Именно место. А место - штука, если вдуматься, очень странная. Вот у нас комната, в ней есть места для стула, для стола и так далее. Но мы не можем сказать, сколько в комнате мест. Место - такой странный объект, который устроен фрактально. Стол находится в комнате, в Москве, в России, на земном шаре. И представление о виде именно как о некотором месте в естественной системе, на мой взгляд, достаточно продуктивно. Конечно, вид можно рассматривать как группу особей, которые между собой скрещиваются или обладают какими-то общими признаками. Однако такое топологическое представление вида просто как места может быть полезно и для систематики, и для флористики.
Но сейчас, наверное, стоит перейти к ещё одному сюжету, связанному с применением математики, математических подходов в систематике растений. История с ним достаточно поучительна. В 1960-е годы немецкий энтомолог Вилли Хенниг разработал некоторый алгоритм для определения родственных отношений между группами организмов. Покажите, пожалуйста, следующую иллюстрацию.
Систематик работает с матрицей данных. Я здесь просто привёл пример такой матрицы данных. У нас есть четыре самых разных организма: лягушка, черепаха, ворона, кошка. И некоторый набор признаков. Здесь для примера пять признаков. У нас есть некоторое представление об эволюции этих признаков, исходящее из каких-то общебиологических представлений. И мы можем чисто формально построить так называемую «кладограмму», то есть дерево, иллюстрирующее родственные связи между данными организмами. Здесь получается, что положение вороны при данном наборе признаков оказывается несколько противоречивым, в то время как положение черепахи или кошки более-менее понятно. К кому ближе ворона - к кошке или к черепахе? Я подчёркиваю, это пример достаточно умозрительный. Реально всё сложнее. Но здесь возможны два варианта. С кошкой ворону сближает теплокровность, с черепахой её сближает сухая кожа, кожа, лишённая желез. И как раз существуют вычислительные алгоритмы для подобных операций, для построения подобных деревьев, и когда таких признаков и таких групп организмов сотни, то и таких неясных ситуаций тоже накапливается много. И поэтому долгое время систематики относились с большим скепсисом к таким кладистическим подходам. До 90-х годов, когда были усовершенствованы методы молекулярной биологии, и секвенирование, то есть определение последовательности ДНК, стало, в общем, рутинной лабораторной процедурой. Если не в России, по бедности, то на Западе. Сейчас это вопрос денег и небольшого количества рабочего времени. И как оказалось, сейчас…
Д.С. Но всё-таки в России тоже возможно…
А.О. Сейчас у нас, слава Богу, это тоже вполне возможно. В Москве существует лидирующая группа по молекулярной систематике под руководством Андрея Сергеевича Антонова при Московском университете…
Д.С. Да, я как представитель Московского университета не могу молчать…
А.О. Мы в нашем Ботаническом институте очень гордимся, что этой зимой мы провели первый секвенс, наконец-то освоили. То есть одно дело Москва, другое дело - остальная Россия. Это тоже не надо забывать.
Д.С. Ну, не надо… У вас всё-таки лидирующий ботанический институт в России…
А.О. Сейчас вопрос о чисто техническом оснащении. Так или иначе, обнаружились объекты, которых можно брать много, строить матрицы данных с очень большим числом равновесомых признаков. Тот нуклеотид или иной нуклеотид в данной позиции - вот вам и признак. Этих нуклеотидов тысячи. И если для морфологических признаков, которые видны простым глазом, этот подход действительно не очень работал, во-первых, потому что признаков не так много, а во-вторых, а может быть, даже во-первых, потому что эти признаки заведомо неравнозначны, и вообще любой объект мы можем расчленить на неопределённое число признаков, то последовательности ДНК дают нам совершенно объективное расчленение на чёткие и равновесомые признаки. И вот сейчас молекулярная систематика стала достаточно мощной областью, она уже прочно вошла, собственно, в ботанику. Хотя это и порождает определённые проблемы. Тут, наверное, вы расскажете лучше…
Д.С. Вы знаете, тут просто целый комплекс очень интересных математических задач. Во-первых, эти все алгоритмы требуют совершенно бешеного машинного времени. И в особенности оно нужно для того, чтобы сделать результаты по-настоящему убедительными. Даже несмотря на то, что сейчас персональные компьютеры очень быстро работают, эта задача явно не для персональных компьютеров. Очень здорово, что мы не только в молекулярной биологии проходим этапы технического совершенствования, но и в вычислительной математике. И буквально за последние года два, наверное, может, три стало реальным систематически пользоваться компьютерными кластерами. А эти задачи буквально идеально приспособленные для компьютерных кластеров. Тут нужно опробовать много вариантов кладограммы, дерева, которое мы смотрели. И можно очень здорово распараллелить эти задачи, поручить разным процессорам компьютерным изучать разные варианты. Вообще говоря, когда вы собираете кластеры из большого числа компьютерных процессоров, очень-очень не просто сделать так, чтобы они все были эффективно загружены. У нас сейчас в университете в вычислительном центре появился такой достаточно мощный кластер, а есть и в Академии наук, и в других местах. Это очень серьёзная область математики, как сделать хорошую загрузку разных процессоров.
Есть другая проблема. Классическая вычислительная математика сначала была проговорена и продумана ещё в докомпьютерную эпоху, когда сначала долго объясняли, как этот алгоритм работает и почему его так надо организовывать, а не как-нибудь по-другому. Я верю, что те, кто писал кладистические программы, хорошо понимают, почему они должны работать именно так. Но это знание, оно в очень многом не очевидно. И вот для компьютерной реализации это очень необычная ситуация, когда вроде бы есть работающая программа, а как она точно работает и почему - пользователи затрудняются объяснить. Ну, с этим тоже, по-видимому, удастся сладить. Но в целом это очень привлекательная задача - сделать так, чтобы эти программы пошли на кластерах параллельных компьютеров и чтобы действительно мы понимали не просто рецептурно, как она работает, а концептуально.
А.О. К сожалению, очень немногие систематики, пользователи подобных программ, вообще задаются вопросом: а что там внутри этой программы? То есть признаки грузят, на выходе получают кладограмму. Она им нравится или не нравится, и какие-то меняют условия, играют. А смысл того, что внутри, к сожалению, остаётся, как правило, за кадром. Тут возникает масса недоразумений. Лично я смотрю на эти программы и на эти деревья как на своего рода карты, карты разнообразия живого. Это отнюдь не генеалогические деревья, не дерево, которое изображает историю, буквальный исторический сценарий, как развивались данные таксоны, а именно как карта. И, точно так же, как в географии, существуют разные способы спроецировать земную поверхность, которая отнюдь не ровная, на плоскость карты. Существуют разные проекции. Существуют разные системы координат. Аналогично и здесь. Просто разные программы, насколько я понимаю, отличаются способом проецирования эмпирического разнообразия живых организмов на некоторую идеальную плоскость или на некоторое идеальное пространство.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69