Конкурс «Био/Мол/Текст»-2024/2025

Эта работа опубликована в номинации «Школьная» конкурса «Био/Мол/Текст»-2024/2025.

Генеральный партнер конкурса — международная инновационная биотехнологическая компания BIOCAD.

---

«Книжный» спонсор конкурса — «Альпина нон-фикшн»

В современном мире не обойтись без компьютерных технологий. Прочно заняли они свои позиции и в науке, и речь даже не о текстовых редакторах (как, например, тот, в котором была написана эта статья) и подобных программах. Существует масса узкоспециализированных программ, нацеленных на решение конкретных задач.

Есть программы, созданные учеными для ученых. Это может быть ПО как для взаимодействия с оборудованием, так и для анализа уже имеющихся данных. Попробуйте без соответствующей программы получить данные, например, с конфокального микроскопа. Конечно, что-то, возможно, и получится, но инструмент не раскроет и сотой части своего потенциала. Или программы, широко применяющиеся молекулярными биологами, например, SnapGene — упрощает и ускоряет работу с данными для исследований в области клонирования; UGENE (рис. 1) — для анализа последовательностей нуклеиновых кислот — или менее известная, но не менее популярная среди биологов GelAnalyzer — для интерпретации данных электрофореза. Неподготовленному человеку работать с этим ПО будет сложно, неинтересно и непонятно.

Есть другой вид программ — ПО для волонтерской помощи науке в игровой форме. Оно создано с целью привлечь как можно больше обычных людей к решению научных задач и затрагивает самые разные сферы науки. В астрономии яркий пример — это Galaxy Cruise для классификации галактик. Есть такие и в биологии: «Фолдит» (Foldit — «сложи это») — онлайн-головоломка по поиску лучших решений сворачивания/сборки белков; Phylo (рис. 1) — игра по оптимизации алгоритмов выравнивания последовательностей ДНК [1]; EyeWire — проект, нацеленный на создание карты нейронов сетчатки глаза мышонка. Эти программы интуитивно понятны даже неподготовленному пользователю. Большинство лучших игроков не имеют специального биологического образования.

И если с этими двумя направлениями всё понятно, то третье остается в тени. Это кибербиология. Да-да. Есть люди, которые зачастую не биологи, но хотят разобраться в биологии и делают это с помощью написания программ. В основном они ищут закономерности в эволюции. И несмотря на то, что миры, создаваемые в программах-симуляторах, внешне не всегда похожи на тот, что окружает нас, опираются они на фундаментальные принципы природы.

Здесь мы видим одну замечательную закономерность. Из простых правил получаются сложные алгоритмы. Первое, что вспоминается при этом — знаменитая игра «Жизнь», созданная математиком Джоном Хортоном Конвеем и известная большому количеству людей. Всего из трех нехитрых правил получаются взаимодействия, благодаря которым в игре можно сделать достаточно сложные паттерны, как, например, «Машина Тьюринга» (рис. 2) — простейший вариант компьютера или паттерн, повторяющий алгоритмы самой игры «Жизнь» (фрактальное самоподобие).

Кибербиология в каком-то смысле близка к биокибернетике — одному из актуальных и современных направлений биологии. В ней идеи и методы кибернетики применяются для изучения закономерностей управления, процессов саморегуляции, хранения, переработки и передачи информации в живых системах. Кибербиологи же моделируют самоорганизующиеся системы — «искусственную жизнь», которая способна эволюционировать по законам, характерным для реальных живых систем: естественный отбор, мутации, саморегуляция и др. Подобные эксперименты пока не рассматривают серьезно.

Среди таких симуляторов я и познакомился с программой Cell Lab, разработанной Петтером Сэтерскугом (Petter Säterskog), физиком, постдокторантом Каролинского института (с 2021 г.), и позиционируемой изначально как игра для Android. Это симулятор простых организмов с режимом «песочницы». В правилах разобраться несложно. При этом в программе можно моделировать биологические процессы и живые организмы.

Я хочу рассказать о том, как можно использовать Cell Lab в обучающих и даже научных целях, какие плюсы и минусы есть у данного подхода.

Рассмотрим три моих эксперимента в программе Cell Lab, призванные смоделировать реальные биологические процессы.

Эксперимент 1

Создание устойчивой экосистемы согласно фундаментальным свойствам живых систем и принципам стабильности и устойчивости экосистем.

Найдем научные данные и подготовим теоретическую базу, которые необходимы для этого эксперимента.

Экосистема — основная функциональная единица в экологии.

Основные свойства экосистемы: целостность, саморегуляция, устойчивость.

Главные принципы функционирования экосистемы: круговорот всех элементов, наличие внешнего источника энергии, количество которой относительно постоянно и избыточно (например, солнечный свет), и чем больше биомасса популяции, тем ниже занимаемый ею трофический уровень [2].

Устойчивые экосистемы длительное время сохраняют постоянный видовой состав. Популяции, входящие в состав сообщества, находятся в динамическом равновесии [3].

В процессе эксперимента в ПО Cell Lab, я смоделировал несколько экосистем (рис. 3).

Общим условием, заданным мною при моделировании, стала жидкая питательная среда — источник воды и растворенных в ней минеральных веществ.

Каждая экосистема получала извне:

• свет — как неограниченный источник энергии для продуцентов (организмов, вносящих энергию в экосистему);
• минеральные вещества, необходимые для нормальной жизнедеятельности и воспроизведения продуцентов.

Минеральные вещества на время стабилизации системы не ограничивались. Это было введено для упрощения моделирования. В природе экосистемы «запускаются» в результате сукцессий (смена биологических сообществ на определенном участке среды в процессе их приспособления к природным факторам). При программном моделировании этот этап пропущен.

Каждой смоделированной в Cell Lab экосистеме было дано 1200 условных часов (из них 200 на стабилизацию и 1000 — на существование), по истечении которых систему можно признать стабильной.

Как и в природе, организмам в моделируемых системах присущи мутации. В отличие от реальности, в программе «ген» — это числовое значение, задающее определенный признак. Мутации при этом задаются двумя параметрами:

• переключателем «Точечные мутации» — при активном параметре под мутацией понимается изменение «гена» на небольшое числовое значение, вносящее незначительные изменения в фенотип. При выключенном — мутация соответствует замене «гена» (рандомно меняется числовое значение), при этом фенотип может измениться как незначительно, так и достаточно сильно.
• «радиация» — задается числом и определяет частоту появления мутаций в организме. Нулевая радиация соответствует минимальному мутагенному воздействию среды на организм.

Для эксперимента я выбрал «нулевую радиацию» и активные «точечные мутации».

Замечу, что условия среды всех экосистем немного отличались из-за разного видового состава, под который они подбирались.

Индивидуально были выбраны следующие условия моделируемых сред:

• световой режим (в зависимости от потребностей в свете организмов-продуцентов конкретной экосистемы);
• температурный режим (отвечает за скорость метаболизма организмов, населяющих экосистему);
• количество бактерий-редуцентов (организмами в данной схеме не считаются, отвечают за скорость растворения питательных веществ и регулируют их нерастворенное количество, не допуская интоксикации организмов);
• вязкость среды (чем более вязкая среда, тем сложнее организмам передвигаться даже при помощи жгутиков).

Важное свойство, принятое в программе Cell Lab в моделируемых системах по умолчанию: немобильное питание (органика не отталкивается мембранами клеток — что упрощает ее поглощение).

Организмы, собранные в эксперименте для экосистем, составлены из разных типов клеток (рис. 4).

Они могут быть классифицированы по различным признакам:

• тип питания (фотосинтезирующие, миксотрофы, хищные, паразиты, детритофаги);
• чувствительность (чувствительные используют для своих целей сигнальные вещества, нечувствительные — не используют);
• по виду размножения (митоз, почкование, фрагментация, семена и споры);
• по передвижению (стационарные, прикрепленные к краям субстрата; подвижные, использующие для перемещения жгутики, другие организмы или незначительные изменения плотности в вакуолях особых клеток). На рис. 5 несколько получившихся у меня организмов.

Как и ожидалось, большинство созданных экосистем не сбалансировались. В пробе 1 произошла спонтанная мутация хищника, и он перешел на другой рацион. В пробе 2 из-за недостаточного количества сдерживающих факторов, а именно сложных организмов, в экосистеме наблюдались волнообразные скачки численности разных видов. Это привело к нестабильности и вымиранию. В пробе 3 сложились тепличные условия экосистемы, которые привели к перенаселению и последующей гибели.

После наблюдений и анализа этих экосистем, удалось смоделировать устойчивую экосистему (рис. 6). Под устойчивостью в случае модели подразумевается долговременное существование экосистемы в стабильном виде в течение 1200 условных часов.

Было отобрано 7 уникальных видов организмов (рис. 7), имеющих неповторяющиеся между видами параметры и особенности, среди которых есть представители всех звеньев пищевой цепи (продуценты — 3 вида), консументы — 2, детритофаги (они же здесь редуценты) — 2.

Создана карта взаимодействий в экосистеме — рис. 8.

Для стабильности этой экосистемы в программе Cell Lab важными оказались такие параметры, как высокая частота появления пищи (органики), максимальный размер пищи (органики), повышенная соленость субстрата (влияет на скорость потери клеткой биомассы), интенсивная освещенность и др.

В процессе симуляции выявились взаимодействия и эффекты, не следующие напрямую из характеристик организмов.

По исходным данным ожидалось, что семена продуцента № 1 будут опускаться на дно и станут кормом для редуцентов № 1. Хищный автотроф — продуцент № 2 — питается исключительно организмами-редуцентами № 1. Но проявился непредвиденный эффект. После прямого взаимодействия с консументом № 1 семена продуцента № 1 не изменяли плотность и не опускались на дно, как предполагалось, а поднимались вверх субстрата и становились пищей для продуцента № 2, минуя звено пищевой цепи. Это неожиданное явление не нарушило жизнеспособность экосистемы и ее устойчивость.

Последующие опыты показали, что благодаря эффективной компенсаторной способности организмов созданной экосистемы внесение в нее новых (до двух новых видов) или удаление любого одного из существующих не приводило к значительным последствиям — экосистема оставалась стабильной (успешная проверка аттрактивности — наличия большого количества состояний, обеспечивающих динамическое равновесие экосистемы).

Благодаря наличию продуцентов (в достаточном видовом разнообразии и количестве), экосистема могла поддерживать остальные организмы, изначально приспособленные под скудные условия с малым количеством еды (успешная проверка гомеостаза).

С учетом итогов первого эксперимента вернемся к теории. В 1971 году Ю. Одум в книге «Основы экологии» предложил рассматривать всю совокупность живых организмов и окружающее их абиотическое вещество как единую систему, для которой в любой момент времени можно составить математическое описание материального и энергетического баланса. Но математические модели экосистем — задача трудоемкая, требующая учета множества факторов, многие из которых зависят от времени, причем такие зависимости можно описать математически лишь с определенной долей вероятности [4]. Необходимость некоторых допущений и предположений — важные теоретические компоненты моделирования. Это гипотезы, которые могут быть подвергнуты экспериментальной проверке. Эксперимент уточняет модель, новая модель может выдвинуть новые гипотезы [5].

Проблема выяснения причин и пределов устойчивости живых систем — одна из наиболее актуальных для моделирования. Часто исследователями создаются сложные компьютерные программы, например, ПО, разработанное Ю.П. Ланкиным для проведения исследований по численному моделированию адаптивной самоорганизации модели экосистемы к стационарным состояниям (условиям — прим. автора) [6]. Оно направленно на решение конкретных задач и требует больших вычислительных мощностей. Результат же в большей степени будет зависеть от вводимых параметров: субстрата, продуцента, консумента, детрита и редуцента.

Cell Lab предоставляет интуитивно понятный интерфейс с большим количеством настроек, позволяющий моделировать разнообразные экосистемы и не требующий большой вычислительной мощности. На созданных моделях можно изучать не только известные взаимодействия, но и обнаружить неочевидные ранее взаимосвязи и эффекты, а затем проверить их наличие в реальных биологических системах. Причины, по которым часть экосистем оказалась неустойчива, совпадают с таковыми в реальной жизни.

Эксперимент 2

Моделирование эпидемического процесса между 6 штаммами вируса 1 вида

И снова научные вводные данные.

Эпидемический процесс — непрерывный процесс или цепь следующих друг за другом специфических инфекционных состояний (Л.В. Громашевский, 1927). Исход встречи зависит от: особенностей возбудителя, исходного состояния восприимчивого организма, условий окружающей среды.

По условиям эксперимента, в популяции единомоментно циркулирует только один штамм вируса (выбранный рандомно). Все штаммы обладают одинаковой патогенностью, вирулентностью и контагиозностью. Также в моделировании участвуют здоровые организмы в непрерывно растущей популяции с вариациями иммунитета в равном количестве (к 5 из 6 штаммов, рис. 9). При этих вводных данных оценивалось изменение коллективного иммунитета за 2000 усл. часов.

При попадании штаммов в популяцию либо заражался организм без иммунитета к этому штамму, либо вирус не активировался при встрече с организмом, имеющим иммунитет (рис. 10). Замечено, что в группах малого размера распространение штаммов происходило медленнее, чем в крупных и густонаселенных. Организмы без иммунитета, окруженные организмами с иммунитетом, пережили несколько волн опасного для них штамма. Через 1200 усл. час. осталась одна группа с устойчивостью к одинаковым штаммам, в течение еще 500 усл. час. она защищалась от вируса, к которому была не устойчива (с одинаковой скоростью с одной стороны появлялись новые особи, с другой — погибали). Изменение организации группы в пространстве сыграло решающую роль в ее гибели. Растущие особи оказались заперты внутри кольца из зараженных.

Процессы, отраженные в этом эксперименте, в реальной жизни наблюдать было бы времязатратно, трудоемко, дорого и в некоторых случаях опасно. Но в программе при симуляции наглядно видно и очевидные, и неочевидные события.

Из очевидных: при большей концентрации восприимчивых организмов в среде патоген среди них распространяется быстрее, чем при низкой заселенности среды (вспомним пандемию COVID-19); при высоком проценте невосприимчиых организмов в популяции, восприимчивые имеют меньше шансов заразиться.

Из неочевидных: пространственная организация группы организмов может оказывать влияние на распространение инфекции.

Но нужно помнить, что в программе присутствует доля условности. Например, передача вируса от организма к организму осуществляется только прямым контактом зараженной клетки со здоровой. В реальной жизни у организма есть возможность переболеть и приобрести иммунитет, которого ранее не было. В данном эксперименте заражение организма без имеющегося иммунитета к штамму неминуемо вело к гибели.

Эксперимент 3

Моделирование адаптации организмов к циклическим сезонным изменениям окружающей среды

И опять немного теории.

Эволюция — процесс постепенного, непрерывного развития живой природы.

За основу я взял некоторые из правил эволюции, которые можно выделить для значительного ряда живых систем. (Отметим, что живым системам свойственны множественные исключения из правил, но нам надо задать базовые принципы для эксперимента.) Условимся, что модель третьего эксперимента будет соответствовать живой природе, если будет наблюдаться выполнение этих правил:

• Правило неограниченности эволюции — эволюционный процесс будет продолжаться столько, сколько будет существовать жизнь.
• Закон А. Н. Северцова — после ароморфоза (резкого эволюционного скачка, открывающего организмам новые возможности) и выхода группы в адаптивную зону начнется ее интенсивная эволюция по пути идиоадаптации, что приведет к освоению организмами новой среды и разделению исходной материнской группы на множество дочерних.
• Правило прогрессирующей специализации (Ш. Депере) — группа, вступившая на путь специализации, как правило, в дальнейшем развитии будет еще более глубоко специализироваться.
• Правило происхождения от неспециализированных предков, которое гласит, что новые крупные группы организмов происходят не от специализированных представителей предковой группы, а от сравнительно неспециализированных [7].

Учитывая возможности программы Cell Lab, для моделирования эволюционного процесса будут приняты некоторые условности.

Если сильно упростить объяснение, то в жизни геном избыточен и описывает весь организм, а за регуляцию экспрессии генов отвечают механизмы эпигенетики. Поскольку программа Cell Lab не заявлялась разработчиком для симуляций, которые я описываю, для упрощения расчетов большая часть механизмов эпигенетики в ней не учитывается, в качестве регуляции экспрессии генов в большинстве случаев (в основном связанных с переходом из одной стадии жизненного цикла в другую) используется параметр накопления питательных веществ в клетке, после порогового значения которого клетка может поделиться.

Каждый участок генома кодирует свою стадию жизненного цикла, большая часть стадий в жизненном цикле конкретного организма не проявляется. Это делает более перспективным механизм приспособления, рассчитанный на последующие мутации. То есть, чтобы приспособиться к изменениям среды, организм должен перейти в следующую стадию и мутировать.

На рис. 12а видно, что количество клеток достигло максимально возможного предела, деления клеток происходят редко. В соответствии с запрограммированной сезонностью начинают ухудшаться условия среды, падает освещенность. Наступает «зима». Видите ли вы мутацию? А она есть, появился организм, который на стадии М1 не фотосинтезирует, а использует питательные вещества, накопленные в среде (рис. 12б).

К сожалению, на основной стадии (М2) организм все еще нуждается в свете, и поэтому в условиях ограниченной освещенности ему сложно выжить, хотя он точно справляется с этим лучше его полностью автотрофных конкурентов. Автотрофы формируют стабильные линейные колонии (рис. 13а). Мутация гетеротрофности проявившаяся в стадии М1 не закрепилась, но в одной из колоний появилась аналогичная в стадии М6 (правило происхождения от неспециализированных предков). Поскольку М6 не участвовала в жизненном цикле организмов ранее, данная мутация не проявлялась до тех пор, пока не возникла дополнительная, позволяющая стадии М6 занять место зиготы М3. То есть появились миксотрофы. Освещенность еще сильнее падает, численность организмов тоже — рис. 13б.

Миксотрофные организмы выживают лучше, чем автотрофные, за счет накопившихся в субстрате веществ (рис. 14а). Этот этап хорошо иллюстрирует закон А. Н. Северцова, описанный выше. После ряда мутаций фотосинтезирующие клетки в стадии М2 заменились на жгутиковые клетки. Эта мутация полезна при сборе питательных веществ, неравномерно распределенных по субстрату. При этом гены фотосинтеза сохранились в участках генома, отвечающих за стадию М1 и не проявлявшуюся пока стадию М5. Стадия М4 (тоже пока не активная) претерпела мутацию и утратила способность к фотосинтезу, став гетеротрофной. С появлением способности к передвижению колонии стали насчитывать меньшее количество организмов, но стали более однотипными. При этом жгутиковые клетки не делятся. Так у организмов, входящих в состав колонии появилась специализация и начался переход на этап «многоклеточности». Появление жгутиков у организмов наглядно иллюстрирует правило Ш. Депере, т. к. сами жгутики преимущества организмам не дают, но являются адаптацией к гетеротрофному питанию, которая далее будет усиливаться.

Когда условия освещенности нормализовались, организмы начали возвращаться к автотрофному питанию, так как оно стало более выгодным (рис. 14б), наступило «лето», т. е. в это время в жизненном цикле стали проявляться стадии М1 и М5.

К следующей «зиме» создались такие условия, в которых могут выжить лишь организмы с определенной скоростью плаванья (рис. 15а). Но впоследствии большая часть организмов погибла, поскольку количества органических веществ в субстрате этой «зимой» уже не хватило. Исходные запасы были исчерпаны в «прошлом году», а новые не успели накопиться за «лето». На рис. 15б — эффект «бутылочного горлышка» в действии, неважно, какие мутации были в популяции, выживут только потомки уцелевших сейчас организмов.

Генофонду популяции это внезапно пошло на пользу, теперь из колоний клеток они эволюционировали в многоклеточные организмы, которые получают энергию с большей выгодой и экономнее ее тратят «летом» (рис. 16а).

Снова меняются условия, наступает «зима» с небольшим количеством освещения, выжили организмы-гетеротрофы. (рис. 16б). У части из них оказалась невыгодная мутация. Мутировавшие особи не смогли размножаться и погибли, остались только организмы, достаточно приспособленные к условиям среды.

В дальнейших этапах эксперимента эти организмы снова преобразовались в автотрофов, но сохранили гены, отвечающие за их гетеротрофную форму в стадии М5. И с этого момента, чередуя активность стадий организмы получили возможность без особых усилий чередовать авто- и гетеротрофность (рис. 16в).

В этом эксперименте программа Cell Lab позволяет наглядно показать, что для организмов более фатальным является резкое изменение условий среды, чем сама экстремальная среда, и чем сильнее колебания условий, тем больше снижается численность организмов. Но в конечном итоге, если популяция не погибла полностью при начале изменений, есть все шансы, что организмы приобретут приспособления к сложившимся условиям и выживут при аналогичных их колебаниях.

Этими тремя экспериментами я постарался показать доступность и наглядность моделирования биологических систем в программе Cell Lab. Заявленная как игра, программа с интуитивно понятным интерфейсом, с большим количеством настроек позволяет моделировать разнообразные биологические процессы, не требует большой вычислительной мощности, и в целом это ПО может принести значительную пользу в области изучения живых систем. При этом не стоит забывать, что программа — всего лишь инструмент, при применении которого есть как плюсы, так и свои сложности, неточности и ограничения.

Благодарности

Хотелось бы поблагодарить моих учителей: Хархардину Е.Л., педагога дополнительного образования ДТ «Кванториум» г. Орла, Суханькову Е. П., педагога МБОУ СОШ № 12 г. Орла, Сахарова В. Г. и Третьякову С. А. педагогов БОУ ОО «Созвездие Орла», которые с младшей школы поддерживают и направляют меня на пути изучения естественных наук, и Левину Н. В., преподавателя школы «Фоксфорд» — моего первого учителя биологии, благодаря ей я открыл для себя и искренне полюбил эту науку.

Литература

1. «Элементы»: «Помогать науке можно играя»;
2. Гордиенко В.А. Экология. Базовый курс для студентов небиологических специальностей. Учебное пособие. СПб.: «Лань», 2014. — 633 с.;
3. Лямина Н. В. Моделирование динамики изменения численности особей в незамкнутой системе «хищник-жертва». // Экобиологические проблемы Азово-Черноморского региона и комплексное управление биологическими ресурсами: Сборник материалов V научно-практической молодежной конференции. Севастополь: Федеральное государственное бюджетное научное учреждение «Институт природно-технических систем», 2018. — С. 114–116;
4. Коряков А.Е., Шишкина А.А., Шишкина П.А. (2019). Математическое моделирование экосистем: уравнения и проблемы. Известия Тульского государственного университета. Технические науки. 355–358;
5. Соловьева О. Э. Математическое моделирование живых систем: учеб. пособие. Екатеринбург: Изд-во Урал, ун-та, 2013. — 328 с.;
6. Ланкин Ю.П. Басканова Т.Ф. Печуркин Н.С. Моделирование адаптивной самоорганизации экосистем. — 11 с.;
7. Борзенков В. Г. (2009). Теория эволюции: на пути к новому синтезу. Высшее образование в России. 7.