Mechanical plasticity as a unifying axis for the thermodynamics of biological information machines

Stellen Sie sich das Innere Ihres Körpers als eine geschäftige, mikroskopische Stadt vor. In dieser Stadt sind winzige Maschinen ständig am Werk: Einige lesen genetische Anweisungen, andere pumpen Ionen, um Ihre Nerven zu stimulieren, und wieder andere speichern Erinnerungen in Ihrem Gehirn. Jahrzehntelang haben Wissenschaftler diese Maschinen mit unterschiedlichen Regelbüchern untersucht. Eine Gruppe betrachtet, wie genau eine Maschine eine Nachricht kopiert, eine andere misst, wie viel Energie es kostet, eine Last zu bewegen, und eine dritte berechnet, wie viel Wärme verloren geht, während eine Erinnerung gespeichert wird. Das Problem ist: Diese Regelbücher sprechen nicht miteinander. Es ist, als würde man versuchen, die Geschwindigkeit eines Rennwagens, die Kraftstoffeffizienz eines LKWs und die Speicherkapazität einer Festplatte mithilfe dreier verschiedener Sprachen zu vergleichen. Wir wissen, dass diese Maschinen erstaunlich sind, aber wir hatten bisher kein einziges Lineal, um sie alle gleichzeitig zu messen.

Das fehlende Lineal stellt sich als „Quitschigkeit“ (Squishiness) heraus. In der Welt der Physik wackelt alles aufgrund von Wärme. Eine Maschine, die sehr steif ist, wackelt nicht viel, während eine weiche, quitschige Maschine wild herumschlingert. Dieses Paper führt eine einfache Methode ein, um zu messen, wie „quitschig“ eine biologische Maschine im Vergleich zu der Wärme um sie herum ist. Durch die Verwendung dieses einzigen Messwertes schlagen die Autoren einen neuen Weg vor, um zu verstehen, wie diese Maschinen Informationen verarbeiten, wie viel Energie sie verschwenden und warum einige gebaut wurden, um ewig zu halten, während andere gebaut wurden, um sich schnell zu verändern. Es ist eine neue Landkarte, die es uns ermöglicht, ein Ribosom, eine Herzpumpe und eine Gedächtnissynapse nebeneinander zu betrachten, um zu sehen, was sie gemeinsam haben.

---

Die große Quitschigkeits-Skala

Lernen Sie den neuen Helden dieser Geschichte kennen: eine Zahl namens Plastizität (ausgesprochen pluh-STIS-uh-tee). Denken Sie an sie als ein „Wackel-Meter“. Jede biologische Maschine hat Teile, die sich bewegen, um ihre Aufgabe zu erfüllen. Einige Teile sind wie ein massiver Stahlbalken (sehr steif), andere wie ein Stück gekochter Spaghetti (sekt weich). Die Autoren haben eine Formel entwickelt, um zu messen, wie sehr ein bestimmter Teil aufgrund von Wärme wackelt, im Verhältnis dazu, wie weit er sich bewegen muss, um seine Arbeit zu verrichten.

Wenn die Zahl winzig ist, ist die Maschine steif und hält ihre Form fest. Wenn die Zahl groß ist, ist die Maschine weich und wackelt viel. Das Paper legt nahe, dass wir, wenn wir alle biologischen Maschinen durch dieses „Wackel-Meter“ betrachten, sie endlich sortieren können. Aber hier kommt die Wendung: Man kann nicht einfach eine einzige Zahl für die gesamte Maschine wählen. Genau wie ein Auto ein steifes Fahrgestell, aber weiche Reifen hat, muss eine biologische Maschine aus verschiedenen Teilen bestehen, die aus unterschiedlichen Gründen steif oder weich sind.

Die Zwei-Modus-Maschine: Der Schreiber und der Tresor

Das Paper argumentt, dass die interessantesten Maschinen diejenigen sind, die zwei widersprüchliche Dinge gleichzeitig tun müssen: neue Informationen schreiben und alte Informationen bewahren (retinieren).

Stellen Sie sich vor, Sie versuchen, ein Tagebuch zu schreiben.

• Der Schreiber (Weich-Modus): Um einen neuen Eintrag zu schreiben, benötigen Sie einen Stift, der sich leicht bewegen lässt. In einer biologischen Maschine ist dies ein „weicher“ Teil, der schnell wackeln und die Form ändern kann, wenn ein Signal eingeht. Es ist wie ein Modell aus weichem Ton, das man mit den Fingern neu formen kann.
• Der Tresor (Steif-Modus): Sob wenn Sie den Eintrag geschrieben haben, wollen Sie, dass er jahrelang dort bleibt. Sie können ihn nicht auf einem wackeligen Tisch liegen lassen; Sie brauchen einen Stahltresor. In der Maschine ist dies ein „steifer“ Teil, der sich kaum bewegt und die Information gegen die Hitze abschirmt, die versucht, sie durcheinanderzubringen.

Das Paper zeigt, dass Maschinen wie das Ribosom (das Proteine baut) und die Ionenpumpe (die Salz in und aus Zellen bewegt) hauptsächlich nur Arbeit verrichten. Sie sind wie Fließbänder: Sie bewegen sich, erledigen etwas und müssen sich nicht daran erinnern, was sie getan haben. Aber die hippocampale Synapse (der Teil Ihres Gehirns, der Erinnerungen speichert) ist anders. Sie muss eine Zwei-Modus-Maschine sein. Sie braucht einen weichen Teil, um neue Erinnerungen anzunehmen (Adaptation/Anpassung), und einen steifen Teil, um sie ein Leben lang festzuhalten (Retention/Bewahrung).

Wenn man versucht, eine Gedächtnismaschine mit nur einer Zahl zu beschreiben, kommt man durcheinander. Man könnte denken, die ganze Sache sei zu wackelig, um eine Erinnerung zu halten, oder zu steif, um jemals etwas Neues zu lernen. Indem die Autoren die Maschine in ihren „weichen Schreiber“ und ihren „steifen Tresor“ aufteilen, zeigen sie, wie sie beides leisten kann.

Der Preis eines Geheimnisses

Das Paper führt auch eine neue Art ein, die „Kosten“ des Bewahrens einer Erinnerung zu messen. In der Physik gibt es eine berühmte Regel, das Landauer-Limit, das besagt, dass das Löschen eines Bits an Information eine winzige, winzige Menge Energie kostet. Aber das Bewahren eines Bits an Information? Das ist eine andere Geschichte.

Die Autoren definen eine „Retentionslast“ (Retention Burden). Stellen Sie sich vor, Sie haben ein Geheimnis.

• Passives Gedächtnis (DNA): Ihre DNA ist wie eine Steintafel. Einmal in den Stein gemeißelt, müssen Sie nichts tun, um das Geheimnis dort zu behalten. Der Stein liegt einfach da. Es kostet fast nichts, es aufrechtzuerhalten, solange man die Risse repariert, wenn sie entstehen.
• Aktives Gedächtnis (Synapsen): Das Gedächtnis Ihres Gehirns ist wie eine Sandburg. Die Wellen (die Wärme) versuchen ständig, sie fortzuspülen. Um die Burg aufrechtzuerhalten, müssen Sie ständig Sand hinzufügen und sie festklopfen. Das verbraucht viel Energie.

Das Paper berechnet, dass das Bewahren einer Erinnerung in einer Synapse etwa 10.000 Mal mehr Energie kostet als das Bewahren einer Erinnerung in der DNA. Warum? Weil das Gehirn in der Lage sein muss, seine Erinnerungen neu zu schreiben. Die Fähigkeit, sich zu verändern (Plastizität), ist teuer. Das Paper legt nahe, dass diese hohen Kosten der Preis sind, den wir dafür zahlen, ein Gehirn zu haben, das lernen kann, anstatt nur eine Festplatte zu sein, die nur das speichert, was ihr programmiert wurde.

Was das Paper vorhersagt

Die Autoren erzählen nicht nur eine Geschichte; sie machen spezifische Wetten, die in einem Labor getest werden können. Sie schlagen vor, dass man, wenn man das „Wackel-Meter“ verschiedener Maschinen betrachtet, ein Muster sehen wird:

1. Das Steifigkeitsverhältnis: In einer Gedächtnismaschine sollte der „Tresor“-Teil etwa 1,5 Mal steifer sein als der „Schreiber“-Teil. Wenn Wissenschaftler die Steifigkeit des Gerüsts im Gehirn messen und feststellen, dass sie völlig unterschiedlich ist, könnte die Theorie falsch sein.
2. Der Transfer-Trick: Es gibt einen spezifischen „Transferkoeffizienten“ (eine Zahl zwischen 0,1 und 0,3), der kontrolliert, wie gut ein Signal vom weichen Schreiber zum steifen Tresor wandert. Wenn man den weichen Teil (das Aktin) einer Gehirnzelle manipuliert, sollte die Fähigkeit, neue Erinnerungen zu schreiben, sinken, aber die Fähigkeit, alte zu bewahren, sollte gleich bleiben.
3. Das Energieretz: Das Paper sagt voraus, dass das System, je öfter eine Erinnerung neu geschrieben wird, desto mehr Energie pro Bit an Information verschwendet. Wenn man DNA (die selten neu geschrieben wird) mit Gehirnsynapsen (die oft neu geschrieben werden) vergleicht, sollte das Gehirn wesentlich weniger effizient sein. Dies deckt sich mit dem, was wir beobachten: DNA ist eine super-effiziente Speichereinheit, während das Gehirn ein hochenergetischer, hochflexibler Prozessor ist.

Das große Ganze

Dieses Paper behauptet nicht, die Geheimnisse des Gehirns gelöst oder ein neues Naturgesetz erfunden zu haben. Stattdessen bietet es eine neue Linse an. Es legt nahe, dass der Grund, warum biologische Maschinen so unterschiedlich aussehen, nicht nur darin liegt, dass sie unterschiedliche Aufgaben haben, sondern weil sie mit einem unterschiedlichen Gleichgewicht von „Steifigkeit“ und „Quitschigkeit“ gebaut sind.

Indem sie die „weichen“ Teile, die die Arbeit verrichten, von den „steifen“ Teilen trennen, die die Erinnerung halten, bieten die Autoren eine einzige Sprache an, um über alles zu sprechen – von den winzigen Maschinen in Ihren Zellen bis hin zu den komplexen Netzwerken in Ihrem Gehirn. Es ist eine Erinnerung daran, dass in der mikroskopischen Welt die Fähigkeit, flexibel zu sein, genauso wichtig ist wie die Fähigkeit, stark zu sein, und dass das Bewahren einer Erinnerung eine Menge harte Arbeit ist.