जीव विज्ञानप्रीप्रिंटसिमुलेशनपढ़ने में 4 मिनट

क्या किसी जीवाणु की भित्ति उसे दिशा देना सीख सकती है?

E. coli जैसा तैरता जीवाणु मुख्य रूप से रसायन के ज़रिए अपना रास्ता खोजता है: कोशिका के भीतर अणुओं की एक शृंखला उसके परिवेश में होने वाले बदलावों को भाँपती है और कशाभी मोटरों (flagellar motors) को बताती है कि दिशा कब बदलनी है। उस चित्र में, कोशिका-भित्ति — शर्करा-तंतुओं की एक जाली जो छोटे पेप्टाइड क्रॉसलिंकों से जुड़ी होती है, जिसे पेप्टिडोग्लाइकन (peptidoglycan) कहते हैं — केवल एक संरचना है। यह कोशिका को एक साथ थामे रखती है और मोटरों को स्थिर करती है, लेकिन कहाँ जाना है यह तय करने में इसकी कोई भूमिका नहीं होती।

अमेरिका के सिरैक्यूज़ विश्वविद्यालय के भौतिक विज्ञानियों नदा एल्मेलिगी (Nada Elmeligy), नो चेन (No Chen) और जे. एम. श्वार्ज़ (J. M. Schwarz) ने सोचा कि क्या भित्ति इससे अधिक कर सकती है। उनका क्षेत्र, भौतिक अधिगम (physical learning), स्वयं पदार्थों को कार्य करने के लिए प्रशिक्षित करता है। उदाहरण के लिए, स्प्रिंगों के एक अव्यवस्थित जाल को सरल स्थानीय नियमों से इस तरह प्रशिक्षित किया जा सकता है कि एक जगह दबाने से दूर किसी दूसरी जगह एक चुनी हुई प्रतिक्रिया उत्पन्न हो। जीवाणु की भित्ति अव्यवस्थित, तंतुमय है और एंज़ाइमों द्वारा लगातार नए सिरे से गढ़ी जाती है: सिद्धांततः, यह प्रशिक्षण-योग्य है।

कोशिका के आर-पार भेजी गई एक टक्कर

टीम ने एक द्वि-आयामी मॉडल बनाया: चार कशाभी मोटरों वाला एक छड़ के आकार का तैराक, और एक भित्ति जिसे 512 नोड और 1,497 स्प्रिंगों के एक जाल के रूप में दर्शाया गया, जिससे हर मोटर जुड़ा है। तैराक E. coli की तरह दौड़ता और लुढ़कता है, लगभग हर सेकंड एक बार, बिना किसी रासायनिक संकेत वाली एक नाली (channel) में, और नाली की दीवारों के पास फँस जाने की प्रवृत्ति रखता है।

विचार इस प्रकार है। जब कोई कशाभ नाली की दीवार से टकराता है, तो वह कोशिका-भित्ति में अपने लंगर (anchor) को खींचता है। एक प्रशिक्षित जाल को उस खिंचाव को विपरीत ओर के मोटरों के लंगरों पर संपीडन (compression) में बदल देना चाहिए। वहाँ, लेखकों के प्रस्ताव के अनुसार, संपीडन मोटरों की बल उत्पन्न करने वाली इकाइयों, स्टेटरों (stators), को पकड़ छोड़ने पर मजबूर करेगा। उस तरफ़ के कमज़ोर पड़े कशाभ ठीक वही हैं जो कोशिका को वापस बाधा की ओर धकेलते हैं; उन्हें शांत करने से बाक़ी कशाभ कोशिका को खुली जगह की ओर मोड़ पाते हैं।

प्रशिक्षण-संकेत का परिमाण मनमाने ढंग से नहीं चुना गया: यह सबसे बड़ा संपर्क-बल है जो तैराक स्वयं उत्पन्न कर सकता है, लगभग 0.3 पिकोन्यूटन, एक अकेले कशाभ का धक्का।

एक पदार्थ की तरह प्रशिक्षित

प्रशिक्षण एक स्थानीय नियम का उपयोग करता है: हर स्प्रिंग की कठोरता को उन बलों के अनुसार समायोजित किया जाता है जो वह जाल की दो अवस्थाओं में महसूस करता है, एक जो इनपुट से संचालित है और एक जो वांछित आउटपुट पर जकड़ी (clamped) गई है। आठ इनपुट–आउटपुट युग्मों पर 3,000 प्रशिक्षण-चक्रों के बाद, स्प्रिंगों की कठोर हुई शृंखलाएँ हर मोटर को विपरीत ओर के मोटरों से जोड़ देती हैं। संपर्क-भार का जो हिस्सा दूसरी ओर पहुँचता है, वह 0.0056 से 0.905 पर छलाँग लगा देता है।

दो परिणाम उभरकर सामने आते हैं:

  • दृढ़ता मायने रखती है। जब जाल में प्रति नोड औसतन लगभग चार से कम संयोजन होते हैं — वह सीमा जिस पर ऐसा जाल ढीला-ढाला (floppy) होना बंद कर देता है — तो कोई मार्ग बनता ही नहीं। जो संयोजकता (connectivity) भित्ति को ठोस बनाती है, वही उसे प्रशिक्षण-योग्य बनाती है।
  • समय मायने रखता है। भेजे गए संकेत को स्टेटरों को टक्कर के दौरान पकड़ छोड़ने पर मजबूर करना होगा। अगर वे लगभग 100 प्रति सेकंड से कम दर पर छोड़ते, तो भित्ति कोशिका को दिशा नहीं दे पाती, चाहे वह कितनी भी अच्छी तरह प्रशिक्षित हो।

दीवार से बच निकलना

हर संस्करण के लिए 100 परीक्षणों में, फँसने के बाद पहली लुढ़कन पर, प्रशिक्षित भित्ति वाली कोशिका 62% बार बच निकली, जबकि अप्रशिक्षित भित्ति के साथ या बिना किसी जाल के 43%। एक आदर्श नियंत्रक, जिसे बस यह पता था कि किस तरफ़ टक्कर हुई है, 65% तक पहुँचा: लेखकों की गणना के अनुसार प्रशिक्षित भित्ति उस लाभ का 89% वापस पा लेती है (यहाँ दी गई पूर्णांकित दरों से लगभग 86%)। जब कोशिका बच नहीं पाई, तब भी उसने सतह से अपने अगले संपर्क में देरी की।

भित्ति को पूर्ण प्रशिक्षण की आवश्यकता नहीं है। 300 चक्रों के बाद, कोशिका पहले ही आदर्श लाभ का 84% पा लेती है, जबकि जाल द्वारा दिए गए बलों और लक्ष्य के बीच का अंतर परिमाण की दो से अधिक कोटियों (orders of magnitude) तक घटता रहता है। यह मायने रखता है, क्योंकि असली भित्ति लगातार फिर से बनाई जाती है। लेखकों का अनुमान है कि बाधाओं के लगातार संपर्क में रहने वाली कोशिका एक 30-मिनट की पीढ़ी में लगभग 400 टक्करों का सामना करती है। जब प्रशिक्षण के दौरान क्रॉसलिंकों को यादृच्छिक रूप से बदला गया, तो मार्ग खो गया; जब तनाव में रहने वाले आधे बंधों को बदले जाने से बचाया गया, तो वह बना रहा।

परीक्षण की प्रतीक्षा करती एक परिकल्पना

लेखक सीमाओं को साफ़-साफ़ गिनाते हैं। उनका जाल असली जीवाणु-भित्ति से कहीं छोटा है, यह कोशिका के आंतरिक दबाव को नज़रअंदाज़ करता है, और प्रशिक्षण अब भी जीवाणु की अपनी सफलता के बजाय एक थोपे गए लक्ष्य द्वारा निर्देशित है। सबसे बढ़कर, मुख्य कदम — संपीडन से स्टेटरों का पकड़ छोड़ना — कभी प्रायोगिक रूप से परखा नहीं गया है। वे लिखते हैं कि वे यह दावा नहीं करते कि मॉडल कोशिका-स्तर का संज्ञान (cognition) दिखाता है।

वे परखने का तरीक़ा ज़रूर सुझाते हैं। जो जीवाणु बार-बार बाधाओं से टकरा चुके हैं, उदाहरण के लिए छोटे खंभों के एक क्षेत्र से होकर बहने के बाद, उन्हें किसी नए कक्ष में अनुभवहीन कोशिकाओं की तुलना में किसी फँसाने वाली सतह से अधिक तेज़ी से बच निकलना चाहिए। मिट्टी, श्लेष्मा (mucus) या बायोफ़िल्मों में, जहाँ टक्करें बार-बार होती हैं, ऐसा यांत्रिक शॉर्टकट रसायन के साथ मिलकर कोशिकाओं को रास्ता खोजने में मदद कर सकता है।