Если вы когда-нибудь окажетесь в безлунную и безоблачную ночь вдали от огней большого города, раздобудьте одеяло, расстелите его на земле и, улегшись, посмотрите вверх, на звезды. Это одно из самых чудесных зрелищ, какие только можно себе вообразить. Особенно поражает оно тех, кто всю жизнь проводит в мегаполисе. Кажется, что серебристых блесток на черном бархате небес так много, что их и не сосчитать.

Но если у вас под рукой телескоп, вы поймете, что на небосводе много такого, чего не различишь невооруженным глазом. Взять хотя бы кольца Сатурна. И звезд вы обнаружите неизмеримо больше, чем могли бы себе представить. В мнимой черноте Вселенной куда больше объектов, чем можно разглядеть без помощи приборов. Это становится еще очевиднее, если применить оборудование, способное распознавать излучение, находящиеся за пределами диапазона видимых нами волн. К нам сразу потоком хлынет новая информация, поставляемая самыми разными волнами, от гамма-лучей до фонового микроволнового излучения. Эти звезды и прочие космические объекты столетия назад были там, где они находятся сейчас, просто мы не могли обнаружить их, используя лишь собственные глаза.

В 2012 году появилась масса статей, посвященных попыткам обратить своего рода телескоп на самые таинственные закоулки человеческого генома. Этой работой занялся консорциум ENCODE, объединивший усилия сотен ученых из самых разных исследовательских организаций. ENCODE — сокращение, которое расшифровывается как «Encyclopaedia Of DNA Elements» («Энциклопедия элементов ДНК»)1. При помощи самых чувствительных методов, доступных сейчас науке, исследователи изучали многочисленные свойства человеческого генома. Удалось проанализировать около 150 различных типов клеток. Получаемые данные объединяли, а затем обрабатывали по одной и той же схеме, чтобы корректно сравнивать информацию, полученную при помощи разных методик и технологий. Это очень важно, поскольку обычно чрезвычайно трудно сопоставлять наборы данных, получаемых и анализируемых независимо друг от друга. А ведь раньше нам приходилось опираться именно на такую мешанину результатов.

Публикация результатов, полученных в рамках проекта ENCODE, привлекла колоссальное внимание прессы, а также научного сообщества. Средства массовой информации запестрели заголовками типа: «Научный прорыв. Теория „мусорной ДНК“ генома опровергнута»2; «ДНК-проект интерпретирует „Книгу Жизни“»3 или «Международная армия ученых взламывает код „мусорной ДНК“»4. Надо сказать, что многие ученые действительно были приятно удивлены, увидя результаты, полученные в рамках проекта ENCODE, и теперь ежедневно используют их в собственных работах. Но возгласы одобрения звучали отнюдь не отовсюду. Критика раздавалась главным образом из двух научных лагерей. В первый входили «мусорные скептики», во второй — эволюционисты-теоретики.

Чтобы понять чувства, обуявшие ученых первой группы, обратимся к одному из самых амбициозных заявлений, приведенных в статьях ENCODE:

Эти данные позволили нам приписать биохимические функции 80% генома. Особенно это касается зон, лежащих за пределами хорошо изученных участков , то есть за пределами областей, которые кодируют белки 5 .

Иными словами, участники проекта ENCODE как бы заявляли: перед нами не темное небо, лишь менее чем на 2% занятое звездами. Они утверждали: небосвод нашего генома на четыре пятых заполнен всевозможными объектами. Причем большинство объектов — отнюдь не звезды (если считать, что звезды в этом сравнении — гены, кодирующие белки). Вероятно, это астероиды, планеты, естественные спутники планет, метеоры, кометы и прочие межзвездные тела, какие только можно себе представить.

Как мы видели, многие исследовательские группы уже и до этого приписали определенные функции каким-то из этих темных областей: вспомним промоторы, энхансеры, теломеры, центромеры, длинные некодирующие РНК (это лишь несколько примеров). Так что большинство ученых вполне устраивала идея, согласно которой в нашем геноме содержится не только эта небольшая доля генетического материала, кодирующая белки. Но 80% генома, обладающие функциями? Это казалось чересчур смелым заявлением.

Данные ENCODE многих поразили. Тем не менее их предвестием стали результаты многочисленных косвенных исследований, на протяжении предыдущего десятилетия проводившихся учеными, которые все пытались понять, отчего человек так сложно устроен. Над этой проблемой ломало голову немало специалистов и неспециалистов с тех самых пор, как выяснилось: полная расшифровка человеческого генома не выявила у человека большего числа генов, кодирующих белки, по сравнению с куда более простыми организмами. Исследователи проанализировали размеры части генома, кодирующей белки, у различных представителей царства животных, и процентную долю, которую составлял мусор в общем объеме генома. Результаты этого анализа (мы уже бегло коснулись их в главе 3) сжато показаны на рис. 14.1.

Как мы уже знаем, количество генетического материала, кодирующего белки, не очень-то соотносится со сложностью организма. Куда более убедительная зависимость существует между процентной долей мусора в геноме и тем, насколько сложно устроен носитель этого генома. Пытаясь интерпретировать этот факт, исследователи предположили, что различия между простыми и сложными существами порождаются главным образом именно мусорной ДНК. Возможно, это означает, что существенная доля мусорной ДНК все-таки обладает какими-то функциями6.

Рис. 14.1. График показывает, что по мерю увеличения сложности организма доля мусорной ДНК в геноме нарастает быстрее и отчетливее, чем размер части, кодирующей белки.

 

Множественные параметры

ENCODE рассчитывал долю функционирующих участков в нашем геноме, объединив всевозможные данные. В число этих данных вошла и информация о молекулах РНК, которые удалось обнаружить участникам проекта. Среди этих РНК оказались представлены как кодирующие белки, так и не кодирующие их, то есть мусорные РНК. Все они имели самую разную длину — от молекул протяженностью в тысячи нуклеотидных оснований до молекул в сотню раз меньше. Кроме того, ENCODE считал геномные области имеющими функции, если такие зоны несли на себе определенные комбинации эпигенетических модификаций, обычно связываемые с функциональными областями. Другие подходы предполагали, в частности, анализ участков, которые образуют петли и благодаря этому сближаются. Еще одна методика подразумевала характеризацию генома по специфическим физическим свойствам, связываемым с той или иной функцией.

Свойства эти отличались у разных типов человеческих клеток, что подтвердило гипотезу, согласно которой клетки могут использовать одну и ту же геномную информацию весьма гибко. К примеру, изучение образования петель показало, что одна разновидность взаимодействий между различными участками генома наблюдается лишь у каждого третьего из исследованных типов клеток7. Это позволяет предположить, что сложная трехмерная укладка нашего генетического материала — явление комплексное и зависящее от типа клетки.

Изучая физические характеристики, обычно связываемые с регуляторными областями, ученые пришли к выводу, что регуляторные участки ДНК также активируются в зависимости от типа клетки — и что, в свою очередь, характер клетки (то, какой она станет) формируется под действием этой мусорной ДНК8. К этому выводу исследователи пришли после того, как выявили около 3 миллионов таких мест (сайтов) путем анализа клеток 125 различных типов. Это не означает, что у клеток каждого типа 3 миллиона сайтов. Это лишь означает, что, проанализировав все эти клеточные типы, ученые обнаружили 3 миллиона сайтов. Опять-таки, это наводит на мысль, что регуляторный потенциал генома может использоваться по-разному — в зависимости от нужд той или иной клетки. Распределение сайтов по клеточным типам упрощенно показано на рис. 14.2.

Рис. 14.2. Анализируя наборы данных проекта ENCODE, ученые выявили свыше трех миллионов сайтов с характеристиками регуляторных областей (исследуя множество клеточных линий человека). Площади кругов отражают распределение таких сайтов. Большинство их обнаруживали в клетках двух и более типов, хотя значительная их доля оказалась специфической для отдельных типов клеток. И лишь очень малую часть сайтов удалось найти в каждой из проанализированных клеточных линий.

Свыше 90% регуляторных участков, выявленных благодаря этому методу, находились более чем за 2500 пар нуклеотидных оснований от начала ближайшего гена. Иногда они располагались вдали от всех генов, а иногда — в мусорной области, входящей в состав гена, но все равно они размещались далеко от его начала.

Большинство промоторов генов ассоциированы более чем с одним таким участком, а каждый такой участок обычно ассоциирован более чем с одним промотором. Однако, опять-таки, наши клетки, судя по всему, контролируют генетическую экспрессию отнюдь не прямолинейно. Они используют сложные сети взаимодействующих узлов.

Среди наиболее поразительных данных — информация, позволяющая предположить, что более 75% нашего генома хоть когда-нибудь, хоть в каких-нибудь клетках копируется в РНК9. Любопытное предположение. Никто не мог ожидать, что три четверти мусорной ДНК наших клеток может реально использоваться для производства РНК. При сравнении информационных РНК, кодирующих белки, с длинными некодирующими РНК ученые выявили существенную разницу в картине экспрессии. В 15 изученных клеточных линиях информационные РНК, кодирующие белки, гораздо охотнее экспрессировались во всех клеточных линиях, чем длинные некодирующие РНК (см. рис. 14.3). Исследователи пришли к выводу: длинные некодирующие РНК играют определяющую роль в управлении судьбой клеток.

Взятые в совокупности, данные из статей, опубликованных в рамках проекта ENCODE, рисуют картину весьма активного человеческого генома с чрезвычайно сложными схемами взаимодействия и «общения». В сущности, мусорная ДНК набита информацией и инструкциями. Нелишне повторить здесь указания гипотетического режиссера из Введения: «Если вы ставите „Гамлета“ в Ванкувере и „Бурю“ в Перте, в такой-то строке „Макбета“ ударение должно падать на четвертый слог. Если только при этом любительская труппа не ставит „Ричарда III“ в Момбасе, в Кито не идет дождь»10.

Рис. 14.3. Экспрессию генов, кодирующих белки, и генов, не кодирующих белки, проанализировали на примере пятнадцати различных типов клеток. Выяснилось, что гены, кодирующие белки, гораздо чаще экспрессируются во всех типах клеток, чем области, которые вырабатывают молекулы РНК. не кодирующие белки.

Всё это звучит очень вдохновляюще. Почему же тогда многие относятся к значимости этих данных с таким скептицизмом? Отчасти из-за того, что статьи, вышедшие в рамках проекта ENCODE, явили миру очень уж громкие заявления. Самым громким стало утверждение, что целых 80% генома обладают функциями. Проблема в том, что в основе некоторых таких утверждений лежали косвенные измерения самих функций. Особенно это касается исследований, где заключение о наличии функции выводили либо из присутствия эпигенетических модификаций, либо из других физических характеристик ДНК и ассоциированных с ней белков.

 

Потенциальное против реального

Скептики возражают: эти данные в лучшем случае указывают на то, что исследуемая область потенциально может обладать какой-то функцией. А это слишком туманный признак, и пользы от него ждать не приходится. Представьте себе огромный особняк, владельцы которого впали в нищету, поэтому им отключили электричество за неуплату. Допустим, в здании двести комнат, а в каждой из них — по пять выключателей. Потенциально каждый выключатель может зажечь лампочку, но вполне возможно, что некоторые выключатели вообще никогда не соединялись ни с какими проводами (аристократы не славятся электротехническими талантами), а некоторые лампочки давным-давно перегорели. Сам факт, что на стенах торчат выключатели, которыми можно щелкать туда-сюда, из положения ВКЛ в положение ВЫКЛ и обратно, еще не означает, что при помощи этих устройств действительно удастся изменить уровень освещенности в комнатах.

Возможно, такая же ситуация и у нас в геноме. В нем могут существовать области, несущие на себе эпигенетические модификации или обладающие определенными физическими свойствами. Однако этого недостаточно для того, чтобы показать функциональность этих областей. Не исключено, что эти характеристики возникли просто как побочный эффект чего-то, что происходило поблизости.

Взгляните на любой снимок, запечатлевший Джексона Поллока за созданием его очередного шедевра в жанре абстрактного экспрессионизма11. Скорее всего, вы увидите, что пол в его студии при этом забрызган красками. Но это не значит, что брызги и пятна краски на полу — часть создаваемой картины. И это не значит, что художник сознательно наделил их каким-то смыслом. Они являются просто неизбежным и несущественным побочным продуктом главного события. Возможно, то же самое относится и к физическими изменениям нашей ДНК.

Многие скептически отнеслись к заявлениям участников проекта ENCODE еще и из-за чувствительности использовавшихся методов. В распоряжении ENCODE оказались значительно более чувствительные методы по сравнению с теми, которые применялись, когда наука только начала изучать геном. Это позволило исследователям обнаруживать чрезвычайно малые количества РНК. Критики опасаются, что применявшиеся методы слишком чувствительны и поэтому воспринимали даже фоновый геномный шум. Если вам достаточно много лет и вы еще застали аудиокассеты, вспомните, что происходило, когда вы сильно увеличивали громкость магнитофона. Обычно вы слышали при этом шипяще-свистящий шум на заднем плане. Но этот звук являлся не частью замысла музыкантов, а просто неизбежным побочным продуктом технических ограничений записывающей системы. Критики проекта ENCODE полагают: что-то подобное может происходить и в клетках. Иными словами, не исключена фоновая экспрессия каких-то случайных молекул РНК в активных участках генома. Происходит своего рода утечка РНК. Согласно данной модели клетка не занимается активным включением этих РНК: они просто случайным образом копируются в весьма небольших количествах. Это происходит из-за того, что поблизости идет массированное копирование. Прилив поднимает все лодки, а заодно и все щепки, деревянные обломки и выброшенные пластиковые бутылки, которые окажутся в это время в воде.

Проблема кажется довольно серьезной. Ведь в некоторых случаях исследователи обнаруживали в среднем меньше одной молекулы определенной РНК на одну клетку. Ну да, клетка не может обеспечивать уровень экспрессии какой-то молекулы РНК между нулем и единицей — между уровнем «ни одной копии» и уровнем «одна копия». Отдельная клетка либо вообще не производит никаких копий определенной РНК, либо делает одну ее копию или большее количество таких копий. Всё прочее — гипотетические ситуации типа «чуть-чуть беременна». Вы либо беременны, либо нет, промежуточной ситуации не бывает.

Впрочем, это еще не свидетельство того, что использовавшиеся методы оказались слишком чувствительными. Напротив: можно сделать вывод, что чувствительность наших методов пока недостаточна. Они еще не позволяют нам выделять отдельные клетки и анализировать все молекулы РНК в ней. Вместо этого приходится полагаться на выделение множества клеток, анализ всех имеющихся в них молекул РНК и последующий расчет, сколько молекул РНК в среднем находится в каждой клетке.

Проблема в том, что в результате мы не можем увидеть разницу между ситуацией, когда среди значительной доли клеток в пробе каждая клетка экспрессирует небольшое количество определенной РНК, и ситуацией, когда среди незначительной доли клеток в пробе каждая клетка экспрессирует большое количество определенной РНК. Эти два сценария показаны на рис. 14.4.

Рис. 14.4. Каждый маленький квадратик изображает одну клетку. Цифры в квадратике — число молекул определенной РНК, вырабатываемых этой клеткой. Из-за ограниченной чувствительности методов определения исследователь анализирует целый набор клеток в совокупности. А значит, он может узнавать лишь общее число молекул РНК в этом наборе и не в состоянии провести различие между ситуацией, когда в каждой из 36 клеток содержится по две молекулы РНК (слева), и ситуацией, когда лишь две клетки (из совместно анализируемых 36) содержат по 36 молекул РНК (справа), — или любой другой комбинацией, когда общее число обнаруживаемых таким путем молекул РНК равно 72.

Еще одна трудность состоит в том, что нам нужно убить все клетки, чтобы проанализировать их молекулы РНК. А значит, мы получаем лишь «моментальные снимки» экспрессии РНК, хотя в идеальном случае нам хотелось бы получить что-то вроде фильма, чтобы мы могли увидеть, как протекает экспрессия РНК в режиме реального времени. Эта проблема схематически показана на рис. 14.5.

Разумеется, в идеальном случае мы должны бы иметь возможность проверить находки ENCODE при помощи прямых экспериментов. Но этих находок так много! Как решить, какие именно области или молекулы РНК подвергнуть более пристальному рассмотрению? Еще одна трудность состоит в том, что многие из свойств, выявленных участниками проекта (и описанных ими в статьях), являются частью обширных и сложных сетей взаимодействий. Возможно, каждый компонент оказывает лишь ограниченное влияние на общую картину. В конце концов, если вы разрежете один узел рыболовной сети, вы не нарушите работу сети в целом. Появившаяся дырка, может быть, и позволит случайно ускользнуть какой-то рыбешке, но потеря одной маленькой рыбки не окажет большого влияния на общий размер вашего улова. Однако это не значит, что отдельные узлы не играют важной роли. Все они важны, поскольку действуют сообща.

Рис. 14.5. Экспрессия определенной РНК в клетке может проходить циклически. Квадратики на кривой показывают те моменты, когда экспериментатор отбирает пробы клеток, чтобы измерить экспрессию данной РНК. Результаты могут очень отличаться при сравнении разных наборов клеток (скажем, взятых из разных тканей), но это может отражать лишь колебания во времени (темпоральные флуктуации), а не ка-кие-то биологически значимые вариации.

 

Эволюционное поле битвы

Авторы работ, проведенных в рамках проекта ENCODE, и авторы сопутствующих комментариев использовали полученные данные и для новых теорий эволюции человеческого генома. Итак, если 80% человеческого генома обладает какими-то функциями, можно ожидать значительного сходства между геномом человека и, по крайней мере, геномами других млекопитающих. Проблема в том, что лишь около 5% человеческого генома — общие для всего класса млекопитающих, причем в основном эти области кодируют белки12. Чтобы преодолеть эту явную нестыковку, ученые предположили, что регуляторные области возникли, по эволюционным меркам, очень недавно, причем главным образом лишь у приматов. Используя данные широкомасштабного исследования вариаций ДНК-последовательности у различных человеческих популяций, исследователи пришли к выводу, что у людей регуляторные области отличаются сравнительно небольшим разнообразием, тогда как у областей, где вообще нет никакой активности, разнообразие гораздо выше. В одном из комментариев дается по этому поводу такое рассуждение. Последовательности, кодирующие белки, в ходе эволюции сохранялись почти неизменными, поскольку тот или иной белок часто используется более чем в одном типе тканей или клеток. Если изменить последовательность, кодирующую белок, изменится и сам белок. Возможно, такой измененный белок будет лучше функционировать в определенной ткани. Однако та же самая трансформация может оказать разрушительное действие на другую ткань, которая также связана с работой данного белка. Поэтому эволюция не трогает последовательность, кодирующую белки.

Но регуляторные РНК не кодируют белки, и их специфичность по отношению к конкретным тканям обычно выше. А значит, они находятся под меньшим эволюционным давлением, поскольку, как правило, лишь один тип ткани основан на работе той или иной регуляторной РНК, к тому же, вероятно, лишь в течение определенных периодов жизни или в ответ на определенные изменения в окружающей среде. Это устранило эволюционные тормоза для регуляторных РНК и позволило нам (в том, что касается этих областей генома) отделиться на эволюционном древе от наших родичей-млекопитающих. Но в человеческих популяциях эволюционное давление заставляет поддерживать оптимальную нуклеотидную последовательность этих регуляторных РНК13.

Биологи, когда дело доходит до научных разногласий, как правило, ведут себя довольно сдержанно. Иногда на какой-нибудь конференции случается агрессивный обмен вопросами и ответами после какого-нибудь доклада, но обычно публичные заявления формулируются аккуратно. Особенно это относится к тому, что публикуется (а не только произносится в ходе выступлений или научных прений). Конечно, все мы владеем искусством читать между строк (см. рис. 14.6), но тексты, предназначенные для печати, обычно характеризуются взвешенным тоном. Вот почему споры вокруг результатов, полученных командой ENCODE, оказались необычайно занимательными для научного сообщества.

Рис. 14.6. В публичных выступлениях ученые часто вежливы (высказывания слева), но иногда их слова — лишь плохо замаскированное неприятие (мысли справа)...

Наиболее откровенные и решительные отклики последовали главным образом от специалистов по эволюционной биологии. И неудивительно. Эволюционные исследования — та часть биологии, где эмоции обычно бурлят сильнее всего. Чаще всего огонь ведется по креационистам, но некоторые пулеметы могут поворачиваться и в сторону других ученых. Эпигенетики, изучающие передачу приобретенных характеристик от родителей потомству, наверняка испытали облегчение, когда ENCODE на некоторое время вывел их из-под обстрела главными силами противника14.

Самый сердитый критический отзыв об ENCODE включал в себя такие милые выражения, как «логическая несостоятельность», «абсурдное умозаключение», «слишком поспешная игра, окончившаяся закономерным проигрышем» и «неправильное использование неправильного определения». На случай, если у читателя все-таки остаются сомнения насчет того, к чему клонят авторы, они завершают статью следующим сокрушительным ударом: «Один из участников проекта предсказал, что результаты, полученные ENCODE, заставят переписать учебники. Что ж, мы согласны. Многие учебники по маркетингу, рекламе в СМИ и пиару, возможно, и в самом деле придется переработать»15.

Основная критика в этом яростном отзыве сосредоточилась на определении того, что такое функция, на том, как участники ENCODE анализировали свои данные, и на выводах насчет эволюционного давления. Первая группа замечаний касается проблем, которые мы уже описывали, используя аналогии с творениями Джексона Поллока. В каком-то смысле эти проблемы во многом вытекают из трудностей, связанных с отделением математики от биологии. Данные ENCODE по большей части интерпретировали сами же участники проекта, используя статистические и чисто математические методы. Скептики утверждают, что это заводит нас в тупик, поскольку при такой интерпретации не учитываются биологические взаимосвязи, а ведь они играют здесь определяющую роль. Приводится очень удачная аналогия. Почему сердце имеет такое важное значение? Потому что это насос, качающий кровь и тем самым разносящий ее по телу. Вот вам биологически важная взаимосвязь. Но если мы проанализируем действия сердца, исходя лишь из полученной математическими методами карты его взаимосвязей с другими компонентами организма, мы придем к смехотворным выводам. В частности, можно решить, что сердце требуется для добавления телу дополнительной массы и для издавания глухого «тук-тук». Нет никаких сомнений, что сердце проделывает и то и другое, но это, честно говоря, не его функция. Это лишь сопутствующие факторы, дополнения к его основной роли.

Критики порицали методы анализа данных, поскольку чувствовали: разные научные группы, входившие в ENCODE, применяли свои алгоритмы по-разному. Одним из следствий этого расхождения стало то, что эффекты, наблюдаемые в каком-то обширном регионе генома, могли иногда восприниматься как неоправданно (и непропорционально) масштабные. К примеру, если блок из 600 пар нуклеотидных оснований классифицировали как функциональный, тогда как на самом деле всю работу выполняли только 10 из этих оснований, это могло сильно исказить определяемую учеными величину процентной доли генома, имеющей какую-то функцию.

Эволюционные возражения сводились к тому, что участники ENCODE игнорировали стандартную модель, согласно которой области с большим количеством вариаций являют собой отражение недостаточного эволюционного отбора, а это, в свою очередь, означает, что они имеют сравнительно небольшое значение. Если вам хочется перевернуть давно укоренившийся в науке принцип, вы должны иметь для этого очень веские основания. Но скептики заявляли: хотя публикации ENCODE содержали невероятное количество данных, в этих работах выводы об эволюции нуклеотидных последовательностей у человека и других приматов делались на основе анализа недопустимо малого числа областей генома.

С обеих сторон приводились интересные научные доводы. Но только лицемеры могли бы заявить, что весь накал страстей вокруг ENCODE возник исключительно по научным причинам. Нельзя игнорировать и другие факторы, самые что ни на есть человеческие. ENCODE стал одним из проявлений Большой науки. А в ней обычно фигурируют огромные международные проекты стоимостью во многие миллионы долларов. Общий научный бюджет не безграничен. Когда средства тратятся на такие инициативы Большой науки, остается меньше финансирования для менее масштабных исследований, в большей степени основанных на гипотезах и предположениях.

Организации, осуществляющие финансирование науки, изо всех сил стараются найти оптимальный баланс между этими двумя типами исследований. Во многих случаях вложения в Большую науку осуществляются при условии, что она генерирует некий ресурс, служащий хорошим стимулом для других ученых. Отличный пример — первое секвенирование человеческого генома (хотя следует признать, что и здесь не обошлось без критики). Но проект ENCODE вызвал противоречивую реакцию не вокруг полученных им «сырых» (исходных) данных, а вокруг их интерпретации. По мнению скептиков, она-то и порождает принципиальное отличие ENCODE от чисто инфраструктурного инвестиционного проекта.

Когда подсчитали, во что обошлись все этапы и аспекты ENCODE, общая сумма оказалась равной примерно четверти миллиарда долларов. Такого количества денег хватило бы по меньшей мере на 600 грантов средних размеров, нацеленных на исследования по проверке отдельных гипотез. Выбирая, как распределять финансирование, нужно стараться поддерживать равновесие, но при таких размерах денежных вливаний вас наверняка ждет раскол в научном сообществе (или хотя бы «глубокая озабоченность», которую высказывают обойденные вниманием и финансированием).

В компании Gartner построили график восприятия новых технологий. Называется он «Цикл шумихи». Поначалу все очень возбуждены: это «пик раздутых ожиданий». Когда же выясняется, что новая технология не способна в одночасье переменить все в вашей жизни, на графике возникает резкий спад (обусловленный крахом иллюзий), и мы скатываемся в «траншею разочарования». В конце концов все успокаиваются, и начинается постепенный и неуклонный рост рационального понимания новой технологии, выводящий на «плато продуктивного отношения».

Для проектов типа ENCODE этот цикл невероятно сжат во времени — из-за резкой поляризации научных групп. Ученые с завышенными ожиданиями действуют одновременно с теми, кто сидит в траншее разочарования. Почти все остальные настроены прагматично и используют результаты ENCODE, когда те могут принести пользу — к примеру, помочь прояснить некий вопрос, волнующий какого-то ученого.