Всего каких-то два-три десятка лет назад, не говоря уже о временах более отдаленных (ничтожный по историческим меркам промежуток времени), главной проблемой молекулярной биологии был острый дефицит экспериментальных результатов. Очистка и кристаллизация белков и получение информации об их пространственной структуре были сложным многолетним таинством, похожим на алхимическое превращение. Секвенирование (расшифровка последовательности) гена или белка — многомесячным проектом, достойным отдельной статьи. Теоретическая биология занималась разработкой предсказательных алгоритмов для всего и вся. Предсказания эти при всей своей неточности были очень востребованы, поскольку позволяли хоть как-то прикрыть и залатать зияющие прорехи нашего незнания.
Внедрение новых методов со временем, конечно, повышало производительность научного труда, но это происходило медленно и постепенно. Если за первую кристаллизацию белка дали Нобелевскую премию, то всего несколько десятилетий (подчеркнем — десятилетий!) спустя эта задача стала рядовой темой для дипломной работы в каком-нибудь профильном институте. Научные данные накапливались медленно и обдумывались подолгу. Было время, и его свидетели еще живы, когда хорошим тоном для ученого, изучавшего закономерности пространственного строения белков, считалось помнить (в общих чертах) структуры всех известных белков — сейчас такое просто невозможно себе представить.
Так же медленно накапливалась информация о динамических свойствах живых систем. С кем взаимодействует данный белок? Как изменяется активность данного гена в ходе определенного биологического процесса? Ответ на каждый такой вопрос требовал серии непростых экспериментов.
Ситуация изменилась быстро и драматично. Появились экспериментальные методы, позволяющие анализировать экспрессию десятков тысяч генов одновременно, следить за поведением тысяч белков, отслеживать мутации во всем геноме. Результаты, полученные в ходе таких высокопроизводительных экспериментов, расширили наши представления о молекулярных основах живого и одновременно стали источником принципиально нового системного кризиса, который в свое время был предсказан писателем-фантастом и по совместительству глубоким философом-футуристом Станиславом Лемом. Он назвал его «самозатемнением» науки.
Иногда, обозревая многостраничные перечни статей, выдаваемые поисковыми системами в ответ на небольшой запрос, нет-нет да и подумаешь: не исключено, что мы уже обладаем всей необходимой для понимания жизни информацией, просто эта информация из рук вон плохо организована… Молекулярная биология перестала страдать от дефицита данных и стала задыхаться, придавленная их избытком. Этот кризис в полной мере затронул и молекулярную онкологию.
Что мы могли узнать о той или иной опухоли при помощи методов «классической» молекулярной биологии? Проверить типичные мутации — p53, BRCA и т. д. Посмотреть уровень экспрессии основных лигандов и рецепторов факторов роста и гормонов, чтобы понять, какие именно сигнальные пути усиливают клеточное деление, определить особенности обмена, проверить маркеры присутствия иммунных клеток и на их основании сделать вывод об иммунном статусе — обо всех этих методах уже говорилось выше, и многие из них успели стать частью повседневной клинической практики.
Какие возможности у «новейшей биологии» охарактеризовать ту же самую опухоль? Во-первых, можно отсеквенировать весь опухолевый геном и проверить мутации ВО ВСЕХ генах (а не только в известных онкогенах и онкосупрессорах). Во-вторых, можно измерить уровень активности опять-таки ВСЕХ генов в данной опухоли и посмотреть, как он изменяется, например, в ответ на лечение. ВСЕ гены — это примерно 20 000. 20 000 данных, полученных при изучении одной-единственной опухоли (на самом деле больше), вместо 20–30 (и это если брать по максимуму) параметров, определяемых классическими методами. Вы уже примерно представили масштаб проблемы?
А ведь это только цветочки. В последние годы стремительно развивается технология «поклеточного» анализа, позволяющего исследовать уровень активности генов не в образце, а в каждой конкретной клетке. С помощью этого метода с одного образца ткани можно собрать уже не 20 000 данных, а 20 000 * N, где N — количество клеток, причем необязательно раковых. Данный метод можно использовать и для того, чтобы охарактеризовать качество клеточного микроокружения. А речь, повторюсь, идет все еще об одном пациенте и одном-единственном образце опухоли. А пациентов таких в мире (потенциально) миллионы и миллионы, и опухоль у каждого может быть вовсе даже не одна…
Так рождаются огромные таблицы, бесконечные ряды данных. Разливаются моря и океаны научной информации, в которой, однако, современная биология чувствует себя не как «рыба в воде», а скорее как утопающий, из последних сил пытающийся выбраться на сушу. Информация далеко не то же самое, что знание! Чтобы превратить первое во второе, требуется значительное интеллектуальное усилие. И результат его отнюдь не гарантирован. На сегодняшний день существует огромный зазор между бескрайней мощью высокопроизводительных методов и ограниченными возможностями существующих подходов к объяснению и использованию производимых ими данных.
Прямо сейчас в сотнях и тысячах лабораторий по всему миру специалисты, сочетающие знание биологии с владением передовыми информационными технологиями, — биоинформатики — ищут, как заставить новые многочисленные данные «заговорить». Биология XXI века, вне всякого сомнения, будет наукой о Вig Data. Молекулярная онкология наших дней выступает как экспериментальный полигон для передовых методов, которые позже распространятся и в другие области науки о живом.
ФАКТ: тенденции развития мирового рынка труда говорят о том, что биоинформатики и эксперты по анализу данных будут самыми востребованными специалистами в ближайшие десятилетия.
И числом, и умением!
Конечно, не стоит думать о новых технологиях как о бедствии. Если появление высокопроизводительных методов и вызвало некоторый «затор» в фундаментальной науке, то успех от их прикладного использования превзошел самые смелые ожидания. Новые технологии радикально ускорили разработку лекарственных средств, в том числе и от рака.
Поиск потенциальных лекарственных субстанций многие века был делом скорее интуиции и везения, чем расчета — вспомните историю пенициллина, выделенного из плесени, которая случайно выросла на чашке с бактериальной культурой у Флеминга, или иприт, ставший родоначальником химиотерапии. Везение продолжает оставаться немаловажным фактором успеха, однако в наши дни поиск потенциальных лекарств стал гораздо более целенаправленным. Понимание того, что в основе любого физиологического процесса лежит сеть определенных молекулярных взаимодействий, привело к формированию концепции «лекарственной мишени», целенаправленного воздействия на которую и добиваются ученые, занимающиеся разработкой новых лекарств в наши дни.
