Когда два минуса дают плюс в генетике: секвестрация вариантов
Представьте себе сломанную машину, у которой не работает двигатель, а коробка передач заклинила. По отдельности эти поломки фатальны. Но что, если неисправность одной детали механически компенсирует дефект другой, и машина вдруг снова поедет? Кажется фантастикой, однако именно такой парадоксальный принцип — две ошибки, вместе дающие правильный результат — блестяще подтвердился в мире генетики. Лаборатории Тихоокеанского северо-западного исследовательского института (PNRI) и Университета Джорджа Мейсона совершили прорыв, экспериментально доказав гипотезу, выдвинутую легендарным Фрэнсисом Криком, и создав искусственный интеллект, способный предсказывать подобные чудеса «генетической компенсации».
В центре исследования лежала проблема интерпретации колоссальных объемов данных, генерируемых современной геномикой. Несмотря на прогресс в секвенировании, ученые долгое время были вынуждены анализировать генетические варианты по отдельности, что сильно ограничивало понимание причин многих заболеваний. Эйми Дадли и ее коллеги из PNRI сосредоточились на изучении комбинаций вариантов (эпистаза) в гене аргининосукцинатлиазы (ASL), связанном с тяжелым нарушением цикла мочевины.
Их эксперименты принесли сенсационный результат: множество пар вариантов, каждый из которых в одиночку полностью инактивировал фермент, в сочетании друг с другом демонстрировали полное восстановление ферментативной активности. Это явление, предсказанное Фрэнсисом Криком и названное им секвестрацией вариантов, было наглядно продемонстрировано впервые.
Однако истинным масштабом открытия стал следующий этап, выполненный командой Амардепа Шеху из Университета Джорджа Мейсона. Опираясь на экспериментальные данные по ASL, аспирант Ановарул Кабир разработал модель машинного обучения, способную предсказывать подобные эффекты компенсации.
Модель не просто достигла высочайшей точности (99,6%) в анализе исходного гена, но и успешно перенесла полученные знания на эволюционно отдаленный, но структурно схожий белок — фумаразу (FH), показав точность 91%. Это означает, что искусственный интеллект научился распознавать фундаментальные биохимические и структурные закономерности, лежащие в основе феномена.
Данное достижение знаменует собой смену парадигмы в клинической геномике и персонализированной медицине. Подсчеты, приведенные в публикации, предполагают, что до 4% генов человека могут подвергаться подобным эффектам компенсации. Отказ от узкого подхода «один вариант — одна болезнь» в пользу анализа сложных генетических взаимодействий открывает путь к гораздо более точной диагностике, особенно для редких заболеваний.
Врачи получат инструмент для интерпретации ранее непонятных случаев, когда у пациента есть два «вредных» варианта, но симптомы проявляются не в полной мере или иным образом. Это также может изменить подход к терапии, позволяя подбирать лечение исходя из уникальных эпистатических профилей пациентов. Таким образом, исследование не только подтвердило изящную теоретическую концепцию, но и предложило мощный практический инструмент, приближающий эру истинной прецизионной медицины, где лечение будет учитывать тонкое взаимодействие всех генетических особенностей человека.