Das Nervensystem ist ein Meisterwerk der Präzisionsverkabelung. Damit ein Gehirn funktionieren kann, müssen Milliarden von Nervenzellen lange, dünne Fasern, sogenannte Axone, ausstrecken, um ihre exakten Partner zu finden und Verbindungen aufzubauen, die es uns ermöglichen zu denken, uns zu bewegen und zu fühlen. Dieser Prozess, bekannt als Axonführung, beruht darauf, dass die Spitze des wachsenden Axons, das sogenannte Wachstumskegel, wie ein hochentwickelter Sensor agiert. Er liest chemische Signale in seiner Umgebung aus und entscheidet, in welche Richtung er abbiegt oder wann er stoppt. Jahrzehntelang betrachteten Wissenschaftler diese Navigation als eine geradlinige Reise entlang einer Karte: Der Wachstumskegel erkennt einen Gradienten chemischer Reize, ähnlich wie ein Wanderer, der einem Pfad folgt, und steuert auf sie zu oder von ihnen weg, um ein Ziel zu erreichen. Diese einfache Sichtweise hat jedoch Schwierigkeiten zu erklären, wie diese empfindlichen Strukturen flexibel genug bleiben, um sich an eine verrauschte, sich verändernde Welt anzupassen und dennoch ein starres, zuverlässiges Netzwerk aufzubauen. Die Frage bleibt: Wie kann eine Zelle einen beständigen Kurs halten, wenn die Signale, die sie empfängt, oft widersprüchlich und chaotisch sind?

Eine neue theoretische Studie schlägt eine radikale Änderung unseres Verständnisses dieser Navigation vor. Anstatt den Wachstumskegel als passiven Verfolger einer chemischen Karte zu betrachten, legt die Forschung nahe, dass der Wachstumskegel ein aktiver Entdecker einer Landschaft ist, die durch Unsicherheit definiert ist. Der Autor, William G. Wadsworth, argumentt, dass Wachstumskegel nicht einfach in einen stabilen, vorhersehbaren Pfad verharren. Stattdessen suchen sie aktiv nach Zuständen hoher „Entropie“ – ein Konzept aus der Physik, das ein System mit vielen möglichen Anordnungen beschreibt. In diesem Rahmen navigiert der Wachstumskegel entlang der Grate zwischen verschiedenen möglichen Verhaltensweisen und verbleibt in einem Zustand hoher Volatilität, in dem er schnell die Richtung wechseln kann, falls nötig. Dieser Ansatz legt nahe, dass die Fähigkeit, den Kurs zu ändern, kein Versagen des Systems ist, sondern ein Merkmal seines Designs, das es dem Axon ermöglicht, am Rande der Veränderung bereit zu sein, bis eine Entscheidung erforderlich ist.

Um diese Idee zu testen, baute der Forscher ein Computermodell, das auf realen genetischen Daten des Rundwurms C. elegans basiert. Die Studie konzentrierte sich auf ein spezifisches Neuron, das HSN, welches in einem vorhersehbaren Muster wächst. Das Modell nutzte ein System der künstlichen Intelligenz, eine Art von Computerprogramm, das als neuronales Netz bekannt ist, welches auf Daten aus tausenden genetischen Experimenten trainiert wurde. Diese Experimente beinhalteten das Deaktivieren spezifischer Gene, die das Wachstum des Neurons steuern, wodurch offengelegt wurde, wie verschiedene Kombinationen genetischer Anweisungen zu unterschiedlichen Formen und Richtungen führen. Der Computer lernte, die Ergebnisse dieser genetischen Veränderungen vorherzusagen, und wurde so effektiv zu einem digitalen Stellvertreter für die biologische Maschinerie im Inneren der Zelle. Das Modell identifizierte zwölf verschiedene Wachstumsmuster, die von geraden Linien bis hin zu komplexen Verzweigungen reichten, und kartierte, wie der interne Zustand der Zelle zwischen diesen Zuständen wechseln kann.

Der Kern der Entdeckung liegt darin, wie das Modell die Reise des Wachstumskegels simulierte. Anstatt den Computer anzuweisen, einem chemischen Gradienten zu folgen, ließ der Forscher das Modell seinen Pfad basierend auf dem Prinzip der maximalen Entropie wählen. An jedem Schritt der simulierten Reise berechnete der Computer die Anzahl der verschiedenen internen genetischen Konfigurationen, die jede mögliche Bewegungsrichtung hervorbringen könnten. Er wählte dann die Richtung, die die größte Anzahl dieser internen Möglichkeiten bot. Überraschenderweise ermöglichte diese einfache Regel der Simulation, den exakten Pfad des realen HSN-Neurons des Wurms zu reproduzieren. Der Wachstumskegel bewegte sich nicht deshalb auf sein Ziel zu, weil er von einem chemischen Gradienten gezogen wurde, sondern weil er ständig nach der Richtung suchte, die sein internes Signalnetzwerk in einem Zustand maximaler Flexibilität hielt.

Dieser Befund stellt die traditionelle Sichtweise infrage, dass Axone einem festen Bauplan folgen. Die Simulationen zeigten, dass der Wachstumskegel, wenn er sich in einer geraden Linie bewegt, tatsächlich entlang einer Grenze wandert, an der zwei verschiedene Verhaltenszustände gleichermaßen wahrscheinlich sind. Dieser Zustand des Gleichgewichts ist kein Zeichen von Verwirrung, sondern eine strategische Position. Er erlaubt der Zelle, einen beständigen Kurs beizubehalten und gleichzeitig bereit zu sein, sofort zu manövrieren. In dem Moment, in dem sich das interne Gleichgewicht verschiebt oder die Zelle ein neues Umweltreiz erfährt, kann der Wachstumskegel seine interne Maschinerie schnell reorganisieren, um abzubiegen oder sich zu verzweigen. Die Studie demonstrierte, dass komplexe Verhaltensweisen, wie das Überqueren einer Mittellinie oder das Aufspalten in zwei Zweige, natürlich entstehen, wenn der interne Zustand der Zelle so abgestimmt ist, dass er nahe an diesen kritischen Grenzen schwebt.

Die Forschung untersuchte auch, wie die Zeit diesen Prozess beeinflusst. Durch die Simulation der graduellen Akkumulation eines spezifischen Proteins innerhalb der Zelle zeigte das Modell auf, wie ein Wachstumskegel in präzisen Momenten programmiert werden kann, sein Verhalten zu ändern. Während die internen Mengen dieses Proteins anstiegen, verschob sich die Landschaft der Möglichkeiten, was den Wachstumskegel dazu zwang, von einer Bewegungsphase in eine andere überzugegangen. Dies deutet darauf an, dass die zeitliche Steuerung der Entwicklung durch die interne Uhr der Zelle kontrolliert wird, welche die Sensibilität der Zelle gegenüber der Umgebung anpasst. Das Modell konnte erfolgreich Szenarien rekonstruieren, in denen ein Neuron vorwärts wuchs, innehielt und dann scharf abbiegte, oder in denen es sich in zwei Pfade aufteilte, allesamt gesteuert durch den sich ändernden internen Zustand der Zelle statt durch eine komplexe externe Karte.

Eines der beeindruckendsten Ergebnisse war die Entdeckung der „Degenerationsfähigkeit“ (Degeneracy) im System. Die Simulationen enthüllten, dass der Wachstumskegel dasselbe äußere Verhalten durch viele verschiedene interne Konfigurationen erreichen konnte. Genau wie eine Person ihr Ziel auf vielen verschiedenen Wegen erreichen kann, kann die Zelle eine bestimmte Richtung unter Verwendung verschiedener Kombinationen ihrer internen Teile beibehalten. Diese Redundanz macht das System robust; wenn ein Teil ausfällt, kann ein anderer an seine Stelle treten, ohne den Gesamtweg zu stören. Das Modell zeigte, dass der Wachstumskegel während seiner Bewegung durch verschiedene Umgebungen ständig seine internen Komponenten neu ordnete, um auf dem Pfad hoher Entropie zu bleiben, wodurch sichergestellt wurde, dass er sich an verändernde Bedingungen anpassen konnte, ohne den Weg zu verlieren.

Die Studie kommt zu dem Schluss, dass die geordnete Verschaltung des Nervensystems nicht das Ergebnis eines starren, vorbestimmten Plans ist, sondern aus einem dynamischen Prozess des Umgangs mit Unsicherheit hervorgeht. Indem er nahe an der Grenze zur Stabilität operiert, können Wachstumskegel das Bedürfnis nach einer beständigen Richtung mit dem Bedürfnis nach schneller Anpassung in Einklang bringen. Diese thermodynamische Perspektive bietet eine neue Art und Weise, darüber nachzudenken, wie komplexe biologische Systeme funktionieren. Sie legt nahe, dass die Fähigkeit, in einer verrauschten Welt zu navigieren, nicht darin besteht, Rauschen zu eliminieren, sondern darin, es zu nutzen. Der Wachstumskegel ignoriert das Chaos seiner Umgebung nicht; er nutzt die Fluktuationen in seinen eigenen internen Signalen, um flexibel und reaktionsfähig zu bleiben.

Obwohl die Erkenntnisse auf Computersimulationen und theoretischen Modellen basieren, liefern sie eine überzeugende Erklärung dafür, wie biologische Systeme sowohl Stabilität als auch Anpassungsfähigkeit erreichen. Die Forschung legt nahe, dass die Prinzipien der Thermodynamik, die normalerweise auf Wärme und Energie angewendet werden, auch das Verhalten lebender Zellen steuern können. Indem sie die Axonführung als eine Suche nach Zuständen hoher Entropie betrachten, bietet die Studie eine frische Perspektung darauf, wie das Leben seine komplizierten Netzwerke aufbaut. Sie impliziert, dass das Geheimnis robuster Entwicklung nicht in strenger Kontrolle liegt, sondern im strategischen Einsatz von Variabilität, was es dem Nervensystem ermöglicht, mit sowohl Präzision als auch Anmut zu wachsen.