Предисловие

Данная книга посвящена, пожалуй, одной из самых необычных дисциплин спектра наук о живом — биоинформатике. Что интересно, «необычайность» биоинформатики не очевидна даже из ее формального определения как науки, находящейся на стыке биологии и математики, в которой математические подходы глубинного анализа данных и машинного обучения применяются к биологическим объектам. Фактически же приведенное выше определение биоинформатики у неподготовленного читателя должно вызывать естественный вопрос: в чем же тут отличие от биологической статистики — биометрии, рутинно применяемой при любой количественной оценке тех или иных характеристик объектов и процессов, наблюдаемых в живой природе?

Ключевым отличием биоинформатики является применение концепции компьютерного эксперимента в качестве основного инструмента познания. Компьютерный (численный) эксперимент — процедура расчета выходных параметров математической модели объекта или явления на основании определенных входных параметров. Применение компьютерного эксперимента имеет серьезные плюсы в виде возможности рассчитать, численно оценить характеристики исследуемого явления, трудно или совсем недоступные, с помощью прямых экспериментов. Обратной же стороной подобного подхода является необходимость учитывать то, что даже самая точная модель является достаточно грубым приближением реальности. В отличие от методов биометрии, как правило, применяемых на завершающих стадиях «конвейера получения новых знаний» для фиксирования общих принципов на основании серий частных наблюдений, результаты применения методов биоинформатики сами требуют валидации (пускай и косвенной) с применением инструментария обычной биологии.

Двумя другими важными следствиями применения математического моделирования в биоинформатике являются абсолютная воспроизводимость результатов с одной стороны и существенная нестабильность методологии — с другой. Абсолютная воспроизводимость результатов означает, что при одних и тех же условиях (модель и параметры ее запуска) вы всегда получаете идентичный результат^[1]. В действительности же для большинства современных биоинформатичсских методов данный эффект является ограниченно достижимым из-за ряда факторов:

• • постоянного прогресса в разработке новых инструментов, что приводит к изменению, сокращению поддержки или даже утрате части старого инструментария, чаще всего представленного в виде веб-сервисов и как следствие — практически не воспроизводимого;
• • явного или неявного включения в модели практически всех современных методик, так называемой эволюционной информации, что подразумевает определенную агрегацию данных из известных банков данных последовательностей и структур, претерпевающих экспоненциальный рост объема накопленной информации последние десятилетия.

Практически это означает, что, пройдя по ссылке NCBI Blast и запустив десять раз поиск по определенной последовательности (и не меняя параметров запусков), вы получите десять идентичных результатов. Фактически данные результаты будут независимо полученными исходами десяти полноценных компьютерных экспериментов по модели «похожести» последовательностей, заложенной в алгоритм BLAST, в соответствии с выбранными параметрами и с поиском, произведенным по текущим состояниям банков данных, задействованных в запросе. Если же вы повторите те же действия через день, месяц, год, то, хотя в сериях экспериментов результаты по-прежнему будут идентичны, между сериями могут обнаружиться различия, связанные как с «улучшением» самого инструмента (BLAST), так и с появлением новых последовательностей в банках данных, по которым производится поиск. Конечно же, ввиду преемственности научного познания принципиальная картина распределения наиболее значимых совпадений не должна претерпеть существенных изменений, но практика показывает, что в реальной научной работе нередко большую научную ценность имеют истинные совпадения на пороге значимости, чем очевидные результаты. И только четкое понимание принципов работы используемого инструмента позволит продвинуться в правильном направлении в сложной ситуации.

В соответствии с выбранным авторами курсом на формирование у читателей в первую очередь адекватного понятийного аппарата реализована следующая структура учебника:

• • первая глава дает представление о том, почему вообще биоинформатика «работает», т.е. какие свойства реальных биологических объектов и процессов позволяют строить эффективные математические модели;
• • вторая глава дает ответ на вопрос, как работает биоинформатика, предлагая базовое описание основных математических подходов и абстракций, получивших наибольшее распространение;
• • в третьей главе показаны конкретные схемы реализации биоинфор- матического инструментария для решения задач всего спектра актуальных вопросов современной молекулярной биологи;
• • четвертая и пятая главы носят скорее прикладной характер, давая читателю практический выход к интернет-ресурсам биоипформатики;
• • шестую главу авторы рассматривают как факультативную. В ней затрагиваются выходящие за рамки стандартных курсов биоинформатики вопросы, которые авторам доводится слышать от студентов. Сами эти вопросы и ответы на них требуют углубленного знания математики и физики. Мы сочли целесообразным включить факультативную главу в книгу, поскольку читатели, имеющие необходимую подготовку в указанных областях, могут найти в ней ответы на интересующие их вопросы, других же студентов проблемы, освещаемые в ней, будут мотивировать к приобретению, возможно, недостающих им знаний в современной физике и математике. Такие знания позволяют заглянуть в будущее биоинформатики, связанное с переходом от классического компьютинга к квантовому, в котором спин является носителем квантовой информации, а человеческий мозг рассматривается как квантовый компьютер.

В книге содержатся контрольные вопросы и задания, способствующие лучшему усвоению материала, а также приведена обширная библиография.

В результате изучения дисциплины студент бакалавриата должен:

знать

• • основы молекулярной биологии;
• • цели и задачи, методы и подходы биоинформатики;
• • основные математические абстракции и модели, применяемые для анализа биологических систем;
• • основы квантовой физики;

уметь

• • анализировать особенности реализации методов биоинформатики;
• • грамотно интерпретировать их допущения и ограничения;
• • решать задачи поиска необходимой информации о биологических системах, последовательностях, структурах;
• • применять базовый инструментарий биоинформатики;

владеть

• • типичными подходами к решению задач глубинного анализа данных {data mining) в современной биологии;
• • основами анализа последовательностей и структур нуклеиновых кислот и белков;
• • навыками работы с биоинформатическими интернет-ресурсами и базами данных.

Авторы: Стефанов Василий, Тулуб Александр, Мавропуло-Столяренко Григорий

• [1] Даже в случае алгоритмов, подразумевающих элемент случайности в генерации результата, при достаточном количестве итераций будут формироваться «типичные» для дайноймодели и входных параметров множества результатов.