Новое исследование Вашингтонского университета в Сент-Луисе предполагает, что бактерии могут учиться на прошлом, чтобы предсказывать будущее. Используя компьютерное моделирование и простую теоретическую модель, ученый 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 это происходит в эволюционном метод проб и ошибок у других организмов.
«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 их жизни.
«У бактерий нет мозга, но мы обнаружили, что такого рода обработка информации может быть достигнута с помощью схемы», - 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».
