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

प्रत्येक जीवित कोशिका के भीतर, रासायनिक प्रतिक्रियाओं का एक विशाल और जटिल नेटवर्क निरंतर कार्य करता रहता है ताकि जीवन को सुचारू रूप से चलाया जा सके। यह नेटवर्क, जिसे चयापचय (metabolism) कहा जाता है, भोजन को ऊर्जा में बदलने, नए हिस्सों के निर्माण और अपशिष्ट प्रबंधन के लिए जिम्मेदार है। दशकों से, वैज्ञानिकों ने इन प्रणालियों को मुख्य रूप से होमियोस्टैटिक मशीनों के रूप में देखा है: वे स्थिर रहने के लिए डिज़ाइन की गई हैं, जो आंतरिक वातावरण को स्थिर रखने के लिए किसी भी छोटी त्रुटि को सुधारती हैं। यदि कोशिका के ऊर्जा स्तर गिरते हैं, तो प्रणाली उत्पादन बढ़ा देती है; यदि वे बहुत अधिक हो जाते हैं, तो यह धीमी हो जाती है। संतुलन बनाए रखने की यह क्षमता कोशिकाओं को बदलती दुनिया में जीवित रहने में सक्षम बनाती है। हालाँकि, विचार की एक नई धारा सुझाव देती है कि ये समान रासायनिक नेटवर्क केवल यथास्थिति बनाए रखने से कहीं अधिक कर सकते हैं। वे कुछ बहुत अधिक जटिल कार्य करने में सक्षम हो सकते हैं: सीखना। जिस तरह एक जानवर पिछले अनुभव से सीख सकता है ताकि भविष्य की घटना पर अलग तरह से प्रतिक्रिया दे सके, एक कोशिका पिछले तनाव को याद रख सकती है और उस स्मृति का उपयोग अगले तनाव को बेहतर ढंग से संभालने के लिए कर सकती है। यह विचार पारंपरिक दृष्टिकोण को चुनौती देता है कि सीखने के लिए मस्तिष्क या तंत्रिका तंत्र की आवश्यकता होती है, और यह प्रस्तावित करता है कि रसायन विज्ञान और भौतिकी के बुनियादी नियम ही स्मृति का एक रूप बनाने के लिए पर्याप्त हो सकते हैं।

टफ्ट्स यूनिवर्सिटी के शोधकर्ताओं ने इस संभावना का परीक्षण करने के लिए एक स्तनधारी कोशिका के ऊर्जा चयापचय का कंप्यूटर मॉडल बनाकर एक साहसिक कदम उठाया है। वास्तविक कोशिका का सूक्ष्मदर्शी के नीचे अध्ययन करने के बजाय, उन्होंने एक डिजिटल सिमुलेशन बनाया जो ग्लूकोज, वसा और ऑक्सीजन जैसे प्रमुख अणुओं के प्रवाह को ट्रैक करता है। मॉडल में उन मुख्य मार्गों को शामिल किया गया है जिनका उपयोग कोशिकाएं ऊर्जा उत्पन्न करने के लिए करती हैं, साथ ही "अनुकूली एंजाइमों" (adaptive enzymes) की एक परत भी है। ये प्रणाली के स्थिर भाग नहीं हैं बल्कि समायोज्य घटक हैं जिन्हें कोशिका चीजों को सुचारू रूप से चलाने के लिए अपनी संख्या या गतिविधि में बदल सकती है। महत्वपूर्ण रूप से, इन एंजाइमों को बदलने में ऊर्जा खर्च होती है, ठीक वैसे ही जैसे एक कारखाने में नई मशीनरी बनाने में संसाधन खर्च होते हैं। शोधकर्ताओं ने मॉडल को लगातार अपनी आंतरिक स्थिति की जांच करने और चीजों को स्वस्थ लक्ष्य के करीब रखने के लिए अपने एंजाइमों में छोटे समायोजन करने के लिए प्रोग्राम किया। इसके बाद उन्होंने डिजिटल कोशिका को चुनौतियों की एक श्रृंखला के संपर्क में रखा, जैसे कि भोजन की आपूर्ति में अचानक गिरावट या विषाक्त पदार्थों का प्रवेश, यह देखने के लिए कि वह समय के साथ कैसे प्रतिक्रिया देती है।

इन सिमुलेशन के परिणाम आश्चर्यजनक थे। मॉडल ने प्रदर्शित किया कि फीडबैक लूपों की एक सरल प्रणाली, बिना किसी जटिल मस्तिष्क जैसी संरचना के, ऐसे व्यवहार प्रदर्शित कर सकती है जो सीखने जैसा दिखता है। जब शोधकर्ताओं ने मॉडल को पहली बार एक विशिष्ट तनाव के संपर्क में लाया, जैसे कि किसी विशेष पोषक तत्व की आपूर्ति को सीमित करना, तो प्रणाली ने अपने एंजाइमों को प्रबंधित करने के लिए उन्हें समायोजित किया। जब उन्होंने बाद में एक दूसरा, अलग तनाव पेश किया, तो कोशिका की प्रतिक्रिया वैसी नहीं थी जैसी होती यदि वह समस्या का सामना पहली बार कर रही होती। कुछ मामलों में, पिछले अनुभव ने कोशिका को नए तनाव के प्रति कम प्रतिक्रियाशील बना दिया, जिसे 'अभ्यस्तता' (habituation) नामक घटना कहा जाता है। अन्य मामलों में, पहले तनाव ने कोशिका को दूसरे के प्रति अधिक संवेदनशील बना दिया, जिसे 'संवेदीकरण' (sensification) कहा जाता है। इसका अर्थ है कि घटनाओं का क्रम मायने रखता है; सिस्टम का इतिहास उसकी भविष्य की प्रतिक्रियाओं को बदल देता है। पहले घटना की "स्मृति" किसी विशेष फाइल या समर्पित अणु में संग्रहीत नहीं थी, बल्कि कोशिका के एंजाइमों के नए विन्यास में समाहित थी।

सबसे महत्वपूर्ण निष्कर्षों में से एक यह था कि यह स्मृति कोशिका की स्थिति में स्थायी परिवर्तन ला सकती है, यहाँ तक कि मूल तनाव हटने के बाद भी। उदाहरण के लिए, जब शोधकर्ताओं ने कोशिका की ग्लूकोज आयात करने की क्षमता को बार-बार बाधित किया, तो अवरोध हटने के बाद भी सिस्टम केवल सामान्य स्थिति में नहीं लौटा। इसके बजाय, यह एक नई, स्थिर अवस्था में स्थानांतरित हो गया जहाँ यह लैक्टेट का उच्च स्तर उत्पन्न करता है, जो अक्सर कैंसर कोशिकाओं से जुड़ा एक अपशिष्ट उत्पाद है। यह बदलाव कोशिका के आनुवंशिक कोड में किसी भी परिवर्तन के बिना हुआ, जो बताता है कि कोशिका के तनाव का इतिहास उसके चयापचय व्यक्तित्व को स्थायी रूप से फिर से लिख सकता है। शोधकर्ताओं ने यह भी देखा कि सिस्टम उस हानिकारक अणुओं के खतरनाक उछाल को भी दोहरा सकता है जो दिल के दौरे या स्ट्रोक के बाद ऊतकों में रक्त प्रवाह बहाल होने पर होता है। यह व्यवहार मॉडल के डिजाइन से स्वाभाविक रूप से उभरा, भले ही शोधकर्ताओं ने इसे विशेष रूप से प्रोग्राम नहीं किया था, जो बताता है कि ऐसी खतरनाक प्रतिक्रियाएं इस बात का अंतर्निहित गुण हो सकती हैं कि चयापकीय नेटवर्क झटके से कैसे उबरते हैं।

हालाँकि, इस अध्ययन ने इस सरल प्रकार के सीखने की सीमाओं को भी प्रकट किया। जब शोधकर्ताओं ने मॉडल का परीक्षण एक कठोर प्रोटोकॉल के साथ किया जिसे वास्तविक अभ्यस्तता मापने के लिए डिज़ाइन किया गया था—जहाँ एक प्रणाली को धीरे-धीरे एक बार-बार होने वाले, हानिरहित उद्दीपन (stimulus) के प्रति प्रतिक्रिया देना बंद कर देना चाहिए—तो बुनियादी नियंत्रक विफल रहा। सिस्टम बहुत अधिक पूर्ण था; इसने इतनी तेज़ी से और सटीकता से समायोजन किया कि यह कभी भी प्रतिक्रिया के उस क्रमिक क्षय को नहीं दिखा सका जो जीवित जीवों में अभ्यस्तता की विशेषता है। मॉडल को अभ्यस्त बनाने के लिए, शोधकर्ताओं को इसमें खामियां पेश करनी पड़ीं, जैसे कि कोशिका के सेंसरों को पर्यावरण के प्रति थोड़ा कम संवेदनशील बनाना या सिस्टम को घटनाओं के बीच पूरी तरह से स्थिर होने से रोकना। यह सुझाव देता है कि एक जैविक प्रणाली के लिए वास्तव में सीखने और भूलने के लिए, उसे थोड़ा अपूर्ण होने की आवश्यकता हो सकती है, या शायद पूरी तस्वीर को एक साथ देखने में असमर्थ होने की। एक प्रणाली जो संतुलन बनाए रखने में बहुत कुशल है, वह कभी भी उस लचीली स्मृति को विकसित नहीं कर पाएगी जो जटिल, अप्रत्याशित दुनिया के अनुकूल होने की अनुमति देती है।

अंततः, यह कार्य बताता है कि अनुभव-आधारित व्यवहार की क्षमता कोई विशेष उपहार नहीं है जो केवल जटिल मस्तिष्क के पास हो, बल्कि यह किसी भी ऐसी प्रणाली का मौलिक गुण है जिसे दबाव में ऊर्जा और संसाधनों का प्रबंधन करना होता है। कंप्यूटर मॉडल ने दिखाया कि केवल जीवित रहने और संतुलित रहने की कोशिश करके, एक चयापकीय नेटवर्क परस्पर विरोधी बाधाओं को पार कर सकता है, पिछले घटनाओं के निशानों को अपने एंजाइम स्तरों में संग्रहीत कर सकता है, और अपने भविष्य के व्यवहार को तदनुसार बदल सकता है। हालांकि यह एक सिमुलेशन है और जीवित कोशिका का प्रत्यक्ष अवलोकन नहीं है, यह हमें यह सोचने का एक शक्तिशाली नया तरीका प्रदान करता है कि कोशिकाएं कैसे समस्याओं को हल कर सकती हैं और अपने परिवेश के अनुकूल हो सकती हैं। यह संकेत देता है कि सीखने और स्मृति की जड़ें जीवन के वृक्ष में हमारी कल्पना से कहीं अधिक गहरी, उसी रसायन विज्ञान के भीतर छिपी हो सकती हैं जो हमें जीवित रखती है।