Бактерии могут научиться предсказывать будущее

Используя компьютерное моделирование и простую теоретическую модель, Михаил Тихонов и соавторы опубликовали в eLife статью, в которой показано, как бактерии могут адаптироваться к изменяющейся среде, изучая ее статистические закономерности, например, какие питательные вещества склонны к корреляции, и делают это быстрее. чем обычно позволяет эволюционный метод проб и ошибок.

«Эволюционное« обучение »- обычное дело. Например, многие организмы развили циркадные часы, чтобы следовать 24-часовому циклу дня и ночи », — сказал Тихонов, доцент кафедры физики в области искусств и наук. «Но эволюция происходит на протяжении многих поколений. Мы показываем, что бактерии в принципе могут делать то же, что и мы: изучать корреляции из недавнего опыта и соответствующим образом адаптировать свое будущее поведение, даже в течение своей жизни.

«У бактерий нет мозга, но мы обнаружили, что такого рода обработка информации может быть достигнута с помощью схемы, которая не только проста, но и похожа на схемы, которые, как уже известно, есть у бактерий», — сказал он.

Однако должны присутствовать три стимулирующих ингредиента. Исследователи утверждают, что такое обучение возможно только в том случае, если у бактерий больше регуляторов, чем кажется необходимым; если сами регуляторы самоактивируются; и если бактерии действуют в реальных «нелинейных» условиях, которые часто аппроксимируются в моделях.

Изучая биологию с точки зрения физика, Тихонов надеется пролить больше света на то, как традиционные биологические теории ограничивают вопросы, которые задают исследователи.

В этой недавней статье представлены новые гипотезы о том, почему некоторые бактерии могут использовать кажущиеся избыточными регуляторы или способы модуляции различных путей.

«Расточительная избыточность и ненужные регуляторы, которые мы видим во многих лабораторных экспериментах, могут вызывать недоумение», — сказал Тихонов. «Но ученые обычно изучают организмы в упрощенных условиях или в статической среде. Описываемые нами преимущества проявятся только в более реалистичных, меняющихся условиях.

«Мы надеемся, что экспериментатор сможет прочитать нашу статью и распознать ключевые ингредиенты, которые мы описываем в системе, которую они изучают».