Homeostatic feedback model of energy metabolism with adaptive enzyme levels exhibits problem solving behavior

داخل كل خلية حية، تعمل شبكة واسعة ومعقدة من التفاعلات الكيميائية باستمرار للحفاظ على استمرارية الحياة. هذه الشبكة، المعروفة باسم التمثيل الغذائي (الأيض)، مسؤولة عن تحويل الغذاء إلى طاقة، وبناء أجزاء جديدة، وإدارة النفايات. لعقود من الزمن، نظر العلماء إلى هذه الأنظمة في المقام الأول كآلات استتباب: فهي مصممة للبقاء مستقرة، وتصحيح أي أخطاء صغيرة للحفاظ على استقرار البيئة الداخلية. إذا انخفضت مستويات الطاقة في الخلية، يقوم النظام بزيادة الإنتاج؛ وإذا ارتفعت أكثر من اللازم، فإنه يتباطأ. هذه القدرة على الحفاظ على التوازن هي ما يسمح للخلايا بالبقاء في عالم متغير. ومع ذلك، يشير خط جديد من التفكير إلى أن هذه الشبكات الكيميائية نفسها قد تفعل ما هو أكثر من مجرد الحفاظ على الوضع الراهن. فقد تكون قادرة على شيء أكثر تعقيدًا بكثير: التعلم. تمامًا كما يمكن لحيوان أن يتعلم من تجربة سابقة ليتفاعل بشكل مختلف مع حدث مستقبلي، قد تتمكن الخلية من تذكر إجهاد سابق واستخدام تلك الذاكرة للتعامل مع الإجهاد التالي بشكل أفضل. تتحدى هذه الفكرة الرؤية التقليدية التي تعتبر أن التعلم يتطلب دماغًا أو جهازًا عصبيًا، مقترحة بدلاً من ذلك أن القواعد الأساسية للكيمياء والفيزياء قد تكون كافية لخلق شكل من أشكال الذاكرة.

لقد اتخذ باحثون في جامعة تافتس خطوة جريئة لاختبار هذا الاحتمال من خلال بناء نموذج حاسوبي لتمثيل طاقة خلية ثديية. وبدلاً من دراسة خلية حقيقية تحت المجهر، قاموا ببناء محاكاة رقمية تتبع تدفق الجزيئات الرئيسية مثل الجلوكوز والدهون والأكسجين. يتضمن النموذج المسارات الرئيسية التي تستخدمها الخلايا لتوليد الطاقة، إلى جانب طبقة من "الإنزيمات التكيفية". هذه ليست أجزاء ثابتة في النظام، بل هي مكونات قابلة للتعديل يمكن للخلية تغيير عددها أو نشاطها للحفاظ على سير العمل بسلاسة. ومن الأهمية بمكان أن تغيير هذه الإنزيمات يكلف طاقة، تمامًا كما يكلف بناء آلات جديدة موارد في المصنع. قام الباحثون ببرمجة النموذج للتحقق باستمرار من حالته الداخلية وإجراء تعديلات صغيرة على إنزيماته للبقاء قريبًا من هدف صحي. ثم أخضعوا الخلية الرقمية لسلسلة من التحديات، مثل الانخفاض المفاجئ في إمدادات الغذاء أو إدخال السموم، لمعرفة كيفية استجابتها بمرور الوقت.

كانت نتائج هذه المحاكاة مذهلة. فقد أظهر النموذج أن نظامًا بسيطًا من حلقات التغذية الراجعة، دون وجود أي هياكل معقدة تشبه الدماغ، يمكن أن يظهر سلوكيات تشبه إلى حد كبير التعلم. عندما عرض الباحثون النموذج لأول مرة على إجهاد معين، مثل الحد من إمدادات عنصر غذائي معين، قام النظام بتعديل إنزيماته للتكيف. وعندما قدموا لاحقًا إجهادًا ثانيًا ومختلفًا، لم تكن استجابة الخلية هي نفسها لو كانت تواجه المشكلة للمرة الأولى. في بعض الحالات، جعلت التجربة السابقة الخلية أقل تفاعلاً مع الإجهاد الجديد، وهي ظاهرة تُعرف باسم "التعود". وفي حالات أخرى، جعل الإجهاد الأول الخلية أكثر حساسية للإجهاد الثاني، وهو سلوك يُسمى "التحسس". وهذا يعني أن الترتيب الذي تحدث به الأحداث مهم؛ فتاريخ النظام يغير استجاباته المستقبلية. لم تكن "ذاكرة" الحدث الأول مخزنة في ملف خاص أو جزيء مخصص، بل كانت مدمجة في التكوين الجديد لإنزيمات الخلية.

كانت إحدى أهم النتائج هي أن هذه الذاكرة يمكن أن تؤدي إلى تغييرات دائمة في حالة الخلية، حتى بعد إزالة الإجهاد الأصلي. فعلى سبيل المثال، عندما قام الباحثون بحظر قدرة الخلية على استيراد الجلوكوز بشكل متكرر، لم يعد النظام ببساطة إلى حالته الطبيعية بمجرد رفع الحظر، بل انتقل إلى حالة جديدة ومستقرة حيث ينتج مستويات عالية من اللاكتات، وهو منتج ثانوي للنفايات يرتبط غالبًا بالخلا_يا السرطانية. حدث هذا التحول دون أي تغيير في الشفرة الوراثية للخلية، مما يشير إلى أن تاريخ الإجهاد الذي تعرضت له الخلية يمكن أن يعيد كتابة شخصيتها الأيضية بطريقة دائمة. كما لاحظ الباحثون أن النظام يمكن أن يعيد إنتاج الارتفاع الخطير في الجزيئات الضارة الذي يحدث عند استعادة تدفق الدم إلى الأنسجة بعد نوبة قلبية أو سكتة دماغية. ظهر هذا السلوك بشكل طبيعي من تصميم النموذج، رغم أن الباحثين لم يبرمجوه خصيصًا للقيام بذلك، مما يشير إلى أن مثل هذه التفاعلات الخطيرة قد تكون خاصية متأصلة في كيفية تعافي الشبكات الأيضية من الصدمة.

ومع ذلك، كشفت الدراسة أيضًا عن حدود هذا الشكل البسيط من التعلم. فعندما اختبر الباحثون النموذج ببروتوكول صارم مصمم لقياس "التعود" الحقيقي — حيث يجب أن يتوقف النظام تدريجيًا عن التفاعل مع محفز غير ضار متكرر — فشل المتحكم الأساسي. كان النظام مثاليًا للغاية؛ فقد عدل نفسه بسرعة ودقة بحيث لم يظهر أبدًا التلاشي التدريجي في الاستجابة الذي يميز التعود في الكائنات الحية. ولجعل النموذج يظهر سلوك التعود، اضطر الباحثون إلى إدخال عيوب، مثل جعل مستشعرات الخلية أقل حساسية قليلاً للبيئة أو منع النظام من الاستقرار تمامًا بين الأحداث. وهذا يشير إلى أنه لكي يتمكن نظام بيولوجي من التعلم والنسيان حقًا، فقد يحتاج إلى أن يكون غير كامل نوعًا ما، أو ربما غير قادر على رؤية الصورة الكاملة دفعة واحدة. فالنظام الذي يتمتع بكفاءة عالية جدًا في الحفاظ على التوازن قد لا يطور أبدًا نوع الذاكرة المرنة التي تسمح بالتكيف مع العوالم المعقدة وغير المتوقعة.

في النهاية، يشير هذا العمل إلى أن القدرة على السلوك المعتمد على الخبرة ليست هبة خاصة للأدمغة المعقدة، بل هي خاصية أساسية لأي نظام يجب أن يدير الطاقة والموارد تحت الضغط. أظهر النموذج الحاسوبي أنه بمجرد محاولة البقاء على قيد الحياة والحفاظ على التوازن، يمكن للشبكة الأيضية التنقل عبر القيود المتضاربة، وتخزين آثار الأحداث الماضية في مستويات إنزيماتها، وتغيير سلوكها المستقبلي وفقًا لذلك. ورغم أن هذه محاكاة وليست ملاحظة مباشرة لخلية حية، إلا أنها توفر طريقة جديدة وقوية للتفكير في كيفية حل الخلايا للمشكلات وتكيفها مع بيئاتها. إنها تشير إلى أن جذور التعلم والذاكرة قد تكون أعمق بكثير في شجرة الحياة مما كان متصورًا، ومخبأة داخل الكيمياء ذاتها التي تبقينا على قيد الحياة.