يُعد الجهاز العصبي تحفة من الدقة في التوصيل؛ فلكي يعمل الدماغ، يجب أن تمد مليارات الخلايا العصبية أليافًا طويلة ونحيفة تُسمى المحاور، لتجد شركاءها بدقة، مكونةً اتصالات تسمح لنا بالتفكير والحركة والشعور. وتعتمد هذه العملية، المعروفة باسم توجيه المحاور، على طرف المحور النامي، المسمى بالمخروط النموئي، والذي يعمل كمستشعر متطور؛ إذ يقرأ الإشارات الكيميائية في بيئته، ويقرر الاتجاه الذي سيسلكه أو متى يتوقف. لعقود من الزمن، نظر العلماء إلى هذا التنقل كرحلة مباشرة على طول خريطة: حيث يرصد المخروط النموئي تدرجًا من الإشارات الكيميائية، تمامًا مثل متنزّه يتبع مسارًا، ويوجه نفسه نحوها أو بعيدًا عنها للوصول إلى الهدف. ومع ذلك، فإن هذه الرؤية البسيطة تجد صعوبة في تفسير كيف تظل هذه الهياكل الدقيقة مرنة بما يكفي للتكيف مع عالم صاخب ومتغير، بينما تبني في الوقت نفسه شبكة صلبة وموثوقة. ويبقى السؤال: كيف يمكن للخلية أن تحافظ على مسار ثابت عندما تكون الإشارات التي تتلقاها متضاربة وفوضوية في كثير من الأحيان؟

تقترح دراسة نظرية جديدة تحولًا جذريًا في فهمنا لهذا التنقل. فبدلاً من النظر إلى المخروط النموئي كمتابع سلبي لخريطة كيميائية، تشير الأبحاث إلى أنه مستكشف نشط لمشهد محدد بالشك. ويجادل المؤلف، ويليام ج. وادسورث، بأن المخاريط النموئية لا تستقر ببساطة في مسار مستقر ومتوقع، بل تسعى بنشاط وراء حالات "الاعتلاج" (الإنتروبيا) العالية، وهو مفهوم من الفيزياء يصف نظامًا يحتوي على العديد من الترتيبات الممكنة. وفي هذا الإطار، يتنقل المخروط النموئي على طول الحواف بين السلوكيات المختلفة الممكنة، باحثًا عن حالة من التقلب العالي حيث يمكنه تغيير اتجاهه بسرعة إذا لزم الأمر. ويشير هذا النهج إلى أن القدرة على تغيير المسار ليست فشلًا في النظام، بل هي ميزة في تصميمه، مما يسمح للمحور بأن يظل متأهبًا عند حافة التغيير حتى يُطلب منه اتخاذ قرار.

لاختبار هذه الفكرة، بنى الباحث نموذجًا حاسوبيًا يعتمد على بيانات جينية حقيقية من دودة C. elegans. ركزت الدراسة على عصبون محدد، وهو HSN، الذي ينمو وفق نمط يمكن التنبؤ به. استخدم النموذج نظام ذكاء اصطناعي، وهو نوع من البرامج الحاسوبية يُعرف بالشبكة العصبية، تم تدريبه على بيانات من آلاف التجارب الجينية. تضمنت هذه التجارب تعطيل جينات محددة تتحكم في كيفية نمو العصبون، مما كشف كيف تؤدي مجموعات مختلفة من التعليمات الجينية إلى أشكال واتجاهات مختلفة. تعلم الكمبيوتر التنبؤ بنتيجة هذه التغييرات الجينية، ليصبح فعليًا بديلًا رقميًا للآليات البيولوجية داخل الخلية. حدد النموذج اثني عشر نمطًا متميزًا للنمو، تتراوح من الخطوط المستقيمة إلى التفرعات المعقدة، ورسم خرائط لكيفية انتقال الحالة الداخلية للخلية بينها.

يكمن جوهر الاكتشاف في كيفية محاكاة النموذج لرحلة المخروط النموئي. فبدلاً من برمجة الكمبيوتر لاتباع تدرج كيميائي، ترك الباحث النموذج يختار مساره بناءً على مبدأ "الاعتلاج الأقصى". في كل خطوة من خطوات الرحلة المحاكات، قام الكمبيوتر بحساب عدد التكوينات الجينية الداخلية المختلفة التي يمكن أن تنتج كل اتجاه حركة ممكن. ثم اختار الاتجاه الذي يوفر أكبر عدد من هذه الاحتمالات الداخلية. ومن المثير للدهشة أن هذه القاعدة البسيطة سمحت للمحاكاة بإعادة إنتاج المسار الذي يسلكه عصبون HSN الحقيقي في الدودة. لم يتحرك المخروط النموئي نحو هدفه لأن تدرجًا كيميائيًا كان يجذبه، بل لأنه كان يبحث باستمرار عن الاتجاه الذي يحافظ على شبكة إشاراته الداخلية في حالة من المرونة القصوى.

يتحدى هذا الاكتشاف الرؤية التقليدية التي تفترض أن المحاور تتبع مخططًا ثابتًا. فقد أظهرت عمليات المحاكاة أنه عندما يتحرك المخروط النموئي في خط مستقيم، فإنه يسافر في الواقع على طول حدود تكون فيها حالتان سلوكيتان مختلفتان محتملتين بالتساوي. وهذه الحالة من التوازن ليست علامة على الارتباك، بل هي وضع استراتيجي؛ فهي تسمح للخلية بالحفاظ على مسار ثابت مع بقائها مستعدة للتحول فورًا. وفي اللحظة التي يختل فيها التوازن الداخلي، أو عندما تواجه الخلية إشارة بيئية جديدة، يمكن للمخروط النموئي إعادة تنظيم آلياته الداخلية بسرعة للالتفاف أو التفرع. وقد أظهرت الدراسة أن السلوكيات المعقدة، مثل عبور خط المنتصف أو الانقسام إلى فرعين، تنشأ بشكل طبيعي عندما يتم ضبط الحالة الداخلية للخلية للتحوم بالقرب من هذه الحدود الحرجة.

كما استكشف البحث كيف يؤثر الوقت على هذه العملية. فمن خلال محاكاة التراكم التدريجي لبروتين معين داخل الخلية، أظهر النموذج كيف يمكن برمجة المخروط النموئي لتغيير سلوكه في لحظات محددة. ومع ارتفاع المستويات الداخلية لهذا البروتين، يتغير مشهد الاحتمالات، مما يجبر المخروط النموئي على الانتقال من مرحلة حركة إلى أخرى. وهذا يشير إلى أن توقيت التطور يتم التحكم فيه بواسطة الساعة الداخلية للخلية، التي تعدل حساسيتها للبيئة. نجح النموذج في إعادة إنشاء سيناريوهات ينمو فيها العصبون للأمام، ثم يتوقف، ثم ينعطف بحدة، أو حيث ينقسم إلى مسارين، وكل ذلك مدفوع بالحالة الداخلية المتغيرة للخلية بدلاً من خريطة خارجية معقدة.

كانت إحدى النتائج الأكثر إثارة هي اكتشاف "التعددية" (degeneracy) في النظام. كشفت عمليات المحاكاة أن المخروط النموئي يمكنه تحقيق نفس السلوك الخارجي من خلال العديد من التكوينات الداخلية المختلفة. تمامًا كما يمكن لشخص أن يصل إلى وجهته عبر طرق عديدة، يمكن للخلية الحفاظ على اتجاه معين باستخدام تركيبات مختلفة من أجزائها الداخلية. وهذا التكرار يجعل النظام قويًا؛ فإذا تعطل جزء ما، يمكن لجزء آخر أن يحل محله دون تعطيل المسار العام. أظهر النموذج أنه بينما يتحرك المخروط النموئي عبر بيئات مختلفة، فإنه يعيد ترتيب مكوناته الداخلية باستمرار للبقاء على مسار الاعتلاج العالي، مما يضمن قدرته على التكيف مع الظروف المتغيرة دون أن يفقد طريقه.

تخلص الدراسة إلى أن التوصيل المنظم للجهاز العصبي ليس نتيجة لخطة صارمة ومحددة مسبقًا، بل ينبثق من عملية ديناميكية لإدارة عدم اليقين. فمن خلال العمل بالقرب من حافة الاستقرار، يمكن للمخاريف النموئية الموازنة بين الحاجة إلى اتجاه ثابت والحاجة إلى التكيف السريع. يقدم هذا المنظور الديناميكي الحراري طريقة جديدة للتفكير في كيفية عمل الأنظمة البيولوجية المعقدة؛ إذ يشير إلى أن القدرة على التنقل في عالم صاخب لا تتعلق بإلغاء الضجيج، بل باستخدامه. فالمخروط النموئي لا يتجاهل فوضى بيئته، بل يستخدم التقلبات في إشاراته الداخلية ليظل مرنًا ومستجيبًا.

على الرغم من أن النتائج تستند إلى عمليات محاكاة حاسوبية ونماذج نظرية، إلا أنها تقدم تفسيرًا مقنعًا لكيفية تحقيق الأنظمة البيولوجية لكل من الاستقرار والقدرة على التكيف. تشير الأبحاث إلى أن مبادئ الديناميكا الحرارية، التي تُطبق عادةً على الحرارة والطاقة، قد تحكم أيضًا سلوك الخلايا الحية. ومن خلال النظر إلى توجيه المحاور كبحث عن حالات الاعتلاج العالي، تقدم الدراسة منظورًا جديدًا لكيفية بناء الحياة لشبكاتها المعقدة. وهذا يعني أن سر النمو القوي لا يكمن في السيطرة الصارمة، بل في الاحتضان الاستراتيجي للتباين، مما يسمح للجهاز العصبي بالنمو بدقة ورشاقة.