Микоплазма и организмы с минимальным геномом намного проще, чем кишечная палочка E. coli, первоначальная цель «Проекта К» Крика и Бреннера, и организм, гораздо более важный для науки, медицины и биотехнологии. Эта бактерия также гораздо сложнее: E. coli имеет 4288 генов, делится каждые 20–30 мин. и имеет большее количество молекулярных взаимодействий, каждое из которых увеличивает время, необходимое для моделирования. По словам Коверта, других вдохновило стремление смоделировать эту более сложную клетку: «Пол Аллен (1953–2018), американский бизнес-магнат, исследователь и филантроп, был большим поклонником этой работы и финансово поддерживал все, что связано с E. coli»[361].

Чтобы справиться с E. coli, команда Коверта использовала подход, аналогичный M.genitalium, и опубликовала свои результаты в 2020 г.[362]. Они собрали более 19 000 значений параметров из литературы и баз данных и включили их во взаимозависимые математические уравнения – обычные дифференциальные уравнения, их стохастические варианты, вероятностные модели и т. д., – чтобы смоделировать взаимодействие клеточных процессов, связывающих экспрессию генов, метаболизм, репликацию и рост клеток. Вместо того чтобы строго обеспечивать соответствие реальным данным, они позволили модели изменяться.

Все белки в живом организме регулярно перестраиваются, и, хотя «Проект К» был далек от завершения («Было больше похоже на модель полуклетки», – признает Коверт), они обнаружили, что могут предсказывать периоды полураспада белков. Звучит тривиально, но Коверт так же скептически относится к экспериментальным данным (разные команды, использующие разные методы, могут получить разные параметры), как другие относятся к моделям, и верит, что исследуя различные источники экспериментальных данных с помощью своей модели – то, что он называет «глубоким курированием», – он может прийти к здравым выводам. Например, периоды полураспада белков традиционно рассчитывались по правилу, установленному много десятилетий назад[363]. Модель Коверта давала разные времена жизни и в каждом случае последующие наблюдения показали ее правильность. Это стало важно, когда дело дошло до прогнозирования скорости роста виртуального организма. Открытие, как заметил Коверт, «превзошло самые смелые ожидания».

Следующим шагом было введение в его бактерию географии. На сцене появляется «молекулярный художник» Дэвид Гудселл, который много лет потратил на создание акварелей белков («компьютерное моделирование не позволило создать те изображения, которые я хотел»), а затем на визуализацию молекул на компьютере для разработки лекарств в Лаборатории молекулярной графики Исследовательского института Скриппса в Ла-Хойе, Калифорния. По его словам, данные Коверта «показали нам детали и где их место». Используя эти данные, Гудселл, Арт Олсон и постдок Мартина Маритан нашли молекулярные структуры каждого отдельного белка и соединили их с помощью cellPACK, cellPAINT и cellVIEW – программного обеспечения, разработанного коллегой Маритан Людовиком Отином и использующего достижения игровой индустрии, которая лидирует в области современной компьютерной графики.

Таким образом, команда Скриппса разработала контейнер – виртуальную клетку – и поместила в него все его части, а также способы их взаимодействия, чтобы создать пастельные 3D-изображения всех белков, упакованных в микоплазму[364]. Другая программа, FLEX, обеспечивала плотное прилегание компонентов и отсутствие перекрытия. После трех лет работы с данными компьютерного моделирования они получили изображение плотно упакованных внутренностей виртуальной клетки, которое было настолько же ошеломляюще сложным, насколько и красивым, и стало первым шагом на пути к высокоточному моделированию[365].

Группа Коверта также начала моделировать колонии кишечной палочки, где модели цельных клеток могут делиться, размножаться и взаимодействовать независимо от того, толкают они друг друга физически или выделяют пищу, отходы или расщепляемый антибиотик. Одно удивительное открытие произошло, когда они посмотрели, как гены используются каждой бактерией в колонии. Они предсказали, что в течение клеточного цикла количество белка будет расти в геометрической прогрессии, пока клетка не разделится, затем уровни будут падать, пока рост не начнется снова. Это ожидание подтвердилось примерно с третью генов. Но ученые были удивлены, обнаружив, что большинство других генов создавались редко, а когда это происходило, количество белка резко возрастало единичными всплесками, а затем уменьшалось вдвое в каждом поколении по мере деления клетки, пока событие экспрессии не происходило снова[366].

Это загадочное поведение можно понять, если принять во внимание, что каждая бактерия может содержать только определенное количество белка, поэтому всей колонии выгодно «распространять ставку» на гены, особенно на гены устойчивости к антибиотикам. Некоторые бактерии делают ставку на одного бактериального захватчика, другие – на другого, поэтому у суперорганизма всегда будет что-то под рукой, чтобы отреагировать на угрозу. На момент написания Коверт изучал, каковы последствия таких ставок для оперонов – логических операций, включающих кластер генов.

Рисунок 30. 3D-модель клетки Mycoplasma genitalium (создано Мартиной Маритан, Людовиком Отином и Дэвидом С. Гудселлом, Scripps Research и rcSB Protein data Bank)

Получение более подробной картины важно, когда дело доходит до создания виртуальной версии бактерии. Точно так же, как телеграф произвел революцию в прогнозировании погоды, «позволив новостям о погоде распространяться быстрее, чем сама погода», Коверт считает, что следующие достижения будут связаны с более целостным представлением клетки и ее окружения в режиме реального времени, исследованиями, которые проводятся не только в его лаборатории, но, например, в исследовании Луиса Серрано из Барселонского института науки и технологий, работавшего над Mycoplasma pneumoniae[367].

Как местную погоду можно предсказать только при наличии некоторого понимания глобального контекста, от струйных течений до теплых фронтов, так и, считает Коверт, предсказание поведения клеток будет зависеть от использования текущих данных. Это означает не только секвенирование генов, но и разработку программного обеспечения, искусственного интеллекта и технологий для мониторинга в реальном времени данных о сложных и плотно упакованных внутренностях одной клетки.