Homeostatic feedback model of energy metabolism with adaptive enzyme levels exhibits problem solving behavior

Au cœur de chaque cellule vivante, un réseau vaste et complexe de réactions chimiques travaille sans relâche pour maintenir la vie. Ce réseau, connu sous le nom de métabolisme, est responsable de la transformation de la nourriture en énergie, de la construction de nouvelles parties et de la gestion des déchets. Pendant des décades, les scientifiques ont considéré ces systèmes principalement comme des machines homéostatiques : ils sont conçus pour rester stables, corrigeant toute petite erreur pour maintenir l'environnement interne constant. Si les niveaux d'énergie d'une cellule chutent, le système augmente la production ; s'ils deviennent trop élevés, il ralentit. Cette capacité à maintenir l'équilibre est ce qui permet aux cellules de survivre dans un monde changeant. Cependant, une nouvelle ligne de pensée suggère que ces mêmes réseaux chimiques pourraient faire bien plus que simplement maintenir le statu quo. Ils pourraient être capables de quelque chose de bien plus complexe : apprendre. Tout comme un animal peut apprendre d'une expérience passée pour réagir différemment à un événement futur, une cellule pourrait être capable de se souvenir d'un stress précédent et d'utiliser ce souvenir pour mieux gérer le suivant. Cette idée remet en question la vision traditionnelle selon laquelle l'apprentissage nécessite un cerveau ou un système nerveux, proposant plutôt que les règles fondamentales de la chimie et de la physique pourraient suffire à créer une forme de mémoire.

Des chercheurs de l'Université Tufts ont franchi une étape audacieuse pour tester cette possibilité en construisant un modèle informatique du métabolisme énergétique d'une cellule mammalienne. Au lieu d'étudier une cellule réelle sous un microscope, ils ont construit une simulation numérique qui suit le flux de molécules clés comme le glucose, les graisses et l'oxygène. Le modèle inclut les principales voies que les cellules utilisent pour générer de l'énergie, ainsi qu'une couche d'« enzymes adaptatives ». Celles-ci ne sont pas des composants fixes du système, mais des éléments ajustables que la cellule peut modifier en nombre ou en activité pour maintenir le fonctionnement de manière fluide. Crucialement, changer ces enzymes coûte de l'énergie, tout comme la construction de nouvelles machines coûte des ressources dans une usine. Les chercheurs ont programmé le modèle pour qu'il vérifie constamment son état interne et effectue de petits ajustements sur ses enzymes afin de rester proche d'une cible saine. Ils ont ensuite soumis cette cellule numérique à une série de défis, tels que des chutes soudaines de l'apport alimentaire ou l'introduction de toxines, pour voir comment elle réagissait au fil du temps.

Les résultats de ces simulations ont été frappants. Le modèle a démontré qu'un système simple de boucles de rétroaction, sans aucune structure complexe semblable à un cerveau, pouvait présenter des comportements qui ressemblent beaucoup à l'apprentissage. Lorsque les chercheurs ont exposé le modèle pour la première fois à un stress spécifique, tel que la limitation de l'apport d'un nutriment particulier, le système a ajusté ses enzymes pour y faire face. Lorsqu'ils ont introduit ultérieurement un second stress, différent, la réaction de la cellule n'était pas la même que si elle rencontrait le problème pour la première fois. Dans certains cas, l'expérience préalable rendait la cellule moins réactive au nouveau stress, un phénomène connu sous le nom d'habituation. Dans d'autres cas, le premier stress rendait la cellule plus sensible au second, un comportement appelé sensibilisation. Cela signifie que l'ordre dans lequel les événements se produisent importe ; l'histoire du système modifie ses réponses futures. La « mémoire » du premier événement n'était pas stockée dans un fichier spécial ou une molécule dédiée, mais était ancrée dans la nouvelle configuration des enzymes de la cellule.

L'une des découvertes les plus significatives fut que cette mémoire pouvait conduire à des changements permanents de l'état de la cellule, même après la suppression du stress d'origine. Par exemple, lorsque les chercheurs ont bloqué de manière répétée la capacité de la cellule à importer du glucose, le système n'est pas simplement revenu à la normale une fois le blocage levé. Au lieu de cela, il a basculé dans un nouvel état stable où il produisait des niveaux élevés de lactate, un déchet souvent associé aux cellules cancéreuses. Ce basculement s'est produit sans aucun changement dans le code génétique de la cellule, suggérant que l'histoire du stress de la cellule pourrait réécrire sa personnalité métabolique de façon durable. Les chercheurs ont également observé que le système pouvait reproduire le pic dangereux de molécules nocives qui survient lorsque le flux sanguin est rétabli dans les tissus après un infarctus ou un accident vasculaire cérébral. Ce comportement a émergé naturellement de la conception du modèle, même si les chercheurs ne l'avaient pas spécifiquement programmé pour cela, suggérant que de telles réactions dangereuses pourraient être une propriété inhérente à la façon dont les réseaux métaboliques se remettent d'un choc.

Cependant, l'étude a également révélé les limites de cette forme simple d'apprentissage. Lorsque les chercheurs ont testé le modèle avec un protocole rigoureux conçu pour mesurer une véritable habituation — où un système devrait progressivement cesser de réagir à un stimulus répété et inoffensif — le contrôleur de base a échoué. Le système était trop parfait ; il s'ajustait si rapidement et avec une telle précision qu'il ne montrait jamais l'atténuation graduelle de la réponse qui caractérise l'habituation chez les organismes vivants. Pour que le modèle puisse s'habituer, les chercheurs ont dû introduire des imperfections, comme rendre les capteurs de la cellule légèrement moins sensibles à l'environnement ou empêcher le système de se stabiliser complètement entre les événements. Cela suggère que pour qu'un système biologique puisse véritablement apprendre et oublier, il pourrait avoir besoin d'être légèrement imparfait, ou peut-être incapable de voir l'ensemble du tableau à la fois. Un système trop efficace pour maintenir l'équilibre pourrait ne jamais développer le type de mémoire flexible qui permet de s'adapter à des mondes complexes et imprévisibles.

En fin de compte, ce travail suggère que la capacité de comportement dépendant de l'expérience n'est pas un don spécial des cerveaux complexes, mais une propriété fondamentale de tout système qui doit gérer l'énergie et les ressources sous pression. Le modèle informatique a montré qu'en essayant simplement de rester en vie et équilibré, un réseau métabolique peut naviguer entre des contraintes conflictuelles, stocker les traces des événements passés dans ses niveaux d'enzymes et modifier son comportement futur en conséquence. Bien qu'il s'agisse d'une simulation et non d'une observation directe d'une cellule vivante, cela offre une nouvelle façon puissante de concevoir la manière dont les cellules résolvent les problèmes et s'adaptent à leurs environnements. Cela implique que les racines de l'apprentissage et de la mémoire pourraient être bien plus profondes dans l'arbre de la vie que ce que l'on imaginait, cachées au sein même de la chimie qui nous maintient en vie.