Vea También
Utilizando simulaciones por ordenador y un sencillo modelo teórico, Mikhail
Tikhonov y sus coautores publicaron un artículo en eLife que muestra cómo las
bacterias podrían adaptarse a un entorno fluctuante aprendiendo sus
regularidades estadísticas -por ejemplo, qué nutrientes tienden a estar
correlacionados- y hacerlo más rápido de lo que normalmente permitiría el
ensayo y error evolutivo.
"El 'aprendizaje' evolutivo es algo habitual. Por ejemplo, muchos organismos
han desarrollado un reloj circadiano para seguir el ciclo de 24 horas del día
y la noche", explica Tikhonov, profesor adjunto de Física en Artes y Ciencias.
"Pero la evolución se produce a lo largo de muchas generaciones. Demostramos
que las bacterias podrían, en principio, hacer lo mismo que nosotros: Aprender
correlaciones de la experiencia reciente y adaptar su comportamiento futuro en
consecuencia, incluso dentro de su vida.
"Las bacterias no tienen cerebro, pero descubrimos que este tipo de
procesamiento de la información puede lograrse con un circuito no sólo
sencillo, sino similar a los circuitos que ya se sabe que tienen las
bacterias", dijo.
Sin embargo, es necesario que haya tres ingredientes que lo hagan posible. Los
investigadores estipulan que este tipo de aprendizaje sólo puede producirse:
si las bacterias tienen más reguladores de los que parecen necesarios; si los
propios reguladores se autoactivan; y si las bacterias operan en las
condiciones "no lineales" del mundo real que a menudo se alejan en los
modelos.
Al estudiar la biología con la perspectiva de un físico, Tikhonov espera
arrojar más luz sobre las formas en que las teorías biológicas tradicionales
limitan las preguntas que se hacen los investigadores.
Este reciente trabajo aporta nuevas hipótesis sobre por qué algunas bacterias
podrían utilizar reguladores aparentemente redundantes o formas de modular sus
diferentes vías.
"La redundancia 'derrochadora' y los reguladores innecesarios que vemos en
muchos experimentos de laboratorio pueden ser desconcertantes", dijo Tikhonov.
"Pero los científicos suelen estudiar los organismos en entornos simplificados
o estáticos. Las ventajas que describimos sólo se manifestarían en condiciones
más realistas y fluctuantes".
"Nuestra esperanza es que un experimentalista pueda leer nuestro artículo y
reconocer los ingredientes clave que describimos en el sistema que estudia".
Fuentes, créditos y referencias:
Stefan Landmann et al, A simple regulatory architecture allows
learning the statistical structure of a changing environment, eLife
(2021).
DOI: 10.7554/eLife.67455