Алгоритмы, закодированные в полумиллионе строк компьютерного кода команды Джина, предполагали поэтапный сценарий – от самых «безвредных» действий, например простого перекрывания двух последовательностей, до более сложных, например использования обнаруженных пар для слияния островков перекрывшихся последовательностей. Это было похоже на сложение головоломки, когда небольшие островки собранных участков составляются вместе и образуют бо́льшие острова, а затем весь процесс повторяется снова. Только вот в нашей головоломке было 27 миллионов фрагментов. И было очень важно, чтобы участки брались из последовательности высокого качества сборки: представьте себе, что будет, если вы собираете пазл, а цвета или изображения его элементов нечеткие и размытые. Для дальнего порядка последовательности генома значительная доля прочтений должна быть в виде совпадающих пар. Учитывая, что результаты все еще отслеживались вручную, мы с облегчением обнаружили, что 70 % имевшихся у нас последовательностей именно такие. Специалисты по компьютерному моделированию объяснили, что при меньшем проценте собрать нашего «шалтая-болтая» было бы невозможно.
И теперь мы смогли использовать ассемблер Celera для секвенирования последовательности: на первом этапе результаты корректировались для достижения самой высокой точности; на втором этапе программа Screener удаляла загрязняющие последовательности из ДНК плазмиды или E. coli. Процесс сборки может быть нарушен всего-навсего какими-то 10 парами оснований «чужой» последовательности. На третьем этапе программа Screener проверяла каждый фрагмент на соответствие известным повторяющимся последовательностям в геноме плодовой мушки – данным Джерри Рубина, который их «любезно» нам предоставил. Местоположение повторов с частично перекрывающимися участками записывалось. На четвертом этапе другая программа (Overlapper) обнаруживала перекрывающиеся участки, сравнивая каждый фрагмент со всеми остальными, – колоссальный эксперимент по обработке огромного объема числовых данных. Ежесекундно мы сравнивали 32 миллиона фрагментов с целью обнаружить по крайней мере 40 перекрывающихся пар оснований с менее 6 % различий. При обнаружении двух перекрывающихся участков мы объединяли их в больший фрагмент, так называемый «контиг» – набор перекрывающихся фрагментов.
В идеальном случае этого бы вполне хватило для сборки генома. Но нам приходилось бороться со статтерами и повторами в коде ДНК, а это означало, что один фрагмент ДНК может перекрываться с несколькими различными участками, создавая ложные соединения. Чтобы упростить задачу, мы оставляли только однозначно соединенные фрагменты, так называемые «унитиги». Программа, с помощью которой мы выполняли эту операцию (Unitigger), по существу удаляла всю последовательность ДНК, которую мы не могли с уверенностью определить, оставляя лишь эти унитиги. Этот шаг не только дал нам возможность рассмотреть другие варианты сборки фрагментов, но и существенно упростил задачу. После редукции количество перекрывающихся фрагментов сократилось с 212 миллионов до 3,1 миллиона, и проблема упростилась в 68 раз. Детали головоломки постепенно, но неуклонно вставали на свои места.
А затем мы могли использовать информацию о способе спаривания последовательностей одного и того же клона, используя «каркасный» алгоритм. Все возможные унитиги со взаимно перекрывающимися парами оснований объединялись в специальные каркасы. Для описания этого этапа в своих лекциях я провожу аналогию с детским игрушечным конструктором Tinkertoys. Он состоит из палочек разной длины, которые можно вставлять в отверстия, расположенные на деревянных узловых деталях (шариках и дисках), и составить так объемную конструкцию. В нашем случае узловые детали – это унитиги. Зная, что парные последовательности располагаются на концах клонов длиной в 2 тысячи, 10 тысяч или 50 тысяч пар оснований – то есть как бы находятся на расстоянии определенного количества отверстий друг от друга, – их можно выстроить в одну линию.
В результате тестирования этой методики на последовательности Джерри Рубина, составлявшей примерно одну пятую генома плодовой мушки, мы получили всего лишь 500 пробелов. Проведя в августе испытания на наших собственных данных, мы получили в результате более 800 тысяч небольших фрагментов. Существенно большее количество данных для обработки показало, что методика работала плохо – результат оказался противоположным ожидаемому. В течение нескольких следующих дней паника нарастала, а список возможных ошибок удлинялся. С верхнего этажа корпуса № 2 адреналиновый раж просачивался в комнату, шутливо называемую «Безмятежными покоями». Однако никакого покоя и безмятежности там не ощущалось, особенно в течение по крайней мере пары недель, когда сотрудники буквально кругами слонялись в поисках выхода из создавшегося положения.
В конце концов проблему решил Артур Делчер, работавший с программой Overlapper. Он заметил нечто странное в 678-й строке кода из 150 тысяч строк, в том месте, где пустяковая неточность означала, что важная часть совпадений не записана. Ошибка была исправлена, и 7 сентября у нас было 134 клеточных каркаса, покрывавших действующий (эухроматический) геном плодовой мушки. Мы были в восторге и с облегчением выдохнули. Пришла пора объявить всему миру о нашем успехе.
Конференция по секвенированию генома, которую я начал проводить несколько лет назад, предоставляла для этого прекрасную возможность. Я был уверен, что найдется большое количество жаждущих удостовериться, сдержали ли мы свое обещание. Я решил, что рассказывать о наших достижениях, и прежде всего о процессе секвенирования, сборке генома и значении этого для науки, должны Марк Адамс, Джин Майерс и Джерри Рубин. Из-за наплыва желающих приехать на конференцию мне пришлось перенести ее из Хилтон-Хеда в более вместительный отель «Фонтенбло» в Майами. На конференции присутствовали представители крупных фармацевтических и биотехнических компаний, специалисты по геномным исследованиям со всего мира, довольно много обозревателей, репортеров и представителей инвестиционных компаний – все были в сборе. Наши конкуренты из компании Incyte потратили немалые средства на организацию приема после окончания конференции, корпоративную видеосъемку и прочее – делали все, дабы убедить публику, что именно они предлагают «самую подробную информацию о геноме человека».
Мы собрались в большом конференц-зале. Выдержанный в нейтральных тонах, украшенный настенными светильниками, он был рассчитан на две тысячи человек, но народ все прибывал, и вскоре зал заполнился до отказа. Открытие конференции состоялось 17 сентября 1999 года, и на первом заседании с сообщениями выступили Джерри, Марк и Джин. После небольшого вступления Джерри Рубин объявил, что собравшимся предстоит услышать о лучшем совместном проекте известных компаний, в котором ему когда-либо довелось участвовать. Атмосфера накалялась. Аудитория поняла, что он не стал бы говорить так высокопарно, если бы у нас не было заготовлено что-то действительно сенсационное.
В воцарившейся тишине Марк Адамс начал подробно описывать работу нашего «производственного цеха» в Celera и наши новые методы секвенирования генома. Однако при этом он ни слова не сказал о собранном геноме, словно поддразнивая публику. Затем вышел Джин, поведавший о принципах метода дробовика, о секвенировании Haemophilus, об основных стадиях работы ассемблера. С помощью компьютерной анимации он продемонстрировал весь процесс обратной сборки генома. Отведенное на выступления время заканчивалось, и многие было уже решили, что все ограничится элементарной презентацией с использованием программы PowerPoint, без предъявления конкретных результатов. Но тут Джин с ехидной улыбкой заметил, что аудитория, наверное, захочет все-таки увидеть реальные результаты и не удовольствуется имитацией.
