Decision-making in light-trapped slime molds involves active mechanical processes

Resumen Técnico: La toma de decisiones en el moho mucilaginoso atrapado en luz involucra procesos mecánicos activos

Planteamiento del problema
La toma de decisiones, definida como la selección de una acción entre diversas alternativas para optimizar el comportamiento en entornos complejos, está bien comprendida en sistemas neuronales, pero sigue siendo mecánicamente incierta en organismos no neuronales. El moho mucilaginoso unicelular y multinucleado Physarum polycephalum exhibe capacidades sofisticadas de toma de decisiones, tales como encontrar rutas más cortas y optimizar el forrajeo, sin poseer un sistema nervioso centralizado. Mientras que investigaciones previas han documentado los resultados de estas decisiones (por ejemplo, la redistribución de masa, la dirección del crecimiento), los principios mecánicos subyacentes que gobiernan cómo el organismo forma inicialmente la decisión de reubicar la masa siguen siendo desconocidos. Específicamente, no está claro cómo el P. polycephalum transiciona de un estado de exploración ambiental amplia a una trayectoria de escape comprometida impulsada por la dinámica de fluidos interna.

Metodología
Los autores investigaron la dinámica exploratoria de P. polycephalum bajo restricciones espaciales utilizando un ensayo de confinamiento de luz azul.

• Configuración experimental: Los plasmodios fueron confinados dentro de formas poligonales (hexágonos, cuadrados, triángulos, diamantes en zigzag y estrellas) proyectadas mediante un dispositivo de microespejos digitales (DMD) utilizando luz azul de 470 nm, la cual el organismo evita activamente. Las trampas se dimensionaron entre 10–30 mm² para asegurar la independencia del tamaño.
• Imagenología: La microscopía de campo claro capturó datos de series temporales en intervalos de 2 minutos durante 24 horas para rastrear las rutas de escape. Se registraron datos de alta resolución (intervalos de 3–6 segundos) en bloques de 1 hora para analizar la dinámica de contracción.
• Análisis cuantitativo:
  • Dinámica de protrusión: Las protrusiones que se extendían hacia la luz azul se cuantificaron mediante el tamaño ($A_{blue}$), la distancia de exploración (distancia euclidiana al límite) y la ubicación de salida (parametrizada por la relación entre la longitud del eje local y el eje más largo de la forma, $d_m/d_{max}$).
  • Análisis de ondas peristálticas: Las fases de contracción se extrajeron de los cambios de intensidad de píxeles mediante transformadas de Hilbert. La orientación de la onda se determinó calculando el gradiente de los patrones de fase suavizados.
  • Análisis de Componentes Principales (PCA): Los patrones de contracción de alta resolución temporal se descompusieron en modos propios ortonormales para identificar los patrones de contracción dominantes y su actividad temporal ($\Pi_{k,i}$).
  • Modelado teórico: Se generó una red de transporte teórica para las geometrías de las trampas utilizando la Descomposición en Valores Singulares (SVD) sobre una matriz de disipación. Este modelo calculó la eficiencia de transporte (relación entre la disipación de flujo dirigido hacia adelante y la disipación de flujo bidireccional) para predecir los modos de contracción óptimos basados en la topología de la red.

Resultados clave

1. Alineación de escape: Independientemente de la geometría de la trampa, el P. polycephalum escapa consistentemente a lo largo del eje más largo del polígono. Sin embargo, el escape no es inmediato; está precedido por una fase de exploración prolongada (~1.5 horas) donde el organismo forma pequeñas protrusiones transitorias en múltiples direcciones a lo largo de todo el límite.
2. Cambio de contracción dinámica: Durante la exploración, la onda peristáltica no se estabiliza inmediatamente. En su lugar, el organismo exhibe un cambio activo entre diferentes modos de contracción dominantes. El PCA revela que distintos modos (Modos 2–5) impulsan las protrusiones exploratorias iniciales, mientras que un modo específico (Modo 1) se vuelve dominante solo cuando el organismo se compromete con la ruta de escape.
3. Correlación modo-dirección: La dirección del crecimiento de la protrusión se alinea con la orientación instantánea de la onda peristáltica. Sin embargo, la dirección de la onda fluctúa significamente durante la exploración, oscilando a menudo entre diferentes ejes largos de la trampa antes de estabilizarse a lo largo del eje de escape final.
4. Optimización mecánica: El modelado teórico demuestra que la geometría de confinamiento dicta el modo de transporte más eficiente. El modo que minimiza la disipación energética para el flujo dirigido se alinea con la dirección de escape observada. Los datos experimentales confirman que el organismo eventualmente se establece en este modo mecánicamente óptimo, el cual genera los gradientes de presión necesarios para impulsar la reubicación de la masa fuera de la trampa.
5. Dinámicas fuera del equilibrio: El sistema no selecciona inmediatamente la ruta óptima. En su lugar, muestrea una amplia gama de configuraciones menos eficientes (protrusiones exploratorias) antes de reorganizar sus patrones de flujo interno para establecerse en el estado de transporte más eficiente requerido para el escape.

Significado y afirmaciones
El artículo afirma que la toma de decisiones en P. polycephalum no es el resultado de una computación centralizada, sino que emerge de procesos mecánicos activos y de la autoorganización de los flujos de fluidos internos.

• Base mecánica de la decisión: La selección de una ruta de escape es impulsada por la reorganización dinámica de los modos de contracción, los cuales están constreñidos por la geometría ambiental (la forma de la trampa).
• Papel de las restricciones: El confinamiento ambiental severo desencadena una transición de una exploración flexible y multidireccional hacia un comportamiento de escape dirigido y óptimo. Esta transición se logra mediante una reorganización a largo plazo de los patrones de flujo, en lugar de un cálculo instantáneo.
• Principio general: Los hallazgos sugieren que los sistemas descentralizados procesan las restricciones ambientales a través de la dinámica física (flujo de fluidos y gradientes de presión) para impulsar un comportamiento adaptativo. El organismo equilibra la flexibilidad exploratoria con la eficiencia mecánica, adoptando temporalmente estados subóptimos para probar el entorno antes de comprometerse con la solución energéticamente óptima.
• Impacto más amplio: Estos resultados proporcionan un marco mecánico para comprender cómo los organismos no neuronales procesan la información y toman decisiones, ofreciendo un modelo de cómo el comportamiento adaptativo puede emerger de la autoorganización física en ausencia de un sistema nervioso.