Бактерии могут научиться предсказывать будущее
Новое исследование Вашингтонского университета в Сент-Луисе предполагает, что бактерии могут учиться на прошлом, чтобы предсказывать будущее.
С помощью компьютерного моделирования и простой теоретической модели Михаил Тихонов и соавторы показали в статье в eLife, как бактерии могут адаптироваться к изменчивой среде, изучая её статистические закономерности (например, какие питательные вещества имеют тенденцию быть взаимосвязанными). Этот процесс происходит быстрее, чем обычно позволяет эволюционный метод проб и ошибок.
«Эволюционное "обучение" — обычное дело. Например, у многих организмов развились циркадные ритмы, чтобы следовать 24-часовому циклу дня и ночи, — сказал Тихонов, доцент физики. — Но эволюция происходит на протяжении многих поколений. Мы показываем, что бактерии могли бы, в принципе, делать то же, что и мы: изучать корреляции из недавнего опыта и соответствующим образом адаптировать своё будущее поведение даже в течение своей жизни».
У бактерий нет мозга, но такое информационное моделирование может быть достигнуто с помощью схемы, которая не только проста, но и похожа на схемы, которые, как известно, уже есть у бактерий.
Однако для этого необходимо наличие трёх ключевых условий:
- У бактерий должно быть больше регуляторов, чем кажется необходимым.
- Эти регуляторы должны быть самоактивирующимися.
- Бактерии должны функционировать в реальных нелинейных условиях, которые часто упрощаются в моделях.
Исследование предлагает новые гипотезы о том, почему некоторые бактерии могут использовать, казалось бы, избыточные регуляторы или способы модуляции своих различных путей.
«"Расточительная" избыточность и ненужные регуляторы, которые мы видим во многих лабораторных экспериментах, могут озадачивать, — отметил Тихонов. — Но учёные обычно изучают организмы в упрощённых или статичных условиях. Преимущества, которые мы описываем, проявлялись бы только в более реалистичных, колеблющихся условиях».
Авторы надеются, что экспериментаторы, прочитав их работу, смогут распознать описанные ключевые компоненты в изучаемых ими системах.