ชีวิตเกิดขึ้นได้อย่างไร (บนโลกที่ไร้ชีวิต) (4) : Survival of the Flattest

ทะลุกรอบ | ป๋วย อุ่นใจ

“ปsะ1ยคที่ดีจะต้๗งอ่าuอoกแฬะเข้าใ_ได้” ประโยคนี้ คุณผู้อ่านอ่านออกไหมครับ?

ที่จริงแล้ว ประโยคนี้ควรจะเขียนว่า “ประโยคที่ดีจะต้องอ่านออกและเข้าใจได้”

เดาว่าหลายคนคงอ่านกันออกได้ไม่ยาก และถ้าอ่านออก นั่นแสดงว่าข้อมูลที่ผมพยายามจะสื่อยังคงส่งต่อได้อย่างถูกต้อง (อย่างน้อยก็ในระดับหนึ่ง) ใช่ไหมครับ

แล้วต้องพิมพ์ผิดเยอะแค่ไหนถึงจะเริ่มอ่านไม่ออก…

ประเด็นนี้น่าสนใจมาก โดยเฉพาะเมื่อมองในมุมของชีววิทยา

เพราะในระดับเซลล์ กระบวนการก๊อบปี้สารพันธุกรรมที่เรียกว่า การจำลองดีเอ็นเอ (DNA replication) นั้นก็ไม่ได้เพอร์เฟกต์เสมอไป แม้ว่าในหลายกรณีจะมี “กลไกการตรวจทาน” (Proofreading mechanism) ที่เข้มงวด คือก๊อบปี้เสร็จแล้วยังมีการย้อนกลับมาอ่านทวนซ้ำเพื่อแก้ไขจุดที่ผิดพลาด

แต่ไม่ว่าจะป้องกันดีแค่ไหน ความผิดพลาดก็ยังเล็ดลอดไปได้เสมอ

ที่เป็นแบบนี้ก็เพราะเอนไซม์ที่เป็นพระเอกที่ทำหน้าที่ก๊อบปี้สารพันธุกรรม อย่างเอนไซม์ดีเอ็นเอพอลิเมอเรส (DNA polymerase) พอต้องทำงานหนักๆ ก๊อบปี้ข้อมูลมหาศาลเข้า บางทีมันก็มีอาการ “อ๊อง” ได้เหมือนกัน

และพอเอนไซม์เริ่มอ๊อง การจับคู่เบสที่เคยเป๊ะ คือ A ต้องคู่กับ T และ C ต้องคู่กับ G ก็จะเริ่มงงๆ อึนๆ บางครั้งก็เผลอเอา A ไปจับกับ C หรือเอา G ไปจับกับ T ซะอย่างนั้น

การจับคู่เบสผิดๆ แบบนี้แหละที่ทำให้รหัสพันธุกรรมเพี้ยนไปจากเดิม เกิดเป็นการกลายพันธุ์ (Mutation) ซึ่งถ้ามองในแง่ลบ มันคือความไม่สมบูรณ์แบบของระบบที่จำลองข้อมูลได้ไม่แม่นยำ 100% แต่ถ้ามองในแง่บวก ความผิดพลาดเล็กๆ น้อยๆ เหล่านี้คือสิ่งที่สร้างความหลากหลาย และเป็นจุดเริ่มต้นที่สำคัญของการเกิดวิวัฒนาการ

ว่าแต่… โดยทั่วไปเอนไซม์ดีเอ็นเอพอลิเมอเรสนี้จะทำงานพลาดได้มากน้อยแค่ไหน?

คําตอบคือ “แล้วแต่ชนิดของเอนไซม์” ครับ

ถ้าเป็นเอนไซม์สายลุยที่เน้นก๊อบปี้อย่างเดียว ไม่มีการตรวจทาน อย่างเช่น เอนไซม์ Taq polymerase อัตราความผิดพลาดจะอยู่ที่ราวๆ 1 เบสต่อการก๊อบปี้สายดีเอ็นเอยาวประมาณ 3,500 เบส

แต่ถ้าเป็นเอนไซม์ระดับพรีเมียมที่มีระบบตรวจทานซ้ำเพื่อเช็กความถูกต้อง อย่างดีเอ็นเอพอลิเมอเรสของมนุษย์เรา ความแม่นยำจะพุ่งสูงขึ้นมาก อาจพลาดแค่ 1 เบสต่อการก๊อบปี้สายดีเอ็นเอยาวถึง 1 พันล้านเบสเลยทีเดียว

นั่นหมายความว่า ในการจำลองจีโนมของมนุษย์ที่มีขนาดราว 3 พันล้านคู่เบส เซลล์อาจจะก๊อบปี้พลาดเพียงแค่ประมาณ 3-6 ตำแหน่งเท่านั้นต่อการแบ่งเซลล์หนึ่งครั้ง

แล้วถ้าจีโนมแรกของสิ่งมีชีวิตไม่ได้เริ่มต้นที่ “ดีเอ็นเอ” แต่เป็น “อาร์เอ็นเอ” (RNA) ล่ะ? …ระบบการก๊อบปี้สารพันธุกรรมจะยังถูกต้องแม่นยำอยู่ไหม?

คําตอบคือ “ยังไม่มีใครรู้ตัวเลขที่แน่ชัด” ครับ แต่สิ่งที่เราพอจะคาดเดาได้ไม่ยากก็คือ ในยุคแรกเริ่มนั้น ระบบการก๊อบปี้น่าจะยังทำงานได้แบบมึนๆ อึนๆ ไม่น่าจะเป๊ะเท่าทุกวันนี้แน่ๆ

ยิ่งถ้าตัวเร่งปฏิกิริยาในการก๊อปปี้เป็นไรโบไซม์ (Ribozyme) ซึ่งก็คืออาร์เอ็นเอด้วยกันเอง ไม่ใช่เอนไซม์โปรตีนที่มีโครงสร้างซับซ้อน โอกาสที่จะจับคู่เบสผิดพลาด… แน่นอนว่า ต้องสูงกว่าเอนไซม์ที่เป็นโปรตีนในปัจจุบันอย่างมหาศาลแน่ๆ

นั่นหมายความว่า โอกาสที่จะก๊อบปี้ประโยค “”ปsะ1ยคที่ดีจะต้๗งอ่าuอoกแฬะเข้าใ_ได้” ออกมาจากประโยคต้นฉบับ “ประโยคที่ดีจะต้องอ่านออกและเข้าใจได้” ก็น่าจะเกิดขึ้นได้

แต่ถ้าความสามารถในการเร่งปฏิกิริยาก๊อบปี้ข้อมูล (Catalytic activity) ในยุคแรกเริ่มมันยังทำงานแบบมั่วๆ ซั่วๆ คำถามที่ตามมาคือ… แล้วที่คุณสมบัติของอาร์เอ็นเอที่บอกว่าสามารถเป็น “แม่แบบ” ในการจำลองตัวเองเพื่อส่งต่อข้อมูลผ่านการจับคู่เบส (Self-templating) มันจะยังเกิดขึ้นได้จริงๆ หรือ?

แต่ถ้าเรามองมุมกลับว่า การก๊อบปี้แบบผิดๆ ถูกๆ นี่แหละคือจุดเริ่มต้นของวิวัฒนาการ คำถามที่น่าสนใจกว่าก็คือ แล้วมันต้องก๊อบปี้ “ผิดมากแค่ไหน” รหัสถึงจะยังพออ่านรู้เรื่อง และยังถือว่าเป็นการส่งต่อข้อมูลจากต้นแบบอยู่?

นี่คือประเด็นสุดคลาสสิกที่ แมนเฟรด ไอเกน (Manfred Eigen) นักเคมีระดับตำนาน เจ้าของรางวัลโนเบลปี 1967 จากสถาบันมักซ์พลังค์เพื่อการวิจัยเคมีชีวฟิสิกส์ (Max Planck Institute for Biophysical Chemistry) ประเทศเยอรมนี ได้ตั้งคำถามเอาไว้

แมนเฟรดนั้นโด่งดังระดับโลกจากการคิดค้นวิธีวัดความเร็วของปฏิกิริยาเคมีที่เกิดขึ้นไวมากๆ (ระดับเศษเสี้ยววินาที) โดยใช้เทคนิคอย่างคลื่นเสียงหรือแสงเข้ามาช่วยกระตุ้น แต่เมื่อประสบความสำเร็จจนก้าวขึ้นสู่จุดสูงสุดของวงการเคมี ปริศนาที่ดึงดูดความสนใจของเขากลับกลายเป็นเรื่องที่ยิ่งใหญ่กว่านั้น นั่นคือ “กำเนิดแห่งชีวิต” (Origin of Life)

แมนเฟรดเสนอแนวคิดว่า ความผิดพลาดในการจำลองรหัสพันธุกรรมนั้นเกิดขึ้นได้ และจำเป็นต้องเกิดเพื่อเป็นวัตถุดิบให้วิวัฒนาการ… แต่ระบบก็ยอมรับความผิดพลาดได้ “ถึงแค่ระดับหนึ่งเท่านั้น” เพราะถ้าเอนไซม์หรือไรโบไซม์ทำงานพลาดมากเกินไป ข้อมูลพันธุกรรมก็จะเละเทะจนอ่านไม่ออก ความหมายของรหัสจะสูญหาย และไม่สามารถส่งต่อไปยังรุ่นถัดไปได้ เขาเรียกขีดจำกัดสูงสุดของความผิดพลาดที่ระบบสิ่งมีชีวิตจะยังพอทนรับไหวนี้ว่า “ขีดจำกัดความผิดพลาด” (Error Threshold)

ขีดจำกัดที่ว่านี้ ขึ้นอยู่กับปัจจัยหลัก 2 อย่าง คือ ความยาวของสายอาร์เอ็นเอต้นแบบ (Length) และความแม่นยำ (Fidelity) ของเอนไซม์ (ซึ่งในยุคตอนกำเนิดชีวิตก็คือ ไรโบไซม์)

จริงอยู่ว่า ถ้าสายอาร์เอ็นเอต้นแบบยิ่งยาว โครงสร้างของมันก็จะยิ่งซับซ้อนและทำหน้าที่ (Function) ได้หลากหลายขึ้น แต่ในขณะเดียวกัน โอกาสที่ข้อมูลจะผิดเพี้ยนระหว่างทางก็ยิ่งสูงเป็นเงาตามตัว

ลองจินตนาการดูว่า ถ้าระบบก๊อบปี้ยุคแรกเริ่มทำงานแย่มาก มีโอกาสพิมพ์ผิดสูงถึง 1 ตำแหน่งในทุกๆ 100 เบส (อัตราความผิดพลาด 1%)

ถ้าสายอาร์เอ็นเอต้นแบบยาว 1,000 เบส ก๊อบปี้แค่รอบเดียวก็จะมีจุดผิดพลาดโผล่มาถึง 10 ตำแหน่ง

และถ้าสายต้นแบบยาวถึง 10,000 เบส การก๊อบปี้หนึ่งรอบก็อาจสร้างการกลายพันธุ์ได้มากถึง 100 ตำแหน่ง!

ลองคิดดูว่า ข้อมูลที่เพี้ยนไปเป็นร้อยจุดในการจำลองตัวเองแค่ครั้งเดียว มันจะทำให้ข้อมูลความหมายของต้นฉบับสูญหายไปมากขนาดไหน…

ในทางกลับกัน ด้วยอัตราความผิดพลาดเท่าเดิม (1 ใน 100) ถ้าอาร์เอ็นเอต้นแบบเป็นสายสั้นจู๋แค่ 10 เบส โอกาสที่จะก๊อบปี้พลาดก็แทบจะเป็นศูนย์

แต่ข้อเสียเปรียบก็คือ สายอาร์เอ็นเอที่สั้นแค่นี้ แทบจะม้วนพับเป็นโครงสร้างสามมิติอะไรไม่ได้เลย ฟังก์ชั่นการทำงานจึงน้อยและถูกจำกัดมากๆ

ด้วยเหตุนี้ ในระบบการจำลองสารพันธุกรรมยุคแรกเริ่มที่ความแม่นยำยังต่ำเตี้ยเรี่ยดินอย่างยุคของไรโบไซม์ “จีโนมจึงยาวเกินไปไม่ได้” เพราะถ้ายาวเกินขีดจำกัด ลำดับข้อมูลต้นฉบับ (Master sequence) จะเลือนหายไปกับการก๊อบปี้ที่ผิดพลาดสะสมไปเรื่อยๆ และเมื่อกลายพันธุ์หนักเข้าจนอาร์เอ็นเอสูญเสียฟังก์ชั่นการทำงาน มันก็จะก๊อบปี้ตัวเองต่อไม่ได้ ข้อมูลล่มสลาย และระบบการสืบทอดเผ่าพันธุ์ก็จะรวนจนพังทลายลงในที่สุด กลายเป็น “หายนะจากความผิดพลาด” (Error Catastrophe)

นั่นแปลว่า ในระบบที่มีอัตราความผิดพลาด (error) สูง สายอาร์เอ็นเอต้นแบบยิ่งยาวก็ยิ่งมีความเสี่ยงที่จะเกิด “หายนะ” ได้ง่ายกว่า

ดังนั้น ในมุมมองของแมนเฟรด สิ่งมีชีวิตในยุคแรกเริ่มจึงควรจะมีจีโนมเป็นเพียงอาร์เอ็นเอสายสั้นๆ ที่มีความแม่นยำในการก๊อบปี้ตัวเองต่ำ (เพราะเป็นไรโบไซม์) และมีอัตราการกลายพันธุ์ที่สูงปรี๊ด

และด้วยอัตราการกลายพันธุ์ที่สูงลิ่วนี้เอง เป็นไปได้ว่าสารพันธุกรรมในยุคแรกเริ่มไม่น่าจะดำรงอยู่กันแบบ “ตัวเดียว” เดี่ยวๆ โดดๆ แต่น่าจะอยู่กันเป็นกลุ่มประชากร (Population) ของโมเลกุลที่หน้าตาคล้ายๆ กัน อาจจะลำดับพันธุกรรมต่างกันเล็กน้อย (จากการกลายพันธุ์) อาศัยอยู่ร่วมกัน และเกื้อกูลกัน

แมนเฟรดเรียกระบบแบบนี้ว่า “ควอซิสปีชีส์” (Quasispecies)

ในกลุ่มประชากรนี้ จะมีโมเลกุลสายหลักที่เป็นต้นฉบับหรือ “มาสเตอร์” ห้อมล้อมไปด้วยกลุ่มตัวกลายพันธุ์ที่หน้าตาคล้ายๆ มาสเตอร์แต่มีคุณสมบัติยิบย่อยต่างกันไป เรียกว่า “กลุ่มหมอกควอซิสปีชีส์” (Quasispecies cloud) ซึ่งความแตกต่างนี้กลับเป็นข้อดี เพราะแต่ละตัวจะช่วยเติมเต็มกัน… บางตัวอาจจะก๊อบปี้ตัวเองได้ไว บางตัวอาจจะเร่งปฏิกิริยาเก่ง และบางตัวอาจจะมีความเสถียรทนทานต่อสภาพแวดล้อม เมื่อทั้งหมดมารวมกลุ่มกัน จึงช่วยเพิ่มโอกาสรอดชีวิตให้กับประชากรโดยรวมได้

สำหรับแมนเฟรดแล้ว… ชีวิตอาจไม่ได้เริ่มต้นจาก “โมเลกุลเดี่ยวๆ” ที่สมบูรณ์แบบ แต่เริ่มต้นจาก “กลุ่มของโมเลกุล” ที่จำลองตัวเองได้และช่วยกันเอาตัวรอด

นี่เป็นไอเดียที่ทรงพลังและน่าสนใจมาก โดยเฉพาะเมื่อมองผ่านเลนส์ของวิวัฒนาการ เพราะในระบบที่เซนซิทีฟต่อการกลายพันธุ์สุดๆ อย่างยุคกำเนิดชีวิต

คำถามตัวโตๆ ก็คือ… แล้วอาร์เอ็นเอเวอร์ชั่นไหนล่ะที่จะคู่ควรกับการอยู่รอดในสภาวะที่เอนไซม์ยังทำงานแบบผีเข้าผีออก และก๊อบปี้ข้อมูลเพี้ยนอยู่ตลอดเวลา?

จะเป็นเวอร์ชั่นที่ก๊อบปี้ตัวเองได้ “เร็วที่สุด” แบบแหลกลาญ อย่าง “ปีศาจของสปีเกลแมน” (Spiegelman’s Monster) อย่างนั้นหรือ?

…ก็อาจจะไม่ใช่เสมอไป เพราะท้ายที่สุดแล้ว คำถามสำคัญคือ โมเลกุลเวอร์ชั่นไหนต่างหากที่มี “ความเหมาะสมในการอยู่รอด” (Fitness) มากที่สุดในสภาวะนั้นๆ

เพื่อให้เห็นภาพ นักชีววิทยาวิวัฒนาการมักจะอธิบายเรื่องนี้ผ่านแผนภาพที่เรียกว่า ภูมิทัศน์ความอยู่รอด (Fitness landscape) ซึ่งมีหน้าตาคล้ายกับกราฟเนินเขา โดยความสูงของ “ยอดเขา” จะแทนระดับความเหมาะสมในการอยู่รอด (ยิ่งสูงยิ่งดี) ในขณะที่ความกว้างของ “ฐานหรือเนินเขา” จะแทนความหลากหลายทางพันธุกรรม

ในสถานการณ์ปกติที่ระบบก๊อบปี้มีความแม่นยำสูง กลุ่มประชากรที่อยู่รอดจะเป็นไปตามทฤษฎีวิวัฒนาการของดาร์วินที่ว่า “ผู้ที่เหมาะสมที่สุดคือผู้ที่อยู่รอด” (Survival of the fittest)

สิ่งมีชีวิตที่ชนะในสมรภูมินี้คือพวกที่มีอัตราการก๊อบปี้ตัวเองรวดเร็วและมีประสิทธิภาพสูงสุด แม้ความหลากหลายทางพันธุกรรมจะต่ำ (ฐานแคบ) ก็ไม่เป็นไร รูปกราฟของประชากรกลุ่มนี้จะเป็นเหมือน “ภูเขายอดสูงแต่ฐานแคบ”

แต่ความน่ากลัวของภูเขาฐานแคบก็คือ… ขอแค่สถานการณ์สิ่งแวดล้อมเปลี่ยนไปนิดเดียว หรือเกิดการกลายพันธุ์ขยับออกจากจุดยอดไปแค่ก้าวเดียว ฟิตเนสก็จะร่วงฮวบตกลงมาที่ก้นเหวทันที โอกาสรอดแทบไม่เหลือ

ดังนั้น ในโลกยุคแรกเริ่มที่ระบบมีแต่ความปั่นป่วนและอัตราการกลายพันธุ์ที่สูงปรี๊ด สถานการณ์จึงพลิกกลับตาลปัตร สิ่งมีชีวิตอาจจะต้องยอมแลกความเร็ว ยอมทิ้งยอดเขาสูงๆ เพื่อแลกกับ “ความทนทานต่อการกลายพันธุ์” (Mutational robustness) เพราะในโลกยุคแรก อัตราการกลายพันธุ์สูงมาก ต่อให้ก๊อบปี้ได้ไวแค่ไหน แต่ถ้าข้อมูลสูญหายไประหว่างทางจนเกิดขีดจำกัด ท้ายสุดก็จบเห่ หายนะอยู่ดี

ในปี 2001 คริส อดามิ (Chris Adami) และทีมวิจัยจากสถาบันเทคโนโลยีแคลิฟอร์เนีย (Caltech) ได้เผยแพร่งานวิจัยของพวกเขาลงในวารสาร Nature โดยเสนอแนวคิดว่า ในโลกอดีตที่การกลายพันธุ์เกิดขึ้นอย่างบ้าคลั่ง สายอาร์เอ็นเอจะไม่ได้มีแค่ชนิดเดียว แต่จะอยู่รวมกันเป็นกลุ่มควอซิสปีชีส์ (Quasispecies) จุดพีกบนกราฟจึงไม่ได้มีแค่ยอดแหลมๆ ยอดเดียว แต่กระจายตัวเป็น “ภูเขาฐานกว้างแต่มียอดเตี้ยๆ”

ข้อดีของภูเขาฐานกว้างคือ ความหลากหลายมีสูงมาก แม้โมเลกุลจะเกิดการกลายพันธุ์เพี้ยนไปจากเดิม มันก็ยังเดินขยับวนเวียนอยู่บนเนินเขากว้างๆ นี้ ไม่ได้ตกลงไปตายที่หน้าผา แม้จะไม่ได้มีฟิตเนสสูงปรี๊ดโดดเด่น แต่ยังไงก็ “รอด”

ในสถานการณ์วิกฤตแบบนี้ ความ “กว้าง” ของภูเขา จึงมีความสำคัญมากกว่าความ “สูง”

คริสและทีมงานจึงตั้งชื่อทฤษฎีนี้เพื่อล้อเลียนแนวคิดอันโด่งดังของดาร์วินได้อย่างเจ็บแสบว่า The Survival of the Flattest (ผู้ที่อยู่บนเนินกว้างต่างหาก… คือผู้ที่อยู่รอด)

แม้ว่าทฤษฎีเหล่านี้จะถูกสร้างขึ้นมาเพื่อตอบคำถามพื้นฐานสุดๆ ที่หลายคนมักค่อนขอดว่าเป็น “งานวิจัยขึ้นหิ้ง” อย่างคำถามที่ว่า “สิ่งมีชีวิตแรกเกิดขึ้นได้อย่างไร?”

แต่ใครจะเชื่อว่า ไอเดียของแมนเฟรดและการทดลองของคริสกลับกลายมาเป็นจิ๊กซอว์ชิ้นสำคัญที่ช่วยให้แพทย์และนักวิทยาศาสตร์ในยุคปัจจุบันเข้าใจพฤติกรรมการติดเชื้อของไวรัสที่มีอัตราการกลายพันธุ์รวดเร็วและน่ากลัว ซึ่งก็คือกลุ่มไวรัสที่มีจีโนมเป็นอาร์เอ็นเอ อย่างเช่น ไวรัส HIV และไวรัสโคโรนา

นอกจากนี้ แนวคิดนี้ยังมีอิทธิพลต่อการพัฒนายาต้านไวรัสในปัจจุบันอีกด้วย

บางที… งานวิจัยที่ดูเหมือนจะล่องลอยอยู่บนหิ้ง ก็อาจจะถูกดึงลงมาปูทางไปสู่การประยุกต์ใช้ได้ และอาจเอามาใช้สร้างเทคโนโลยีที่ช่วยต่อลมหายใจให้มนุษยชาติได้อย่างที่เราคาดไม่ถึง