Организовать все это будет непросто, ведь если мы хотим делать точные прогнозы о поведении конкретного рака, то нам понадобится очень много данных. Кроме того, это должны быть правильные данные, отражающие пространственные и временн´ые параметры, хранящие информацию о трехмерной внутренней структуре опухоли и собираемые с регулярностью. Иначе говоря, потребуются не только элементарные генетические данные, но и «холистическая» информация о фенотипе, иммунных клетках, состоянии микросреды и всего остального тела, которую можно обработать с помощью алгоритмов и моделей, используемых для прогнозирования иных сложных систем, таких как климат.
Непозволительно долгое время я считала математическое моделирование чем-то вроде причудливых анимаций биологических процессов. Но на практике оно предполагает предварительный сбор большого массива вводных данных, основанных на измерениях, которые связаны с реальными клетками и реальными опухолями, – в частности, фиксирующих количество клеток в опухоли, скорость их воспроизведения и умирания, насыщенность их среды питательными веществами, – а затем помещение всей этой информации в уравнение, которое будет рассказывать о том, как эти клетки собираются себя вести. Отталкиваясь от введенных в нее базовых параметров, полученная таким образом формула предсказывает, что будет происходить с опухолью в течение заданного периода времени. Затем вы задаете себе вопрос: совпадают ли прогнозы модели с тем, что мы наблюдаем в действительности?
Если нет, то вам нужно будет усложнять модель до тех пор, пока она не начнет выдавать реалистичные результаты. Возможно, вам придется принять во внимание тот факт, что клетки способны перемещаться и распространяться или что уровень кислорода в центре опухоли намного ниже, чем по краям. Если прогнозы сбываются, тогда все отлично: вы создали эффективную компьютерную симуляцию реальной жизни и можете начинать «экспериментировать» с ней. Можно, например, задать какое-то начальное число клеток, «поиграть» с уровнями питательных веществ или поднять уровень смертности, имитируя эффект от приема лекарства, убивающего рак, а затем посмотреть, что произойдет в дальнейшем. Если рост вашей виртуальной опухоли начнет замедляться или полностью прекратится, то это станет свидетельством обретения вами потенциально полезного подхода, пригодного для тестирования в клинических условиях.
Персонализация описанной модели путем ввода данных отдельного пациента может послужить мощным способом спрогнозировать наилучший способ лечения рака в эволюционной перспективе или по крайней мере выбрать наиболее рациональную точку для его начала. Вместо того чтобы запускать бесконечные симуляции, нацеленные на поиск идеальных способов борьбы с конкретной опухолью, стоит привлечь таланты людей, которые тратят свое время, планируя гибель собственных врагов для развлечения, а именно геймеров. Подобно другим краудсорсинговым научным проектам, которые трансформируют лабораторные данные в компьютерные игры, позволяющие отслеживать изменения ДНК в раковых клетках или охотиться за новыми галактиками, можно было бы и сюда пригласить умных людей, предложив им придумывать стратегические комбинации оружия и заклинаний для борьбы с темными силами. Это могло бы стать хорошим источником ярких идей: мне, например, по душе образ подростка-геймера, сидящего в своей комнате в Манчестере и придумывающего график лечения для пенсионера во Флориде.