Lucie Kárná, Michal Křížek, Pavel Křížek

Transkript

1 genetika Genetický kód z pohledu matematiky Lucie Kárná, Michal Křížek, Pavel Křížek RNDr. Lucie Kárná, Ph.D. (*1969) vystudovala obor matematická analýza na Matematickofyzikální fakultě UK a v současnosti vyučuje na Dopravní fakultě ČVUT v Praze. Prof. RNDr. Michal Křížek, DrSc. (*1952) vystudoval obor numerická matematika na Matematicko fyzikální fakultě UK. Pracuje v Matematickém ústavu AV ČR. Ing. Pavel Křížek, Ph.D. (*1979) vystudoval obor kybernetika a umělá inteligence na Elektrotechnické fakultě ČVUT a nyní působí na 1. lékařské fakultě UK. Když byla r objevena struktura DNA, začaly prvotní pokusy o určení genetického kódu. Slavného fyzika ruského původu George Gamowa uchvátila myšlenka, že k vysvětlení druhové rozmanitosti a fungování genů by mohla být použita kombinatorika a teorie čísel. Jako jeden z prvních si uvědomil, že 20 druhů aminokyselin, z nichž se skládají proteiny, nemůže být kódováno dvojicemi nukleotidů, protože existuje jen 16 = 4 4 různých dvojic ze čtyřprvkové abecedy {A, C, G, T}, kde A je adenin, C cytosin, G guanin a T thymin. Proto vymýšlel, jak tento nedostatek obejít. Gamow v práci z roku 1954 navrhl tzv. překryvný degenerovaný kód, v němž se sice uvažují jen dvojice nukleotidů, ale příslušná aminokyselina je přiřazena až po přečtení prvního nukleotidu z další dvojice (např. AC GA ). Je zřejmé, že takový kód (angl. partial overlapping code) by předepisoval velice přísné podmínky na řazení jednotlivých aminokyselin. Později se ukázalo, že tudy cesta nevede. Genetický kód se pokoušel rozluštit i fyzik Francis H. C. Crick, spoluobjevitel struktury DNA. Crickovu genialitu můžeme ilustrovat na tzv. kódech bez čárky [2]. Crick správně předpokládal, že danou aminokyselinu kóduje trojice nukleotidů, kterých je ze čtyřprvkové abecedy celkem 64 (4 4 4). Dobře věděl, že tyto triplety (kodony) nejsou nikterak odděleny, tj. není jasné, kde daná trojice začíná a odkud se má vlastně začít číst genetická informace. Předpokládali, že trojice AAA, CCC, GGG a TTT nic nekódují a že na zbylých 60 trojicích je zavedeno 20 tříd ekvivalence. Trojice nukleotidů považovali za ekvivalentní, pokud cyklická permutace převáděla jednu trojici na druhou, např. AAC, ACA a CAA jsou tři ekvivalentní trojice, s nimiž už žádná jiná trojice ekvivalentní není. Tím dostali vzájemně jednoznačné zobrazení mezi 20 aminokyselinami a 20 třídami ekvivalence. Tento kód měl navíc tu výhodu, že řetězec AAC AAC AAC GAC GAC TAC by kódoval stejný protein jako řetězec AA CAA CAA CGA CGA CTA C, který vznikne cyklickou permutací každého tripletu a přitom je pořadí nukleotidů v obou řetězcích stejné. V tomto konkrétním (umělém) případě by tedy nezáleželo na tom, od kterého nukleotidu z dané trojice se čte genetická informace (proto kód bez čárky). V roce 1961 však M. W. Nirenberg a J. H. Matthaei [4] objevili, že triplet TTT kóduje aminokyselinu fenylalanin. Protože triplet TTT byl v Crickově kódu bez čárky vyloučen, ukázal se tento kód také nesprávný. O pět let později pak Marshall Nirenberg stanovil definitivní podobu genetického kódu (tab. I), za niž dostal Nobelovu cenu. Teorie kódování Teorie kódování je matematická disciplína, která se zabývá kódováním a dekódováním zpráv a vlastnostmi kódů samotných. Přitom se kódem rozumí jen množina kódových slov, což jsou 1

2 sekvence znaků splňující určitá pravidla. Sémantice, tj. významu kódových slov, se teorie kódování nevěnuje. Praktické využití nalézá teorie kódování především v informatice (včetně bioinformatiky), v oblasti telekomunikací, zpracování signálů a v zabezpečovací technice. Přitom řeší hlavně dva (zpravidla protichůdné) problémy: jak přenést co největší množství informace s danými omezenými prostředky a jak informaci co nejlépe ochránit před zkreslením. Definice kódu Při kódování používáme dvě množiny znaků: množina A zdrojová abeceda slouží k zápisu původní (nezakódované) zprávy. Její prvky nazýváme zdrojové znaky. Množina B, pomocí které zapisujeme zakódovanou zprávu, se nazývá kódová abeceda a její prvky jsou kódové znaky. Pokud budeme jako příklad kódu zkoumat Morseovu abecedu, bude její zdrojovou abecedou množina všech písmen latinské abecedy, číslic a několika interpunkčních znamének, která mají v morseovce svůj ekvivalent. Kódovou abecedou morseovky je množina skládající se z tečky, čárky a mezery (nebo z krátkého tónu, dlouhého tónu a pomlky). Poznamenejme ještě, že teorie kódování chápe abecedu jen jako množinu, to znamená, že v abecedě není určeno pořadí písmen. Jako slovo v abecedě A, resp. B označujeme libovolnou konečnou a neprázdnou posloupnost prvků z A, resp. z B. Proces zvaný kódování přiřadí každému znaku zdrojové abecedy jedno slovo kódové abecedy. Tato slova nazveme kódovými slovy a množina všech kódových slov se nazývá kód. Ostatní slova v kódové abecedě B jsou nekódová. Například při kódování pomocí Morseovy abecedy znaku A přiřadíme slovo., znaku B přiřadíme slovo... a tak dále. Množina všech těchto kódových slov by se měla nazývat Morseův kód; nekódové slovo je například posloupnost...., která je příliš dlouhá. Kód můžeme zkoumat i bez znalosti kódování, pomocí kterého vznikl, jen jako množinu slov v kódové abecedě. Posloupnosti gtyfur nebo koloběžka jsou slova v české abecedě. Zatímco první z nich k ničemu nepotřebujeme (protože v češtině nemá žádný význam, což je ovšem z pohledu teorie kódování nepodstatné), druhou můžeme běžně použít. Definujeme li kód zvaný slova českého jazyka jako množinu všech slov, které můžeme v českém textu použít, je koloběžka kódové slovo a gtyfur slovo nekódové. Obecně tedy na vlastnosti kódu neklademe žádné požadavky. Speciální postavení mezi nimi mají blokové kódy, jejichž všechna slova mají stejnou délku. Příkladem je ASCII kód pro kódování znaků v počítači nebo, jak uvidíme později, genetický kód. Naproti tomu slova Morseovy abecedy (sekvence.,... atd.) mají různou délku a jedná se tedy o kód, který není blokový. U některých blokových kódů je možné kódové slovo rozdělit na dvě části: informační část složenou z informačních znaků a kontrolní část tvořenou kontrolními znaky. Při nejpřehlednějším tzv. systematickém kódování se za slovo, které chceme zakódovat a které bude tvořit informační část kódového slova, přidá určitý počet kontrolních znaků. Například za slovo mayday, které chceme vyslat (a které obsahuje informaci o tom, jak se máme), přidáme totéž slovo ještě dvakrát a dostaneme kódové slovo maydaymaydaymayday, jehož prvních šest znaků je informačních a posledních dvanáct znaků je kontrolních, sloužících příjemci k ověření neporušenosti zprávy, popřípadě i k jejímu opravení. Častěji se setkáme s 2

3 lépe ukrytými kontrolními znaky například v rodném čísle (jeho poslední, desátá číslice je kontrolní a je zvolená tak, aby celé rodné číslo bylo dělitelné jedenácti), VIN automobilu (v 18 z jeho 19 znaků je zakódován výrobce, typ vozu, rok výroby a podobně, zatímco devátá číslice je kontrolní), čísle platební karty, ISBN, EAN a mnoha jiných číselných kódech, které nás obklopují. Blokový kód, který má délku slova n a ve kterém je k informačních a n k kontrolních znaků, označujeme jako (n,k) kód. Podíl k/n se nazývá informační poměr kódu a udává nám, jaký je poměr skutečně užitečné informace v kódované zprávě. Genetický kód v mrna Podíváme li se na genetický kód v mrna sloužící k syntéze proteinů (k translaci) očima teorie kódování, vidíme, že se jedná o blokový kód s délkou slova 3 a s kódovou abecedou {A, C, G, U}. Jeho kódová slova jsou trojice nukleotidů (triplety, kodony). Protože každý kodon (kromě terminačních kodonů UAA, UAG a UGA) kóduje jednu aminokyselinu, můžeme množinu všech aminokyselin {Ala, Arg, Asn, Asp, Cys, Gln, Glu, Gly, His, Ile, Leu, Lys, Met, Phe, Pro, Ser, Val, Thr, Trp, Tyr} považovat za zdrojovou abecedu tohoto kódu. V tripletu nejsou žádné kontrolní znaky; všechny tři nukleotidy mají funkci informačních znaků. Genetický kód v mrna je tedy kvaternární (tj. mající čtyřprvkovou abecedu) blokový (3,3) kód. Jeho informační poměr je 3/3 = 1, takže místem rozhodně neplýtvá. Druhá stránka věci, jak uvidíme za okamžik, je jeho nulová odolnost vůči chybám. Detekce chyb podle teorie kódování Při přenosu zakódované informace v prostoru (vysílání a přijímání zprávy) nebo v čase (uložení informace na paměťové médium a její čtení po delší době) může být zpráva různými vnějšími vlivy narušena. To se na úrovni jednotlivých znaků projeví buď tak, že jeden či více znaků zprávy chybí, nebo jsou naopak přidány nové znaky, nebo je počet znaků zachován, ale dojde k záměně některého (některých) z nich za jiný. První typ poruchy, při kterém dochází ke změně počtu znaků (skluz synchronizace), necháme prozatím stranou a budeme se zabývat pouze chybami v blokovém kódu, při kterých je počet znaků zachován. Jako detekční kód označujeme takový kód, který objevuje chyby při přenosu. Toho dociluje poměrně jednoduchým způsobem: Je li vysláno kódové slovo u a přijato nějaké slovo v z množiny B n, mohou nastat dvě možnosti: buď je přijaté slovo v nekódové a pak je zřejmé, že toto slovo určitě nebylo vysláno a došlo k chybě (která je tímto objevena), anebo je přijaté slovo v kódové. To ovšem může odpovídat dvěma různým scénářům: buďto je to právě to slovo, které bylo vysláno (to znamená, že přenos proběhl bez chyby), anebo bylo vysláno nějaké jiné kódové slovo, než bylo nakonec přijato (v u). Protože přijímač nemá žádnou možnost rozeznat, který z těchto dvou scénářů nastal, je poslední eventualita (v u) nepříznivá došlo k chybě, kterou kód neobjevil. Základním parametrem, ovlivňujícím schopnost kódu odhalovat chyby, je jeho minimální vzdálenost. Definujeme li Hammingovu vzdálenost dvou slov u a v stejné délky jako počet znaků, ve kterých se slova u a v od sebe liší, pak minimální vzdálenost kódu je nejmenší Hammingova vzdálenost všech dvojic různých kódových slov. Kód s minimální vzdáleností d objevuje všechny t násobné chyby (tj. nejvýše t chybných znaků ve slově) pro všechna t < d, ale neobjeví všechny d násobné chyby. Přitom však takový kód může objevit i některé další chyby. Jaké další chyby kód objeví, záleží na jeho konkrétní stavbě. Je li Hammingova vzdálenost kódu dostatečně velká, může kód některé chyby i opravovat. 3

4 Samozřejmě nesmíme schopnost kódu objevovat chyby, popřípadě je i opravovat, chápat doslovně. Pojem kód objevuje chyby daného typu je přesněji definován výrokem jestliže je vysláno libovolné kódové slovo a při přenosu nastane chyba daného typu, pak je přijaté slovo nekódové. To vlastně znamená, že je možná existence mechanismu, který pouze na základě přijatého slova určí, zda nastala či nenastala daná chyba. Obdobně to platí i pro schopnost kódu chyby opravovat. a v mrna Protože existuje 4 3 = 64 různých kodonů a jen 20 aminokyselin, zdálo by se, že je zde určitá příležitost k vytvoření detekčního kódu. Ve skutečnosti ale všechny kodony (až na tři) kódují aminokyseliny, takže většina aminokyselin je kódována více než jedním kodonem, tj. genetický kód je degenerovaný. Přitom je počet kodonů, které kódují danou aminokyselinu, rozdělen značně nerovnoměrně zatímco některé aminokyseliny (arginin, leucin a serin) jsou kódovány až šesti různými kodony a většina dalších aminokyselin dvěma nebo čtyřmi kodony, aminokyseliny metionin a tryptofan jsou kódovány každá jediným kodonem AUG a UGG (tab. I). Zbylé tři terminační kodony sice nekódují žádnou aminokyselinu, určují ale konec syntézy proteinového řetězce, proto je nelze považovat za nekódová slova. Pro chyby v genetickém kódu používá genetika vlastní terminologii. Chyba v genetickém kódu se nazývá mutace, jednoduchá chyba (kdy je chybně umístěná právě jedna báze) je bodová mutace. Přidání jedné či více bází je inzerce, pokud naopak báze chybí, jde o deleci. Inzerce a delece odpovídají skluzu synchronizace. Jak je vidět z tab. I, samotný genetický kód pro translaci (na mrna) nemá žádnou schopnost detekce chyb. To matematika nepřekvapí, protože jeho minimální vzdálenost je pouze 1 (kód totiž obsahuje dvojice kodonů, které se liší jen v jediné bázi a přitom kódují stejnou aminokyselinu). Z pohledu teorie kódování tedy genetický kód rozhodně není kódem detekčním. Degenerace genetického kódu však přece jen přináší trochu odolnosti vůči chybám. Dva nebo čtyři kodony pro určitou aminokyselinu se typicky liší jen na třetí pozici a záměna v ní tedy sice změní kód, ale nevede ke změně aminokyseliny. Například kodon GGU (kódující aminokyselinu glycin) toleruje jakoukoliv bodovou mutaci na třetí pozici, protože kodony GGC, GGA a GGG také kódují glycin. (Arginin a leucin navíc tolerují i některé změny prvního nukleotidu.) Takovým mutacím se říká tiché mutace. Genetický kód na dvouvláknové DNA Genetický kód v dvouvláknové DNA slouží k dlouhodobému (přes generace) uchování genetické informace. Abychom ho odlišili od genetického kódu v mrna, který je používán pro translaci, budeme jej nazývat DNA genetický kód. Každý nukleotid se páruje se svým protějškem (komplementární bází) na protějším vláknu. Triplety na dvouvláknové DNA proto můžeme ztotožnit s vektory o 6 nukleotidech. DNA genetický kód je pak kvaternární blokový (6,3) kód s kódovou abecedou {A, C, G, T}. Jeho kódové slovo má tři informační znaky na kódujícím vlákně a tři kontrolní znaky na vlákně protějším. Informační poměr DNA genetického kódu je tedy 3/(3+3) = 1/2. Protože dvě různá kódová slova DNA genetického kódu se liší nejméně dvěma znaky (dvojicí protějších nukleotidů) a existuje dvojice kódových slov, která se liší právě dvěma znaky, je minimální vzdálenost DNA genetického kódu rovna 2. Odtud rovnou plyne, že DNA genetický kód detekuje všechny jednoduché chyby (to znamená mutace v jednom nukleotidu). Ve skutečnosti je ale schopný odhalit mnohem větší množinu chyb, například všechny dvojnásobné a trojnásobné chyby, které mají všechny chybné znaky na stejném 4

5 vlákně nebo všechny chyby, kde alespoň jeden pár na protějších pozicích netvoří komplementární báze. Samoopravné schopnosti DNA genetického kódu Samotná teorie kódování neslibuje žádné samoopravné schopnosti DNA genetického kódu. Na to, aby byl schopen opravit alespoň jednoduché chyby, by jeho minimální vzdálenost musela být nejméně 3. Příroda si však dokázala poradit jinak. Transkripce a replikace jsou velmi přesné mechanismy. Při transkripci se objeví přibližně jen jedna chyba za 10 4 bází. Chybovost translace není příliš podstatná, protože jedna vadná molekula proteinu obvykle nemůže napáchat velkou škodu. Největší dopad na správnou funkci buňky a jejích potomků může mít chyba při replikaci. Proto je její přesnost mnohem vyšší, než u transkripce. Již do samotného procesu replikace jsou zabudovány kontrolní a opravné mechanismy. Pokaždé, když je do nově vznikajícího vlákna DNA přidáván nový nukleotid, kontroluje se správnost spárování nukleotidu předcházejícího. Pokud není párování v pořádku, vhodné enzymy chybný nukleotid ihned odstraní a nahradí jej správným. Díky tomuto kontrolnímu čtení (proofreading) je chybovost replikace (pravděpodobnost jednoduché chyby) řádově Bezprostředně po ukončení replikace části řetězce probíhá další kontrola správného párování bází (mismatch repair). Přitom dokáže enzymatický aparát rozeznat původní řetězec DNA od nově syntetizovaného vlákna a chybně spárovaný nukleotid na novém vlákně nahradit správným. V důsledku těchto oprav je výsledná chybovost replikace pouhých Tak malá chybovost je nesmírně důležitá, vždyť řada zákeřných nemocí (např. srpková anémie) vzniká změnou jen jediného písmene genetické abecedy. Mnohem častěji než k chybě při replikaci dojde k poškození nukleotidu vnějšími vlivy, jako je například ionizující záření nebo různé silně reaktivní chemické látky. Místo jedné ze čtyř základních bází se pak v DNA mohou vyskytnout jejich různé modifikace. Kódová abeceda je tedy vlastně {A, C, G, T, Q 1, Q 2, Q 3, }, kde Q i jsou tyto modifikované báze. Například guanin může být změněn na 6 O metylguanin, který se páruje s thyminem místo s cytosinem. Protože jsou to evidentně chybné znaky, detekuje genetický kód všechny chyby, kde je alespoň jedno Q i. DNA genetický kód má navíc i schopnost opravit všechny chyby, kde se nevyskytují dvě Q i proti sobě. Mechanismy oprav DNA Kromě oprav, které probíhají již v průběhu replikace, má buňka k dispozici řadu dalších postupů opravy poškozené DNA. Nejjednodušší možností opravy je přímé nahrazení některých změněných nukleotidů správnými. Opravný mechanismus k tomu nepotřebuje žádný vzor, protože určitá modifikovaná báze Q i mohla vzniknout pouze z konkrétní báze správné. Druhým přístupem je oprava poškozeného úseku dvouvláknové DNA pomocí nepoškozeného druhého vlákna. Enzymatický aparát buňky najde vadný nukleotid (jeden ze znaků Q i ), vystřihne ho i s několika sousedícími nukleotidy, odbourá je a chybějící úsek nahradí záplatou syntetizovanou podle nepoškozeného vlákna. Podobný, ale poněkud složitější je mechanismus rekombinantní reparace, při které proběhne oprava podle sesterské molekuly DNA. (Každá nepohlavní buňka totiž obsahuje dvě kopie každé molekuly DNA od každého rodiče jednu.) Bakterie mají jako poslední záchranu ještě jeden mechanismus, takzvanou SOS syntézu. Při ní se silně poškozený úsek DNA (ve kterém mohou být porušena i obě vlákna DNA) 5

6 přemostí víceméně náhodně zvolenými nukleotidy. Tento proces je pochopitelně značně nepřesný a genetická informace z takto opraveného úseku je pravděpodobně ztracena. Jeho přínos je v tom, že obnoví integritu DNA, která se pak může dále replikovat. S trochou štěstí ztracený úsek nekódoval nic opravdu důležitého, případně jej může bakterie získat od některé sousedky. Tuto schopnost vyměňovat si DNA s jinými jedinci mají pouze bakterie. Proč má DNA tři terminační triplety a jen jeden iniciační? Začněme malým příkladem. Uvažujme sekvenci bází AGCGUUACCAU a položme si otázku, jakému polypeptidu odpovídá? Podle tab. 1 to může být: + serin + valin + treonin + (AU) nebo (A) + alanin + leucin + prolin + (U) nebo (AG) + arginin + tyrosin + histidin +, což jsou zcela odlišné trojice aminokyselin. Který řetězec se má tedy syntetizovat? Genetický kód DNA má jediný iniciační triplet ATG, který určuje počátek syntézy a zároveň kóduje aminokyselinu metionin. Na jednořetězcové molekule RNA tento triplet odpovídá AUG, protože thymin je nahrazen uracilem. Každý proteinový řetězec tak nejprve začíná aminokyselinou metioninem (která pak obvykle bývá z proteinu odstraněna specifickou proteázou), neboť je kódován iniciačním tripletem AUG. Po něm na řetězci RNA následuje poměrně dlouhá sekvence, definující samotný protein, která má v typickém případě tisíce kodonů a neobsahuje (kromě svého konce) žádný terminační kodon UAA, UAG či UGA. Protože jednotlivé triplety nejsou na vlákně DNA nijak odděleny, může se RNApolymeráza nesprávně napojit na trojici posunutou o jeden nukleotid vpravo či vlevo, např. na tučně označenou trojici GAT GAA, což by vedlo k nesprávné syntéze RNA. K nesprávné syntéze dochází i při skluzu synchronizace. Z tohoto pohledu se ukazuje jako obzvláště výhodné, že existují hned tři terminační (zastavovací) triplety. Nesprávně syntetizovanou RNA pak brzy ukončí právě jeden ze tří terminačních tripletů posunutý o jeden nukleotid (obr. 2). To, že existuje jen jeden iniciační kodon ATG, má také jistou evoluční výhodu, protože se minimalizuje počet míst, odkud se čte informace, i když třeba chybně. Povšimněme si dále, že cyklickou permutací iniciačního tripletu ATG dostaneme terminační triplet TGA. Je to jen náhoda? Domníváme se, že není, protože to opět má jistou výhodu. Předpokládejme, že začneme číst od tučně vyznačeného posunutého iniciačního tripletu xxa TGA Za terminačními triplety (v tomto případě TGA) je většinou spíše náhodná sekvence nukleotidů než nějaký gen. V ní brzy dospějeme k nějakému terminačnímu tripletu, i když budeme číst posunuti o jeden nukleotid. U eukaryontní DNA příroda vyvinula ještě další mechanismus, který rozpozná správný iniciační kodon ATG. Přibližně 25 bází před ním je kratší sekvence DNA tvořená převážně bázemi T a A (tzv. promotor TATA box). V tomto místě začne enzym RNA polymeráza postupně dvojšroubovici DNA rozevírat a hledat kodon ATG směrem ke konci 3'. Proč překřížení (crossing over) chromozomů nerespektuje hranice jednotlivých genů? Přibližně 95 % informace, která je obsažena v DNA, se kódování neúčastní, i když v dávných dobách nějaký význam mohla mít. K překřížení chromozomů tak většinou dochází mimo geny. V DNA existují úseky obsahující až párů bází, které se do RNA vůbec nepřepisují. Pokud přesto dojde k překřížení uvnitř nějakého genu (navíc bez ohledu na 6

7 triplety), jedná se vlastně o mutaci, která ale může ve zcela výjimečných případech vést i k vylepšení nějaké vlastnosti. Jaká je pravděpodobnost vzniku života? Přestože ve vesmíru je velké množství organických látek (např. v mezihvězdném prostoru byla detekována charakteristická spektra aminokyseliny glycinu) a v meteoritech dopadajících na Zemi byly objeveny další složité molekuly včetně nukleotidů, je pravděpodobnost vzniku nějaké samoreplikující molekuly velice malá. Přinutit totiž nějakou organickou molekulu, aby vytvářela své kopie, není vůbec snadné. Nejmenší známé viry (i počítačové) nesou zhruba 1000 bitů informace. Jsou známy příklady ukazující, že když se z virového genomu vyštípne gen G anebo G', může virus zůstat funkční. Když se ale odstraní oba geny G i G', virus nemá možnost se replikovat. Existuje tedy zřejmě jisté minimální množství bitů, které ještě umožňuje samoreplikaci. Taková posloupnost ale jistě není náhodná a nalézt ji vyžaduje projít okolo možností. Tuto závažnou skutečnost ale mnohé optimistické předpovědi (např. Fermiho paradox 1 ) vůbec neberou v úvahu. Rovněž ve známé Drakeově rovnici pro výpočet počtu civilizací v naší Galaxii, s nimiž by bylo možno komunikovat, se uvažuje, že pravděpodobnost vzniku života za příznivých podmínek je téměř 1. Žádná úplně sama se replikující molekula zatím nebyla objevena (což je možná dobře). Příroda na Zemi ale okolo jedné miliardy let experimentovala s enormním množstvím organických molekul v obrovské biochemické laboratoři, pokrývající celý zemský povrch (zhruba půl miliardy km 2 ) a zahrnující nesmírně rozmanitá prostředí. A tak patrně z původní prebiotické polévky vznikl na jediném místě na Zemi život, pokud nebyl zanesen odjinud. popisky 1. Schematické znázornění struktury dvojšroubovice DNA: velké černé puntíky označují atomy uhlíku, malé puntíky atomy vodíku, plnou čarou jsou znázorněny pevné chemické kovalentní vazby a přerušovanou čarou vodíkové můstky. Na obou okrajích je pevná kostra z cukerných fosfátů, která chrání genetickou informaci před poškozením. Směr čtení 5' 3' je lokálně jednoznačně určen nesymetrickou mikrostrukturou každého vlákna. 2 Jeden konec vlákna dvojšroubovice DNA se označuje 5' a druhý konec 3' podle očíslování uhlíkových atomů cukru deoxyribózy (viz obr.). Komplementární vlákno je orientováno obráceně, takže jeho 5' konec leží u 3' konce prvního vlákna. 2. Uvažujme následující gen kódující jeden z proteinových řetězců tvořících hemoglobin. Pro přehlednost oddělujeme jednotlivé triplety mezerou, která na skutečném vlákně DNA samozřejmě není. Malými písmeny jsou označeny další triplety, které už do tohoto genu nepatří. Vidíme, že počáteční triplet ATG odpovídá metioninu. Probíhá li čtení genu normálně, zastaví se u terminačního tripletu TAA. Všimněte si, že posunutá iniciační trojice s mezerou A TG se v tomto řetězci vůbec nevyskytuje, zatímco trojice s mezerou AT G (vyznačená tučně) se v něm vyskytuje pětkrát. Pokud se začne nesprávně číst genetická informace od posunutého iniciačního tripletu AT G, pak syntézu brzy ukončí některý ze tří posunutých terminačních tripletů TA A, TA G nebo TG A (jsou podtrženy). Mohou tak vznikat jen krátké nefunkční řetězce RNA, které se během několika minut samovolně rozpadají [1, s. 223] a k ribozomům, které podle mrna vyrábějí proteiny, se ani nedostanou. Tím buňka šetří energii. ATG GTG CAC CTG ACT CCT GTG GAG AAG TCT GCC GTT 7

8 ACT GCC CTG TGG GGC AAG GTG AAC GTG GAT GAA GTT GGT GGT GAG GCC CTG GGC AGG CTG CTG GTG GTC TAC CCT TGG ACC CAG AGG TTC TTT GAG TCC TTT GGG GAT CTG TCC ACT CCT GAT GCA GTT ATG GGC AAC CCT AAG GTG AAG GCT CAT GGC AAG AAA GTG CTC GGT GCC TTT AGT GAT GGC CTG GCT CAC CTG GAC AAC CTC AAG GGC ACC TTT GCC ACA CTG AGT GAG CTG CAC TGT GAC AAG CTG CAC GTG GAT CCT GAG AAC TTC AGG CTC CTG GGC AAC GTG CTG GTC TGT GTG CTG GCC CAT CAC TTT GGC AAA GAA TTC ACC CCA CCA GTG CAG GCT GCC TAT CAG AAA GTG GTG GCT GGT GTG GCT AAT GCC CTG GCC CAC AAG TAT CAC TAA gct cgc ttt ctt gct gtc caa ttt cta tta agg Tab. I. Genetický kód. poděkování Článek byl podpořen výzkumným záměrem MSM a grantem IAA GA AV ČR. literatura [1] Alberts B. a kol.: Základy buněčné biologie, Espero Publishing, Ústí nad Labem [2] Crick F. H. C., Griffith J. S., Orgel L. E.: Codes without commas, Proc. Natl. Acad. Sci. USA 43, , [3] Gamow G.: Possible relation between deoxyribonucleic acid and the protein structures, Nature 173, 318, [4] Nirenberg M. W., Matthaei J. H.: The dependance of cell free protein synthesis in E. coli upon naturally occurring or synthetic polyribonucleotides, Proc. Natl. Acad. Sci. USA 47, , [5] Watson J. D., Crick F. H. C.: Genetic implications of the structure of deoxyribonucleic acid, Nature 171, , poznámky 1) Naše Galaxie obsahuje více než 100 miliard hvězd. A ačkoliv je stará přes 10 miliard let, nikde nenacházíme žádné stopy po mimozemských civilizacích. Již v roce 1950 se Enrico Fermi na schůzce s dalšími fyziky v Los Alamos ptal: Kde sakra všichni jsou? Této památné větě se dnes říká Fermiho paradox. 8