nacija.hr

Nastanak više razina funkcionalnih informacija unutar genoma nije moguće objasniti idejom postupne evolucije

Zaljubljenik u čudesan svijet molekularne biologije, genetike i biokemije u ovom članku iznosi najnovija nevjerojatna znanstvena otkrića inteligentnog dizajna u genomima koja genetičare ostavljaju zapanjenima i gotovo bez riječi.

Tekst: Marko P

Uvod

Biokemičar Erwin Chargaff je još 1971. godine  bio impresioniran činjenicom kako molekule DNK utječu na promjene u stanici te je u svijetlu prvih otkrića na polju genetike izjavio kako je „vidio ispred sebe u tamnim obrisima početak biološke gramatike.“ Dr. fizike i informacijske znanosti Hubert Yockey izjavljuje: “ Genetski informacijski sustav je softver života, te poput simbola u računalu u cijelosti je simboličan i neovisan o okolini.“ Četiri baze DNK lanca, predstavljaju četiri znaka genetske abecede. „Nema kemijskih veza između dviju baza. Ne postoje kemijska pravila koja bi određivala način na koji su baze vezane na pozadinu.“ Yockey bio je pionir opisivanja biološkog sustava informacijskim jezikom i zakonitostima. Informacija je još jedna fizikalna realnost poput materije i energije, koja je ključna za postojanje života. Biološki je svijet prožet informacijskim sustavima i u cijelosti upravljan kodiranim algoritmima. DNK kao najpoznatiji primjer „memorije života“ ne sadrži samo kodirani zapis, već algoritme s točkama odlučivanja na temelju primljenih vanjskih ili unutarnjih signala. Kodirane mreže interakcija gena ili pak orkestrirana regulacija embrionalnog razvoja uključivanjem i isključivanjem pojedinih kaskada gena predstavljaju kompleksnu logičku shemu isprepletenu povratnim vezama i kontrolnim točkama kakve gledamo u našim složenim digitalnim sustavima. Chris McKay iz NASA-inog centra za istraživanje izjavljuje kako „glavna zagonetka podrijetla života nije podrijetlo hardvera već softvera.“. Craig Venter, genetičar koji je prvi sintetizirao umjetni genom izjavljuje: „To je svakako promijenilo moj pogled na definiciju života i kako život funkcionira. Život je u osnovi rezultat informacijskih procesa, softverskih procesa. Naš genetski kod je naš softver.“ [1]. Radiolog Joon Yun ove godine okuplja tim znanstvenika kako bi pokušali „izliječiti“ najpoznatiju bolest od koje svi patimo, a to je starenje. Prema njegovim riječima „pokušati će hackirati proces starenja“ našeg organizma poput nekog računalnog sustava [2]. Informacija, kod ili softver nisu posljedica slučajnih procesa u prirodi, već rezultat djelovanja inteligentnog agenta.

Geni su u svim organizmima zapisani genetskim kodom, što znači da postoje određene zakonitosti i gramatička pravila takvog zapisivanja. Genom se dijeli na kodirajući i nekodirajući dio, a pravilnosti i uređenje se primjećuju u svim dijelovima pa i u nekodirajućem dijelu za koji se do nedavno smatralo da je nefunkcionalan ostatak evolucijskih procesa. Kako znanost napreduje tako se otkriva da za ispravan rad genoma nije samo potrebno imati ispravno zapisane gene već i sve njihove regulacijske dijelove, njihov točan položaj u genomu, njihove međusobne interakcije u svim stanicama, u svim fazama razvoja i života, pa i samu strukturu i položaj kromosoma unutar jezgre stanice. Mapiranje položaja ljudskih kromosoma unutar jezgre stanice otkrilo je zapanjujuću činjenicu. Kromosomi su pravilno poredani unutar jezgre u svim stanicama svakog tkiva, tako da genetski gusta područja obitavaju u centralnom dijelu gdje imamo najizraženije transkripcijske aktivnosti [3]. Kako vidimo ništa nije ostavljeno slučaju, te ništa u čitavoj strukturi ne upućuje da se radi o slučajnosti (Slika 1.). Tko god zamišlja slučajan nastanak gena ili njihovih regulatornih dijelova (mutacijama, dupliciranjem i sl.), mora također pretpostaviti slučajan pogodak točno određene lokacije unutar čitave složene strukture kromosoma, što bitno umanjuje slobodni prostor nad kojim bi djelovali slučajni događaji. Čak i najmanja promjena položaja regulatorne sekvence nekog gena može biti toliko kobna da zaustavi razvitak još u embrionalnoj fazi [4].

kromosomi

Slika 1. Prostorni raspored kromosoma, preuzeto iz rada: „Three-Dimensional Maps of All Chromosomes in Human Male Fibroblast Nuclei and Prometaphase Rosettes“

Početak ili kraj evolucije

Vjerojatnost

Osnovni problem u biologiji je pitanje porijekla informacija pohranjenih unutar struktura biomolekula.  Protein koji se sastoji od lanca aminokiselina ne postiže funkcionalnost samom količinom aminokiselina poredanih u niz, već specijalnim poretkom aminokiselina koje omogućuju namatanje u stabilnu strukturu proteina. Kada bi aminokiseline bile poredane slučajnim odabirom, stanice bi bile zatrpane beskorisnim lancima. U tipičnom enzimu koji sadrži 150 aminokiselina u nizu, uz 20 mogućih aminokiselina na svakoj poziciji, dobivamo ogroman broj mogućih kombinacija (20^150, što odgovara redu veličine 10^195). Tom broju treba uračunati i vjerojatnost da sve aminokiseline u poretku po pitanju kiralnosti budu „L“ orijentirane, kakve sačinjavaju sve proteine živih organizama (2^150, što odgovara redu veličine 10^45). Ukupan broj koji dobivamo množenjem ta dva broja (10^240) uvelike nadmašuje broj atoma u vidljivom dijelu svemira (10^80). Govorimo o samo jednom enzimu, a znamo da ih u organizmima ima na tisuće različitih gdje svaki vrši svoju vlastitu funkciju. Primjerice protein Titin koji omogućuje kontrakciju mišića sadrži između 27.000 i 33.000 aminokiselina, pa prema prethodnom primjeru možemo pokušati izračunati koliko bi iznosio broj različitih mogućih kombinacija (kalkulator ne uspijeva izračunati taj broj). Iz ovog jednostavnog primjera možemo primijetiti da problem porijekla života nije biološki već informacijski problem, jer su upravo informacije o funkcionalnim proteinima unaprijed pohranjene unutar DNK svih živih organizama.

Postavlja se pitanje koliki je postotak nasumično poredanih lanaca aminokiselina koje daju funkcionalnu konformaciju proteina? Možda slučajni procesi neće pronaći točno zadanu kombinaciju, već će naići na neku drugu funkcionalnu kombinaciju koju organizam može upotrijebiti? Biolog Robert Sauer je sa svojim timom 1990. godine pokušao izračunati taj broj. Prema njima omjer funkcionalnih prema nefunkcionalnim sekvencama aminokiselina iznosi 1 naprama 10^63, i to za vrlo kratke proteine od svega 92 aminokiselina [5]. Kasnija istraživanja pomiču taj omjer prema 10^77 [6]. To je nagnalo genetičare da preispitaju pretpostavku kako slučajne mutacije postupno dovode do pojave novih gena, te nastanak novih funkcionalnih gena sada pripisuju procesu duplikacije uz kasnije mutacije, jer je lakše krenuti od funkcionalne sekvence nego od nule. Naravno da takvo razmišljanje ne objašnjava postanak originalnih gena koji bi se duplicirali, a također je teško objasniti kako bi mutacije izmijenile funkcionalni protein kada je eksperimentalno dokazano kako su proteini ekstremno osjetljivi na bilo kakve promjene, pogotovo u vanjskim dijelovima strukture [7]. Mala promjena genetskog koda uslijed mutacije uzrokuje nestabilan protein koji se više ne može namotati u pravilnu strukturu čime postaje ili toksičan za organizam ili u boljem slučaju biva uništen od strane Proteaze. Ne gubi se samo trodimenzionalna struktura koja je potrebna za obavljanje funkcije već protein postaje ranjiv, a imalo destabiliziran protein brzo se denaturira povišenjem temperature. Broj promjena koji je potreban da bi se dobila nova funkcionalna sekvenca uvelike je nadmašen brojem promjena koje vode ka gubitku funkcije. Bilo kakvo umanjenje funkcije proteina umanjilo bi čitav fitnes organizma, te će metodom „pročišćenja“ (selekcijom) biti eliminiran prije nego li će poslužiti kao predložak za novi protein. Kao i kod svakog uobičajenog jezika, višestruke će promjene  prije uništiti značenje teksta nego li će stvoriti nove smislene rečenice.

Foldit

Koliko je struktura proteina važna za njegovu funkciju pokazuje i računalna igra imena Foldit koju su znanstvenici osmislili za pronalazak novih funkcionalnih struktura proteina koje bi mogle poslužiti za liječenje raznih bolesti. Međutim, u ovoj su igri ljudi ti koji rješavaju tešku zadaću pronalaska optimalne strukture, a koji svojom inteligencijom rješavaju ono što računalni sustavi slučajnim procesima ne uspijevaju riješiti ili bi čekanje rezultata predugo trajalo. Kako autori igre priznaju: „Mali proteini se mogu sastojati od 100 aminokiselina, a kod ljudi su neki dugački i po 1000 aminokiselina. Broj različitih načina namatanja čak i manjih proteina je astronomska jer postoji puno stupnjeva slobode. Određivanje koja je od mnogih različitih struktura najbolja najteži je zadatak biologije u današnje vrijeme i sadašnje metode zahtijevaju puno novaca i vremena, čak i za računala. Foldit pokušava predvidjeti strukturu proteina korištenjem ljudske intuicije pri rješavanju zadataka.“ [8]. Kako vidimo, sami autori priznaju kapitulaciju slučajnih procesa koji bi pronašli rješenje čak i uz gomile super-brzih računala današnjice, već se oslanjaju na inteligenciju. Naivno zvuči uvjeravanje kako su svi proteini pronađeni u organizmima rezultat slučajnih procesa, ako je za pronalazak novih potrebna pomoć od strane inteligencije. Što više ljudi igra igru veća je mogućnost pronalaska funkcionalnih rezultata. Drugim riječima, što je ukupna suma inteligencije veća, brže se dolazi do rezultata. Ako pretpostavimo alternativu slučajnosti –Inteligenciju kao uzrok stvaranja života, onda postaje jasno o kakvoj se Inteligenciji radi.

Od proteina do gena?

Mnogi znanstvenici već desetljećima traže uvijete koji su trebali vladati na Zemlji, nekoj drugoj planeti ili meteorima, a koji bi navodno doveli do spontanog nastanka života. Potrošena desetljeća nisu dovoljna da priznaju kako je od molekule do jednostaničnih organizama nepremostiv put. Odlika živih organizama na staničnoj razini je sposobnost čitanja kodiranih informacija unutar DNK i obrade tih informacija, te proizvodnja, popravak ili zamjena potrebnih proteina. Za procesiranje dohvaćenih informacija potrebne su polimeraze (sastavljene od proteina), dok je za nastanak proteina potreban genetski kod pohranjen unutar gena (u obliku kodona). Ova uzajamna ovisnost potvrđuje nemogućnost postojanja jednog bez drugog. Čak i kada bismo imali sve potrebne proteine, bez genetski kodiranih alata za popravak i zamjenu ubrzo bi došlo do degradacije, jer vrijeme poluživota aminokiselina uslijed racemizacije iznosi 6.000 godina. U tom periodu pola aminokiselina unutar lanca polipeptida mijenja svoju kiralnost. Millerov eksperiment, a kasnije i ostali, laboratorijskim su putem dobivali podjednaki broj L i D aminokiselina dok živi organizmi koriste samo L aminokiseline. Samo jedna D aminokiselina unutar lanca polipeptida onemogućuje pravilno namatanje proteina. Jedna od korištenih metoda u forenzici za određivanje trajanja smrti je mjerenje procesa racemizacije (proces zamjene kiralnosti molekula,  mjeri se omjer L i D aminokiselina). Na samom se kraju procesa doseže ekvilibrijum kada je postotak L i D aminokiselina jednak, iz razloga što imaju jednak iznos slobodne energije. Time su Miller i ostali potvrdili smrt, a ne nastanak života. S druge strane Adenin (nukleotida koja je sastavni dio DNK i RNK), osjetljiv je na deaminaciju i reakcije otvaranja prstena s poluživotom od svega 80 godina (ili 200 godina na 37 °C uz neutralni PH), što također ukazuje na malu vjerojatnost prebiotičke akumulacije. Pobornici „RNK svijeta“ suočeni su pak s činjenicom da su RNK molekule nestabilnije od DNK, a duži bi se lanci prije spetljali nego li ostvarili funkcije koje će kasnije činiti proteini.  Tako da pitanje što je bio prije „RNK svijet“ ili „Svijet proteina“ predstavlja još jedan kokoš jaje problem. Mnoge su knjige pisane na ovu temu, a valjanog odgovora unutar evolucionističke paradigme nema.

Ostavimo nakratko kemijske, fizikalne ili biološke prepreke na putu nastanka života. Postoji još jedan veliki i nepremostivi problem, a to je problem kodiranja informacije. U genetskom su kodu sve aminokiseline kodirane odgovarajućim tripletima (tri baze) zvanim kodonima. Pošto svaka baza u tripletu može biti jedna od četiri nukleotide, broj simbola genetske abecede iznosi 64 (4^3). Abeceda proteina sadrži 20 simbola, jer su unutar živih organizama proteini građeni od 20 različitih aminokiselina. Pošto život uključuje kodiranje i pohranu informacije, mora biti podložan i zakonima Teorije informacije (uključujući i one za prijenos podataka). Dr. Hubert P. Yockey je matematički dokazao kako je nemoguće preslikati informaciju iz abecede od 20-znakova (proteini) u 64-znakovni genetski kod [9]. Prema njegovim riječima: „Pošto ne postoji kod za prijenos informacija iz proteina u mRNK, nemoguće je porijeklo života na način proteini prvi“, pošto bi se prekršio Shannonov teorem kapaciteta kanala. Prema tom je teoremu nemoguće preslikati informaciju iz abecede s manje znakova u abecedu s više znakova, zbog različitih iznosa Shannonove entropije [9]. Ovo kategorički eliminira svaki pokušaj objašnjenja postanka života na način „od proteina do jednostaničnih organizama“, pošto je „matematički nemoguće da informacija bude preslikana iz proteinske abecede u mRNK abecedu.“ . Yockey naglašava: „Znanstvenici ovaj problem ne mogu zaobići nekom pametnom kemijom ili povećanjem koncentracije proteina u prajuhi na Zemlji ili bilo gdje u Svemiru“. Dokaz potvrđuje da je genetski kod (ili neki drugi kod iste kompleksnosti) morao biti prisutan od samog početka života, a Yockey zaključuje da „porijeklo života kao i porijeklo Svemira ostaje nepoznat.

Kako je dakle nastao genetski kod?

Dr. Werner Gitt u svojoj knjizi „U početku bijaše informacija“ navodi: „Kodni je sustav uvijek rezultat mentalnog procesa (što zahtijeva inteligentni uzrok ili izumitelja). Treba naglasiti da materija kao takva ne može stvoriti kod. Iskustvo nam ukazuje kako je za tako nešto potrebno misaono biće sa slobodnom voljom, spoznajom i kreativnošću. Ne postoji prirodni zakon ili slijed događaja koji bi uzrokovao pojavu informacije.“

Minimalni genom

Prije nego li navodna evolucija može početi potrebno je imati prvu stanicu s osnovnim staničnim funkcijama koja je u stanju neovisno funkcionirati. Ta stanica mora imati minimalni osnovni set gena koji kodiraju alate za transkripciju, translaciju, staničnu diobu, kao i osnovne gene za metabolizam. Koliki je minimalni genom? Molekularni su biolozi pokušali na ovo pitanje odgovoriti eksperimentalnom metodom mutageneze. Redom su gasili pojedine gene i mjerili fitnes jednostavnih jednostaničnih organizama (poput Mycoplasme G.). Dobili su su duljinu minimalnog genoma između 318.000 i 562.000 baznih parova za kodiranje osnovnih proteina [10]. Od 482 gena Mycoplasme G., 256 su se pokazala nužnim za održavanje osnovnih funkcija. Ako bi slučajni procesi htjeli proizvesti ispravni minimalni genom, uz četiri moguće nukleotide na svakom mjestu u genomu, ponovo je potrebno pretražiti  astronomski broj mogućih kombinacija genoma (4^318.000). Još je teže i zamisliti kako bi taj proces započeo pošto bez minimalnog genoma nema niti evolucije jer nema sljedeće žive generacije. Uz naivnu pretpostavku kako složenost organizma raste linearnim povećanjem genoma (za što ćemo vidjeti da ne odgovara realnosti), od primitivnog jednostaničnog organizma do primjerice mušice Drosophile koja ima genom duljine 140 milijuna baznih parova potrebne su velike količine novih funkcionalnih genetskih sekvenci. Matematičar David Berlinski nazvao je ovaj problem „kombinatornom inflacijom“, jer broj mogućih kombinacija eksponencijalno raste povećanjem broja znakova u nizu. Fizičar Stanislaw Ulam je izjavio: „Takvi bi evolucijski procesi zahtijevali tisuće, možda i milijune uzastopnih mutacija kako bi se dobili najjednostavniji organizmi. Bez obzira kolika bila vjerojatnost jedne mutacije (čak da iznosi jednu polovinu), ta bi vjerojatnost uvećana na milijunti eksponent bila toliko blizu nule da mogućnost takvog uzastopnog procesa praktički ne postoji.“

Paradoksi

DNK lanac tipične ljudske stanice na dan doživi 2.000-10.000 promjena uslijed kemijske nestabilnosti [11]. Genetske informacije uspijevaju ostati sačuvane samo zbog djelovanja ispravljačkih enzima koji pretražuju DNK i ispravljaju greške. Bez tih bi se mehanizama genom ubrzo nepovratno uništio. Problem nastanka informacije usko je vezan uz provjeru valjanosti i ispravljanje grešaka u zapisu, te je nemoguće jedan problem odvojiti od drugoga. Kada bi imali sve potrebne sekvence gena, bez alata za popravak, ubrzo bi došlo do degradiranja genoma i gubitka funkcija. Međutim, mehanizmi za popravak kodirani su unutar genoma koji trebaju ispravljati. Ovaj kokoš-jaje paradoks opisao je dobitnik Nobelove nagrade iz kemije dr. Manfred Eigen. Bez enzimatskog ispravljačkog mehanizma maksimalna duljina molekule može iznositi samo oko 100 bp. Međutim, kodirani ispravljački mehanizmi unutar molekule zahtijevaju puno više od 100 bp. Što je nastalo prije, dugačak genom ili ispravljački enzimi? [12].

Lista paradoksa tu ne staje. Kao što bismo naivno pretpostavili kako duljina genoma prati  kompleksnost organizma, prave korelacije između genetske i morfološke kompleksnosti nema, što je poznato kao paradoks C-vrijednosti. Mnoge biljke sadrže do deset puta dulji genom od ljudske stanice. Među kralježnjacima najdulji genom imaju vodozemci, za koje znamo gdje ih smještaju u navodnom stablu razvoja. Također postoje znatne varijacije količine genoma unutar samih vrsta, pogotovo kod kukaca (čak i tijekom samog razvoja duljina genoma varira, mušica Drosophila M. bitno povećava svoj genom u stadiju razvoja ličinke). Biolog dr. Szathmary je predložio matematičku formulu za računanje kompleksnosti genoma prema broju međusobnih interakcija gena, izraženu pomoću jednadžbe:

C = 2 L/[N(N-1)]

 Gdje L predstavlja broj interakcija između gena, N broj gena u genomu, a C odgovara broju pravih interakcija u odnosu na sve moguće interakcije gena [13]. Ako primijenimo ovu formulu prema kojoj kompleksnost leži u broju interakcija gena, složeniji bi organizmi trebali kroz evoluciju isprobati sve veći i veći broj različitih mreža interakcija u potrazi za životno funkcionalnim mrežama. Međutim, kako primjećujemo kod viših se organizma generacije vremenski sporije izmjenjuju od nižih što ne ide u prilog evoluciji.

Višestruki kodovi otkrivaju dizajn

Zapisivanje podataka

Standardni tekst čitamo u jednom smjeru (s lijeva na desno), a pojedine su riječi učestalije od drugih. Takav je zapis svima razumljiv, međutim zahtijeva puno informacijskog prostora jer nema komprimiranja podataka. Kada bi sve riječi pretvorili u pojmove i pridijelili im reference (npr. brojeve), tekst bi postao linearni niz referenci-brojeva, a nove bi se rečenice lagano slagale spajanjem korištenih pojmova (čime se skraćuje zapis i povećava učinkovitost). U programskim se jezicima na ovaj način pojedine rutine mogu nebrojeno puta pozivati.  Zamislimo tekst koji nema samo jedan smjer čitanja (lijevo-desno) već sadrži još jednu podatkovnu dimenziju (gore-dolje), poput križaljke koju znamo iz razonode rješavati. Takav tekst bitno štedi informacijski prostor ali zahtijeva puno više intelektualnog napora za autora koji ga sastavlja, pod uvjetom da u oba smjera predstavlja funkcionalan zapis. Umjesto križaljke mogla bi se koristiti i osmosmjerka u kojoj djeca znaju tražiti zadane riječi u čak osam različitih smjerova. Međutim, promjena jednog slova u takvim zapisima istodobno utječe na drugu ili pak sedam drugih riječi čime se bitno smanjuje mogući prostor funkcionalnih promjena.

Početkom 20. stoljeća dok još nije otkrivena genetika, „gen“ se zamišljao kao nositelj morfološke osobine. Tako su smatralo da postoji gen za plave oči ili pak gen za plavu kosu. Kako je genetika napredovala pojmom „gen“ se počelo opisivati sekvenca DNK koja kodira protein, a smatralo se da je odnos 1:1. Danas se zna kako jedan gen u višim organizmima ne predstavlja kod za jedan protein, već je podijeljen na sekvence-eksone između kojih se nalaze introni, koji se nakon čitanja izrezuju. Time je osigurano zapisivanje u manje cjeline, od kojih se modularnim prekrajanjem pojedinih dijelova mogu dobiti deseci, pa i stotine drugačijih funkcionalnih proteina. Preko 90% ljudskog genoma se prepisuje prema rezultatima ENCODE projekta, a funkcije pročitanih RNK su nebrojene i često se preklapaju ili presijecaju [14]. Prava definicija gena više ne postoji u klasičnom smislu, te geni sada predstavlja multifunkcionalne sekvence koje se čitaju kroz 4 dimenzije (uključujući vrijeme, različita ekspresija gena tijekom vremena, a pogotovo razvoja). Sekvence kodirajućeg dijela genoma istovremeno mogu služiti i kao vezna mjesta. Osim informacijske funkcije, neke molekule RNK poput duljih lincRNK (s tisuće nukleotida) sudjeluju u modifikaciji kromatina i imaju strukturalnu ulogu, druge se pak vežu na proteine, dok mikro miRNK molekule (od svega 22 nukleotide) reguliraju ekspresiju drugih gena vežući se na dijelove mRNK (te vrše regulatornu ulogu). Kako genetičar dr. Richard Sternberg objašnjava: „Detaljnim proučavanjem funkcioniranja genoma, stalno se uvode nove klase RNK i proširuje popis njihovih funkcija, a ovaj trend nema tendenciju smanjenja već rasta“. Često se važni regulatorni dijelovi nalaze na komplementarnoj strani DNK i čitaju se u obrnutom smjeru [15]. Ako uzmemo u obzir rijetkost funkcionalnih struktura proteina uz korištenje standardnog genetskog koda (uz alternativne izvedenice u nekim organizmima), onda postaje jasno da organizmi moraju sadržavati ogroman broj identičnih gena (pogotovo gena vezanih uz osnovne stanične funkcije) ali i određeni broj vlastitih specifičnih gena (vezanih na specifične fenotipske zahtjeve). Tako primjerice imamo proteine Histone koji namataju DNK lanac u gusto pakirani kromosom. Ti proteini su identični od biljaka do sisavaca, netaknuti kroz navodno razdoblje od milijardu godina dok su oko njih navodno nastajali deseci tisuća novih proteina kroz razne vrste [16]. Prema teoriji evolucije za ovu je nepromjenjivost zaslužna netolerancija proteina Histona na mutacije (selekcija negativno djeluje na mutacije jer se lako gubi funkcionalnost). U tom slučaju imamo problem nastanka tih proteina jer je jedino moguće objašnjenje nagli čudesni skok na funkcionalnost. S druge strane česta je pojava istih fenotipskih rješenja kodiranih istim genetskim setovima, ali u potpuno različitim vrstama. Tako npr. delfini i šišmiši dijele istu funkciju eholokacije kodiranu istim setom gena, a pošto je očito da između njih nema niti jedne vrste koju bi mogli nazvati zajedničkim pretkom, ovu pojavu nazivaju konvergentna evolucija. Prema zadnjim istraživanjima, slijepi neupravljani proces mutacije i selekcije morao bi preko 2.000 puta paralelno proizvesti ista genetska rješenja kroz 22 različite vrste [17]. Kod TNF gena odgovornih za apoptozu (programiranu smrt stanica) i koji sudjeluju u embrionalnom razvoju imamo još čudniju situaciju. Ne samo da su TNF geni sačuvani kroz navodnih 550 milijuna godina, već su obrnuto proporcionalni vremenu te koralji s navodnog dna razvoja sadrže 40-tak različitih gena, mušica Drosophila jedan, a ljudi tek 18 TNF gena. Ovdje nemamo samo iznimnu konzerviranost gena kroz period od navodnih 500 milijuna godina, već i evoluciju u obrnutom smjeru [18].

Alternativno prekrajanje

Podjelom gena na eksone i introne uz alternativno prekrajanje dobivamo više nivoa podataka kodiranih u istom linearnom slijedu, a 20.000 ljudskih gena kodira do 100.000 proteina na način „više pomoću manje“. Ljudski genom sadrži regulatorne sekvence mRNK dulje nego kod drugih sisavaca (3’UTR sekvence krajeva mRNK), a također sadrži milijune drugačijih regulatornih elemenata za korištenje postojećih oko 20.000 gena [19]. S druge strane ljudi imaju manje transkripcijskih faktora od biljaka, a rješenje paradoksa leži u tome da ljudski istovremeno „vrše dvostruke, trostruke, a možda i četverostruke uloge“ kako znanstvenici tvrde [20]. Zbog novo otkrivenih funkcija u dijelovima genoma koje se donedavno smatralo otpadom („Junk DNA“  )nakupljenim kroz milijune godina mutacija, te se regije sada opisuju kao „jedan veliki kompleks koji regulira sve gene“ [21], a komentar dr. Erica Greena na prve rezultate ENCODE projekta je bio:  „O moj Bože, ovo je stvarno komplicirano“ [22].

alternative splicing

Slika 2. Prikaz gena iz kojeg se prekrajanjem dobiva više kodova za različite proteine

Razlike jednostavnih prokariotskih organizama i viših eukariotskih organizama dobro se vide u načinu korištenja gena. Kod prokariotskih imamo policistronske mRNK kod kojih nekoliko gena reguliranih istim operatorom. Kod viših pak eukariotskih organizama imamo monocistronske mRNK, gdje se geni pojedinačno reguliraju. Kod eukariota geni su podijeljeni na sekvence eksone između kojih se nalaze introni (Slika 2.), kojih kod prokariota nema. Introni se nakon transkripcije iz pre-mRNK izrezuju preciznim kompleksom (Spliceosome), koji za funkcionalan rad mora sadržavati sve ispravne dijelove i mora prepoznavati signalna vezna mjesta. S druge strane gen koji treba biti prekrojen treba sadržati introne „označene“ signalnim dijelovima (dinukleotide GU i AG). Tom delikatnom mehanizmu treba pridodati i kasnije procese procesiranja i editiranja RNK produkta koji također bitno utječu na krajnju funkciju mRNK [23]. Nameću se neizbježna pitanja: Kakva je uloga gena izrezanih na dijelove? Kako su isprekidani geni „evoluirali“ tijekom vremena?

Kako se prekrajanje vrši kompleksom sastavljenim od pet ribonukleoproteina (snRNP), uz ostale potrebne proteine, neizbježan je zaključak kako je cijeli alat „evoluirao“ odjednom jer je nesavršen mehanizam prekrajanja štetniji nego da ga uopće nema. Koja bi bila uloga pojedinih dijelova prije nastanka čitavog kompleksa? Ne bi li selekcija prije uklonila slučajno umetnute dijelove koji narušavaju funkcionalan zapis gena, nego dočekala razvoj čitavog potrebnog alata za prekrajanje? Molekularni biolog dr. Mattick objašnjava: “ Ako bi introni bili umetani u gene prokariota, ne bi bilo mogućnosti da ih se ukloni prije početka proizvodnje proteina, a ishod bi bio nefunkcionalni proteini.“ [24]. Koliko je ispravno funkcioniranje mehanizma prekrajanja neophodno ukazuje i činjenica da se i male greške u tim mehanizmima vežu uz teške genetske bolesti [25]. Da bi stekli dojam o kakvom se kompleksnom mehanizmu radi dovoljno je pogledati krajnje pojednostavljen prikaz u priloženom videu [26].

Da čitava stvar bude kompliciranija danas se zna kako introni imaju važnu ulogu i nisu samo višak koji se mora ukloniti. To znači da su prema teoriji evolucije trebali: uskočiti na točno određeno mjesto, mutirati signalna mjesta da postanu prepoznatljiva, te da su ih mutacije trebale izmijeniti u mnoge različite funkcionalne RNK molekule poput malih snoRNK ili microRNK, te različite tipove dugačkih nekodirajućih ali funkcionalnih lncRNK. Jedna od takvih je i kružna ciRNK molekula koja pojačava transkripciju gena vežući se uz RNK polimerazu II, čije je djelovanje specifično za različite tipove stanica, što potvrđuje funkciju [27].

Genetske instrukcije

Pobornici naturalističko materijalističkog objašnjenja života često pokušavaju objasniti pojavu kompleksnosti unutar stanice kao posljedicu djelovanja prirodnih zakona. Međutim, u stanici nije riječ samo o strukturalnoj već i informacijskoj kompleksnosti. Dr. mikrobiologije Jack T. Trevors pojašnjava: „Kompleksnost je neadekvatan termin za opisivanje fenomena genetskih „recepata“. Nebrojeni su primjeri iz prirode samoorganizacije ili kompleksnosti bez potrebnih instrukcija (poput nastanka kristala, kompleksnih lipida ili polisaharida). Druge su pak kompleksne strukture produkti izvršavanja digitalnih recepata (poput antitijela, signalnih receptora, transportnih proteina ili hormona). Recept specificira algoritamsku funkciju. Recepti su poput programskih naredbi. Oni su nizovi propisanih točki odlučivanja koje se mogu dodatno konfigurirati (uključivati/isključivati).  Ako se pravilno izvrše postaju poput računalnih programa bez grešaka,  koji se izvršavaju na kvalitetnim operacijskim sustavima u potpuno operativnim hardverima. Stanice djeluju kao da donose vlastite odluke. U konačnici, sve što stanice čine je programirano unutar hardvera, operacijskog sustava i softvera.“. „Geni su linearne, digitalne, kibernetske sekvence. Oni su smisleni, pragmatični, fizički instancirani recepti… Da su sekvence rezultat prirodnih zakona, one bi se manifestirale kao monotoni redundantni monomeri. Tada bi bilo malo ili nimalo nesigurnosti kod svakog čvora odlučivanja. Nesigurnost (nepredvidljivost) je potrebna u fizičkoj matrici da bi služila kao nositelj deskriptivne ili preskriptivne informacije. „ [28].

Višestruki preklapajući kodovi

Engleski biolog Ronald Fisher još je 1930. godine pokušao izračunati efekte spontanih mutacija na ukupni fitnes organizma. Kako se tada o genetici malo toga znalo, njegove su pretpostavke bile krajnje pojednostavljene, a bile su dobro prihvaćene među biolozima koji su otprije prihvatili teoriju evolucije. Dan danas se po školama, kao i na fakultetima evolucija objašnjava sličnim pojednostavljenim modelima poput njegove analogije s mikroskopom, kod kojeg se leće kotačićima podešavaju kako bi se dobila oštra slika (u pozitivnom ili negativnom smjeru) [29]. Njegov model je pretpostavljao jednostavan jednodimenzionalan učinak mutacija na fitnes, a mutacije su bile ili pozitivne ili negativne. Čak i uz takve pretpostavke Fisher je zaključio da bi u slučaju povećanja broja dimenzija koje utječu na fitnes, broj pozitivnih mutacija drastično opao. Fisher naravno nije imao današnja saznanja kako je biološki fitnes višedimenzionalan, a DNK sekvence polifunkcionalne.

  1. godine otkriven je prvi genetski kod ,osnovni i svima dobro poznati kod čitanja i prevođenja gena u proteine. Od onda do danas to veliko otkriće toliko je hipnotiziralo znanstvenike da su prestali tragati za ostalim kodovima, jer su smatrali da niti ne postoje. Ako je informacija u genomu produkt slučajnih događaja kroz milijune godina, pronalazak i jednog koda bio bi već previše za objasniti. 1988. godine znanstvenici otkrivaju „Drugi genetski kod“, a predstavlja instrukcije koje određuju koja će se aminokiselina vezati uz pojedinu tRNK [30]. Trinaest godina kasnije (2001. god) znanstvenici otkrivaju još jedan „Drugi genetski kod“, tzv. „kod histona“  kojime se objašnjava modifikacija histona i diktiranje prijelaza između transkripcijski aktivnih u neaktivna stanja kromatina [31]. Pet godina kasnije (2006. god) znanstvenici pronalaze treći „Drugi genetski kod“, a odnosi se na pravila pozicioniranja nukleosoma [32]. Dvije godine (2008.) kasnije otkriva se i četvrti „Drugi genetski kod“ koji se odnosi na interakcije transkripcijskih faktora i DNK [33], a zatim opet i peti „Drugi genetski kod“ koji objašnjava regulaciju alternativnog prekrajanja kroz različita tkiva tijekom razvoja organizma [34]. 2013. godine znanstvenici po šesti put otkrivaju „Drugi genetski kod“ [35],  a odnosi se na sekvence  nukleotida unutar kodirajućeg dijela, koje istovremeno služe i kako vezna mjesta za transkripcijske faktore, pa ih počinju zvati duoni [36]. Sinonimne mutacije nisu neutralne kako se do sada smatralo jer različiti kodoni zahtijevaju različito vrijeme translacije (različito trajanje pauze), uslijed čega se dobivaju različite strukture proteina bez obzira na isti poredak aminokiselina [37], što dodatno unosi novu razinu informacije u razumijevanje gena. Molekularni biolog E. N. Trifonov u vezi ovih otkrića komentira:
  • Ima puno različitih kodova
  • Vlada amnezija u znanstvenim krugovima
  • Svjetski poznati znanstvenici teško broje dalje od dva?

Trifonov danas govori o barem 13 genetskih kodova koji se isprepliću [38], a dr. genetike Philipp Kapranov to potvrđuje riječima: „Nije neobično da jedan bazni par može biti dio složene mreže višestrukih izoformi preklapajućih sense i antisense transkripta“ [39]. ENCODE projekt je potvrdio kako je ovaj fenomen sveprisutan u genomima viših organizama, gdje DNK redovito kodira više poruka koje se preklapaju, što znači da jedna nukleotida doprinosi informaciji u dva i više genetskih kodova [40]. Prvi dokazi o preklapanjima kodirajućih sekvenci kod virusa znanstvenicima su izazvali šok, ali od tada je ova pojava priznata kao uobičajena.  Genetičar S. Itzkovitz je analizirajući kodirajuće sekvence preko 700 različitih vrsta pokazao kako svi organizmi sadrže opsežne preklapajuće informacije u genomima, dok bakterije u tim dijelovima sadrže čak i više informacije od eukariota [41]. Prema ovim saznanjima prijašnji bi proračuni učinaka mutacija na fitnes svakako trebali biti revidirani.

Kako smo već naveli, što je veći broj kodova koji se preklapaju (sekvence koje nose više razina informacija), to je manja mogućnost da slučajna mutacija bude dobitna jer istovremeno utječe na više informacija. Prijašnja mjerenja pozitivnih mutacija provedena u laboratorijskim uvjetima, poput onih s kvascem, davali su rezultate veće od očekivanih (5,75%) iz mogućih razloga mutacije hot-spot mjesta ili pak epigenetike [42]. Drugi su pak pokusi davali još velikodušnije rezultate od čak 25% dobitnih promjena [43]. Međutim u svim tim pokusima selekcija je bila svedena na minimum, a zadani uvjeti nisu odgovarali prirodnim uvjetima. Tek je nedavno tim od četiri znanstvenika pokušao matematički odrediti kolika bi bila vjerojatnost dobitnih mutacija u svijetlu otkrića višestrukih preklapajućih kodova [44]. Pretpostavili su kako pojedine nukleotide utječu na više nivoa informacija, dok se za sve ostale sekvence na koje ne utječu smatraju neutralnim. Postavili su pitanje: Ako neka pozicija istovremeno utječe na više kodova, koji je bazni par zapravo optimalan?

Ako nukleotida pripada samo dvjema razinama informacija (L2), tada rezultat mutacije ima četiri mogućnosti:

  • Biti dobitna za oba koda (D,D)
  • Dobitna za jedan, a negativna za drugi kod (D,N) ili (N,D)
  • Negativna za oba koda (N,N)

Matematičkim su izračunima dobili su sljedeće iznose vjerojatnosti:

p(dobitna) = p(D,D) = p(D)2 = 1.11 × 10^(−7)

p(neutralna) = p(D,N) + p(N,D) = 2 × p(D) × (1−p(D)) = 6.66 × 10^(−4)

p(negativna) = p(N,N) = (1−p(D))2 = 0.99933

Za samo dvije razine informacije omjer dobitnih prema negativnim mutacijama je za nekoliko redova veličine manji, vjerojatnost negativne mutacije iznosi 99,933%, a za svaku sljedeću razinu broj mogućih stanja još i više raste (za N razina bi iznosio LN=2^N). Kako se broj kodova povećava, vjerojatnost dobitne mutacije eksponencijalno opada. Za samo tri razine (L3) broj nagomilanih negativnih prije nego li bi se pojavila pozitivna mutacija nadmašuje cjelokupnu duljinu genoma bakterije, a za 5 razina informacije (L5) taj broj nadmašuje prosječnu duljinu genoma sisavca. Zaključak navedenog rade je slijedeći : „Višestruko preklapajući kodovi unutar genoma radikalno mijenjaju percepciju dobitnih mutacija. Kako broj kodova raste, vjerojatnost potencijalno dobitnih mutacija pada eksponencijalno i ubrzo doseže nulu. Uslijed matematičkih dokaza i novijih saznanja o višestrukim kodovima kod viših organizama, dobitne su mutacije izuzetno rijetke.“

Ovome treba pridodati kako bi tek ogroman broj dobitnih mutacija u slijedu predstavljao novu informaciju nad kojom selekcija može početi pozitivno djelovati. To je zbog toga što jedna nukleotida sama za sebe ne predstavlja ništa. Prije su znanstvenici naivno smatrali kako postoje geni za pojedine fenotipske osobine . Danas se zna koliko je ta predodžba bila naivna te da stotine ili tisuće gena kroz međusobne interakcije djeluju na ukupni rezultat. Samo za inteligenciju su do sada pronašli preko 1.000 gena koji bi mogli utjecati i to u malom postotku [45], a istovremeno se otkriva i sve veći utjecaj epigenetike na našu „sudbinu“ [46]. Jedan od predlaganih modela evolucije je i duplikacija. Duplikacije su često negativne jer narušavaju genom uzrokujući pomak okvira (frameshift), te narušavaju kontekst i arhitekturu genoma. Duplikacije povećavaju metaboličke zahtjeve u smislu DNK replikacije, popravka, transkripcije i translacije. Ako je mutacija i neutralna u informacijskom smislu, ona je po definiciji negativna uslijed povećanih metaboličkih zahtjeva. Noviji rezultati idu u prilog tome kako su gotovo sve nukleotide funkcionalne uslijed čega se smanjuje duljina „Junk“ DNK koja bi mogla služiti kao rezervoar nad kojim bi se evolucija mogla igrati [47]. „Dobitne u budućnosti“ mutacije su hipotetske jer selekcija djeluje samo na sadašnjost i ne može predvidjeti buduće pogodnosti. Čak i mutacije unutar „Junk“ DNK mogu biti negativne zbog negativnih interakcija s funkcionalnim genomom. Ironično je da je postoji samo jedan tip mutacija nad „Junk“ dijelovima koji bi bio pozitivan, a to je brisanje. Kod prave funkcionalne selekcije to bi se trebalo dogoditi puno prije nego li bi se akumulirao dovoljan broj dobitnih mutacija koji bi stvorili novu biološku funkciju.

Primjeri negativnih mutacija:

Male inhibitorne siRNK sekvence vežu se uz pojedine kodirajuće RNK sekvence. Mutacija jednog znaka u siRNK ne dozvoljava više vezanje na pravo mjesto već se počinje vezati negdje drugdje, pri čemu može doći do pretjerane ekspresije proteina kojeg je trebalo kočiti. Postoje mnoge sekvence genoma kod kojih imamo dva gena koji se čitaju po istoj strani DNK lanca, dok je istovremeno kodirano još gena na komplementarnoj strani DNK lanca, a koji dijele iste nukleotide. Probajmo zamisliti evoluciju tih sekvenci. Kod gena imamo alternativno prekrajanje kojim dobivamo kombinatorno ogroman prostor, a prekrajanje je različito u različitim organima i tkivima. Na kraju priče isti protein može vršiti više funkcija. Kristalin primjerice ima fizičku funkciju refrakcije svijetla u leći oka, dok istovremeno ima i enzimatsku ulogu u drugim tkivima. Slučajnim bi se mutacijama morala doseći dvostruka konačna funkcionalnost, uz uvjet da su sve prijelazne faze morale biti također funkcionalne da budu selekcijom sačuvane.

Prisjetimo se sumnjičavosti biologa dr. Thomasa Frazzette iz 1975. godine: „Kada se modificira dizajn motora, inženjer ne treba održavati kontinuitet između prvog stroja i preinaka… Kod evolucije prijelaz iz jedne u drugu vrstu uključuje veliki kontinuitet u smislu nebrojenih prijelaznih vrsta. Ne samo da krajnji rezultat mora biti funkcionalan, već i sve prijelazne faze. Problem evolucije u pravom smislu je postupno poboljšanje stroja dok on cijelo vrijeme radi!“

Zaključak

Biolog George Williams je izjavio da „biolozi još nisu shvatili da su suočeni s dvije neusporedive  domene:  informacijom i materijom. Te dvije domene ne mogu biti poistovjećene. Podaci nemaju masu, naboj ili duljinu izraženu u milimetrima. Isto tako materija ne sadrži bajtove. Nepostojanje zajedničkog mjeritelja čine materiju i informaciju dvjema odvojenim domenama postojanja, o kojima se mora raspravljati odvojeno, svaku kao vlastiti pojam.“.

Izneseni podaci potvrđuju više razina funkcionalnih informacija unutar genoma, činjenicu koju postupna evolucija ne može objasniti. Kod osmosmjerke u kojoj se riječi preklapaju u samo jednom slovu, vjerojatnost pronalaska dobitne mutacije za svih 8 razina je nevjerojatno mala. Za 12 razina standardni rječnik bilo kojeg jezika ne može pronaći dobitnu promjenu jer ljudski jezik nije niti namijenjen da nosi više slojeva informacija. To nam samo govori s kakvim smo kompleksnim i sažetim podacima suočeni, te Autorom koji je to osmislio. Noviji softveri na tržištu nerijetko zauzimaju i preko 10 GB prostora (dva DVD-a), dok cjelokupan projekt genoma čovjeka zapisan bitovima stane na jedan klasični CD (700 MB). Ne radi se o linearno pohranjenim informacijama već o dinamičnoj strukturiranoj trodimenzionalnoj memoriji unutar DNK. Koliko je znanja pohranjeno u taj kod, a zahtijeva godine i godine izučavanja za molekularne biologe, genetičare i ostale grane znanosti i ne nazire se kraj. Vidljiv je trend otkrivanja novih kodova, te možemo pretpostaviti koliko je još skrivenih razina informacija koje čekaju da budu otkrivene.

Inteligencija koja nam je taj zapis ostavila nije skrivena već se očitovala ljudima od samog početka stvaranja.

Reference:

  1. http://www.theguardian.com/science/video/2010/may/20/craig-venter-new-life-form
  2. http://medicalxpress.com/news/2014-09-silicon-valley-hack-aging-death.html
  3. http://www.plosbiology.org/article/info:doi/10.1371/journal.pbio.0030157
  4. http://www.sciencedaily.com/releases/2013/02/130228124047.htm
  5. http://www.ncbi.nlm.nih.gov/pubmed/2199970
  6. http://www.ncbi.nlm.nih.gov/pubmed/15321723
  7. http://www.ncbi.nlm.nih.gov/pubmed/10966772
  8. http://fold.it/portal/info/about
  9. http://www.toriah.org/articles/yockey-2002.pdf
  10. http://www.ncbi.nlm.nih.gov/pubmed/11701626
  11. http://www.ncbi.nlm.nih.gov/pubmed/8469282
  12. http://en.wikipedia.org/wiki/Error_threshold_(evolution)
  13. http://www.sccs.swarthmore.edu/users/08/bblonder/phys120/docs/szathmary.pdf
  14. http://www.sciencedirect.com/science/article/pii/S109727651300138X
  15. http://www.nature.com/nature/journal/v514/n7524/full/nature13671.htmlž
  16. http://www-tc.pbs.org/wgbh/evolution/library/05/1/pdf/l_051_06.pdf
  17. http://www.nature.com/news/convergent-evolution-seen-in-hundreds-of-genes-1.13679
  18. http://www.pnas.org/content/111/26/9567.abstract
  19. http://www.sciencedaily.com/releases/2011/10/111012131409.htm
  20. http://www.sciencedaily.com/releases/2009/10/091029125536.htm
  21. http://www.sciencedaily.com/releases/2014/10/141007091753.htm
  22. http://www.washingtonpost.com/wp-dyn/content/article/2007/06/13/AR2007061302466.html
  23. http://www.ncbi.nlm.nih.gov/pubmed/8722180
  24. http://fractogene.com/full_genome/mattick_introns_1994.pdf
  25. http://www.ncbi.nlm.nih.gov/pubmed/19918805
  26. https://www.youtube.com/watch?v=FVuAwBGw_pQ&t=0m41s
  27. http://www.cell.com/molecular-cell/abstract/S1097-2765%2813%2900590-X
  28. http://www.tbiomed.com/content/2/1/29
  29. http://en.wikipedia.org/wiki/Fisher%27s_geometric_model
  30. http://www.nytimes.com/1988/05/13/us/second-genetic-code-deciphered-solving-a-protein-synthesis-puzzle.html
  31. http://www.sciencemag.org/content/293/5532/1074
  32. http://www.nytimes.com/2006/07/25/science/25dna.html?_r=2&
  33. http://www.fasebj.org/cgi/content/meeting_abstract/22/1_MeetingAbstracts/262.2
  34. http://www.nature.com/nature/journal/v465/n7294/full/nature09000.html
  35. http://www.washington.edu/news/2013/12/12/scientists-discover-double-meaning-in-genetic-code/
  36. http://www.sciencemag.org/content/342/6164/1367.abstract
  37. http://journal.frontiersin.org/Journal/10.3389/fgene.2014.00140/full
  38. http://www.sciencedirect.com/science/article/pii/S0092824089800874
  39. http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1172043/
  40. http://www.ncbi.nlm.nih.gov/pubmed/17571346
  41. http://www.ncbi.nlm.nih.gov/pubmed/20841429
  42. http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1448740/
  43. http://www.genetics.org/content/178/3/1571.abstract
  44. http://www.worldscientific.com/doi/pdf/10.1142/9789814508728_0006
  45. http://www.nbcnews.com/id/44076477/ns/health-behavior/t/searching-smartness-more-iq-genes-found#.VIWINdzF98F
  46. http://discovermagazine.com/2006/nov/cover
  47. http://www.ncbi.nlm.nih.gov/pubmed/18474861

Vezani članci