Числа — штука забавная. В школе учат разным хитростям, чтобы решать задачи проще. Сравниваешь дроби? Найди общий знаменатель или переведи в десятичные. С более сложной математикой, которая описывает поведение ДНК, РНК или белков, и стратегии усложняются.

В науке модель зависит от параметров. Но что делать, если разные наборы параметров дают одинаковый результат? Можно назвать половину 2/4 или 3/6 — суть не изменится. В физике такие случаи называют калибровочной свободой. Это важная часть электромагнетизма и квантовой механики. Но оказалось, что калибровочная свобода встречается и в биологии, когда пытаешься смоделировать, как мутации взаимодействуют друг с другом.

Ученые из Cold Spring Harbor Laboratory (CSHL) разработали единую теорию для таких случаев в моделях биологических последовательностей. Их решение может пригодиться везде — от селекции растений до разработки лекарств.

Результаты опубликованы в издании PLOS Computational Biology.

Калибровочная свобода — термин не из повседневного лексикона. Но насколько часто она встречается? В компьютерных моделях, которые описывают огромные генетические данные, — практически повсюду, говорит Джaстин Кинни, доцент CSHL, который работал над исследованием вместе с Дэвидом Маккэндлишем.

Калибровочная свобода — обычное дело в моделях биологических последовательностей. Раньше на это смотрели как на досадную техническую сложность. Мы впервые изучили ее напрямую, чтобы понять, откуда она берется и как с ней работать.

До сих пор биоинформатики решали проблему разрозненными методами. Кинни, Маккэндлиш и их коллеги искали более универсальный подход. В итоге они создали единую математическую теорию с удобными формулами, которые можно применять в самых разных биологических исследованиях. Теперь ученые смогут быстрее и точнее интерпретировать результаты.

Во второй статье исследователи объяснили, откуда берется калибровочная свобода. Оказалось, она нужна, чтобы модели отражали симметрию в реальных биологических последовательностях. Как ни странно, чтобы модель вела себя просто и предсказуемо, она должна быть сложнее и объемнее.

Мы доказали, что калибровочная свобода необходима для понимания вклада конкретных генетических последовательностей, — добавляет Маккэндлиш.

Вместе эти исследования показывают: новый подход — не просто решение теоретической задачи. Он может стать основой для будущих открытий в сельском хозяйстве, медицине и не только.

Этот метод упрощает работу с генетическими данными. Сейчас биоинформатики тратят время на подгонку моделей, потому что одни и те же результаты можно получить разными путями. Унифицированный подход убирает неоднозначность — значит, ученые смогут:

• Быстрее анализировать мутации, связанные с болезнями.
• Точнее предсказывать, как изменения в ДНК повлияют на белки.
• Эффективнее проектировать эксперименты, например, в синтетической биологии.

В долгосрочной перспективе это ускорит разработку лекарств и создание устойчивых сельхозкультур.

Однако теория работает в идеальных условиях, но биологические системы часто хаотичны. Если в данных много шума (например, из-за ошибок секвенирования), формулы могут давать погрешности. Потребуются дополнительные исследования, чтобы проверить метод на «грязных» реальных данных.

Ранее математики озвучили свою классификацию запахов.