Die Entstehung des genetischen Codes (2/2)

Hier geht es zu Teil 1.

Die typische Reaktion ist erstmal zu sagen, der genetische Standardcode sei optimal, um die Wirkung von Mutationen „abzupuffern“:

„Dabei hat sich der tatsächlich vorhandene universelle Code als optimal herausgestellt, um zufällige genetische Veränderungen (Mutationen) so ausgleichen zu können, dass die Proteine sich in ihrer Funktion möglichst nicht ändern (Freeland et al. 2000)“ (Borger 2020).

Borger fragt suggestiv, ob „diese Feinabstimmung des universellen Codes nicht eher von intelligentem Design als von universeller Abstammung“ zeuge. Ein Team aus „Bioinformatikern [sic!]“ habe herausgefunden, dass sie den Kriterien entspreche,

„…die als Informationssignal zu betrachten sind. Genau und systematisch erscheinen die zugrundeliegenden Design-Muster als Produkt der Präzisionslogik und Feinabstimmung. Die Bio-Informatiker sahen sich gezwungen, die Nullhypothese, wonach der Code ein Produkt des Zufalls sei, zu verwerfen.“

Somit sei der genetische Code „einer der besten Beweise für intelligentes Design“:

„Diese neuen wissensch[a]ftlichen Erkenntnisse erfordern eine Umkehr des Denkens: Die Frage nach dem Ursprung des Lebens kann besser durch die Annahme eines Schöpfers beantwortet werden.“

Sehen wir uns an, was die wissenschaftlichen Erkenntnisse tatsächlich erfordern.

Wie bestimmt man Optimalität?

„Optimalität“ des genetischen Codes bedeutet Minimierung der Kosten (bzw. der Wahrscheinlichkeit) negativer Effekte von Mutationen und Translationsfehlern. Das heißt, ein optimaler Code ist maximal „robust“ gegenüber Ablesefehlern und kompensiert die Auswirkungen von Mutationen derart, dass sich die Proteine in ihrer Faltung möglichst wenig ändern. Bei der Bestimmung von „Optimalität“ hinsichtlich der Minimierung der Kosten treten zwei grundlegende Probleme auf.

Erstens: Bislang wurde die Optimalität des Standardcodes üblicherweise hinsichtlich einiger weniger Aminosäure-Eigenschaften untersucht. Der Code soll zum Beispiel robust gegen Änderungen der Polarität der Aminosäuren (bzw. ihrer Seitenketten) durch Mutationen sein. Untersuchungen hinsichtlich dieses Aspekts lieferten sicher den überzeugendsten Hinweis auf die Optimalität des Standardcodes.

Die Standard-Methode zur Bestimmung der Optimalität des genetischen Codes hat jedoch einen entscheidenden Haken: Nicht einzelne Aminosäure-Merkmale entscheiden darüber, welche Code-Schlüssel optimal sind. Zahlreiche Eigenschaften beeinflussen das Ergebnis als vernetztes System (bzw. als n-Tupel). Ausschlaggebend sind neben der Polarität der Aminosäuren beispielsweise auch isoelektrischer Punkt, Molekülgewicht, optische Aktivität, Hydrophobizität, Mutabilität, Flexibilität und die Präferenz, bestimmte Sekundärstruktur-Elemente (etwa Beta-Faltblätter) auszubilden. Aufgrund der Problemkomplexität konnte Anfang der 2000er Jahre noch nicht bestimmt werden, wie sich all diese Eigenschaften gleichzeitig auf die Optimalität der Code-Schlüssel auswirken (Wnętrzak et al. 2018).

Zweitens beruhen klassische Optimalitäts-Tests auf dem Vergleich des Standardcodes mit zufällig generierten (randomisierten) Codes. Der klassische Ansatz, durch zufällig generierte Code-Schlüssel den optimalen Code zu ermitteln (oder diesem auch nur nahe zu kommen), ist nicht erfolgversprechend, da auf diese Weise nur ein verschwindend kleiner Bruchteil aller Aminosäure-Codon-Zuordnungen „erkundet“ werden kann. Da die Zahl der theoretisch möglichen Code-Schlüssel astronomisch hoch ist, stellt selbst eines aus einer Million Codons eine gewaltige Zahl dar.

Wie gut optimiert ist der genetische Code?

Neuere Untersuchungen auf der Basis evolutionärer Mehrziel-Optimier-Algorithmen (EMOA) helfen dabei, die beiden oben angesprochenen Probleme zu lösen.

Wnętrzak et al. (2018) führten eine solche Studie, unter simultaner Berücksichtigung der acht wesentlichen Aminosäure-Eigenschaften durch. Im Ergebnis zeigt der Standardcode klare Anzeichen natürlicher Selektion: Er ist zwar deutlich optimiert, jedoch weit davon entfernt ist, optimal zu sein. Ein beträchtlicher Anteil von Code-Schlüsseln minimiert die negativen Effekte von Aminosäuren-Austauschen hinsichtlich der wesentlichen Aminosäure-Eigenschaften weit deutlicher als der Standardcode (Abb. 4).

Abb. 4 Die Fitnesslandschaft aller möglichen Code-Schlüssel. Der Standardcode liegt auf einem der „Gipfel“ (o1). Dieses lokale Optimum ist jedoch weit davon entfernt, optimal zu sein. Aus Koonin (2017).

Mehr noch: Die optimalen Code-Schlüssel unterscheiden sich strukturell erheblich vom Standardcode, was zeigt, dass Optimalität von ganz unterschiedlichen Aminosäure-Code-Zuordnungen aus erreicht werden kann.

Borgers These, der genetische Code sei optimal, entspricht also nicht dem Stand der wissenschaftlichen Forschung. Korrekt wäre sie nur, würde die Kostenminimierung von einigen einzeln ausgewählten Aminosäure-Eigenschaften abhängen. Optimalität impliziert jedoch maximale Robustheit gegen alle möglichen negativen Effekte.

Natürlich kann Borger immer damit kontern, dass Gott einen entscheidenden Wissensvorteil besitze – nur er wisse, was optimal sei. Aber dann wäre Borgers „Argument“ kein empirisches mehr, sondern ein Zirkelschluss.

Wäre Optimalität ein Beweis für „intelligentes Design“?

Ein weiteres Problem in Borgers Argumentation besteht darin, dass völlig unklar ist, warum die „Optimalität“ ein „Beweis“ für Intelligent Design darstellen sollte.

Erstens ist es unstatthaft von einem Beweis zu sprechen. Sein Kollege Reinhard Junker hätte ihn sicher darüber aufklären können, dass in den empirischen Wissenschaften keine wirklichen Beweise (im formal-logischen Sinn) existieren.

Zweitens konstruiert Borger einen falschen Gegensatz, wenn er den Code entweder als Ergebnis intelligenter Optimierung oder als evolutionäres Zufallsprodukt klassifiziert. In der Fachwelt herrscht seit Jahrzehnten Konsens darüber, dass der genetische Code gerade kein reines Zufallsprodukt ist (vgl. z. B. Haig & Hurst 1991; Novozhilov & Koonin 2007). Anders gesagt, Optimierung kann auch das Ergebnis natürlicher Auslese sein. Sie würde auch erklären, warum der Code aus heutiger Sicht suboptimal ist: Ein evolutives Neuarrangement der Codons ist ab einem bestimmten Komplexitäts-Niveau nicht mehr möglich, ohne zu Funktionsverlust zu führen.

Drittens: Widersprechen sich die Evolutionsgegner nicht selbst, wenn sie behaupten, von einem Designer könne man nicht per se voraussetzen, dass er perfekte Strukturen (Optimalität) erwarten lasse? Diese Annahme sei (so etwa Widenmeyer & Junker 2016, S. 9)(3) eine „theologische“ Prämisse. Wenn also Borger hier eine theologische Prämisse gebraucht, um den Design-Ansatz zu stützen, dann ist sein Argument zirkelschlüssig: Er setzt etwas voraus, was er nicht beweisen kann, sondern das Ergebnis seiner Argumentation ist.

Viertens behaupten W+W-Autoren an anderer Stelle, Suboptimalität (Unvollkommenes) lasse sich empirisch kaum nachweisen, sondern basiere auf „evolutionstheoretisch begründeten Vermutungen“(4).  Wenn das wahr wäre, ließe sich auch Optimalität nicht empirisch nachweisen; Borgers Artikel wäre per se hinfällig.

Wozu die „seltsame“ Verknüpfung von Codons und Aminosäuren?

Borger behauptet, die „seltsame, ungleiche Verknüpfung von Codons und Aminosäuren“ sei lange rätselhaft geblieben und erst im 21. Jahrhundert (im Sinn von Intelligent Design) beantwortet worden. Was er darunter versteht, erörtert er wie folgt:

„Die Aminosäuren Serin, Arginin und Leucin werden beispielsweise von jeweils sechs unterschiedlichen Codons codiert. Vier verschiedene Codons stehen für jeweils fünf andere Aminosäuren, nämlich Alanin, Glycin, Prolin, Threonin und Valin. Die übrigen Aminosäuren werden durch einen, zwei oder drei Codons codiert; Aminosäuren, die von fünf Codons dargestellt werden, kommen nicht vor. Wozu gibt es diese seltsame Verteilung?“

Augenscheinlich hat sie nichts mit „Intelligenz“ zu tun: Aus biochemischer Sicht wäre es intelligenter, g-Carboxyglutaminsäure, Hydroxyprolin und eine Hand voll weiterer Aminosäuren in den Code aufzunehmen, während von den Aminosäuren Leucin, Isoleucin und Valin jeweils zwei Codons gereicht hätten.

Zur Erläuterung(5): Leucin, Isoleucin und Valin können sich in Proteinen fast immer gegenseitig vertreten. Es gibt kein Beispiel für eine Proteinposition, an der Isoleucin nicht durch Leucin, Valin oder Methionin ersetzbar wäre. g-Carboxyglutaminsäure und Hydroxyprolin wiederum sind wichtige Aminosäuren, die nicht im genetischen Code enthalten sind. Die erstgenannte ist die einzige doppelt negativ geladene Aminosäure und die einzige, die mit hoher Affinität zweiwertige Kationen bindet. Da kein Standard-Syntheseweg existiert und keine Codierung im genetischen Code, ist die nachträgliche Umwandlung von Glutaminsäure in g-Carboxyglutaminsäure eine aufwändige Angelegenheit. Daher kann die Natur ihr Potenzial selten nutzen.

Beim Hydroxyprolin liegt der Fall ähnlich: Die Aminosäure ist wichtiger Bestandteil der Kollagene und Elastine. Prolin ist eine strukturell wichtige Aminosäure; sie kann bestimmte Strukturelemente „brechen“. Hydroxyprolin ist hydrophiler, ermöglicht darüber hinaus die Quervernetzung der Kollagen-Ketten und würde etwa das Ankoppeln von Kohlenhydrat-Einheiten an solchen Stellen erlauben.

Es gibt weitere Beispiele solcher Aminosäuren, die sich in der Natur als äußerst nützlich erwiesen hätten. Nachdem der von den Urbakterien verwendete „Protein-Park“ jedoch eine gewisse Komplexität erreichte, erwies sich eine weitere Abänderung bzw. Erweiterung des Codes als unmöglich. Durch die evolutionsbiologische Historie lässt sich dies leicht erklären, aber sicherlich nicht durch „intelligente Planung“.

Wie bereits diskutiert, erklärt sich die „seltsame Verteilung“ – etwa auch die Nähe von Glutaminsäure und Asparaginsäure, die Tatsache, dass der Code 20 Aminosäuren umfasst, die doppelte und vierfache Entartung der meisten Codons u.v.a. – zwanglos aus der schrittweisen Expansion eines primordialen Codes, der zunächst nur für wenige in Abiogenese-Experimenten entstandene Aminosäuren codierte, über einen überlappenden Dublett-Code zum heutigen Code. Vor diesem Hintergrund wäre es sehr seltsam, stünden deutlich verschiedene Codons für ähnliche Aminosäuren.

Entgegen Borgers Behauptung erklärt die Annahme eines „optimalen Designs“ hingegen überhaupt nichts: Wie die Mehrziel-Optimierungs-Algorithmen gezeigt haben, kann Optimalität mit ganz unterschiedlichen Code-Schlüsseln erreicht werden.

Wäre ein intelligent optimierter Code ein Argument gegen die „gemeinsame Abstammung aller Organismen“?

Nehmen wir pro forma einmal an, der genetische Code wäre sowohl optimal als auch ein Beweis für Intelligent Design. Dann wäre dies ein Beleg dafür, dass der genetische Code des letzten gemeinsamen Vorfahrens der heutigen Lebewesen (LUCA), der vor mindestens 3,5 Mrd. Jahren lebte, intelligent erzeugt wurde – nicht weniger, aber eben auch nicht mehr. Das heißt, der Design-Beleg bezöge sich auf die genetische Ausstattung des allerersten Organismus. Den gemeinsamen Ursprung der von LUCA abstammenden Lebensformen würde dies überhaupt nicht betreffen.

Somit geht Borgers Versuch, sich mit der Evolution des genetischen Codes der Darwin’schen Abstammungstheorie zu entledigen, ist Leere. Das würde nur funktionieren, wenn man den vermeintlichen „Design-Beleg“ mit der biblischen Prämisse der Simultanschöpfung („Die Erde bringe hervor lebendiges Getier, ein jedes nach seiner Art…“) verknüpfen könnte – was eine unzulässige Vermischung von wissenschaftlichen Erkenntnissen und theologischer Interpretation darstellen würde.

Der genetische Code als Wow!-Signal

Bleibt die Aussage, ein russisches Wissenschaftler-Team habe den genetischen Code aufgrund seiner formalen Analyse als artifiziell identifiziert; es zeige,

„… dass der biologische Code, wie er in allen Organismen vorkommt, alle Indizien eines intelligenten Ursprungs beinhaltet (shCherbak & Makukov 2013).  … Von dem intelligenten Design des Codes beeindruckt nannten sie ihren Artikel The ‚Wow! Signal‘ of the terrestrial genetic code. … Anders gesagt, das Signal kann nur von intelligenten Urhebern herrühren. Genau ein solches Signal fanden die russischen Forscher in der DNA der lebenden Zellen!“

Worum geht es in dieser Arbeit? Kurz gesagt teilten shCherbak & Makukov die Basentripletts des Standard-Codes nach eigens definierten Kriterien in verschiedene Gruppen ein. Dann ermittelten sie, für welche Aminosäuren die betreffenden Codons stehen. Anschließend bestimmten sie die Molekulargewichte der Aminosäuren sowie die ihrer Grundgerüste und Seitenketten und bildeten jeweils deren Summen. Dabei stießen shCherbak & Makukov immer wieder auf Zahlen, in denen der Teiler 37 auftaucht. Diese Verhältnisse, so die Autoren, lägen über der statistischen Signifikanz zufällig entstandener Muster und seien durch natürliche Prozesse nicht erklärbar.

Bei kritischer Analyse entpuppt sich das „Wow!-Signal“ jedoch als ein Produkt der Autoren: Ein intelligentes „Muster“ konnten sie erst aus den Zahlen herauslesen, nachdem sie es mithilfe geeigneter logischer Operationen, durch kreative Zahlen-Manipulation und mit einer guten Portion Zahlenmystik in den genetischen Code hineinsteckten (wer sich für die Details interessiert, kann sie bei Neukamm 2021 nachlesen).

Prothero & Callahan (2017, S. 128) stellen zusammenfassend fest:

„Das Ergebnis ist eine Arbeit, die trotz der beeindruckenden Referenzen ihrer Autoren und der Seriosität der Fachzeitschrift, in der sie erschien, im Wesentlichen substanzlos ist" (ins Deutsche MN).

Zusammenfassung

Die These, der genetische Standardcode sei optimal, um die Wirkung von Mutationen abzupuffern und würde ein „intelligentes Design“ nahelegen, geht aus mehreren Gründen fehl. Erstens haben neuere und deutlich exaktere Untersuchungen gezeigt, dass der genetische Code weit davon entfernt ist, optimal zu sein.

Zweitens würde selbst Perfektion kein „Design“ beweisen, denn Optimalität lässt sich nur mithilfe theologischer Annahmen aus dem Design-Ansatz ableiten. Zudem kann Optimalität auch das Ergebnis natürlicher Auslese sein: Vor unserem biologischen Hintergrundwissen bietet der Evolutionsprozess eine weit bessere Erklärung.

Drittens zeigt der Standardcode klare Anzeichen von natürlicher Selektion. Zum Beispiel liefert die Codierung von 20 Aminosäuren sowie das Zahlen-Verhältnis von zweifach zu vierfach degeneriertem Codon genau das Bild, welches man erwarten würde, falls ein primordialer Code schrittweise über einen überlappenden Dublett-Code mit Komma zum heutigen Triplett-Code expandierte (Wu et al. 2005).

Viertens würde selbst ein Design-Beweis nicht die gemeinsame Abstammung und divergente Evolution der Organismen infrage stellen. Er würde bestenfalls vermuten lassen, dass der letzte gemeinsame Vorfahr aller heutigen Lebewesen „designt“ wurde.

Fünftens hat sich das angebliche „Wow!-Signal“ im genetischen Code, welches zwei Wissenschaftler als Hinweis auf seinen intelligenten Ursprung deuteten, als ein kruder Fall von Zahlenmystik herausgestellt: Das „Design-Signal“ wird durch die frei gewählten formalen Operationen quasi vorfabriziert, was in der Fachwelt nicht unkommentiert blieb.

Dipl.-Ing. Martin Neukamm ist Chemie-Ingenieur an der TU München und geschäftsführender Redakteur der AG Evolutionsbiologie im Verband Biologie, Biowissenschaften und Biomedizin in Deutschland. Er ist Herausgeber mehrerer Bücher darunter „Darwin heute: Evolution als Leitbild in den modernen Wissenschaften“.

AG Evolutionsbiologie Youtube-Kanal und Facebook-Seite

Fußnoten

(3) WIDENMEYER, M. & JUNKER, R. (2016) Der Kern des Design-Arguments in der Biologie und warum die Kritiker daran scheitern. http://www.wort-und-wissen.de/artikel/a22/a22.pdf

(4) JUNKER, R. (2005) Argumente gegen Design. https://tinyurl.com/yb7kprbj. Version 05.08.2005.

(5) Ich verdanke die Erläuterung dem Molekularbiologen Prof. Dr. Andreas BEYER.

Literatur

Borger, P. (2020) Die Optimalität des genetischen Codes – ein klarer Beleg für Intelligentes Design. www.genesisnet.info/index.php?News=282. Version 15.11.20.

Dudley, U. (1999) Die Macht der Zahl: Was die Numerologie uns weismachen will. Birkhäuser-Verlag, Basel.

Follmann, H. (1999) Chemische Evolution – Bildung und Selbstorganisation „lebensfähiger“ Moleküle. In: Fasterding, M. (Hg.) Auf den Spuren der Evolution. Gelsenkirchen, S. 41–54.

Gusev, V.A. & Schulze-Makuch, D. (2004) Genetic code: Lucky chance or fundamental law of nature? Physics of Life Reviews 1, S. 202–229.

Haig, D. & Hurst, L. D. (1991) A quantitative measure of error minimization in the genetic code. Journal of Molecular Evolution 33, S. 412–417.

Ikehara, K. & Niihara, Y. (2007) Origin and evolutionary process of the genetic code. Current Medicinal Chemistry 14, S. 3221–3231.

Kaiser, P. (2009) Die chemische Evolution: Hat es sie gegeben und wenn ja, wie sah sie aus? In: Neukamm, M. (Hg.) Evolution im Fadenkreuz des Kreationismus. V&R, Göttingen, S. 171–211.

Koonin, E. V. (2017) Frozen accident pushing 50: Stereochemistry, expansion, and chance in the evolution of the genetic code. Life 7:22. DOI: 10.3390/life7020022.

Neukamm, M. (2021) Der genetische Code: ein „Wow!-Signal“? www.ag-evolutionsbiologie.net/html/2021/der-genetische-code-als-design-signal.html

Novozhilov, A. S.; Wolf Y. I. & Koonin, E. V. (2007) Evolution of the genetic code: partial optimization of a random code for robustness to translation error in a rugged fitness landscape. Biol Direct 2: 24. DOI: 10.1186/1745-6150-2-24.

Patel, A. (2005) The triplet genetic code had a doublet predecessor. Journal of Theoretical Biology 233, S. 527–532.

Prothero, D. R. & Callahan, T. D. (2017) Ufos, chemtrails, and aliens. What science says. Indiana University Press. S. 127-128.

shCherbak, V. & Makukov, M. A. (2013) The “Wow! Signal” of the terrestrial genetic code. Icarus 224, S. 228–242. www.sciencedirect.com/science/article/abs/pii/S0019103513000791.

Vogel, G. (1998) Tracking the history of the genetic code. Science 281, S. 329–331.

Wu, H.-L.; Bagby, S. & van den Elsen, J. (2005) Evolution of the genetic triplet code via two types of doublet codons. Journal of Molecular Evolution 61, S. 54–64.

Wnętrzak, M.; Błażej, P.; Mackiewicz, D. & Mackiewicz, P. (2018) The optimality of the standard genetic code assessed by an eight-objective evolutionary algorithm. BMC Evolutionary Biology 18:192. DOI: 10.1186/s12862-018-1304-0.