惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

N
News and Events Feed by Topic
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
月光博客
月光博客
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
大猫的无限游戏
大猫的无限游戏
T
Tailwind CSS Blog
S
SegmentFault 最新的问题
V
V2EX
阮一峰的网络日志
阮一峰的网络日志
C
Cisco Blogs
博客园 - 叶小钗
P
Privacy International News Feed
Jina AI
Jina AI
Apple Machine Learning Research
Apple Machine Learning Research
T
Threatpost
IT之家
IT之家
博客园 - 聂微东
Know Your Adversary
Know Your Adversary
Help Net Security
Help Net Security
罗磊的独立博客
I
Intezer
S
Schneier on Security
博客园_首页
C
CERT Recently Published Vulnerability Notes
雷峰网
雷峰网
Cisco Talos Blog
Cisco Talos Blog
宝玉的分享
宝玉的分享
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
Webroot Blog
Webroot Blog
TaoSecurity Blog
TaoSecurity Blog
MyScale Blog
MyScale Blog
P
Privacy & Cybersecurity Law Blog
T
The Exploit Database - CXSecurity.com
PCI Perspectives
PCI Perspectives
Security Latest
Security Latest
H
Heimdal Security Blog
S
Secure Thoughts
Hacker News: Ask HN
Hacker News: Ask HN
Y
Y Combinator Blog
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Microsoft Security Blog
Microsoft Security Blog
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
SecWiki News
SecWiki News
The GitHub Blog
The GitHub Blog
A
Arctic Wolf
A
About on SuperTechFans
aimingoo的专栏
aimingoo的专栏
T
Threat Research - Cisco Blogs
Engineering at Meta
Engineering at Meta
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Биологи переписали генетический код живой клетки. Что из этого получилось?
BiktorSergee · 2026-05-11 · via Все публикации подряд на Хабре

Биологи переписали генетический код живой клетки. Что из этого получилось?

Время на прочтение5 мин

Охват и читатели757

Рибосома считывает матричную РНК и собирает из аминокислот белковую цепочку. Источник

Рибосома считывает матричную РНК и собирает из аминокислот белковую цепочку. Источник

Генетический код выглядит как нечто незыблемое, одинаковое для всех форм жизни на земле. От бактерий до человека — везде 20 стандартных аминокислот складываются в белки по одним и тем же правилам. Но если копнуть глубже, сразу возникает вопрос: а вдруг этот набор можно ужать и клетки при этом не развалятся? Эта идея появилась уже давно.

Группа ученых из Колумбийского университета и Гарварда решила пойти дальше разговоров и реально попробовать сократить набор до девятнадцати аминокислот. Авторы эксперимента сосредоточились на ключевых механизмах синтеза белков и проверили, выдержит ли система такую перестройку. Что ж, давайте посмотрим, все ли получилось. 


Зачем это вообще нужно? 

Да, для чего пытаться сократить набор аминокислот в живой клетке? Одна из главных причин связана с происхождением самой жизни. Многие специалисты считают, что ранние организмы могли обходиться более простым генетическим кодом, а новые аминокислоты добавлялись постепенно, по мере усложнения биохимии и появления других задач. Такое расширение набора давало преимущество в адаптации и устойчивости. Современные эксперименты позволяют уже не ограничиваться теоретическими рассуждениями, а проверить все это на практике. 

Чисто с практической точки зрения интерес связан с синтетической биологией. Если клетка сможет работать с меньшим набором аминокислот, исследователи получат больше свободы при проектировании белков и генетических систем. Такие конструкции будет проще контролировать, проще предсказывать их поведение. Но сначала нужно понять, насколько жизнеспособна сама идея такого упрощения.

Наконец, еще один интересный вопрос связан с самим устройством генетического кода. В нем есть избыточность, поэтому у ученых давно появилась мысль, что некоторые его элементы могут быть не настолько незаменимыми, как считалось раньше. Но проверить это можно только на практике: постепенно менять отдельные части системы и смотреть, как на это реагирует клетка. Такие эксперименты помогают понять, без чего организм действительно не может обойтись, а какие функции он способен компенсировать другими механизмами. 

Ученые начали с осторожного шага: выбрали одну аминокислоту и попытались постепенно убрать ее из ключевых элементов клеточного аппарата. 

Как выбирали «кирпичик» для исключения

Среди 20 стандартных элементов белков внимание исследователей привлек изолейцин. Он относится к гидрофобным аминокислотам и часто находится во внутренних участках белков, где помогает удерживать их структуру. При этом анализ геномов показал, что в ходе эволюции изолейцин нередко заменялся на похожие по свойствам лейцин или валин без серьезных последствий для работы белков. Поэтому ученые решили начать именно с него: если какая-то аминокислота и подходит для такого эксперимента, логично выбирать ту, которую природа уже умеет относительно безболезненно заменять. 

Проблема была в том, что изолейцин встречается и в критически важных частях белков, где замена работала уже далеко не всегда. В некоторых случаях белок терял форму или переставал нормально выполнять свою задачу. Поэтому исследователям пришлось заранее разбирать, в каких местах подобные подстановки обычно происходят в природе, а какие позиции лучше не трогать.

Источник

Источник

Это помогло выстроить более аккуратную стратегию. Чаще всего замены удачно работали во внутренних гидрофобных участках белков, где соседние аминокислоты могли частично компенсировать потерю изолейцина. 

Подготовка к изменениям: тесты на отдельных генах

Ученые начали с малого, прежде чем браться за крупные переделки. Они взяли 50 генов, которые кодируют белки рибосомы, и попробовали заменить в них изолейцин на валин. В 18 случаях все прошло без заметных последствий, клетки продолжали жить как ни в чем не бывало. В 19 других рост замедлился, а 13 вариантов оказались летальными. Эти результаты сразу показали, где именно находятся самые чувствительные участки системы.

Для самых проблемных генов ученые подключили инструменты искусственного интеллекта. Модели глубокого обучения предлагали новые варианты последовательностей, иногда довольно необычные — например, заменяли нейтральные гидрофобные аминокислоты на заряженные. После этого каждую версию проверяли с помощью моделирования структуры, чтобы понять, сохранит ли белок нормальную форму. Такой подбор шел в несколько этапов, и в итоге ученым удалось восстановить работу 25 из 32 самых сложных белков. При этом многое зависело от конкретного окружения: одна и та же замена в разных участках белка могла давать совершенно разный эффект. 

В оставшихся случаях исследователям пришлось разбирать все вручную. Они анализировали трехмерную структуру белков и меняли не только сам изолейцин, но и соседние аминокислоты, чтобы сохранить форму молекулы и ее внутренние взаимодействия. Такой подход сработал в 4 из 5 оставшихся белков. Постепенно у ученых начала складываться более полная картина того, какие изменения система еще способна выдержать. При этом некоторые варианты, предложенные искусственным интеллектом, сначала выглядели довольно странно с точки зрения привычной биохимии, но после проверки все же оказывались рабочими. 

Попытка изменить главный механизм сборки белков 

Главные моменты исследователи решили проверить на малой субъединице рибосомы — части клеточного аппарата, которая считывает генетическую информацию и участвует в сборке белков. Она состоит из 21 элемента, а их гены расположены компактно в одном участке генома длиной около 10 тысяч пар оснований. Ученые решили заменить его целиком, чтобы не сталкиваться с постепенным накоплением несовместимых изменений. Сначала они модифицировали 10 генов — клетки выжили. Затем добавили еще 7, после чего рост стал заметно медленнее.

Проблемы начались на 18-м гене. Клетки перестали выживать, и исследователям пришлось искать конкретную причину сбоя. Оказалось, критическую роль играет ген rplW. Для него протестировали 16 разных комбинаций замен в 4 позициях изолейцина. Только один вариант позволил рибосоме снова нормально собираться и работать.

После всех изменений клетки с модифицированной рибосомой все еще оставались жизнеспособными и продолжали делиться, хотя росли примерно на 40% медленнее обычных. При этом изменения затронули только белки малой субъединицы рибосомы — остальные белки клетки по-прежнему содержали полный набор из 20 аминокислот. Благодаря этому исследователи смогли отдельно проследить, как отсутствие изолейцина влияет именно на работу рибосомы. 

Эти клетки удалось поддерживать примерно 400 поколений. За это время в них накопилось 20–30 дополнительных мутаций, но ни одна не вернула изолейцин в измененные рибосомные белки. Это показало, что система смогла стабилизироваться в новом состоянии. Серьезных нарушений обмена веществ исследователи не обнаружили, хотя небольшие ошибки при сборке белков все же встречались.

Рост клеток оставался замедленным. Скорее всего, обновленная рибосома работала менее точно или менее стабильно, чем исходная версия. При этом исследование выявило важную особенность: если модифицировать только ген rplW без остальных перестроек, клетки погибали почти сразу. Это хорошо показало, насколько сильно разные части рибосомы зависят друг от друга и как важен общий баланс всей системы. 

Для исследователей это важный результат сразу в нескольких направлениях. 

С одной стороны, он помогает лучше понять, какими могли быть ранние этапы эволюции, когда первые формы жизни, вероятно, использовали более простой набор молекулярных компонентов. С другой — открывает новые возможности для синтетической биологии, где ученые пытаются проектировать белки и клеточные системы с заранее заданными свойствами. Большую роль в этой работе сыграл искусственный интеллект, который находил нестандартные, но жизнеспособные варианты перестройки белков. Современные технологии и помогли понять, что пределы гибкости живых систем могут быть намного шире, чем предполагалось всего несколько лет назад.