游戏官方平台和折扣平台 > 新闻动态 >

细菌没有大脑，但它们拥有某种类似的东西。荷兰AMOLF研究所与苏黎世联邦理工学院、犹他大学的联合团队刚刚在《自然·物理学》杂志上发表的研究揭示，细菌用于感知环境的蛋白质网络，恰好运行在有序与混乱的临界边缘。这个发现不仅改写了我们对单细胞生物智能的认知，也为合成生物学和人工传感系统的设计提供了全新启发。

当你在显微镜下观察一个大肠杆菌时，看到的只是一根简单的杆状细胞。但在它的细胞膜上，数千个化学感受器蛋白正在协同工作，形成一个精密的传感器阵列。这些蛋白质时刻监测着周围环境，判断营养物质是变多了还是变少了，危险信号是在接近还是在远离。

AMOLF研究组组长汤姆·清水和他的团队开发了一种革命性的方法，可以实时观测单个活细胞内这些蛋白质的活性波动。就像给细菌做"脑电图"一样，即使在没有任何外界刺激的安静环境中，这些感受器也始终在活跃地切换状态。

从随机噪音到同步癫痫的惊人发现

共同第一作者约翰内斯·基格斯特拉分析了数千个单细胞的数据后，注意到一个奇特的模式。在某些细胞中，所有的化学感受器会突然同时从非活性状态切换到完全活性状态，然后又同时切换回来，就像经历了一次神经系统的集体放电。

"就好像这些细菌正在经历某种癫痫发作。"基格斯特拉说。更令人惊讶的是，这种同步切换并非随机发生，而是遵循着某种深层的物理规律。

研究团队将测量到的切换时间与数学模型进行比较，发现了一个惊人的解释。这些蛋白质之间的相互作用强度，也就是物理学家所说的耦合能，被精确地调节到一个非常特殊的数值。这个数值恰好位于有序与无序的相变临界点附近。

在物理学中，临界点是一个系统从一种状态转变为另一种状态的分界线。最经典的例子是水的冰点，温度稍高是液态，稍低就是固态。但在临界点本身，系统处于一种微妙的平衡，既不完全有序也不完全混乱。

理论物理学家早就预测，许多生物系统可能在临界点附近运作，因为这种状态具有独特的优势。但在活细胞中直接观察到这一现象，却是首次。

音乐厅掌声与细菌决策的深刻类比

要理解临界点的魔力，可以想象音乐会结束后的观众。每个人都在犹豫是否应该鼓掌，于是偷偷观察邻座的反应。如果每个人都完全跟随邻座，结果只有两种可能：要么全场热烈鼓掌，要么全场鸦雀无声，系统陷入完全有序但僵化的状态。

相反，如果每个人完全不管他人，各自随心所欲地决定，掌声就会变得杂乱无章，毫无协调性，系统陷入完全混乱。在这两种极端之间，存在一个神奇的平衡点，在这里，观众既能相互影响又保持一定独立性，能够轻松地在掌声与沉默之间集体切换。

对化学感受器阵列动力学的单次测量揭示了双态切换波动。图片来源：Nature Physics (2026)。https://doi.org/10.1038/s41567-025-03158-3

细菌化学感受器的行为惊人地相似。每个受体蛋白都与邻近的蛋白相互作用，但这种相互作用的强度恰到好处。如果耦合太强，整个阵列会锁定在一种状态，无法灵活响应环境变化。如果耦合太弱，每个受体各行其是，无法形成协同放大信号的能力。

研究发现，大肠杆菌的化学感受器阵列，其耦合强度精确地调节在临界点附近。这使得它们能够产生那些观察到的同步切换事件，这些事件的时间统计特征，与物理学中著名的伊辛模型在临界温度下的行为完全一致。

信号放大与反应速度的终极权衡

为什么临界状态对细菌如此重要？共同第一作者福蒂奥斯·阿夫吉迪斯解释说，这涉及一个根本性的权衡。一方面，强耦合能够放大微弱的信号。当一个受体检测到化学物质，强耦合会让这个信号迅速传遍整个阵列，产生强烈的集体响应。这就是为什么细菌能够检测到浓度极低的化学物质。

但强耦合也有代价：它会减慢系统的反应速度。当环境突然改变时，一个高度耦合的系统需要更长时间才能从旧状态切换到新状态，就像一艘巨大的油轮需要很长距离才能完成转向。

通过将系统调节到临界点附近，细菌巧妙地获得了两全其美的方案。它们既能强效放大信号，保持高灵敏度，又不会大幅降低反应速度，能够快速响应环境变化。

这种平衡在自然环境中可能至关重要。细菌生活的世界是动态且不可预测的，营养物质的出现往往是短暂的，危险信号可能瞬息万变。如果感受器系统反应太慢，就会错过稍纵即逝的机会或来不及躲避危险。

最近的研究表明，许多生物系统都利用了类似的临界动力学。神经网络、基因调控网络、免疫细胞群体，都有证据显示它们在临界点附近运作。有理论认为，这可能是生命系统的一个普遍设计原则。

从水分子到蛋白质的普遍物理学

临界现象最早是在简单的物理系统中发现的。当水在临界温度和临界压力下，液态和气态的界限消失，系统表现出巨大的密度波动。在临界点附近，水的可压缩性趋于无穷大，对外界扰动极其敏感。

物理学家用统计力学深入研究了临界现象，发现不同系统在临界点附近表现出惊人的相似性，这种普遍性被称为"普适类"。伊辛模型是研究临界现象的经典工具，它描述了一个由相互作用的自旋组成的系统，每个自旋可以指向上或下两个方向。

令人惊讶的是，细菌化学感受器的集体行为可以用类似的模型描述。每个受体蛋白可以处于活性或非活性两种状态，就像伊辛模型中的自旋。邻近受体之间的相互作用，对应于伊辛模型中的交换耦合。而系统是否处于临界状态，取决于这个耦合强度是否达到临界值。

通过精确测量受体阵列中同步切换事件的统计特性，研究团队能够估算出实际的耦合能。结果显示，这个值非常接近理论计算的临界耦合能，误差在实验不确定度范围内。

这意味着什么？这意味着简单物质的相变理论，可以用来理解复杂生命系统的行为。从某种意义上说，细菌"借用"了物理世界的临界现象，来优化自己的感知系统。

生命如何找到并维持临界点

一个自然的问题是，细菌如何"知道"应该把系统调节到临界点？毕竟，这需要精确控制蛋白质之间的相互作用强度，而这又依赖于蛋白质的数量、排列几何、膜的物理性质等许多因素。

一种可能是进化选择。在漫长的进化历程中，那些偶然获得接近临界耦合的突变体，由于其卓越的感知能力，在生存竞争中占据优势。经过无数代的自然选择，系统逐渐被优化到临界点附近。

但也有研究者提出，临界性可能是自组织涌现的结果。复杂系统有时会自发地演化到临界状态，这种现象被称为自组织临界性。沙堆模型是一个经典例子，当你持续向沙堆顶部添加沙粒，沙堆会自发组织到一个临界状态，在这个状态下，小的沙粒添加可能触发各种规模的雪崩。

细菌化学感受器系统可能也具有某种自调节机制。比如，受体蛋白的表达水平、修饰状态、膜上的分布模式，都可能动态调整以响应环境条件。这些反馈机制可能帮助系统自动"寻找"并维持在临界点附近。

最近的研究发现，细菌化学趋向系统涉及复杂的适应机制。受体的甲基化和去甲基化过程，可以调节其活性和对配体的敏感性。这种化学修饰可能就是调节耦合强度的手段之一。

从细菌到大脑的临界智慧

AMOLF团队的发现不仅对理解细菌重要，还对神经科学有深远启示。人类大脑也被认为在临界状态附近运作。神经元之间的连接既不能太强也不能太弱，太强会导致癫痫样的过度同步，太弱则无法形成有效的信息处理。

大脑的临界态假说提出，神经网络在临界点附近能够达到最大的信息处理能力、最长的信息传播距离和最丰富的动态复杂性。神经影像学研究发现，清醒状态下的大脑确实表现出临界态的特征，比如神经活动的雪崩大小遵循幂律分布。

从单细胞细菌到人类大脑，生命系统似乎反复使用了相同的设计原则。这种跨尺度的普遍性暗示，临界动力学可能是信息处理系统的最优策略，无论是由蛋白质还是神经元构成。

免疫系统也显示出临界性的迹象。T细胞的激活需要达到某个阈值，这个阈值的设定使得系统能够区分自身抗原和外来抗原，同时保持对微弱信号的敏感性。基因调控网络在发育过程中做出细胞命运决定时，也表现出临界转换的特征。

合成生物学与人工智能的新启发

理解细菌如何利用临界动力学，为设计人工系统开辟了新路径。清水表示，这些发现不仅能为其他许多生物系统的设计提供借鉴，还能为合成生物学和机器人学中未来的人工传感系统提供参考。

想象设计一个微型医疗机器人，它需要在人体内检测极低浓度的生物标志物。传统的传感器面临信噪比和响应速度的矛盾。但如果采用细菌式的临界传感器阵列，就可能兼顾高灵敏度和快速响应。

在神经形态计算领域，研究者正在尝试构建模拟大脑工作原理的人工神经网络。将这些网络调节到临界状态，可能显著提升其学习能力和能效比。一些初步研究已经显示，临界态神经网络在模式识别和时间序列预测任务上表现优异。

合成生物学家也在探索如何在人工构建的基因回路中实现临界动力学。通过精确设计基因之间的调控关系，可能创造出具有类似细菌化学感受器那样精妙特性的合成系统，用于环境监测、疾病诊断或生物制造。

未解之谜与未来方向

尽管这项研究取得了重要突破，许多问题仍然悬而未决。细菌如何精确调节耦合能到临界值？这种调节是主动的还是被动的？不同环境条件下，临界点的位置会改变吗？

更深层的问题涉及信息论。清水强调，关于细菌如何从环境中收集信息，以及临界性如何影响这种信息收集，还有许多未解之谜。信息论方法可能提供新的视角，量化临界状态下信息传输的效率。

最近的研究开始将能量耗散纳入考虑。细菌化学感受器系统不是处于热平衡的被动结构，而是消耗能量的主动系统。能量输入如何维持系统在临界点附近，能量耗散与信息处理性能之间有什么关系，这些都是前沿问题。

AMOLF的"物质中的信息"主题汇集了物理学家、生物学家和信息科学家，共同探索这些根本性问题。从细菌的化学感受器到神经网络，从基因调控到免疫应答，临界现象可能是连接这些看似不同系统的统一线索。

当一个单细胞生物用物理学中最深刻的原理来设计自己的传感器时，我们看到的是生命智慧与自然规律的完美融合。在秩序与混沌的边缘行走，细菌找到了感知世界的最佳平衡点。这种平衡不是偶然的，而是数十亿年进化雕琢的杰作，也是未来技术创新可以学习的典范。