ДНК глазами кодера

или

если ты молоток, то всё кругом похоже на гвозди.

Это лишь некоторые размышления программиста о ДНК. Я не генетик. Если вы нашли ошибку, пожалуйста сообщите по почте (Берту Хуберту) по адресу ahu@ds9a.nl.

Я не пытаюсь навязать свой взгляд на ДНК - каждое наблюдение довольно свободное. Спросите откуда я взял всё это? Из головы и из книг.

Обновления

3 января 2008:
Много добавлений пришло после добавления страницы в Reddit.com, Я сейчас систематизирую и объединяю предложенные изменения. Пожалуйста продолжайте присылать обновления!

23 сентября 2006:
Небольшое изменнеия в количестве генов. Еще несколько изменений было прислано в последние 4 года. Я попытаюсь добавить их на страницу.

16 июня 2002:
Добавил маленький кусочек в проблему зависания и рак. Я думаю это новый взгляд, но не уверен. В списке того, что надо сделать: повторное использование кода через альтернативный сплайсинг.

18 мая 2002:
Между тем специалисты по генетике прочитали статью нашли и исправили некоторые ошибки. На днях я добавил информацию о клетке как конечном автомате, о форке и форкбомбах.

24 мая 2002:
Немного ясности по OPN внесли отличные люди с #bioinformatics. Добавил несколько картинок, чтоб украсить страницу. Добавил немного в раздел основная догма.

Исходный код

Здесь. Это не шутка. Хотя мы можем задуматься насчет лицензии. Возможно мы должны спросить разрешение у: Крейга Вентера. Исходник можно посмотреть через прекрасный набор perl скриптов 'Ensembl'. Человеческий геном занимает порядка 3 гигабайт, его можно ужать до 750 мегабайт. Довольно удручающе, сравнимо по размеру с 2.8 браузерами Mozilla.

ДНК не похожа на исходник на C, более похожа на скомпилированный байткод для виртуальной машины под названием 'Ядро клетки'. Сомневаюсь, что есть исходник этого байткода - то, что вы видите это всё, что у нас есть.

Пример кодон ДНК 'GCC' кодирует аминокислоту Аланин. Комбинация аминокислот называется 'полипептид' или 'протеин', это химически активные вещества необходимые для существования всего живого.

Читайте также http://www.ultranet.com/~jkimball/BiologyPages/C/Codons.html.

Позиционно независимый код

Библиотеки динамического связывания (.so в Unix, .dll в Microsoft) их код не может использовать статические адреса внутри т.к. Он может располагаться в различных участках памяти в разных ситуациях. В ДНК тоже есть что-то подобное, это 'переносимый код':

Условная компиляция

Мертвый код, избыточность, комментарии ('мусор ДНК')

Итак действующая ДНК с экзонами и интронами может выглядеть так:

ДЕЙСТВУЮЩИЙ КОД<!-- бла бла бла бла бла ---- бла -->ACTUAL CODE
      |         |            |           |        |        |
   экзон 1    акцептор    интрон 1     ветвь    донор   экзон 2
         (начало комментария)           (конец комментария)

Начало комментария понятно, за ним следует много некодирующих ДНК. Где-то рядом с концом комментария находится 'место ветви', которое указывает на то, что комментарий вот-вот закончится. Затем еще несколько комментариев, и действительный конец комментария.

Удаление комментариев происходит после того как ДНК считывается в РНК путем соединения действующих участков кода. РНК обрезается в 'месте ветви' рядом с окончанием комментария, после чего 'акцептор' (начало комментария) и 'донатор' (окончание комментария) соединяются вместе.

Теперь, для чего же нужны комментарии? Эта дискуссия часть священной войны, которая может соперничать с vi против emacs. Сравнивая разные биологические виды, мы узнаем, что некоторые интроны отличаются меньше чем соседние экзоны. Это подсказывает, что комментарии очень важны для чего-то.

Есть много объяснений для большого количества некодирующей информации ДНК — одна из наиболее притягательных (для кодера) это 'склонность к склеиванию'. ДНК хранится в сильно закрученной форме, но не все ДНК коды соответствуют этому.

Это напомнит вам RLL или MFM кодирование. На жестком диске бит кодируется сменой полярности или отсутствием ее. Простейшее кодирование: 1 это смена полярности, 0 - нет.

Для кодирования 000000 просто не меняем магнитное поле на нескольких микрометрах. Тем не менее, при раскодировании, возникает неясность — сколько микрометров мы прочитали? Соответствует ли оно 6 нулям или 5? Чтоб избежать этой проблемы данные хранятся так чтоб длинных цепочек без изменения полярности не встречалось.

Если мы встречаем 'нет смены полярности, нет смены полярности, нет смены полярности, смена полярности, смена полярности' на диске, мы можем быть уверены, что это соответствует '0011' — весьма маловероятно, что наш процесс чтения настолько неточен, что это может соответствовать '00011' или '00111'. Итак нам необходимо вставить разделители чтоб предотвратить образование участков без смены полярности. Это называется 'RLL' на магнитных носителях.

Стоит заметить что иногда нужно добавить дополнительную информацию, чтоб убедится, что данные храняться надежно. Интроны возможно выполняют эту функцию, обеспечивая дополнительную надежность хранения основного кода.

Тем не менее, эта область молекулярной биологии — минное поле! Огромный гнев и критика по поводу интронов, научных фраз типа 'склонность к склеиванию' и 'потенциал стволовых циклов (stem-loop)'. Я думаю лучше всего не встревать в гневные дискуссии.

Очаровательная ссылка сомнительного научного значения http://post.queensu.ca/~forsdyke/introns.htm .

fork() и форк бомбы ('опухоли')

Как принято в unix, клетки не 'порождают' — они делают fork. Все Ваши клетки начинаются с яйцеклетки, которая много раз форкнула себя. Как и процессы, обе половинки fork() в основном идентичны вначале, но после они могут выполнять разные действия.

Как и в unix, большая проблема возникает, когда клетки продолжаюь безудержно форкать. Быстро истощающиеся ресурсы иногда ведут к смерти. Это называется опухоль. Клетки отсеиваются через 'ulimits' и 'watchdogs' чтоб предотвратить данную ситуацию. Количество делений ограничено например с помощью укорачивания теломеры.

Клетка не может клонироваться до тех пор пока не встречено обязательное условие — 'защищенная по умолчанию' конфигурация. И только если все эти защитные барьеры не справляются может начаться рост опухоли. Как и в компьютерной безопасности, сложно найти золотую середину между защищенностью ('ни одна клетка не может делиться') и полезностью.

Сравнивая с широко известной Проблемой зависания, вперые описанной основателем компьютерной науки, Аланом Тьюрингом.Видимо также невозможно предсказать закончится ли данная программа когда-нибудь как и создать действующий геном, который не может заболеть раком?

Он вскоре понял, что это именно то, что биологические вирусы делали на протяжении миллионов лет. И они чрезвычайно хорошо справлялись.

Многие из этих вирусов стали фиксированной частью нашего генома и являются попутчиками всех нас. Чтобы сделать это, они вынуждены скрываться от антивирусного сканера, который пытается обнаружить чужой код и не допустить его попадание в ДНК.

Основная догма: .c -> .o -> a.out/.exe

Когда ученые еще открывали основы генетики они сталкивались со множеством различных химических веществ, но корреляция была неясной. Когда же стало ясно, что происходит от чего, это было воспринято как великий триумф и получило название «Основная догма».

Эта догма говорит нам, что ДНК используется для создания РНК и РНК используется для производства белков, похоже, скажем, на то как из a.с файла получается a.o файл, который может быть скомпилирован в исполняемый файл (a.out / exe ). Она также говорит нам, что это единственный путь, которым проходит информационный поток.

В настоящее время Основная догма несколько запятнана. Как и любой проект программируемый миллиард лет, много хаков уже произошло, и иногда информационные потоки идут в другую сторону. Иногда РНК патчит ДНК, и ДНК изменяется белками, созданными ранее.

Но в целом, зависимость ясна, поэтому «Основаная догма» остается важной.

Бинарный патч или 'Генная терапия'

Регресс ошибок

При исправлении багов в компьютерном ПО, мы часто добавляем новые в ходе процесса. В геноме полно такого. Многие афроамериканцы имеют иммунитет к малярии, но в место этого страдают от серповидно-клеточной анемии:

Есть немало примеров такого явления. Смотрите также отличную книгу Мэтта Ридли 'Геном'.

код Рида - Соломона : 'корекция ошибок'

Как и компьютерное хранилище данных, ДНК (и ее производная 'РНК') может испортиться. Для защиты от обычных 'ошибок одного бита', кодирование из конкретной ДНК в белок вырождается. Есть 4 РНК символа, U, C, G и A - другими словами, 'байт' имеет длину два бита. Тройка символов соответствуют аминокислотам.

Теперь выясняется что некоторое подобие опечатки (UCU -> UCC) в кодировании привело к тому что они кодирую одну и ту же аминокислоту. Больше информации об этом увлекательном явлении можно прочитать в книге Дугласа Хофштадтера 'Metamagical Themas'.

Священный код: /* вы врядли это поймете */

Некоторый код священен. Мы не помним кто его написал, или зачем - мы только знаем что он работает. Парень который его придумал уже покинул компанию. Такой код нельзя трогать.

В ДНК есть концепция 'молекулярных часов'. Некоторые части генома активно меняются и некоторые учатки неприкосновенны. Хороший пример это Гистоны H3 и H4.

Эти гены основополагающие для фактического хранилища генома и поэтому имеют первостепенное значение. Любой сбой в этом коде приведет к отказу организма.

Таким образом этот код не следует трогать. Гены H3 и H4 имеют нулевой уровень мутации среди людей. Более того, точно такой же код имеют все от цыплят до растений и плесени.

Итак похоже есть два способа которыми геном может убедиться что он не мутировал. Первый способ описан выше: использовать вырожденные аминокислоты, гарантирующий что опечатки имеющие место быть дают тем не менее правильный результат.

Кроме того ген может быть скопирован раньше или позже в репродуктивном процессе клетки, ведущий к более или менее благоприятным условиям копирования. Множество подобных условий применяется.

Похоже, Н3, Н4 был продуман автором очень внимательно, поскольку они имеют много «тождественных изменений», которые благодаря умным техникам, описанным выше, не приводят к изменениям на выходе.

Ошибки структуры: начальный и конечный биты

...0 0000 0001   0000 0010  0000 0011 0...

Эта последовательность однозначно описывает 8 битные значения 1, 2 и 3. Пробелы я добавил, чтоб было более понятно где начинается и заканчивается байт. Многие устройства последовательного чтения задействуют стартовый и стоповый биты, чтоб закодировать точку начала чтения. Если мы сдвинем последовательность слегка:

...00 0000 0010   000 00100  000 00110 ...

Внезапно читаем 2, 4, 6! Чтоб предотвратить такие вещи в ДНК используются сигналы, которые сообщают клетке, где начать чтение. Интересно, что есть участки кода в геноме которые можно читать с разных начальных позиций, и получать полезный (но различный) результат каждый раз. Вот что я называю кул хаком!

Каждый из способов кторым нить ДНК может быть прочитана называется Открытый читающий фрэйм и их, как правило, 6, по 3 с кажой стороны.

Невероятная многозадачность: каждая клетка - вселенная

Теперь, ДНК не похожа на язык программирования. Это действительно так. Но есть колоссальные аналогии. Мы можем рассматривать каждую клетку как процессор, исполняющий свое программное ядро. Каждая клетка имеет копию всего ядра, но активирует только соответствующие ей части. Грубо говоря модули и драйвера которые она загружает.

Самоорганизованность и начальная загрузка

Если мы уничтожим все компиляторы языка C на планете и оставим только исходник компилятора, у нас будет большая проблема. Да, мы имеем исходники C компилятора на C, но нам нужен работающий C компилятор чтоб собрать его!

В реальности, этой проблемы не возникло так как первый C компилятор был написан не на C, а на доступном языке: B. Читайте тут детали 'начальной загрузки'.

Тоже самое касается и генома. Чтоб создать новый 'бинарник' по образцу, требуется действующая живая сущность. Геному требуется инструменатрий чтоб создать живое. Код сам по себе бессилен. Этот инструментарий обычно называют 'ваши родители'.

Похоже что РНК, являющаяся посредником между ДНК и белком, возможно является 'B' для ДНК. Отсюда вопрос откуда взялась первая РНК. Любопытно заметить, что внеземные объекты часто содержат аминокислоты! Гуглите http://www.google.com/search?hl=en&q=amino+acids+meteorites

Makefile

Дополнительная литература