В 1943 году американские ВВС проводили дневные бомбардировки Германии, неся при этом серьезные потери. Военное командование понимало: нужно что-то предпринять. Самолеты можно было бы усилить броней, но та увеличивала вес машины и ухудшала ее летные характеристики. Возник закономерный вопрос: сколько брони нужно добавить и, главное, где ее разместить?

Для решения этой задачи военные обратились к недавно созданной Статистической исследовательской группе США (SRG), объединившей блестящие умы своего времени. Многие ее участники позже прославились в других областях — например, среди них были будущие нобелевские лауреаты по экономике Милтон Фридман и Джордж Стиглер. Однако, как гласит легенда, задачу по расчету оптимального усиления самолетов и общий анализ статистики потерь поручили «самому умному человеку в комнате» — венгерскому еврею-беженцу Абрахаму Вальду.

Для начала Вальду требовалось выяснить, в каких местах самолеты получали повреждения. В его распоряжении были данные осмотра: карты пробоин на вернувшихся машинах. Военные обратили внимание, что чаще всего повреждения встречались на концах крыльев и фюзеляже, тогда как в районе двигателей и кабины их было сравнительно мало. Если верить легенде, командование ожидало получить точные указания, в каких местах крыльев и фюзеляжа следует разумно распределить дополнительную броню. Однако Вальд предложил прямо противоположное решение.

Вальд рассуждал так: обследованные самолеты — это те, что сумели вернуться на базу. Места их повреждений показывают, куда можно получить попадание и при этом остаться в воздухе. Этот феномен известен как ошибка выжившего. Именно отсутствие повреждений в определенных местах у вернувшихся самолетов указывало на самые уязвимые зоны — ведь машины, получившие попадания в кабину пилота и двигатели, просто не долетели до дома. Согласно байке, самолеты усилили именно там, где предложил Вальд, что спасло множество жизней.

В интернете можно найти множество ярких публикаций в духе «Как гений-математик утер нос военным», однако реальных подтверждений этой легенды существует не так уж много. По правде говоря, сложно определить, что в этой истории правда, а что вымысел (тем более что все связанные с ней документы погребены в архивах американского военно-морского флота). Вряд ли эксперты давали какие-то конкретные рекомендации — обычно SRG просто отвечала на поставленные вопросы, не вмешиваясь в принятие стратегических решений: это была прерогатива военного командования.

По всей видимости, основная работа Вальда была посвящена совсем другому вопросу: расчету количества попаданий, которые самолет мог выдержать и при этом благополучно вернуться на базу. Впрочем, из записей его современника Аллена Уоллиса мы знаем, что Вальд действительно разрабатывал статистические методы для оценки уязвимости разных частей самолета к пробоинам. Так что зерно истины в истории все же есть. Но не стоит доверять интернет-публикациям. Во многих из них приводятся схематичные изображения самолетов с густой россыпью пулевых отверстий на концах крыльев и фюзеляже, при этом такие машины никогда не участвовали в бомбардировках Германии.

Выдумка эта история или нет, мы не знаем. Зато две задачи, над которыми работал Вальд, — сколько попаданий способен выдержать самолет и какие его части наиболее уязвимы — раскрывают важные истины о природе случайности и отбора. И эти истины в равной степени применимы как к бомбардировщикам Второй мировой, так и к эволюции живых организмов и их ДНК. Мутации можно уподобить снарядам зениток. Пусть эта метафора не идеальна, но давайте пока примем ее — ведь принципы действительно похожи.

Первый очевидный вывод: в смертности всегда присутствует элемент случайности. Два самолета, попавшие под один и тот же зенитный обстрел, имеют в среднем равные шансы на возвращение. Но одному может просто не повезти — он получит больше попаданий или попадания придутся в более уязвимые места, и все это по чистой случайности, а не из-за ошибок пилота или каких-то иных причин. То же самое происходит и с живыми организмами: некоторые погибают просто потому, что им не повезло унаследовать больше мутаций, чем другим, или мутации затронули особенно важные участки генома. Возьмем, к примеру, рак (это почти прямая аналогия попаданий в самолет): хотя нам известно множество факторов окружающей среды, влияющих на его развитие, важнейшую роль часто играет именно невезение с мутациями. В этом случае речь идет о мутациях, которые накапливаются в наших клетках по мере старения.

Случайность играет роль не только в том, сколько мутаций — этаких «снарядов» — попадет в цель, но и в том, куда именно они ударят. Представьте самолет: повреждение двигателя или кабины пилота может оказаться роковым, а вот попадание в фюзеляж или край крыла — не такая большая беда. Точно так же устроена и ДНК. Да, мутации возникают случайным образом, но вот последствия у них могут быть совершенно разными. Если мутация нарушит работу жизненно важного белка — считайте, что это конец. Но когда она просто заменяет один кодон на другой, кодирующий ту же самую аминокислоту (скажем, GGC меняется на GGT, и оба кодируют глицин), ничего страшного может и не произойти. А уж если мутация затронет псевдоген (помните, мы говорили о «мертвых» генах?), она и вовсе может не повлиять на приспособленность организма — именно поэтому псевдогены после своей «смерти» постепенно разрушаются. Выходит, ДНК и правда похожа на самолет: попадание в одни участки может стать фатальным, а в другие — пройти практически без последствий. Вот такая она, удивительная разница в эффектах мутаций.

В этой главе мы разберемся, почему наш вид так склонен накапливать случайные мутации, которые не слишком-то на нас влияют. Со временем мы становимся похожи на тот самый самолет, изрешеченный пробоинами в фюзеляже и на концах крыльев. Чтобы понять, почему мы склонны к накоплению подобных мутаций, нужно уловить тонкую разницу между двумя ситуациями: подбрасыванием монетки, где шансы выпадения орла и решки одинаковы, и игрой в рулетку, где вероятность выигрыша всегда чуть-чуть меньше половины. Как мы увидим в следующих главах, именно это различие лучше всего объясняет многие наши несовершенства: раздутость ДНК, ее неидеальное функционирование и частые мутации. Но давайте начнем с основ теории.

Для начала давайте разберемся, как идеи Вальда помогают нам понять эволюцию ДНК. У нас есть отличный способ определить, какие участки ДНК более уязвимы или менее уязвимы, и логика здесь та же, что и в наблюдениях Вальда. Представьте, что мы сравниваем состояние вернувшихся самолетов с тем, какими они были до вылета на боевое задание. Места, где появились повреждения у выживших самолетов, указывают на менее уязвимые зоны — например, дырки на концах крыльев, которых не было перед вылетом. А вот пробоин в двигателе на вернувшихся самолетах вы никогда не увидите — просто потому, что машины с такими повреждениями не долетели до дома. Получается, те части, которые остались нетронутыми у выживших самолетов, и есть самые важные.

То же самое происходит и с нашими генами. Все мы — потомки выживших в эволюционной гонке, поэтому если какой-то участок ДНК жизненно важен, его современное состояние, скорее всего, совпадает с тем, которое было у предка. Почему? Да просто потому, что организмы с мутациями в этих участках «не вернулись на базу» — не выжили. И мы можем восстановить исходное состояние этих участков, изучая гены родственных видов. Исследования показывают: те части генов, которые кодируют ключевые участки белков, эволюционируют медленнее остальных частей. А те, в свою очередь, меняются медленнее, чем участки кодонов, не влияющие на конечный белок. Получается простое правило: чем медленнее эволюционирует участок ДНК, тем важнее его функция.

Этот принцип мы применяем, когда пытаемся понять, какая именно из множества унаследованных мутаций может вызывать генетическое заболевание. Если какой-то участок ДНК эволюционирует медленно — то есть остается неизменным у нас, шимпанзе, горилл и других видов, — значит, он, вероятно, особенно важен для выживания. Это своего рода «двигатели и кабины пилотов», закодированные в нашей ДНК. И важно понимать, почему этот подход работает. Дело не в том, что медленно эволюционирующие участки реже подвергаются мутациям — точно так же, как разные части самолета не различаются по вероятности попадания в них снарядов. Просто мутации, как и снаряды, попадая в разные участки, приводят к разным последствиям. И именно от этого зависит, окажется ли организм (или самолет) среди выживших.

Впрочем, применить этот принцип на практике не так просто, как кажется, ведь частота мутаций зависит от геномного окружения. В некоторых участках нашей ДНК мутации действительно возникают чуть чаще, чем в других. Это можно сравнить с ситуацией, когда в разные части самолета попадает разное количество снарядов — например, если зенитчики чаще целятся в места, не защищенные броней. Тем не менее, когда мы видим замедленную эволюцию гена, это часто признак очищающего отбора: мутации возникают, но их носители погибают, как подбитые самолеты, не долетевшие до базы. Этот принцип особенно помогает при изучении генов, кодирующих белки. К счастью, у нас есть методы, позволяющие учесть разницу в частоте мутаций.

Обычно мы сравниваем, как быстро эволюционируют разные участки одного и того же гена: те, что меняют структуру белка, и те, что на нее не влияют. Дело в том, что у нас есть 61 кодон для записи аминокислот, хотя самих аминокислот всего 20. Поэтому многие изменения в ДНК просто заменяют один кодон на другой, кодирующий ту же аминокислоту. Например, и GGC, и GGT кодируют глицин. Мы используем скорость эволюции таких «синонимичных» (т.е. похожих) кодонов как точку отсчета — это наш фоновый уровень эволюции. Это позволяет исключить влияние разной скорости мутаций в разных участках ДНК — по крайней мере, мы на это надеемся. Сравнивая этот фоновый уровень со скоростью изменения белка, мы можем найти те участки генов, которые кодируют важнейшие части, те самые «двигатели и кабины пилотов». Этот метод известен как тест соотношения Ka/Ks. Его также называют тест соотношения dN/dS, а само соотношение — «омега». Еще раз приношу извинения за путаную терминологию в нашей области. Давайте остановимся на Ka/Ks, ведь, по сути, все эти показатели означают одно и то же.

Для расчета Ka/Ks нужно сравнить одинаковые участки ДНК хотя бы у двух разных видов. Конечно, можно использовать и две последовательности от одного вида, но такой тест менее показателен, ведь времени для накопления и отбора изменений совсем мало. Это все равно что изучать самолеты до завершения боевого вылета. А если проверять их прямо на взлетной полосе, различий между разными частями вообще не увидишь, ведь мутации-снаряды еще не попали в цель, а отбор не успел сработать: все самолеты пока что целы и невредимы.

Начинаем мы с того, что выстраиваем последовательности ДНК параллельно друг другу, добиваясь, чтобы каждый кодон гена первого вида оказался напротив соответствующего кодона у второго вида. Такое расположение называется выравниванием последовательностей. Когда мы находим один и тот же ген у разных видов, мы называем такие гены ортологами, а соответствующие друг другу кодоны — ортологичными. Если виды далеки друг от друга эволюционно, выравнивание может превратиться в настоящую головоломку и привести к ошибкам: бывает непросто определить, какие именно кодоны должны стоять друг напротив друга. Но когда мы сравниваем близкие виды — например, разных млекопитающих, — выравнивание генов, кодирующих белки, обычно проходит без особых проблем.

Выровняв последовательности, мы подсчитываем, сколько различий привело к изменению белка, а сколько не привело. Давайте рассмотрим это на примере короткого фрагмента гена. Допустим, у человека (хотя это мог быть и другой вид) ген начинается так: ATG GGT GCA TTC. Эта последовательность кодирует четыре аминокислоты: ATG = метионин, GGT = глицин, GCA = аланин, TTC = фенилаланин. Теперь посмотрим на тот же участок, но у мыши. У нее последовательность такая: ATG GGC GTA TTC. Первый кодон ATG одинаковый — значит, здесь изменений не было. Второй кодон отличается: у мыши GGC, у человека GGT. Имея только две последовательности, мы не можем сказать, что из чего получилось — GGT превратился в GGC или наоборот (да и сценарий изменений мог быть сложнее). Мы видим только, что кодоны разные — значит, эволюционное изменение произошло. Но оба кодона, GGC и GGT, кодируют один и тот же глицин. То есть ДНК изменилась, а белок остался прежним. Такое изменение мы записываем в графу «синонимичных» замен. В следующем кодоне у мыши тоже есть отличие от человеческой последовательности — GTA вместо GCA. И здесь уже замена серьезнее: GTA кодирует валин, а GCA — аланин. То есть изменились и ген, и белок. Эту мутацию мы относим к тем, которые меняют белок. Последний кодон TTC у обоих видов одинаковый — здесь эволюционных изменений не было, так что считать нечего.

Такой анализ можно провести с помощью компьютера для всех наших генов, сравнивая их не только с мышиными, но и с генами любых других видов. Чем больше видов мы включаем в сравнение, тем точнее можем определить, какие участки генов — это «двигатели», а какие — всего лишь «кончики крыльев». В жизненно важных участках — наших генетических «двигателях» — замены аминокислот будут происходить гораздо реже, чем на фоновом уровне.

Однако прежде чем двигаться дальше, нам нужно учесть некоторые статистические нюансы. Возьмем, к примеру, особенность нашего генетического кода: случайные мутации приводят к замене аминокислот примерно в 75% случаев. Значит, нужно сделать поправку на разное количество сайтов, где возможны синонимичные и несинонимичные замены. Кроме того, в одном месте могло произойти несколько замен, хотя мы видим только результат — как с самолетом: чем больше в него попало снарядов, тем выше вероятность, что какие-то из них угодили в одно и то же место. Но мы можем учесть и это, анализируя общее количество видимых изменений: чем их больше, тем больше должно быть и невидимых замен.

В итоге мы получаем одно число — отношение Ka/Ks. Здесь Ka — это количество несинонимичных замен в несинонимичном ряде, а Ks — количество синонимичных замен в синонимичном ряде. Первый показатель говорит нам о том, как быстро эволюционирует сам белок, а второй дает представление о фоновом уровне изменений.

Для специалистов по молекулярной эволюции соотношение Ka/Ks — поистине волшебная величина. Она позволяет сделать то, о чем Вальд мог только мечтать: ведь он не знал, сколько пуль попало в не вернувшиеся с задания самолеты. А мы можем точно определить, насколько быстро эволюционирует тот или иной белок по сравнению с фоновой скоростью изменений.

Если белок находится под действием очищающего отбора, отношение Ka/Ks будет меньше единицы. Это означает, что с учетом общего числа попаданий (Ks) мы видим меньше «пробоин» в белке (Ka), чем ожидалось бы, если бы эти попадания никак не влияли на шансы «вернуться на базу». Когда Ka/Ks меньше единицы, это значит, что белок подвергается очищающему отбору — точно так же, как не возвращались на базу самолеты, получившие повреждения в критически важных местах. Если мы сравним, например, гены мыши с соответствующими генами человека, то увидим, что Ka/Ks обычно намного меньше единицы, около 0,1 (рис. 4.1). Иными словами, из каждых 10 мутаций, изменявших белок, только одна позволяла организму и его потомкам выжить, «вернуться на базу».

Наши вычисления подкрепляют очевидный, но важный вывод, который позволяет воспроизвести модель эволюционного дартса: раз мы вполне успешно функционирующий организм, то большинство мутаций в работающих участках нашей ДНК причиняет вред, а не приносит пользу. Так же как случайные изменения в швейцарских часах скорее испортят их, чем усовершенствуют, а осколки снарядов делают самолет хуже, а не лучше. Это универсальное свойство касается любой системы, где есть связь между структурой (будь то двигатель самолета, форма белка или часовой механизм) и функцией (полет, жизнедеятельность или измерение времени). Поэтому мы можем предположить, что большинство мутаций либо никак не влияет на естественный отбор (если затрагивает нефункциональные участки ДНК), либо наносит вред.

Некоторые гены настолько чувствительны к мутациям, меняющим белок, что их показатель Ka/Ks равен нулю. Это значит, что они не допускают никаких изменений — на них действует предельно жесткий очищающий отбор. Такие гены похожи на самолеты, которые падают при попадании в любую точку, — это наши самые уязвимые гены. Любопытно, что белки, связанные с генетическими заболеваниями, обычно не относятся к этой категории белков, которые эволюционируют особенно медленно. На первый взгляд это кажется парадоксальным: разве не должны самые уязвимые к мутациям гены чаще всего вызывать болезни? Но все не так просто. Генетическим заболеванием мы называем только то, что проявляется у людей, доживших хотя бы до рождения. Если же ген настолько важен, что его мутации приводят к гибели еще на ранних стадиях эмбрионального развития, мы просто никогда не увидим таких нарушений — и они не попадут в список болезнетворных мутаций. Поэтому белки, вызывающие наследственные заболевания, обычно эволюционируют со средней скоростью: они достаточно важны, чтобы находиться под действием очищающего отбора, но не настолько критичны, чтобы их повреждение приводило к гибели эмбриона. Интересно и то, что эти белки, как правило, длиннее средних. Этот эффект можно объяснить через ошибку выборки: длинные белки, как и большие самолеты, чаще становятся мишенями просто из-за своих размеров, поэтому мы чаще обращаем на них внимание: они же вызывают больше заболеваний.

Рис. 4.1. Распределение значений Ka/Ks для 5057 генов мыши и человека. Данные представлены в двух форматах: гистограммой (слева) и диаграммой размаха (справа). По материалам статьи: Hurst, L. D., "Genetics and the understanding of selection," Nature Reviews Genetics 10 (2009): 83–93

Иногда мы встречаем гены, у которых Ka/Ks превышает единицу. Тут наша аналогия с военными самолетами США перестает работать. Такое соотношение обычно означает, что изменения в белке повышают шансы на выживание, — перед нами полезные мутации. Самолеты, в которые попали снаряды, уж точно не станут летать лучше прежнего.

Сравнивая разные виды, мы замечаем сходство между генами, которые ведут себя подобным образом. К одной из таких категорий относятся белки, участвующие в противостоянии между крупными организмами и их паразитами (будь то вирусы, бактерии или многоклеточные паразиты), а также белки самих паразитов, которые взаимодействуют с иммунной системой хозяев. Другая группа — это гены, отвечающие за взаимодействие между полами или между матерью и потомством: они тоже часто эволюционируют с невероятной скоростью.

За всеми этими случаями, как мы полагаем, кроется общая причина — конфликт интересов. То, что хорошо для паразита — будь то малярийный плазмодий или вирусы лихорадки денге и желтой лихорадки, — совсем не хорошо для нас. Отбор подталкивает их использовать наше тело как инкубатор, из которого они могут перепрыгивать на новых хозяев. Чем лучше паразит справляется с этой задачей, тем шире он распространяется. А в долгосрочной перспективе отбор благоприятствует тем хозяевам, которые либо успешнее сопротивляются роли паразитарного инкубатора, либо хотя бы меньше от этого страдают. Тут можно провести параллель с самолетами Вальда: необходимость укреплять броню — это тоже своего рода коэволюция с противником, стреляющим по бомбардировщику. Но каждое полезное изменение, закрепившееся у хозяина, просто создает новые условия для паразитов. Так мы и ведем с ними бесконечную эволюционную игру в кошки-мышки. Когда мы ищем в ДНК человеческих популяций следы положительного отбора, поразительно, как много их находится в генах, отвечающих за взаимодействие с паразитами, которых переносят комары, — возбудителями малярии, желтой лихорадки, лихорадки Ласса и других болезней. Не будь комаров, эволюция человека пошла бы совсем другим путем.

Похожая игра в кошки-мышки разворачивается и в отношениях между полами, а также между матерью и ребенком. Как мы уже видели, интересы детеныша («дай мне побольше ресурсов») не совпадают с интересами матери («нужно сохранить часть ресурсов на будущее»). Поэтому и здесь мы наблюдаем эволюционную гонку вооружений. И действительно, многие белки, участвующие в этих взаимодействиях, например плацентарный лактоген, эволюционируют с высокой скоростью.

Между самцами и самками тоже идет вечное противостояние. Возьмем, к примеру, плодовых мушек. После спаривания самки сильно меняются: становятся менее привлекательными для самцов и менее склонными к новым спариваниям, начинают активнее откладывать яйца и использовать полученную сперму. При этом продолжительность их жизни сокращается. И хотя некоторые из этих изменений могут быть полезны самке, все они явно выгодны потенциальному отцу. Мы знаем, что вызывает такие перемены: различные вещества, которые попадают в организм самки вместе со спермой при спаривании. Эти вещества производятся вспомогательными репродуктивными железами самца и называются Acps (белки придаточных желез). Что интересно, среди всех белков мушки именно эти вещества эволюционируют с наибольшей скоростью.

Этих белков удивительно много — каждый самец производит от 80 до 100 разных видов, и многие ученые посвящают всю свою жизнь изучению функций каждого из них. Например, Acp26Aa заставляет самку быстрее откладывать яйца, а Acp70A стимулирует длительное производство яиц. Особенно интересен Acp36DE, отвечающий за усвоение и хранение спермы. Этот белок необычен тем, что прикрепляется к стенке яйцевода самки рядом с входом в орган хранения спермы (в отличие от людей, мухи запасают сперму примерно так же, как хомяки набивают щеки семенами). По всей видимости, его задача — направлять сперму в это стратегически важное место.

Таким образом, мы видим, что самцы манипулируют самками в своих интересах, но можно ли считать это частью эволюционной игры в кошки-мышки? Действительно ли эти манипуляции вредны для самок? И развивают ли самки ответные адаптации? Тот факт, что спаривание сокращает продолжительность жизни самок, намекает: что хорошо для самца, то плохо для самки. Возникает вопрос: эволюционируют ли у самок механизмы защиты от токсичного действия веществ, содержащихся в семенной жидкости?

Одно из самых убедительных доказательств этой идеи представил Билл Райс из Калифорнийского университета в Санта-Барбаре. Он рассуждал так: если самцы и самки действительно ведут долгую эволюционную игру в кошки-мышки, то, лишив самок возможности эволюционировать, мы должны увидеть, как самцы становятся все более агрессивными в своем воздействии на них. Для проверки этой гипотезы он поддерживал популяцию не размножавшихся прежде самок, которые не могли эволюционировать, и использовал их как матерей в каждом поколении. Их дочери не участвовали в размножении, так что женская линия не могла развивать защитные механизмы. А вот сыновья оставались в эксперименте. Таким образом, самцы могли эволюционировать, а самки — нет. Остроумное решение! Со временем приспособленность самцов возросла по сравнению с контрольной группой. При этом эволюционно неизменные самки, служившие партнершами этим самцам, страдали все сильнее: самцы спаривались все чаще, а самки после откладки яиц чаще погибали.

Тесты вроде Ka/Ks помогают нам находить в генах участки, которые можно сравнить с двигателями и кабинами самолета, — те жизненно важные части ДНК, которые эволюционируют очень медленно. В этих участках мы обнаруживаем между видами меньше различий, чем можно было бы ожидать, учитывая количество направленных в них «снарядов». Эволюция таких участков в каком-то смысле вполне предсказуема: как самолет с подбитым двигателем не вернется на базу, так и организм с критически важной мутацией не выживет. Но что можно сказать о «снарядах», которые причиняют совсем небольшой вред или вообще безвредны? Как часто они встречаются? И что происходит с эволюцией затронутых ими участков ДНК?

Как мы увидим чуть позже, последние исследования ДНК показывают: ключевую роль в нашей эволюции играют именно те мутации, которые лишь слегка снижают шансы на выживание. Они не только очень распространены, но и, в отличие от других видов, мы не можем от них избавиться. Мы вынуждены их терпеть из-за относительно небольшого размера популяции: чем меньше особей в виде, тем больше его судьба зависит от случайностей. В результате наша ДНК постепенно деградирует, а процессы в наших клетках все больше напоминают хаос на улицах города, где машины проезжают на красный свет, пешеходов то и дело сбивают, а автобусы едут не по маршруту. Таков новый взгляд на человеческую природу.

Давайте вернемся к показателю соотношения Ka/Ks, чтобы лучше в этом разобраться. Как вы уже знаете, характер эволюции ДНК показывает: большинство белков находится под действием очищающего отбора (Ka/Ks < 1) — как самолеты, которые не возвращаются на базу после попадания некоторых снарядов. Но есть и белки под действием положительного отбора (Ka/Ks > 1), и в этом случае случайные изменения, подобно удачным модификациям самолета, делают организм более приспособленным, особенно в эволюционной игре в кошки-мышки.

Но есть еще один вариант соотношения: Ka/Ks = 1.

Что же это значит? Для белка в целом такое значение предполагает нечто почти абсурдное: будто ни одна аминокислота в нем не играет важной роли. И хотя иногда мы действительно видим белки с показателем Ka/Ks = 1 при сравнении только двух видов, картина меняется, когда мы расширяем круг исследуемых видов. Имея данные по многим видам, мы можем вычислить Ka/Ks для каждого кодона по отдельности, а не только для всего белка целиком. И тогда выясняется, что внутри одного белка часть кодонов находится под действием положительного отбора (Ka/Ks > 1), а часть — под действием очищающего (Ka/Ks < 1). В среднем по гену это дает значение Ka/Ks около единицы. Чаще всего такую картину мы наблюдаем у генов, участвующих в эволюционной игре в кошки-мышки.

Теперь нужно задать более общий вопрос. Мы уже знаем, что попадания снарядов в разные части самолета имеют разные последствия, но существуют ли такие попадания, которые не влияют на самолет вообще или влияют совсем незначительно? Есть ли места, где пробоина никак не скажется на вероятности возвращения самолета на базу? То же самое можно спросить и про мутации в ДНК, причем не только в участках, кодирующих белки. Существуют ли изменения, которые почти или совсем не влияют на приспособленность организма — то есть не приносят ни особой пользы, ни особого вреда? Может быть, во многих белках одну аминокислоту можно заменить на другую без всяких последствий? И если такие замены возможны, как будут эволюционировать эти участки? А что происходит с мутациями в интронах и некодирующих последовательностях между генами?

На первый взгляд может показаться, что речь идет об одном и том же — о мутациях, которые либо никак не влияют на организм, либо влияют совсем немного. Однако с точки зрения эволюции разница между полным отсутствием эффекта и очень слабым влиянием на приспособленность оказывается принципиальной. Сегодня считается, что именно судьба мутаций с небольшим эффектом — ключ к пониманию различий между видами. Это касается и «разрастания» генома, о котором мы говорили во второй главе (увеличение числа и размера интронов, накопление ДНК между генами), и частоты возникновения мутаций.

Ключевое различие между нейтральными мутациями и мутациями со слабым эффектом заключается в том, как они эволюционируют. Скорость эволюции нейтральных мутаций зависит только от частоты их возникновения, но не от размера популяции. А вот мутации со слабым эффектом ведут себя иначе: эволюционные изменения в ДНК накапливаются быстрее в небольших популяциях (какой до недавнего времени была и человеческая). Давайте разберем это подробнее, тем более что роль случайности в эволюции малых и больших популяций часто понимают неверно.

Давайте отправимся в прошлое, в 1960-е годы: пока планета была захвачена идеями мира, любви и силы цветов, эволюционистов волновали совсем другие вопросы. Особенно их занимали две проблемы. Первая: почему внутри популяций обнаруживается так много полиморфизма? Полиморфизм — это когда в популяции существует несколько разных вариантов одного и того же участка ДНК или белка. Измерить его можно, например, определив, как часто две копии одного гена — полученные от матери и отца — различаются по последовательности ДНК. Скажем, может существовать две версии гена, кодирующего какой-нибудь фермент, которые отличаются всего одной аминокислотой. Согласно классической теории естественного отбора, для большинства генов должен существовать оптимальный вариант (гены, участвующие в играх в кошки-мышки, — особый случай). А значит, у всех особей в популяции должна быть одна и та же, лучшая версия гена и обе ваши копии этого гена должны быть одинаковыми. Но в реальности все иначе. Уже первые исследования на мухах показали, что примерно 40% их белков в популяции представлены двумя разными версиями. Это никак не согласовывалось с идеей о существовании единственного оптимального варианта.

Вторая проблема касалась скорости эволюции генов. Японский генетик Мотоо Кимура, изучив расчеты Джона Бёрдона Холдейна о скорости эволюции под действием естественного отбора, обнаружил, что белки эволюционируют слишком быстро. Ведь скорость эволюции должна ограничиваться тем, какую смертность способен выдержать вид. Возьмем, к примеру, белых и черных бабочек: изменение их соотношения в популяции происходит из-за того, что мотыльки одного цвета чаще погибают в зависимости от окраски поверхностей, на которых они отдыхают. Но Холдейн задался вопросом: что происходит, когда под действием отбора находится сразу много генов? Должен существовать предел возможных изменений — ведь не могут погибнуть вообще все особи. Холдейн рассчитал эти ограничения и определил верхний предел скорости эволюции белков. Однако расчеты Кимуры показали, что в реальности белки эволюционируют намного быстрее.

Тогда Кимура предложил простое решение обоих парадоксов. Он предположил, что существуют мутации, которые никак не влияют на приспособленность организма, а их частота в популяции меняется чисто случайно. Говоря научным языком, существует множество «нейтральных» мутаций — они не приносят ни пользы, ни вреда, они просто никак не действуют на организм.

В случае нейтральных мутаций эволюция работает не как силы ПВО, сбивающие самолеты, а, скорее, как казино: все зависит от чистой случайности.

Если предположить, что различия между нашей ДНК и ДНК шимпанзе вызваны нейтральными мутациями, то проблема избыточной смертности исчезает, ведь такая эволюция не требует никаких жертв. Заодно решается и загадка полиморфизма. Мутации, не влияющие на приспособленность, меняют частоту в популяции подобно пылинкам, парящим в воздухе комнаты. Рано или поздно они осядут на потолке или на полу, но прежде долго будут случайным образом подниматься и опускаться. Загляните в комнату в любой момент — и вы увидите пылинки, плавающие в воздухе в ожидании приземления. Точно так же, утверждал Кимура, нейтральные мутации случайным образом колеблются, то учащаясь, то становясь реже — исключительно по воле случая. Исследуйте популяцию в любой момент времени, и вы обнаружите разные версии одного и того же гена просто потому, что эти различия ни на что не влияют.

Мы уже видели, какую роль играет подобная случайность. Когда появляется новая мутация, пусть даже полезная, из-за случайного характера отбора при ее малой частоте шансы на то, что она распространится, невелики (всего 2 × процент преимущества). Когда мутация становится единственным вариантом ДНК в определенной позиции у всех особей популяции, говорят, что она «зафиксировалась» или «достигла фиксации». Однако, как показал Кимура, мутации могут становиться распространенными и фиксироваться просто по воле случая. Естественный отбор не единственный механизм изменения ДНК во времени. Эти идеи стали первым серьезным вызовом представлениям о дарвиновском отборе как единственном двигателе эволюции видов.

Давайте разберем, как это работает, на примере мутации, которая совершенно не влияет на приспособленность организма. Когда такая мутация только появляется, в геноме оказывается одна старая и одна новая версия гена. Дальше множество случайных событий может повлиять на то, станет ли эта мутация более или менее распространенной в популяции. Частично эта случайность связана с тем, как формируются половые клетки. В среднем половина потомства получает одну версию каждого гена, а половина — другую: это все равно что подбрасывать монетку. Представим, что в семье двое детей. В 25% случаев новая мутация окажется у обоих. Ее частота увеличилась (с одной копии до двух) не потому, что мутация какая-то особенная, и не потому, что несущие ее половые клетки имели преимущество. Просто ей повезло.

Влияние случая на судьбу мутаций этим не ограничивается. Подобно тому, как невезучий бомбардировщик может получить несколько попаданий, организм может случайно накопить множество мутаций, и некоторые из них могут оказаться в критически важных участках. Безвредное попадание не будет учтено в статистике, если тот же самолет получил критическое повреждение и упал. Нужно помнить и о капризах судьбы — от них никто не застрахован. Так и безвредная мутация не сможет распространиться, если появится в геноме одновременно с летальной. Также если ее носитель волею случая попадет под трамвай, то и мутация погибнет вместе с ним.

Под влиянием случайных событий частота одних нейтральных мутаций будет расти, а других — падать. Важно понять, какая скорость изменений между видами определяется только случайностью. Холдейн попытался решить эту задачу с помощью теории ветвящегося процесса — раздела математики, который рассматривает каждый возможный исход (рост, падение, отсутствие изменений и так далее) как ветвь. Именно так он получил свою оценку вероятности закрепления полезной мутации. Но Кимура пошел другим математическим путем, вдохновившись наблюдением за пылинками в воздухе.

Задача с разными версиями одного и того же участка ДНК, имеющего две разные — но одинаково эффективные — формы, оказалась удивительно похожа на то, над чем бились математики-статистики, и особенно — блестящий русский ученый Андрей Колмогоров, изучая, как со временем распространяются частицы газа. Этот раздел науки, как ни странно, так и называется — теория диффузии (от diffusion — рассеивание). Как часто бывает, к решению этой задачи разные ученые пришли независимо друг от друга. То, что физики знают как уравнение Фоккера–Планка, Колмогоров вывел самостоятельно. При этом он добавил кое-что особенное, что впоследствии очень пригодилось Кимуре: возможность проследить процесс не только вперед, но и назад во времени. Представим, как движется отдельная частица газа. Она колеблется, поднимаясь и опускаясь (для нашей аналогии важно только вертикальное движение — вверх и вниз). Если перенести эту картину на мутации, то движение вверх и вниз соответствует изменению их частоты в популяции: становится больше или меньше носителей. В генетике такие колебания называют дрейфом, хотя мне больше нравится слово «покачивание».

Поскольку мутации возникают редко, новая мутация появляется почти у самого пола нашей воображаемой комнаты. Дальше возможны два варианта: либо она «прилипнет» к полу, либо будет колебаться и в конце концов «прилипнет» к потолку. В первом случае новый вариант гена, появившись, сразу или через какое-то время исчезнет по воле случая. Во втором мутация из редкой станет частой и закрепится, опять же благодаря случайности (обратное уравнение Колмогорова как раз позволяет начать с момента закрепления и проследить процесс назад во времени). И когда такая мутация закрепляется, она становится одним из тех самых различий в ДНК, которые мы находим, сравнивая близкие виды — например, человека и шимпанзе.

Сравним это с естественным отбором на примере наших мотыльков. Там мутация тоже может из редкой стать распространенной, но не по воле случая — а потому, что черные бабочки лучше выживают на темном фоне. Судьба мутации определяется ее действием: тем, что она окрашивает мотылька в черный цвет. Если повторить этот эволюционный эксперимент с окраской бабочек, можно с уверенностью предположить, что процесс приведет к тому же результату. А вот с нейтральной мутацией все иначе: нет никаких причин, почему она должна всякий раз вызывать одни и те же изменения. Судьба нейтральной мутации никак не связана с ее влиянием на приспособленность — просто потому, что такого влияния нет. Получается, что эволюция необязательно движима естественным отбором, который закрепляет изменения через разную выживаемость и размножение (как в случае с черными и белыми мотыльками). Она может быть результатом чистой случайности — этакого генетического покачивания.

И тут Кимура задался важным вопросом: как размер популяции влияет на судьбу нейтральных мутаций в их случайном танце? В его математической модели с газовыми частицами это равносильно увеличению высоты комнаты — появляется больше пространства для движения вверх и вниз, больше случайных скачков. Высота комнаты здесь выступает аналогом размера популяции. У млекопитающих популяции обычно гораздо меньше, чем у насекомых или бактерий, просто потому, что крупные животные не могут существовать в таком количестве. В комнате с низким потолком (то есть в малой популяции крупных млекопитающих) новой частице, начинающей путь у пола, нужно совсем немного везения, чтобы добраться до потолка. А вот в высокой комнате для этого потребуется целая череда удачных событий. Заметьте, частице необязательно постоянно везет — она может колебаться и вверх, и вниз. Получается, что в малых популяциях — таких как у нас, людей, — случайный дрейф чаще приводит к возникновению различий между видами. Думаю, это вполне логично: в небольших популяциях случайности играют куда более важную роль.

Кимура нашел способ описать этот процесс еще точнее. Давайте отвлечемся от газовых частиц и представим игру на лестнице. Принципы те же самые, но такая модель может оказаться более наглядной. Представьте: число ступеней соответствует размеру популяции, а ваше положение на лестнице — частоте мутации. Если лестница состоит из 100 ступеней и вы находитесь на 20-й, это как мутация с частотой 20/100 = 0,2 в популяции. А теперь правила игры. Первое: вы перемещаетесь вверх или вниз по ступеням, подбрасывая монетку, орел означает шаг вверх, решка — шаг вниз. Второе правило: игра завершается, когда вы достигаете либо самого верха, либо самого низа. Если новая мутация опускается на нижний уровень — она исчезает и популяция возвращается к исходному состоянию, будто мутации и не было. Если же мутация добирается до верха — она закрепляется в ДНК всех членов вида и становится одним из отличительных признаков этого вида (в то время как другие виды играют в такие же игры на своих лестницах). Это и есть фиксация.

Важный момент: подбрасывание монеты в нашей игре происходит абсолютно честно — шанс выпадения орла равен 50%, как и шанс выпадения решки. В генетических терминах это означает, что наша мутация никак не влияет на приспособленность особей и все ее перемещения зависят исключительно от воли случая. И да, для дотошных читателей, которые могут заметить, что монета способна встать на ребро, — вы правы, такой шанс действительно есть (примерно 1 к 6000), но давайте условимся, что в нашей игре возможны только два исхода: орел или решка.

Раз шансы равны, первое, что мы можем понять об этой игре: находясь на любой ступеньке x, вы с одинаковой вероятностью можете шагнуть как на ступеньку выше (x + 1), так и на ступеньку ниже (x – 1). Допустим, вы стоите на пятой ступеньке — в половине случаев вы подниметесь на шестую, в половине спуститесь на четвертую. Этот принцип сохраняется с течением времени: если вы оказались на середине лестницы, то шансы в итоге добраться до самого верха или спуститься до самого низа абсолютно равны — в 50% случаев вы окажетесь наверху, в 50% внизу. Запомните это.

Теперь давайте начнем нашу игру и посмотрим, как она моделирует эволюцию новой нейтральной мутации. Когда мутация только появляется в популяции, она встречается крайне редко, поэтому мы начнем наш путь с самой нижней ступеньки. Попробуем разобраться, каковы наши шансы в итоге добраться до самого верха.

Подбрасываем монету в первый раз. Мы начали с нижней ступеньки, и, если выпадет решка (что случается в половине случаев), игра тут же закончится — мы окажемся внизу, даже не успев толком начать. С точки зрения генетики это означает, что новая мутация мгновенно исчезает из популяции. Именно поэтому для любой мутации самый опасный период — момент ее появления, когда она еще очень редка. Но если повезет и выпадет орел, мы поднимемся на вторую ступеньку. Бросаем монету снова и либо поднимаемся на третью ступеньку, либо возвращаемся на первую. Бросаем еще раз, и так далее.

Что же происходит дальше? На первый взгляд задача кажется довольно сложной. Как рассчитать вероятность того, что мы в итоге доберемся до самого верха (то есть мутация закрепится в популяции), а не скатимся вниз (то есть мутация исчезнет — либо сразу же, если первый бросок окажется неудачным, либо позже)?

Давайте рассуждать. Мы уже знаем, что, если вы находитесь на середине лестницы, то шансы добраться до верха или спуститься вниз равны — ведь игра честная. Теперь представим самый простой случай: лестница всего из двух ступеней. Вы начинаете с первой ступеньки, и у вас равные шансы либо подняться наверх, либо спуститься вниз. Первая ступенька здесь как раз посередине пути, значит, вероятность добраться до верха — 50%, или ¹/₂. А что, если ступенек четыре? Оказавшись на второй ступеньке (то есть на середине), вы имеете 50%-ный шанс достичь верха. Значит, общая вероятность добраться до верха — это ¹/₂ (вероятность достичь второй ступеньки), умноженная на вероятность подняться оттуда до конца. Мы уже выяснили, что вероятность добраться до второй ступеньки — тоже ¹/₂. Получается, что при четырех ступеньках шанс подняться с первой ступеньки до самого верха равен ¹/₂ × ¹/₂ = ¹/₄. То есть в четверти случаев, начав с первой ступеньки на четырехступенчатой лестнице, вы доберетесь до верха — и все это благодаря чистой случайности.

А что произойдет, если ступенек будет восемь, 16, 32 или 64? Та же логика работает дальше. Мы знаем, что вероятность добраться до четвертой ступеньки — ¹/₄. Значит, чтобы вычислить шанс подняться на самый верх восьмиступенчатой лестницы, нужно умножить вероятность дойти от четвертой ступеньки до верха (¹/₂) на вероятность добраться до этой четвертой ступеньки (¹/₄). Получается ¹/₈.

Здесь просматривается четкая закономерность. Если вы начнете с первой ступеньки, ваш шанс случайно добраться до верха равен единице, поделенной на общее число ступенек: при двух ступеньках — ¹/₂, при четырех — ¹/₄, при восьми — ¹/₈, при 16 — ¹/₁₆ и так далее. Если обобщить: вероятность того, что случайные перемещения приведут от одного из N ко всем N, равна 1/N. А поскольку у нас каждый ген представлен двумя копиями, в популяции размером N вероятность того, что новая мутация (появившаяся всего в одной копии во всей популяции) закрепится — то есть все копии данного участка ДНК станут новым вариантом, — только за счет случайности составляет 1/2N. Получается, что у таких видов, как мы, каждая мутация, ставшая чертой, отличающей нас от шимпанзе, должна была преодолеть 2N ступенек. Это один из ключевых выводов Кимуры, и он математически подтверждает нашу интуитивную догадку: случайные блуждания чаще приводят к закреплению мутации (превращению ее из редкой в общепринятую) в малых популяциях (низкое N), чем в больших.

Обратите внимание на важный момент: чтобы добраться от нижней ступеньки до верха, вовсе не требуется, чтобы удача сопутствовала вам постоянно. Не нужно, чтобы всегда выпадал орел. Ваш путь может выглядеть так: 1 → 2 → 3 → 2 → 1 → 2 → 3 → 4 → 3 и так далее. Вы словно порхаете вверх-вниз по ступенькам в случайном порядке. Но стоит вам оступиться с первой ступеньки (то есть спуститься с первой ступеньки на пол), игра окончена. Точно так же она заканчивается, если вам повезет добраться до самого верха.

Вот так работает нейтральная эволюция в ее базовом виде. Ее главный принцип — равная вероятность движения вверх или вниз по ступенькам, обусловленная исключительно случайностью. С естественным отбором все иначе. Его можно представить как дополнительную силу, например встречный ветер, сталкивающий вас вниз по ступенькам (это очищающий отбор, который стремится избавиться от новой мутации), или попутный ветер, подталкивающий вас вверх к следующему этажу (это положительный отбор полезной мутации, которая с каждым поколением становится все более распространенной, словно поднимаясь по лестнице).

Пока все логично. Если вы решили, что нейтральная эволюция должна играть гораздо более важную роль в малых популяциях — просто потому, что в них сильнее влияние случайных колебаний, — вы одновременно и правы, и неправы.

И тут мы подходим к неожиданному и важному открытию. Если речь идет о мутациях, которые вообще не влияют на организм, вы ошибаетесь. Но если мы говорим о мутациях с небольшим эффектом, о почти нейтральных мутациях — вы правы. И это совсем не очевидный вывод.

Если говорить о строго нейтральных мутациях, Кимура показал, что такое представление ошибочно. Звучит невероятно, правда? Казалось бы, случайные колебания просто обязаны иметь большее влияние в малых популяциях. Разве мы не убедились в этом только что?! Мы же видели, что вероятность пройти путь от редкой мутации (первая ступенька) до полного закрепления уменьшается с ростом числа ступенек — это наш результат 1/2N. Да, в этой части наши рассуждения абсолютно верны. Но мы упустили нечто важное. Кимура заметил еще кое-что. Нас ведь интересует не просто судьба одной конкретной мутации. Мы хотим понять общую скорость эволюции нейтральных мутаций, а не только то, что происходит с каждой из них по отдельности.

Мы уже знаем, что, когда новая мутация появляется в популяции, у нее есть шанс 1/2N добраться от первой ступеньки до самого верха просто за счет случайных блужданий. Но тут возникает другой вопрос: как часто такие мутации вообще возникают в популяции? К счастью, ответ нам известен. Все зависит от скорости мутирования.

Если сравнить вашу ДНК с ДНК ваших родителей, вы обнаружите изменения — обычно от 10 до 100 штук. Это новые мутации, которые есть только у вас. Самый простой способ измерить скорость мутирования — взять это среднее число: примерно 50 новых мутаций на каждого новорожденного, то есть на поколение. Но чаще используют другой показатель — то же число, но с поправкой на размер ДНК, ведь чем больше ДНК, тем больше мутаций следует ожидать. Это число принято обозначать греческой буквой μ (произносится «мю»). Оно показывает среднее количество новых мутаций, возникающих в каждом поколении в расчете на одно спаренное основание ДНК. Для целого гена соответствующая скорость будет равна μ, умноженной на число спаренных оснований в этом гене. По сути, мы просто перешли от скорости мутирования на спаренное основание к скорости на целый ген — назовем ее «μ на ген» вместо «μ на спаренное основание».

Кимура пришел к важнейшему открытию: для любого гена скорость появления новых мутаций в популяции равна произведению скорости мутирования (μ на ген) и числа копий этого участка ДНК у данного вида. У нас есть по две копии каждого гена — одна от матери, другая от отца, — поэтому если в популяции N особей, то существует 2N копий каждого гена, и любая из них может мутировать. Следовательно, в интересующем нас гене новые мутации возникают со скоростью, равной для каждого гена произведению 2N и μ.

Открытие Кимуры кажется теперь очевидным: чем больше популяция (то есть чем больше N), тем больше возможностей для появления новых мутаций, которые начнут свои случайные блуждания в разных участках ДНК. Получается больше мутаций, одновременно играющих в игру с подъемом по лестнице.

И тут мы приходим к удивительному выводу: результирующая скорость эволюции за счет случайных блужданий полностью нейтральных мутаций в любом конкретном гене совершенно не зависит от размера популяции (N).

Это легко доказать математически. Общая скорость складывается из скорости появления новых мутаций (2N умножить на μ) и вероятности того, что случайные блуждания приведут редкую мутацию к полному закреплению (1/2N). При перемножении эти две величины 2N взаимно сокращаются. Получается, что скорость эволюции строго нейтральных мутаций равна просто скорости мутирования. Поразительно! И ведь это совсем не очевидно с первого взгляда.

Иными словами, более высокая вероятность закрепления мутации за счет случайных блужданий в малой популяции в точности уравновешивается более редким появлением новых мутаций. Получается, что скорость нейтральной эволюции зависит только от одного — от того, как часто возникают новые мутации. Вот почему ошибочно думать, что случайные процессы должны играть более важную роль в малых популяциях. Да, в малых популяциях сама игра с подъемом по лестнице имеет большее значение, но зато в нее приходится играть гораздо реже.

Так почему же исходное предположение все-таки могло быть верным? Здесь мы подходим к тому, что, возможно, является одним из самых важнейших открытий в эволюционной биологии за последние полвека. Все, что мы обсуждали выше, справедливо для абсолютно нейтральных мутаций — тех, которые совершенно не влияют на приспособленность и имеют равные шансы стать более или менее частыми. Но что, если немного изменить условия задачи? Что, если новая мутация вызывает совсем небольшое снижение приспособленности? Будут ли прежние рассуждения всё еще верны? Казалось бы, такой микроскопический эффект не должен иметь значения, правда? Возьмем, например, мутацию в псевдогене — ее влияние может быть совершенно ничтожным. Скажем, нуклеотиды G и C чуть-чуть «дороже» для организма (в них на один атом азота больше), чем A и T. Может ли мутация из A в G, которая лишь слегка увеличивает энергетические затраты, реально подвергаться естественному отбору из-за своего крошечного влияния на шансы выживания? Это действительно глубокий вопрос: где проходят границы действия отбора и, соответственно, пределы совершенства?

Это важное развитие идей Кимуры принадлежит его коллеге Томоко Ота, которая в 1973 году предложила так называемую почти нейтральную теорию эволюции. Если теория нейтральности рассматривала новые мутации, никак не влияющие на приспособленность, то почти нейтральная теория пошла дальше, включив в рассмотрение мутации с минимальными эффектами. Эта работа заложила теоретический фундамент для понимания многих загадочных особенностей нашей ДНК.

И нейтральная, и почти нейтральная теория признают случайные блуждания ключевым элементом эволюции. Однако, несмотря на схожесть названий, их прогнозы разительно отличаются. Почти нейтральная теория утверждает, что в малых популяциях влияние естественного отбора ослабевает. В результате скорость эволюции в малых популяциях возрастает, поскольку слегка вредные мутации реже подвергаются отбраковке. Нейтральная же теория, как мы только что выяснили, говорит о том, что скорость эволюции не зависит от размера популяции и определяется только скоростью мутирования. Удивительно: две теории, столь схожие в своих исходных предположениях — обе считают случайные блуждания ключевым процессом, — приходят к совершенно разным выводам.

Новый взгляд на несовершенство нашего генома основан на простой идее: мы, как и другие виды с малым эффективным размером популяции, просто не в состоянии избавить свою ДНК от слегка вредных мутаций. Поэтому наш геном напоминает самолет, изрешеченный осколками в некритичных местах — на концах крыльев и в обшивке фюзеляжа.

Вы спросите: почему такое небольшое изменение в теории привело к столь разительным отличиям? Давайте снова обратимся к нашей игре на лестнице. Мы по-прежнему начинаем с первой ступеньки и хотим понять, как часто будем добираться до верха. Но теперь условия изменились — появился легкий встречный ветерок, который подталкивает нас вниз. Можно представить это и по-другому: словно мы принимаем решения в зависимости от того, как крутится колесо рулетки, — суть останется той же. Оба способа описывают одно и то же явление — вероятность спуститься на ступеньку вниз чуть выше, чем подняться на ступеньку вверх. Давайте рассмотрим подробнее модель с рулеткой.

На европейской рулетке 18 черных чисел и 18 красных. И еще одно зеленое (ноль). Допустим, вы ставите на черное. В реальной игре вы в среднем проигрываете, потому что, хотя красных и черных поровну, есть еще это зеленое число. Поэтому, ставя на красное или черное, вы имеете шанс на успех чуть меньше 50:50 (точнее, 18/37, то есть выигрываете в 48,6% случаев). В длинной игре вы неизбежно проиграете: зеленый сектор там неслучайно. Нейтральному варианту мутации соответствовала бы та же рулетка, но без зеленого. А если бы мы изменили количество красных и черных лунок (сохранив их равное число) и оставили одну зеленую, это было бы аналогично изменению степени вредности мутации: чем больше красных и черных секторов, тем ближе шансы к 50:50 и тем слабее встречный ветер очищающего отбора.

Теперь вместо правила «орел — шаг вверх, решка — шаг вниз» мы используем другое: «черное — подъем, красное или зеленое — спуск». Эта схема отлично имитирует поведение слегка вредной мутации, ведь теперь у нас уже не равные шансы на подъем и спуск. Самое интересное здесь — проследить, как меняется динамика «лестничной игры» в зависимости от высоты лестницы, которая в нашей модели соответствует размеру популяции.

В обеих моделях скорость появления мутаций одинакова — она равна 2N, умноженным на μ. Иными словами, шансы начать подъем по нашей воображаемой лестнице в обоих случаях совпадают. Но вот дальше нейтральная и почти нейтральная модели расходятся в той части, где решается судьба новой мутации: сумеет ли она добраться до самого верха?

Давайте вспомним ключевой вывод нейтральной модели: вероятность того, что новая мутация закрепится в популяции, составляет 1/2N. К этому выводу мы пришли, анализируя шансы человека, стоящего посередине лестницы: куда вероятнее он попадет — на верхний этаж или на нижний? При честном подбрасывании монеты оба варианта равновероятны. А значит, если вы только начинаете путь (как новая мутация в популяции), то у вас ровно 50% шансов подняться на следующую ступеньку и столько же — спуститься вниз и выбыть из игры.

Однако в нашей «лестничной рулетке» все работает иначе. Вероятность перехода с первой ступени на вторую составляет уже не 50%, а только 48,6%. Поэтому, если перед вами лестница всего из двух ступеней, шанс добраться до верха тоже будет 48,6%. Это наглядно показывает два важных факта: даже слегка вредные мутации могут закрепиться в популяции, но их шансы на успех ниже, чем у нейтральных.

То, что случайные колебания могут привести к закреплению слегка вредной мутации, — важное открытие, но не главный вывод Ота. Ключевое значение имеет другое: как зависит вероятность подъема с первой ступеньки на самый верх от высоты лестницы? Ота обнаружила удивительную закономерность. С увеличением числа ступеней (то есть размера популяции) шансы добраться до вершины не просто уменьшаются, как в случае с нейтральной теорией и подбрасыванием монеты, — они падают непропорционально быстро. Представьте себе легкий встречный ветерок: в случае высокой лестницы (большой популяции) его достаточно, чтобы преградить путь наверх. Но тот же ветерок почти не мешает, когда лестница короткая. Именно поэтому в малых популяциях слегка вредные мутации закрепляются намного чаще, чем можно было бы ожидать. А в больших популяциях даже слабый естественный отбор эффективно защищает ДНК от подобных изменений.

Разберем это на примере. Допустим, вы уже поднялись на вторую ступеньку. Какова вероятность, что вы доберетесь до четвертой — верхней ступеньки четырехступенчатой лестницы? В нейтральной модели все просто: шанс подняться с первой ступеньки на вторую равен шансу подняться со второй на четвертую в четырехступенчатой игре, а тот, в свою очередь, равен шансу подняться с четвертой на восьмую в восьмиступенчатой игре, и так далее. Если обобщить: когда вы находитесь на ступеньке x, то есть на середине пути, вероятность подъема от x до 2x (верхнего этажа) равна вероятности спуска от x до нуля (нижнего этажа). И эта вероятность не зависит от того, чему равно x. Следуя этой логике, мы приходим к выводу, что шанс подняться с первой ступеньки до самого верха, преодолев все 2N ступеней, составляет 1/2N. Однако все это перестает работать, когда мы имеем дело не с подбрасыванием монеты, а с эволюционной рулеткой.

В нашей «рулеточной» версии лестничной игры вероятность подъема со второй ступеньки на четвертую тоже оказывается меньше 50%. Но что действительно важно — она ниже, чем вероятность подъема с первой ступеньки на вторую. То же самое происходит и дальше: шансы подняться с четвертой ступеньки на восьмую еще меньше, чем со второй на четвертую. Этот неочевидный на первый взгляд результат — ключ к революционному открытию Ота. Он демонстрирует удивительную закономерность: хотя вредные мутации и могут закрепиться в популяции благодаря случайным колебаниям, в малых популяциях (там, где лестница короче) вероятность такого закрепления возрастает не просто значительно, а непропорционально сильно.

Давайте попробуем понять этот результат с помощью более наглядного примера. Представьте, что вы пришли в казино с определенной суммой в кармане — допустим, 10, 100 или 1000 долларов. Каждый раунд вы ставите доллар на черное. Выигрывая, получаете доллар прибыли плюс возврат своей ставки, проигрывая — теряете поставленный доллар. Игра заканчивается в двух случаях: либо когда вы остаетесь без денег, либо когда удваиваете начальную сумму. По сути, это та же ситуация, что и с началом пути с середины лестницы.

Представьте два сценария: в одном у вас 10 долларов, в другом — 1000. В обоих случаях вы ставите по доллару. Где больше шансов удвоить капитал, а не уйти ни с чем? При подбрасывании монеты это не имеет значения: вероятность удвоить деньги всегда равна вероятности их потерять — 50 на 50, независимо от начальной суммы. А вот в рулетке все иначе. Начав с небольшой суммы, вы гораздо вероятнее удвоите свой капитал, чем если начнете с крупной (хотя в любом случае проигрыш вероятнее выигрыша). Скажем, если вы начнете с пяти долларов, ваши шансы удвоить сумму хоть и меньше 50%, но вполне реальны — достаточно пары удачных ставок. А вот вероятность превратить 50 000 в 100 000 долларов, ставя по доллару, практически равна нулю.

Я смоделировал игру в рулетку, чтобы получить более точные данные. При вероятности выигрыша 48,6% на каждом вращении картина получается такая: начав с пяти долларов, вы примерно в 40% случаев сможете удвоить капитал, если вовремя остановитесь (то есть как только достигнете 10 долларов). А вот если начать с 50 долларов и играть до достижения либо 100, либо полного проигрыша, шансы на успех при ставках по доллару падают до 5%. Удвоить же 100 долларов удается крайне редко — всего в 0,5% случаев. При честном подбрасывании монеты все эти вероятности были бы одинаковыми — 50 на 50. Но то самое зеленое поле на рулетке меняет всю картину. Казино прекрасно это понимают: когда игроку везет, его начинают угощать бесплатными напитками, лишь бы он продолжал игру. Ведь чем дольше играешь, тем выше вероятность в конце концов скатиться на самый нижний этаж. Мораль проста: не стоит проводить жизнь за рулеткой. Если после нескольких раундов фортуна улыбнулась, уходите, пока везет.

Как же это отражается на общей скорости эволюции? Мы уже знаем, что в нейтральной и почти нейтральной моделях скорость появления новых мутаций одинакова. Однако в больших популяциях слегка вредные мутации гораздо чаще «проваливаются» на нижний этаж, то есть последовательность ДНК сохраняется неизменной и эволюции не происходит. В отличие от нейтральной модели, здесь работает интересная закономерность. Хотя в больших популяциях новые мутации возникают чаще (помните формулу 2N × μ), это не компенсирует сниженную вероятность их закрепления. В результате общая скорость эволюции в больших популяциях оказывается ниже — они просто эффективнее отсеивают мутации, которые работают против организма, пусть даже совсем немного. Почему так происходит? Все просто: если на каждой ступеньке шансы против вас, то до верха высокой лестницы добраться труднее, чем до верха короткой. И неважно, что вы уже на полпути, — законы вероятности неумолимы.

Как же все выглядит на практике? Действительно ли такой механизм работает для мутаций, которые оказывают совсем незначительное негативное влияние? В рамках почти нейтральной теории мутации обычно делят на три типа. К первому относятся мутации с настолько слабым эффектом, что их судьба ничем не отличается от судьбы абсолютно нейтральных мутаций. И в этом есть логика: в популяции любого размера должны существовать настолько незначительные изменения, что естественный отбор просто неспособен уловить разницу между вариантами. Если вернуться к нашей аналогии с лестничной игрой, это все равно что играть в рулетку, где на миллионы или миллиарды красных и черных полей приходится всего одно зеленое. В такой ситуации шансы на выигрыш практически равны 50:50. По предсказаниям Ота, скорость эволюции таких мутаций практически совпадает с скоростью мутирования μ — точно так же, как у строго нейтральных мутаций. Именно поэтому мы называем их фактически нейтральными.

Второй тип включает мутации настолько вредные, что у них практически нет шансов закрепиться в популяции путем случайных колебаний. В терминах нашей игры это как играть в рулетку, где вероятность выигрыша в каждом раунде намного ниже 50%. Такие мутации мы просто называем вредными или опасными. Их можно сравнить со снарядами, попадающими в двигатель самолета, хотя к этой категории относятся и менее очевидные изменения — те, что могут некоторое время сохраняться в популяции, но рано или поздно неизбежно отсеиваются естественным отбором.

И наконец, существует промежуточная категория мутаций. В эволюционной игре у этих мутаций шанс на успех почти равен 50% — они могут закрепиться в популяции за счет случайных колебаний, но их влияние все же достаточно заметно, чтобы не считать их фактически нейтральными. Такие мутации способны достичь фиксации, но общая скорость их эволюции чуть ниже базовой скорости мутирования. В научной литературе их называют слабо вредными или слегка вредными мутациями, эти термины используются как синонимы.

Так где же проходит граница? Насколько близкими к 50% должны быть шансы мутации закрепиться, чтобы считать ее фактически нейтральной, а не слегка или полностью вредной? Ключевой вывод из расчетов Ота состоит в том, что для любой мутации ее принадлежность к одной из трех категорий (иначе говоря, пропорция красных и черных полей к одному зеленому) зависит от размера популяции — по тем причинам, которые мы только что разобрали. В больших популяциях — где лестница длиннее — даже мутации с минимальным вредным эффектом чаще отсеиваются естественным отбором. Большие популяции лучше сохраняют «совершенство», избавляясь даже от малейших неблагоприятных изменений. А вот малые популяции с этим справляются хуже: им сложнее избавиться от слегка вредных мутаций. В результате их геном оказывается похож на самолет с множеством пробоин в некритичных местах.

Математическая диффузионная теория позволяет выразить эти закономерности в конкретных числах. Ключевую роль здесь играют два параметра. Первый — это численность особей определенного вида. Впрочем, если быть точнее, решающее значение имеет не просто количество особей, а так называемый эффективный размер популяции. Например, если в популяции размножаются не все самцы, а только некоторые, то фактическая численность и эффективный размер популяции будут различаться. Хотя это может показаться чисто техническим моментом, ради точности мы будем использовать именно этот показатель, обозначаемый как N_e. Кстати, в кругах эволюционных биологов споры вокруг N_e не утихают до сих пор.

Второй важный параметр — это степень снижения приспособленности, вызванного новой мутацией. В наших аналогиях это сила встречного ветерка или соотношение красных и черных ячеек к одной зеленой на рулетке. Этот показатель обозначается буквой s и измеряет силу отбора против мутации относительно исходного варианта того же участка ДНК.

Для одноклеточных организмов коэффициент s можно измерить в лаборатории. Берем штамм без мутации и даем популяции вырасти от нескольких клеток до большой колонии (заметьте, это не подъем по нашей метафорической лестнице, а просто рост численности; хотя, если хотите, можно сказать, что меняется количество ступеней). Затем измеряем скорость роста, например число клеточных делений в час. После этого проводим такой же эксперимент с идентичным штаммом, но уже несущим мутацию. Сравнивая скорости роста — с мутацией и без нее, — мы видим, как мутация влияет на способность клеток к делению. Современные лабораторные методы позволяют фиксировать крошечные различия — всего в 0,1% скорости роста. Это поразительная точность, но даже ее недостаточно, чтобы напрямую измерить те микроскопические различия в приспособленности, которые рассматривает почти нейтральная теория на нижней границе своего диапазона. Малое значение s может быть настолько близко к равным шансам, что соотношение составит, скажем, 49,9999999 к 50,0000001 — это намного меньше, чем доступная нам для измерения разница в 0,1%.

Теория Ота утверждает принципиально важную вещь: для любой вредной мутации ее попадание в одну из трех категорий определяется эффективным размером популяции. Мутация считается фактически нейтральной, если ее негативное влияние (s) существенно меньше, чем 1/(2N_e). (Двойка появляется здесь потому, что каждый наш ген представлен двумя копиями.) И наоборот, если снижение приспособленности s заметно превышает это значение (s > 1/(2N_e)), мутация относится к категории вредных и не имеет шансов распространиться и закрепиться в популяции. Это как в нашем примере с рулеткой: начав с крупной суммы и делая ставки по доллару, вы практически обречены на проигрыш. Между этими крайностями находятся слегка вредные мутации, снижающие приспособленность примерно на 1/(2N_e). Они могут закрепиться в популяции, хотя вероятность этого немного ниже, чем μ — скорость фиксации для фактически и строго нейтральных мутаций.

Давайте уже отложим в сторону абстракции и посмотрим на конкретные числа. По современным оценкам, эффективный размер человеческой популяции составляет около 10 000–20 000 особей. Услышав это впервые, многие возмущаются: «Какая глупость! Нас же миллиарды, и численность продолжает расти!» Да, сейчас это так. Но когда формировались различия между нами и нашими ближайшими родственниками — шимпанзе, людей было намного меньше. А нынешние миллиарды появились слишком недавно, чтобы успеть повлиять на эволюционные процессы. Что это значит на практике? Мутация, снижающая приспособленность всего на одну миллионную, для человека попадает в категорию «фактически нейтральных». Почему? Потому что у людей величина 1/(2N_e) составляет примерно 1/30 000, или около 0,0003. Если влияние мутации на приспособленность значительно меньше этого значения, она будет считаться фактически нейтральной. Чтобы естественный отбор начал «замечать» мутацию и препятствовать ее закреплению, она должна снижать приспособленность минимум на 0,0003 (если принять среднюю приспособленность за единицу).

И здесь мы подходим к самому интересному: та же самая мутация у бактерий, чья численность измеряется миллиардами, попадет в категорию «вредных» и не будет иметь ни малейшего шанса закрепиться. Многие виды бактерий намного эффективнее нас избавляются от вредных мутаций, просто потому что их эффективный размер популяции огромен. Представьте себе: даже мутации, снижающие приспособленность всего на 0,000000001, все равно будут «видны» для отбора и будут вычищаться из популяции! Мне до сих пор трудно осознать, как высока эффективность отбора у бактерий. Но факт остается фактом: в видах с огромными популяциями естественный отбор работает с поразительной точностью, тогда как у таких видов, как мы, он действует куда более грубо.

Что же получается в итоге? В малых популяциях гораздо больше мутаций попадает в категории фактически нейтральных или слегка вредных. Такие мутации могут случайным образом распространяться и закрепляться в популяции. Именно поэтому виды с небольшим эффективным размером популяции — такие как человек — способны эволюционировать быстрее, чем более многочисленные виды. Но не спешите радоваться: ускоренная эволюция не прогресс, а скорее деградация. Если вернуться к нашей аналогии с самолетом: пробоина на кончике крыла рано или поздно приведет к крушению бактериального самолета, а вот наш продолжит полет, постепенно накапливая эти мелкие повреждения.

Как же все это связано с нашим геномом? Обычно, говоря о мутациях, мы представляем себе замену одной пары оснований ДНК на другую, например C на G. Но почти нейтральная теория не ограничивается таким узким пониманием мутаций. Она рассматривает любые изменения в ДНК, которые поначалу редко встречаются в популяции. Давайте мыслить шире: мутации — это не только замена одного нуклеотида другим. Это еще и появление новых фрагментов ДНК, которые не несут для нас никакой полезной функции. И вот здесь мы, как и другие крупные организмы с малыми популяциями, оказались практически бессильны: мы не могли помешать этим бесполезным участкам распространиться и закрепиться. Может, именно поэтому структура и работа нашего генома так несовершенны? Как мы увидим дальше, именно этим объясняется, почему наша ДНК напичкана «мертвыми» прыгающими генами (это похожие на вирусы участки ДНК, способные самостоятельно перемещаться по геному, их еще называют транспозонами), тогда как ДНК бактерий почти целиком состоит из генов, кодирующих белки. Та же теория может объяснить, почему столь большие части нашей ДНК проявляют активность, но не имеют очевидной функции. Впрочем, об этом мы поговорим в следующей главе.