации столкновений, происходящих внутри детектора.

Реконструкция вычислений: передача необработанных данных, полученных с детектора или сгенерированных с помощью моделирования, в данные с физическим значением.

Анализ Вычисления: Тест против физических теорий, основанных на восстановленных данных.

Среди всех этих 3-х вычислений BESIII SimulationComputing является наиболее подходящим для волонтерских вычислений, потому что для этого требуются очень ограниченные входные данные. Однако программное обеспечение, которое используется для запуска BESIII-моделирования (BOSS, BES OfflineSoftware), очень зависит от платформы, поэтому для выполнения заданий BESIII-вычислений в BOINC необходимо использовать технологии виртуальных машин.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:

https://boinc.ru/forum/

Исследование картирования маркеров рака, анализирующие данные рака легких.

Исследовательская группа по картированию онкологических маркеров

31 января 2020 г.

В этом всеобъемлющем обновлении команда «Картографирование маркеров рака» обсуждает прошлое (рак легких), настоящее (рак яичников) и будущее (саркома) проекта.

Фон https://www.worldcommunitygrid.org/research/mcm1/overview.do

Проект «Картирование маркеров рака» (MCM) был разработан для выявления маркеров, связанных с различными типами рака, и путем уточнения процесса идентификации этих маркеров, для более эффективной идентификации таких биомаркеров для других заболеваний. Мы стремились проанализировать несколько наборов данных о раке, чтобы выявить потенциальные биомаркеры для этих раковых заболеваний, которые могли бы в конечном итоге помочь ученым и врачам раньше выявлять раковые заболевания и создавать персонализированные методы лечения. Первые три набора данных в плане MCM - это легкие, яичники и саркома, представляющие прошлое, настоящее и будущее MCM. Обработка легких завершена. Идет обработка маркера яичников, но он близок к завершению. Сейчас мы готовимся к переходу на саркому.

Обработка набора данных в Grid World Community за месяцы и годы приводит к огромному количеству данных, и эти данные не могут использоваться напрямую, но затем их необходимо сопоставлять, фильтровать и анализировать различными способами. Мы сосредоточились на этом шаге постобработки в нашей лаборатории.

В этом обновлении мы в основном обсудим некоторые работы, выполненные с обработанным набором данных легких, но сначала мы взглянем на будущее.

Последние приготовления к саркоме

Предстоящий набор данных по саркоме будет самым сложным на сегодняшний день. Он содержит потенциальные биомаркеры, взятые из нескольких источников: измерения активности РНК, ДНК и белка, мутации и другие биологические условия.

С такой подробной информацией о каждом образце в наборе данных потребовалось некоторое усилие, чтобы уменьшить набор данных и размеры результатов до практических уровней. В настоящее время мы тестируем рабочие единицы нашего чернового набора данных и планируем работу.

В следующем обновлении будет объявлено о запуске новой фазы проекта MCM, сосредоточенной на саркоме, и будет предоставлено больше подробностей.

Результаты из набора данных легких

Биомаркеры в наборе данных легких МСМ измеряют активность тысяч генов. В совокупности эти биомаркеры охватывают большую часть человеческого генома. Большая часть работы с легкими MCM обрабатывается с помощью опросных подписей World Community Grid, случайным образом взятых из всего набора биомаркеров. Более короткая вторая фаза легкого MCM привлекала подписи от оптимизированных подмножеств этих биомаркеров.

Вклад вычислительных циклов в проект был экстраординарным. Члены World Community Grid обработали 4,5 триллиона кандидатов на рак легкого в основной фазе легкого MCM, 220 миллиардов в начальной экспериментальной фазе и 1,6 триллиона сигнатур в фазе оптимизации.

Мы обсудим некоторые выводы из основной фазы легкого MCM в этом обновлении.

Вопрос о размере подписи

MCM рака легких обследовал подписи нескольких размеров. Размеры варьировались от 5 биомаркеров до 100, при этом наибольшее внимание уделялось сигнатурам в диапазоне от 10 до 20 биомаркеров. Чтобы сигнатура рака успешно применялась в клинической практике, размер сигнатуры является компромиссом между диагностической силой, сложностью и стоимостью. Каждый биомаркер потенциально может добавлять диагностическую информацию к сигнатуре, повышая точность, но слишком большое количество биомаркеров также может добавлять шум и излишне увеличивать стоимость и сложность для практического использования в клинике.

На рисунке ниже показано влияние размера подписи на пиковую точность. Почти для любого размера сигнатура, построенная из случайно выбранных биомаркеров, будет иметь низкую точность, но, протестировав достаточное количество таких сигнатур, а затем посмотрев на точность верхней фракции (скажем, верхней 0,01%), мы увидим эффект, производимый размер подписи. Тщательно разработанные подписи должны достигать той же точности, используя меньше биомаркеров.

Рисунок 1А

Рисунки 1A и 1B: Размер влияет на потенциальную точность подписи. (A) Распределение баллов по успешным сигнатурам разных размеров. (B) Присмотритесь к влиянию размера точности оценки. Пиковая точность находится в сигнатурах между 40-80 биомаркерами.

Какие биомаркеры наиболее успешны?

В основной фазе легкого MCM сигнатуры были построены из биомаркеров, выбранных случайным образом из набора данных. Таким образом, у каждого биомаркера была одинаковая вероятность появления в каждой новой подписи. Это, однако, не означает, что все биомаркеры одинаково полезны - как мы уже говорили выше, случайная сигнатура, скорее всего, будет иметь низкую точность. Однако, если мы берем только самую точную часть подписей и видим, какие биомаркеры они содержат, мы видим, что несколько биомаркеров появляются часто, а остальные относительно редко. (Мы можем даже заметить закономерности в том, что определенные группы биомаркеров появляются вместе, как мы обсуждали в предыдущем обновлении.) Затем мы можем определить, насколько эффективен или полезен каждый биомаркер из того, как часто он появляется в этих главных сигнатурах.

Рисунок 2: По мере увеличения размера подписи мы видим уменьшение количества генов, обогащенных любым фактором (например, в 5 раз выше нормы).

Проанализировав полный набор результатов MCM в легких, мы можем подтвердить эффект, который мы заметили в предыдущих предварительных исследованиях: эффективность каждого биомаркера зависит от размера сигнатуры, по-разному влияя на каждый биомаркер. На рисунке ниже показан эффект для некоторых самых популярных биомаркеров.

Рисунок 3

Рисунок 3: Размер сигнатуры рака легких определяет, насколько полезным может быть биомаркер. По мере роста размера подписи отдельные биомаркеры могут стать более или менее эффективными.

Обогащение пути среди лучших биомаркеров

Чтобы получить более высокое представление о биомаркерах, обнаруженных в наборе данных легких, мы исследовали их с точки зрения пути. Путь - это группа генов, которые взаимодействуют для выполнения одной и той же биологической функции. Мы поместили списки лучших биомаркеров в базу данных pathDIP нашей лаборатории [1], [2]. pathDIP представляет собой комплексную интегрированную базу данных известных путей (сигнальных каскадов), и, учитывая список генов, он найдет все пути, связанные с любым геном в списке. Наиболее полезно, он будет измерять обогащение каждого пути в вашем списке генов - степень, в которой путь имеет соединение выше среднего с вашим списком. Используя такой анализ, мы стремимся найти биологически значимую интерпретацию наших идентифицированных биомаркеров.

На рисунке ниже показаны результаты работы pathDIP.

Рисунок 4 http://ophid.utoronto.ca/pathDIP/

При большом количестве размеров подписи pathDIP постоянно находил пять путей, обогащенных в наших списках генов:

Циклофосфамидный путь, фармакодинамика

Путь ифосфамида, фармакодинамика

Окисление этанола

Омега окисление жирных кислот

Регуляторный путь окислительного стресса (эритроцит)

Все пять обогащенных путей связаны с обменом веществ, что означает распад химических веществ в организме. Любопытно, что первые два пути связаны конкретно с метаболизмом химиотерапевтических препаратов, циклофосфамида и ифосфамида. Последние три относятся либо к окислению, либо к предотвращению окислительного стресса (свободных радикалов) в эритроцитах.

Использование ресурса генной онтологии для описания лучших биомаркеров

(http://geneontology.org/)

Мы можем получить соответствующее представление из Ресурса генной онтологии (GO). GO классифицирует каждый ген с трех разных точек зрения: биологический процесс, молекулярная функция и клеточный компонент. На рисунках ниже показаны термины в категориях GO, которые часто встречаются в топ-1% биомаркеров.

Рисунок 5

Рисунок 6

Рисунок 7

Многие термины отражают темы, обнаруженные в путях: окисление, алкоголь и химию эритроцитов.

Заглядывая вперед

Мы находимся в процессе расширения и объединения нескольких дополнительных анализов данных легких основной фазы и существенных анализов результатов легких второй фазы. После этого данные яичников ждут. Для яичников, некоторые из тех же методов будут применяться, но некоторые должны быть адаптированы, а некоторые нам нужно будет разработать.

Короче говоря, проект MCM будет долгое время занимать нас. Тем временем, мы хотели бы поблагодарить вас за ваш интерес и за щедрое пожертвование вычислительной мощности в этот и другие проекты World Community Grid. Мы будем предоставлять обновления чаще сейчас.