Эдуард Сероусов – Код Хейфлика (страница 1)

18

Эдуард Сероусов

Код Хейфлика

Часть I: Аномалия

Глава 1. Решётка

Базель, Швейцария. Лаборатория сравнительной геномики, Базельский университет. Январь 2032 года.

Запах реагентов она давно перестала замечать. Формальдегид, изопропанол, тот едва уловимый пластиковый привкус, который даёт нагревающаяся электроника, – всё это ушло куда-то в область фона, как уходит фоновый шум собственного дыхания. Рейчел Чен работала в этих стенах восемнадцать лет, и лаборатория давно перестала быть местом, которое она замечает. Она была продолжением её самой – немного холодным, немного равнодушным, абсолютно честным.

В семь двадцать три она уже сидела за рабочим столом. Январский рассвет над Рейном только начинал разбеляться – не светать по-настоящему, а скорее нехотя отступать от черноты, как отступает усталый человек от спора, который он уже проиграл. Из окна была видна старая мельничная сторона, мост Миттлере с его аккуратными арками, вода цвета расплавленного свинца. Рейчел смотрела на это каждое утро и каждое утро не видела.

Кофемашина у входа скрипнула – третья ступенька от левого угла, на которой расходился паркет. Она знала этот звук, не поворачивая головы. Значит, Линь пришла.

– Доброе утро, – сказала Рейчел, не отрываясь от экрана.

– Ты уже здесь, – ответила Линь вместо приветствия. Это не было вопросом.

– Данные подгружались ночью. Хотела посмотреть до летучки.

Кофемашина зашумела, плюясь паром. Рейчел открыла первую папку. На экране развернулся знакомый беспорядок: хроматографические пики, контрольные треки, метаданные секвенирования. Обычное утро. Обычные данные.

Она начала работу.

Гранта она ждала полтора года. Не потому что рецензенты были несправедливы – рецензенты Базельского исследовательского фонда крайне редко бывают несправедливы, что само по себе является проблемой: они педантичны, последовательны и требуют доказательств там, где любой другой научный совет удовлетворился бы предположениями. Рейчел уважала их за это и ненавидела с той же равной силой. Первую заявку они отклонили: «Сравнительное исследование консервативных последовательностей теломерных повторов у 47 видов эукариот, разошедшихся в эволюции 1,5 млрд лет назад, не демонстрирует достаточной методологической новизны». Она переписала заявку. Добавила контрольные группы, уточнила протокол секвенирования, подробнее описала потенциальные приложения в онкологии. Рецензенты одобрили. Финансирование пришло в октябре.

По существу, исследование было необходимой скукой. Теломерные повторы у эукариот консервативны – это факт, известный с 1980-х, многократно подтверждённый и настолько освоенный научным сообществом, что стал чем-то вроде учебниковой иллюстрации: смотрите, как похоже устроена жизнь у дрожжей и у слонов, как верна природа своим собственным решениям. TTAGGG – шесть нуклеотидов, повторяющиеся тысячи раз, оберегающие хромосомы от деградации. У большинства эукариот – именно эта последовательность, или нечто настолько близкое к ней, что разница измеряется единицами из тысяч. Ничего удивительного. Эволюция консервативна там, где решение найдено правильно.

Новизна её исследования была в другом: Рейчел собиралась проследить паттерн вариаций – тех небольших отклонений, которые всё же существуют между видами, – и построить по ним филогенетическое дерево, независимое от митохондриальных маркеров. Технически амбициозно. Концептуально осторожно. Именно то, что нравится рецензентам.

Для этого ей нужен был хороший алгоритм выравнивания, и именно здесь в дело вошёл Ннамди.

Ннамди Обиора появился в её жизни восемь месяцев назад на онлайн-конференции по вычислительной биологии – скорее фоном, чем событием: молодой нигерийский биоинформатик из Лагоса, представивший доклад о новом алгоритме множественного выравнивания для повторяющихся последовательностей. Рейчел смотрела доклад вполуха, занимаясь параллельно своими данными, и зацепилась только за одну деталь в методологии – нестандартный подход к взвешиванию позиционных вероятностей. Она написала ему короткое сообщение в чат конференции: «Слайд 14, функция весовых коэффициентов – вы тестировали на теломерных повторах?»

Опишите проблему X