研究估计了生物系统中信息处理的能量成本

生物体的行为、生理和存在是由无数的生物过程支持的，这些过程需要细胞和其他分子成分之间的通信。已知这些分子成分以各种方式相互传输信息，例如通过扩散和电去极化的过程或通过交换机械波。

耶鲁大学的研究人员最近进行了一项研究，旨在计算细胞和分子成分之间信息传递的能量成本。他们的论文发表在《物理评论快报》上，介绍了一种新工具，可用于研究蜂窝网络并更好地了解其功能。

进行这项研究的研究人员之一本杰明·B·马赫塔(BenjaminB.Machta)告诉Phys.org：“我们已经以某种形式考虑这个项目有一段时间了。”

“大约十年前，我第一次与我的博士生导师JimSethna讨论了最终形成这个项目的想法，但由于各种原因，工作从未完全启动。Sam和我在思考如何理解这个项目时开始谈论这个问题。生物学需要花费能量来计算——这是他大部分博士论文的主题——也许更广泛的是为了确保其各个部分的连贯性和受控性，他弄清楚了如何进行这些计算。”

Machta和他的同事SamuelJ.Bryant最近的工作从90年代末发表的早期论文中汲取了灵感，特别是SimonLaughlin及其合作者的努力。当时，这个研究小组试图通过实验确定神经元在发送信息时消耗了多少能量。

“Laughlin和同事发现，根据具体情况，这种能量消耗范围在104-107KBT/bit之间，这远远高于~KBT/bit的“基本”界限，有时称为Landauer界限，它必须是付钱来删除一些信息，”马赫塔解释道。

“在某些方面，我们想了解;这是生物学浪费的一个例子吗?或者可能还需要付出其他成本;特别是，兰道尔极限没有提及几何或物理细节。应用兰道尔界限是本身很微妙，因为它只在擦除信息时付费，所以可以可逆地计算，永远不会擦除任何东西，并且不支付任何计算成本——但这不是这里的重点。”

马赫塔和布莱恩特最近研究的另一个目标是确定优化这些能量成本是否可以揭示分子系统在不同情况下使用不同物理机制相互通信的原因。例如，虽然神经元通常通过电信号相互通信，但其他类型的信号可以通过化学物质的扩散进行通信。

马赫塔说：“我们想了解在哪种制度下，这些(以及其他)每种制度在每比特的能源成本方面都是最好的。”“在我们所有的计算中，我们考虑通过物理通道发送的信息，从信息的物理发送者(例如打开和关闭以发送信号的“发送”离子通道)到接收器(膜中的电压检测器)它也可能是离子通道)。计算的核心是通过高斯通道的信息率的教科书计算，但有一些新的变化。

首先，在他们的估计中，马赫塔和他的同事总是考虑物理通道，其中根据细胞的物理原理携带物理粒子和电荷的电流。其次，该团队始终假设信道会被蜂窝环境中的热噪声破坏。

“我们可以用‘波动耗散定理’来计算这种噪声的频谱，该定理将热波动频谱与接衡的响应函数联系起来，”马赫塔解释道。

该团队的估计的另一个独特之处在于，它们是使用相对简单的模型进行的。这使得研究人员能够始终对为通道供电并驱动生物系统中的物理电流所需的能量设定保守的下限。

“由于信号必须克服热噪声，我们通常用几何前置因子乘以“KBT/位”来计算成本，”Machta说。

“这个几何因素可以与发送器和接收器的大小有关;大的发送器通常可以通过允许耗散电流分布在更大的区域来降低每比特的成本。此外，更大的接收器允许对热波动进行更多的平均，因此较弱的整体信号仍然可以携带相同的信息。”

“因此，例如，对于电信号，我们得到了每比特成本的形式，其比例类似于r2/σIσOkBT/bit，其中r是发送器和接收器之间的距离，σI,σO是发送器和接收器的大小。重要的是，对于几纳米宽但发送微米以上信息的离子通道，此成本很容易比kT/bit大多个数量级，这是更简单(或更基本)的论点建议作为下限。”

总的来说，马赫塔和他的同事进行的计算证实了与细胞之间信息传输相关的高能量成本。最终，他们的估计可能成为解释实验研究中测量的信息处理高成本的开始。

马赫塔说：“我们的解释不像兰道尔界限那么‘根本’，因为它取决于神经元和离子通道的几何形状以及其他细节。”“然而，如果生物学受到这些细节的影响，那么(例如)神经元可能是高效的，并且能够应对真实的信息/能量限制，而不仅仅是低效。这些计算当然还不足以说明任何特定的系统效率很高，但他们确实表明，通过太空发送信息可能需要非常大的能源成本。”

将来，马赫塔和他的同事最近的这项工作可能会为新的有趣的生物学研究提供信息。在他们的论文中，研究人员还介绍了一个“相图”，代表了选择性使用特定通信策略(例如，电信号、化学扩散等)是最佳的情况。

该图很快将有助于更好地理解不同细胞信号传导策略的设计原理。例如，它可以解释为什么神经元使用化学扩散在突触处进行通信，但它们在从树突向细胞体发送数百微米的信息时使用电信号;以及为什么大肠杆菌利用扩散来发送有关其化学环境的信息。

“我们现在正在做的一件事是尝试应用这个框架来理解具体信号转导系统的能量学，”马赫塔补充道。

“我们最近的工作只是考虑了在两个单一组件之间发送信息的抽象成本——在实际系统中通常存在信息处理网络，应用我们的界限需要了解这些网络中的信息流。这个目标还带来了新的技术问题——将我们的计算应用于特定的几何形状(例如“球形”神经元或类似于管子的轴突，每个都与我们在这里使用的无限平面有很大不同)。