Огарок во тьме. Моя жизнь в науке

Докинз Ричард

Я назвал вид усредняющим компьютером – но почему это именно вид, а не отдельный организм? Потому, что, по крайней мере у животных, размножающихся половым путем, каждый конкретный геном – лишь один из множества мимолетных образчиков генофонда, который просеивается и процеживается из поколения в поколение, усредняя условия и невзгоды, с которыми столкнулись и в которых выжили индивиды прошлых поколений. Генофонд вида – что-то вроде фотонегатива средних условий, в которых жили особи вида. Если представить себе естественный отбор как скульптора, что резцом обрабатывает грубый материал, добиваясь все большего совершенства, то в роли материала здесь генофонд вида. Геном каждой особи – образчик генофонда, и выживание (или гибель) особи зависит (в том числе) от набора генов, которые ей повезло (или не повезло) вытянуть из общего котла. Представление о том, что успех генов зависит от их генетических спутников, я впервые попытался продвинуть в 1976 году в книге “Эгоистичный ген” – с помощью метафоры гребных команд, которые многократно перемешивают

между собой: гребцы символизировали гены, а лодки с обновляемыми командами – организмы. У этой метафоры, как и у прочих, есть свои пределы, но она передает важную мысль: лучшие гены в долгосрочной перспективе будут выживать в генофонде, даже если множество их копий погибнет, оказавшись в одном теле с негодными “сокомандниками”. В долгосрочной перспективе, под резцом естественного отбора, улучшается именно генофонд. А отсюда недалеко и до образа “Генетической книги мертвых”. Важно понимать, что окружающая среда не отражается в генах напрямую: считать так было бы проявлением ламаркизма. Гены варьируют случайным образом, и те, что вписываются в среду, выживают и заполняют генофонд будущего.

Впервые мне это пришло в голову, когда я вел индивидуальные консультации: достаточно хорошо осведомленный зоолог в принципе должен быть способен распознать по анатомии, физиологии и ДНК вида – где и как этот вид жил, с кем враждовал, с какими погодными условиями боролся и так далее. Я преподавал основы таксономии, науку о классификации животных. Животные, которые не родственны, но ведут сходный образ жизни, часто обладают некоторыми поверхностными сходствами – здесь таится опасность не заметить сходства, которые объединяют их с истинными таксономическими родственниками. Внешне дельфины похожи на марлинов: и те, и другие стремительно плавают у поверхности моря, но намного больше общих черт у дельфинов с сухопутными млекопитающими, а у марлинов – с другими рыбами. Существуют численные методы оценки таких конкурирующих сходств, независимо от их “древности”.

Подобные методы “численной таксономии” были в моде в мои студенческие годы, когда я узнал о них от Артура Кейна; теперь они уже не столь популярны, но помогают наглядно объяснить, что я имею в виду. Измерьте все, что можете, у множества разных видов, скормите все измерения компьютеру, и велите ему вычислить расстояние между каждой парой видов. Конечно, речь идет не о расстоянии в пространстве. Речь о том, насколько они похожи друг на друга: о расстоянии в многомерном математическом “пространстве сходства”. Надеяться вы будете на то, что обнаружите: хоть дельфины и марлины благодаря похожему образу жизни находятся чуть ближе друг к другу, чем предполагалось, – но сходств (таких как обтекаемая форма) намного меньше, чем различий, проистекающих из того, что один вид – млекопитающие, а другой – рыбы, и со времен девонского периода у них было огромное количество времени, чтобы разойтись подальше. Численные подсчеты “отфильтровывают” поверхностные, немногочисленные сходства и оставляют нам фундаментальные сходства, указывающие на родственные отношения.

В рассуждениях вместе со студентами на консультациях мне пришло в голову, что эти численные методы можно перевернуть с ног на голову. Мы могли бы заниматься прямо противоположным: не отфильтровывать “поверхностные” функциональные характеристики (такие как обтекаемая форма дельфинов и марлинов), оставляя “истинные” таксономические свойства, а приложить все усилия, чтобы отфильтровать таксономические свойства, происходящие от родственных связей, и сосредоточиться на меньшинстве функциональных сходств. Как это провернуть? Представьте себе, что мы составляем набор пар животных. В каждой паре одно живет в воде, другое – на суше. Но, говоря таксономически, каждое животное ближе ко второму из пары, чем к любому другому на “своей” стороне: {выдра, барсук} {бобер, суслик} {водяной опоссум, опоссум} {водяная землеройка, землеройка} {водяная полевка, полевка} {водяная улитка, сухопутная улитка} {водяной паук, сухопутный паук} {морская игуана, сухопутная игуана}. Предположим, на всех этих животных (и множестве других похожих пар) мы проведем сотни измерений – анатомических, физиологических, биохимических, генетических, – а затем забросим их все в компьютер и сообщим компьютеру, кто в каждой паре водный, а кто сухопутный. Теперь зададим компьютеру такие вопросы (это не так просто, как кажется, но и для этого существуют технологии): “Что общего у всех водных животных по сравнению с их сухопутными парами?” Можно пойти еще более хитрым путем. Мы не будем относить животных к одной из двух категорий – водные или сухопутные, – но расположим их по градиенту “водности” и на этом градиенте будем искать количественные корреляции. Мы можем даже осмелиться задать такой вопрос: “Какие характеристики животного на какой коэффициент нужно умножить, чтобы преобразовать его из сухопутного в водное?”

Затем мы могли бы проделать то же самое для пар древесных и наземных видов: {белка, крыса} {древесная лягушка, лягушка} {древесный кенгуру, кенгуру}; затем то же самое – для видов подземных и надземных: {крот, землеройка} {медведка, сверчок} {слепыш, крыса} и так далее. В случае с водными и сухопутными животными можно ожидать, что одним из ответов будут перепончатые лапы, и это довольно очевидно. Но я бы надеялся, что компьютер обнаружит и менее очевидные ответы, скрытые в глубинах организмов

животных. Например, что-то в химическом составе крови. И, возвращаясь к “Генетической книге мертвых”, мы могли бы проделать то же упражнение с генами. Есть ли гены, связывающие одних водных животных с другими, хоть они и не близкие родственники? Обычно мы ожидаем, что генетические сопоставления сообщат нам о том, какие животные близкородственны друг другу. Морские и сухопутные игуаны, будучи близкими родственниками, наверняка окажутся очень похожими по большинству своих генов. Но я бы надеялся и на обратное: найти горстку генов, которые объединяют морских игуан с другими морскими животными и отличают их от сухопутных игуан и других сухопутных животных: может быть, например, ген, связанный с выведением из организма соли.

Об этом всем мы долгие годы размышляли, беседовали и спорили со студентами на консультациях, и в конце концов я придумал выражение “Генетическая книга мертвых” и предположил, что достаточно осведомленный зоолог, столкнувшись с неведомым животным, будет способен с помощью компьютера воссоздать образ жизни этого животного – точнее говоря, его предков. В частности, в генах, которые помогли предкам этого животного выжить, закодировано описание мира предков: хищники, климат, паразиты, социальные отношения – и все это можно расшифровать.

На консультациях, где мы со студентами набрасывали эти мысли, я помнил и своего учителя, Артура Кейна, и его изречение: “Животное таково как есть, потому что таким ему и нужно быть”. Когда-то, в студенчестве, я сидел в оксфордском пабе “Королевский дуб” (известном как “докторский паб”, потому что напротив располагалась старая больница Рэдклиффа) и в одиночестве ужинал, вынужден с досадой признать, яичницей с беконом. Так совпало, что Артур занимался тем же самым в том же пабе, так что мы сели вместе (признаю и это с досадой – так же встретились два “путешественника”-бизнесмена, основавшие христианское содружество “Гедеоновы братья”). Мы беседовали о таксономии и приспособлении, и в какой-то момент Артур пояснил свои рассуждения примером: белку можно описать как крысу, отдалившуюся на определенное расстояние от крысоподобного предка по “шкале древесности”. Этот образ запал мне в память и лег в основу главы в книге “Расплетая радугу” под названием “Генетическая книга мертвых”, а также в основу Музея всех возможных животных, основной темы двух глав книги “Восхождение на гору Невероятности” (см. ниже). Но музей был более прямо связан с моими опытами компьютерного моделирования, которые я начал, когда писал “Слепого часовщика”.

Эволюция в пикселях

Третья глава книги “Слепой часовщик”, “Накопление небольших изменений”, потребовала столько же времени и усилий, как все остальные десять глав вместе. А все из-за того, что я проводил недели и месяцы за написанием набора компьютерных программ, который назывался “Слепой часовщик”: программы путем искусственного отбора выращивали на экране “компьютерных биоморфов”. Слово “биоморф” я позаимствовал у своего друга Десмонда Морриса, чьи сюрреалистические картины изображают квазибиологические формы жизни: по его собственным, совершенно правдоподобным, словам, изображенные существа “эволюционируют” от холста к холсту. Картина Десмонда “Долина зарождения” стала обложкой книги “Эгоистичный ген”. На одной из выставок Десмонда я купил оригинал: его цена (750 фунтов) в точности совпадала с авансом, который мне выдало издательство “Оксфорд юниверсити пресс”, и на меня накатила блажь. Десяток лет спустя я рассказал Десмонду о “Слепом часовщике”, и название так увлекло его, что он тут же принялся за работу – одноименную картину. И эта картина (правда, она имеет больше отношения к названию, чем к содержанию книги) позже украсила обложки “Слепого часовщика” в изданиях как “Лонгмен”, так и “Пенгвин”.

Программу с компьютерными биоморфами я написал на “Паскале” – давно устаревшем языке программирования, который, в свою очередь, был прямым потомком еще более устаревшего “Алгола-60”, который я выучил в студенчестве. Я все время обращался к инструментарию Apple Macintosh — набору встроенных программ на машинном коде, благодаря которому “Мак” выглядит и работает так, как мы привыкли (и его так часто пытаются копировать). Полдюжины технических руководств к маковскому инструментарию стали моей библией – все более замусоленной и испещренной заметками.

Еще я все время обращался за советами и помощью к Алану Грейфену, человеку неистощимого терпения: не то чтобы он лучше меня умел программировать на “Маке”, вовсе наоборот, – но у него были неоспоримые преимущества по части IQ. Как мог бы выразиться П. Г. Вудхауз, “по той части, что у нас выше запонки воротника, Алан непревзойден”. Или, как сказала о нем Мэриан: “У него есть эта раздражающая привычка оказываться правым”. Во время моего программистского марафона Алан как-то раз весьма заботливо заметил, что сочувствует мне: я завяз в особенно сложном коде, но забрался слишком глубоко, чтобы бросить. Звучит по-конкордовски, и в каком-то смысле так и было: бросить значило бы выкинуть всю работу, которую я уже туда вложил. Но дело было не только в этом. Меня толкала вперед биологическая интуиция, практически инстинктивное чутье; осмелюсь даже слегка гордиться этим: я, как биолог, унюхал нечто, что должно сработать. Меня гнало вперед убеждение, что из моего алгоритма для генерации биоморфов должно возникнуть нечто многообещающее – если только я справлюсь и выберусь из трясины сложного кода.