Табл.1. Примеры полностью расшифрованных геномов различных организмов
(приведены только геномы длиной свыше 1.5 МБ)

 С математической точки зрения поставленная проблема относится к задаче распознавания. В Институте математических проблем биологии РАН (ИМПБ РАН) совместно с Институтом белка РАН, НИИ "Генетика" и Университетом Южной Калифорнии (США) был разработан комплекс программ распознавания белок-кодирующих областей у эукариот, включающих программы GREAT и CASSANDRA, ориентированные на решение основных проблем, возникающих при анализе новосеквенированных последовательностей. Имеется задел для работ по распознаванию, проверке качества распознавания и отсева из имеющихся баз данных ошибочно определенных начал генов прокариот. Это открывает возможности создания в России собственных банков данных более высокого качества, чем ныне существующие за рубежом и интегрирования в мировой процесс создания баз знаний по биологии.

В настоящее время наиболее эффективным методом определения биологической функции гена является поиск одинаковых последовательностей в базах данных нуклеотидных последовательностей ДНК. Распараллеливание вычислений и использование суперкомпьютеров для решения подобного рода задач позволит не только в сотни раз повысить скорость расшифровки первичных структур, но и сделать открытия, вытекающие из анализа гомологичных последовательностей, обычным делом.

Задачи биоинформатики, тесно связанной с программой структурного генома - сравнение аминокислотных последовательностей ("выравнивание"). Речь идет об идентификации похожих участков аминокислотных последовательностей первичной структуры белков. В этом случае также приходится работать с большими массивами данных. По сравнению со случаем расшифровки генома, сложность решаемой комбинаторной задачи состоит в том, что вместо четырехбуквенного нуклеотидного алфавита приходится иметь дело с двадцатибуквенным аминокислотным алфавитом. На Рис.4 показано выравнивание аминокислотных последовательностей инсулина из различных организмов.

Сравнение последовательностей исключительно важно для выяснения степени гомологии белков, т.е. информации, первостепенной для решения проблемы их пространственного сворачивания (фолдинга). Решение проблемы фолдинга, т.е. предсказание пространственной структуры белка по его аминокислотной последовательности, является одним из перспективных подходов к решению задач программы структурного генома. В свою очередь, знание пространственной структуры белков чрезвычайно тесно связано с их функционированием. В частности, без такого знания невозможно создание на основе современной компьютерной технологии новых типов лекарств.

Все эти задачи биоинформатики предъявляют высокие требования к быстродействию и объему памяти используемых вычислительных средств, еще более возрастающие в связи с завершением расшифровки геномов ряда организмов, каждый из которых содержит сотни миллионов нуклеотидов (Табл.1). Время и объем памяти, используемые различными алгоритмами исследования первичных структур биополимеров, как правило, растут как квадрат или куб длины исследуемой первичной структуры, а в ряде случаев, например, в задаче множественного сравнения, рост сложности вычислений с длиной последовательности еще более быстрый. Переход к более точным методам и анализу больших объемов данных требует доступа к вычислительным ресурсам, которые могут быть обеспечены только суперкомпьютерами. Так, например, для последовательности, содержащей 10⁵ пар оснований и 10⁴ структур (каждая длиной 10³ аминокислотных остатков) при квадратичной зависимости скорости вычислений от длины первичной структуры необходимо выполнить 10¹⁵ операций. Для решения таких задач требуются суперкомпьютеры производительностью в сотни терафлоп.

Читаете также: