📄 Показана версия «Просто» — «Подробно» пока не готова. Добавьте ★ в избранное, если хотите её ускорить. Прошу разобрать полностью

Две бригады дорожных рабочих укладывают асфальт с разных концов улицы. Они движутся навстречу друг другу, и от их слаженности зависит, когда улица будет готова. Примерно так же клетка копирует свою ДНК перед делением — только вместо асфальта длинная молекулярная нить с инструкциями, а вместо рабочих — крошечные белковые комплексы, которые запускаются сразу во многих точках.

Но на пути могут встретиться жара, химическая преграда или повреждение. Рабочие замедляются, а иногда и вовсе останавливаются. В клетке происходит то же самое. Авторы исследования построили компьютерную модель такого конвейера для пекарских дрожжей — организма, который часто служит простой моделью живой клетки. В симуляции каждая «буква» ДНК была учтена отдельно, а поведение копиров задавалось вероятностными правилами: когда запуститься, с какой скоростью двигаться и сколько им доступно «топлива» — клеточных ресурсов.

Модель проверили на данных из обычных условий, а затем «подвергли» стрессу: повысили температуру, добавили химическое вещество гидроксимочевину, которое мешает копированию, или смоделировали повреждения ДНК. Оказалось, что всего два ключевых параметра — доступность ресурсов и разброс скоростей копиров — могут воспроизвести всё разнообразие ответов клетки на стресс. Когда скорости копиров немного различаются, время всего процесса начинает подчиняться особому статистическому закону — распределению Эрланга. Именно он порождает те самые редкие, но очень длительные задержки. Клетка словно держит резервные мощности на такой случай, чтобы в итоге всё равно завершить работу.

Так бригады на дороге могут задержаться из-за жары или нехватки материалов, но улица всё равно будет заасфальтирована. Клетка справляется с копированием ДНК по тому же принципу — и теперь мы лучше понимаем, как именно.

Оригинальная аннотация

как её написали авторы, на английском arXiv:2606.08138

Eukaryotic DNA replication must remain robust under thermal, chemical, and genotoxic stress despite large fluctuations in replication dynamics. Here, we develop a lattice-based stochastic Monte Carlo framework for whole-genome replication in Saccharomyces cerevisiae at single base-pair resolution, incorporating probabilistic origin firing, replication fork-speed distributions, and a time-dependent limiting factor that governs the availability of cellular replication resources. The model is benchmarked quantitatively against experimental replication profiles before being applied to stress conditions, and reproduces diverse replication stress responses using only two effective parameters. Importantly, the analysis reveals that replication fork-speed heterogeneity underlies the emergence of Erlang-distributed S-phase durations and rare, anomalously prolonged replication events observed experimentally in Escherichia coli and human cell lines, while predicting similar behavior in S. cerevisiae. The framework further predicts non-monotonic thermal behavior, power-law scaling under hydroxyurea stress, and total replication-time dynamics under diverse genotoxic conditions.