Heterogeneous diffusion with recruitment and mortality

Dans le monde encombré et complexe des cellules biologiques ou les paysages mouvants des roches poreuses, les particules ne se déplacent pas avec le rythme régulier et prévisible d'une horloge. Au lieu de cela, leur mouvement est souvent erratique et inégal, s'accélérant dans certaines régions et ralentissant dans d'autres selon l'endroit précis où elles se trouvent. Les scientifiques appellent cela la diffusion hétérogène. C'est une manière fondamentale de décrire comment les choses se propagent dans des environnements qui ne sont pas uniformes, un concept crucial pour comprendre tout, de la façon dont les nutriments voyagent à l'intérieur d'une cellule vivante à la manière dont les polluants se dispersent dans les eaux souterraines. Pendant des décennies, les chercheurs ont étudié ces mouvements en supposant que le nombre de particules reste constant, comme un groupe fixe de randonneurs explorant une forêt. Cependant, de nombreux systèmes réels sont bien plus dynamiques : des individus sont constamment nés ou infectés, tandis que d'autres meurent ou guérissent, faisant fluctuer sauvagement le nombre total de voyageurs actifs. Comprendre comment ces populations changeantes se déplacent à travers des terrains inégaux est essentiel pour prédire tout, de la propagation d'un virus à la croissance des colonies bactériennes.

Une équipe de physiciens a maintenant construit un modèle mathématique pour décrire ce système ouvert et chaotique, où les particules sont simultanément créées et détruites alors qu'elles errent dans un espace où leur vitesse change selon la position. Ils ont découvert qu'au fil du temps, le groupe de particules s'installe dans un motif stable et immuable, mais que la taille de ce motif est déterminée entièrement par la rapidité avec laquelle les particules sont éliminées, et non par la vitesse à laquelle de nouvelles particules sont ajoutées. Peut-être de manière plus surprenante encore, ils ont découvert qu'une quantité modérée de suppression peut en fait aider le groupe à trouver une cible spécifique plus rapidement que si personne n'était supprimé. Cet effet contre-intuitif, que les chercheurs appellent « recherche assistée par la mortalité », suggère que dans un système où de nouveaux voyageurs arrivent constamment, se débarrasser de ceux qui se sont trop éloignés permet aux nouveaux arrivants de dominer la recherche, élaguant efficacement les chemins infructueux et accélérant l'arrivée du premier voyageur fructueux.

Les chercheurs ont commencé par définir un processus où la capacité d'une particule à se déplacer dépend de sa position. Dans certaines zones, l'environnement est si restrictif que le mouvement est lent, tandis que dans d'autres, il est si ouvert que les particules filent à toute allure. Ils ont introduit deux forces opposées : le recrutement, qui ajoute de nouvelles particules à un point de départ spécifique, et la mortalité, qui supprime des particules à des moments aléatoires. Cette configuration généralise un concept précédemment étudié appelé « réinitialisation stochastique » (stochastic resetting), où une particule est soudainement renvoyée à son point de départ. Dans le nouveau modèle, la particule n'est pas seulement réinitialisée mais remplacée par une nouvelle, et le taux de remplacement n'a pas besoin de correspondre au taux de suppression. En résolvant les équations régissant ce système, l'équipe a montré qu'au fil du temps, le nuage de particules cesse de s'étendre indéfiniment. Au lieu de cela, il atteint une taille fixe. Cette limite est déterminée uniquement par le taux de mortalité et la nature du terrain, indépendamment de la manière dont les nouvelles particules sont injectées. Le taux de recrutement change simplement l'échelle du nombre total de particules dans le nuage, comme si l'on montait le volume d'une radio, mais il ne change ni la forme ni la portée du signal.

La découverte la plus frappante est apparue lorsque l'équipe s'est demandé combien de temps il faudrait à la première particule pour atteindre un emplacement cible spécifique. Ils ont calculé le temps moyen requis pour cette première arrivée sous différentes conditions. Lorsqu'ils ont maintenu constant le ratio entre les nouveaux arrivants et les décès tout en faisant varier la vitesse à laquelle les particules mouraient, ils ont trouvé un point d'équilibre optimal. Si le taux de mortalité était trop bas, la recherche était ralentie par des particules qui s'étaient éloignées de leur trajectoire et qui étaient peu susceptibles de revenir. Si le taux de mortalité était trop élevé, les particules étaient supprimées si rapidement qu'il n'y en avait pas assez pour trouver la cible. Cependant, à un taux de suppression intermédiaire spécifique, le temps de recherche était minimisé. Cela se produit parce que le processus de suppression agit comme un filtre, éliminant les chercheurs « infructueux » qui se sont égarés, tandis que le flux constant de nouveaux recrues garantit qu'il y a toujours de nouvelles tentatives partant de la source. Le résultat est un système qui trouve sa cible plus rapidement que si chaque tentative était laissée à poursuivre indéfiniment.

Ce phénomène est vrai quel que soit l'environnement qui rend le mouvement généralement lent ou rapide, bien que le taux de suppression optimal exact dépende du terrain. Les chercheurs ont confirmé ces résultats par des simulations numériques détaillées, montrant que l'effet est robuste à travers un large éventail de conditions. Ils ont également démontré que la vitesse à laquelle le système atteint un état stationnaire et la probabilité qu'une particule atteigne la cible avant de mourir sont directement liées à la « distance effective » vers l'objectif, une mesure qui tient compte de la façon dont la vitesse changeante de l'environnement étire ou comprime le voyage.

Pour illustrer la pertinence réelle de ces découvertes, les auteurs ont appliqué leur modèle à la propagation des maladies infectieuses. Dans ce contexte, les « particules » sont les individus infectés, le « recrutement » représente les nouvelles infections découlant de contacts, et la « mortalité » représente l'élimination des individus infectés par la mort ou la guérison. La cible est une nouvelle région ou une nouvelle ville qui n'a pas encore été infectée. Le modèle suggère une possibilité troublante : un taux de suppression modéré, tel qu'une quarantaine efficace ou un traitement, pourrait paradoxalement accélérer l'arrivée de l'infection dans une nouvelle zone. Ce n'est pas parce que la maladie devient plus contagieuse, mais parce que l'élimination des individus infectés qui sont loin de la nouvelle région empêche ces derniers de perdre du temps dans de longs voyages infructueux, permettant aux nouveaux infectés plus proches de la cible de l'atteindre plus tôt. Bien que cela semble dangereux, cela met en lumière une dynamique complexe où les interventions réduisant le nombre total de cas pourraient ne pas retarder linéairement la propagation vers de nouvelles zones. L'étude offre un nouveau prisme pour comprendre comment les populations d'entités mobiles et changeantes naviguent dans des paysages complexes, avec des implications pour la gestion des épidémies, l'optimisation des stratégies de recherche en robotique et la compréhension de la dynamique cellulaire dans des environnements biologiques encombrés.