细菌的细胞壁能学会为它掌舵吗?
像大肠杆菌(E. coli)这样会游动的细菌,主要靠化学来辨别方向:细胞内的一串分子感知周围环境的变化,并告诉鞭毛马达何时切换方向。在这幅图景中,细胞壁——一张由短肽交联连接起来的糖链网,称为肽聚糖——只是结构而已。它把细胞维系在一起,并为马达提供锚点,但在决定去往何处这件事上不起任何作用。
美国雪城大学的物理学家Nada Elmeligy、No Chen和J. M. Schwarz想知道,细胞壁是否能做得更多。他们的领域是物理学习(physical learning),即训练材料本身去执行任务。例如,一个无序的弹簧网络可以用简单的局部规则来训练,使得在一处施加推力,就能在远处的另一处产生选定的响应。细菌的细胞壁是无序的、丝状的,并且不断被酶重塑:原则上,它是可以训练的。
一次被引导穿过细胞的碰撞
团队建立了一个二维模型:一个带有四个鞭毛马达的杆状游动者,以及一个由512个节点和1,497根弹簧组成的网络所代表的细胞壁,每个马达都锚定在这个网络上。这个游动者像大肠杆菌一样“奔跑”和“翻滚”,大约每秒翻滚一次,在一条没有任何化学线索的通道中运动,并且往往会被困在通道壁附近。
思路如下。当一根鞭毛撞上通道壁时,它会拉扯自己在细胞壁中的锚点。一个经过训练的网络应当把这种拉力转化为对侧马达锚点处的压缩。作者提出,在那里,压缩会让马达中产生力的单元——定子——松开。那一侧被削弱的鞭毛,恰恰是那些把细胞推回障碍物方向的鞭毛;让它们沉默,就让其余的鞭毛把细胞转向开阔的空间。
训练信号的大小并非随意选择:它是游动者自身所能产生的最大接触力,约0.3皮牛,即单根鞭毛的推力。
像材料一样被训练
训练采用一条局部规则:每根弹簧的刚度根据它在网络两种状态下所感受到的力来调整,一种状态由输入驱动,另一种状态被钳定在期望的输出上。在针对八组输入–输出配对进行3,000个训练周期之后,一条条变硬的弹簧链把每个马达与对侧的马达连接了起来。接触载荷中到达另一侧的比例从0.0056跃升至0.905。
有两个结果尤为突出:
- 刚性很重要。当网络中每个节点的平均连接数少于约四个时——这正是此类网络不再松软的阈值——根本不会形成任何通路。让细胞壁成为固体的连接度,正是让它可以被训练的连接度。
- 时机很重要。被引导过去的信号必须让定子在碰撞期间松开。如果定子的释放速率低于约每秒100次,那么无论细胞壁训练得多好,都无法为细胞掌舵。
逃离壁面
在每个版本各100次试验中,在被困后的第一次翻滚时,细胞壁经过训练的细胞逃脱的比例为62%,而细胞壁未经训练或根本没有网络的细胞只有43%。一个只要知道哪一侧被撞到的理想控制器达到了65%:作者计算得出,经过训练的细胞壁找回了这一优势的89%(按此处给出的四舍五入比率计算约为86%)。即使没能逃脱,它也推迟了下一次与表面的接触。
细胞壁并不需要完美的训练。在300个周期之后,细胞就已获得理想优势的84%,而网络传递的力与目标之间的偏差还会继续下降两个数量级以上。这一点很重要,因为真实的细胞壁一直在被重建。作者估计,一个持续与障碍物接触的细胞,在一个30分钟的世代中会遇到约400次碰撞。当训练期间交联被随机替换时,通路就会丢失;而当处于张力下的那一半键被保护起来、不被替换时,通路得以保留。
一个等待检验的假说
作者坦率地列出了局限。他们的网络远小于真实的细菌细胞壁,忽略了细胞的内部压力,而且训练仍由一个强加的目标来引导,而不是由细菌自身的成功来引导。最重要的是,关键的一步——压缩使定子松开——从未经过实验检验。他们写道,他们并不声称该模型展示了细胞尺度的认知。
他们确实提出了检验的方法。反复撞上障碍物的细菌——例如在流经一片小柱阵列之后——随后逃离困住它们的表面的速度,应当比放在新腔室中的未经历过碰撞的细胞更快。在土壤、黏液或生物膜中,碰撞十分频繁,这样一条力学捷径可能与化学协同作用,帮助细胞找到方向。
