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

Sintesi Tecnica: Il processo decisionale nei plasmodi intrappolati dalla luce coinvolge processi meccanici attivi

Definizione del Problema
Il processo decisionale, definito come la selezione di un'azione tra diverse alternative per ottimizzare il comportamento in ambienti complessi, è ben compreso nei sistemi neurali, ma rimane meccanicisticamente poco chiaro negli organismi non neuronali. L'unicellulare multinucleato Physarum polycephalum esibisce capacità decisionali sofisticate, come la ricerca dei percorsi più brevi e l'ottimizzazione del foraggiamento, senza un sistema nervoso centralizzato. Mentre la ricerca precedente ha documentato gli esiti di queste decisioni (ad esempio, la ridistribuzione della massa, la direzione di crescita), i principi meccanici sottostanti che governano il modo in cui l'organismo formi inizialmente la decisione di ricollocare la massa rimangono ignoti. Nello specifico, non è chiaro come il P. polycephalum transiti da uno stato di esplorazione ambientale diffusa a una traiettoria di fuga impegnata, guidata dalla dinamica dei fluidi interna.

Metodologia
Gli autori hanno investigato la dinamica esplorativa di P. polycephalum sotto vincoli spaziali utilizzando un saggio di confinamento tramite luce blu.

• Configurazione Sperimentale: I plasmodi sono stati confinati all'interno di forme poligonali (esagoni, quadrati, triangoli, diamanti a zigzag e stelle) proiettate tramite un dispositivo digitale a specchi (DMD) utilizzando luce blu a 470 nm, che l'organismo evita attivamente. Le trappole avevano dimensioni comprese tra 10 e 30 mm² per garantire l'indipendenza dalle dimensioni.
• Imaging: La microscopia a campo chiaro ha catturato serie temporali a intervalli di 2 minuti per 24 ore per tracciare le rotte di fuga. Dati ad alta risoluzione (intervalli di 3–6 secondi) sono stati registrati per blocchi di 1 ora per analizzare la dinamica delle contrazioni.
• Analisi Quantitativa:
  • Dinamica delle Protrusioni: Le protrusioni che si estendevano nella luce blu sono state quantificate in termini di dimensione ($A_{blue}$), distanza di esplorazione (distanza euclidea dal confine) e posizione di uscita (parametrizzata dal rapporto tra la lunghezza dell'asse locale e l'asse più lungo della forma, $d_m/d_{max}$).
  • Analisi delle Onde Peristaltiche: Le fasi di contrazione sono state estratte dai cambiamenti di intensità dei pixel tramite trasformate di Hilbert. L'orientamento dell'onda è stato determinato calcolando il gradiente dei modelli di fase smussati.
  • Analisi delle Componenti Principali (PCA): I modelli di contrazione ad alta risoluzione temporale sono stati decomposti in autovettori ortonormali per identificare i modelli di contrazione dominanti e la loro attività temporale ($\Pi_{k,i}$).
  • Modellazione Teorica: Una rete di trasporto teorica è stata generata per le geometrie delle trappole utilizzando la Decomposizione ai Valori Singolari (SVD) su una matrice di dissipazione. Questo modello ha calcolato l'efficienza del trasporto (rapporto tra la dissipazione del flusso diretto in avanti e la dissipazione del flusso bidirezionale) per prevedere i modi di contrazione ottimali in base alla topologia della rete.

Risultati Chiave

1. Allineamento della Fuga: Indipendentemente dalla geometria della trappola, il P. polycephalum sfugge costantemente lungo l'asse più lungo del poligono. Tuttavia, la fuga non è immediata; è preceduta da una prolungata fase di esplorazione (~1,5 ore) in cui l'organismo forma piccole protrusioni transitorie in molteplici direzioni lungo l'intero confine.
2. Commutazione della Contrazione Dinamica: Durante l'esplorazione, l'onda peristaltica non si stabilizza immediatamente. Invece, l'organismo esibisce uno scambio attivo tra diversi modi di contrazione dominanti. La PCA rivela che i diversi modi (Modi 2–5) guidano le iniziali protrusioni esplorative, mentre un modo specifico (Modo 1) diventa dominante solo quando l'organismo si impegna nella rotta di fuga.
3. Correlazione Modo-Direzione: La direzione della crescita della protrusione si allinea con l'orientamento istantaneo dell'onda peristaltica. Tuttavia, la direzione dell'onda fluttua significativamente durante l'esplorazione, oscillando spesso tra diversi assi lunghi della trappola prima di stabilizzarsi lungo l'asse di fuga finale.
4. Ottimizzazione Meccanica: La modellazione teorica dimostra che la geometria del confinamento detta il modo di trasporto più efficiente. Il modo che minimizza la dissipazione energetica per il flusso diretto si allinea con la direzione di fuga osservata. I dati sperimentali confermano che l'organismo alla fine si assesta nel modo meccanicamente ottimale, che genera i gradienti di pressione necessari per guidare il ricollocamento della massa fuori dalla trappola.
5. Dinamiche Fuori dall'Equilibrio: Il sistema non seleziona immediatamente il percorso ottimale. Inveve, campiona una vasta gamma di configurazioni meno efficienti (protrusioni esplorative) prima di riorganizzare i propri modelli di flusso interno per stabilizzarsi nello stato di trasporto più efficiente richiesto per la fuga.

Significato e Rivendicazioni
L'articolo sostiene che il processo decisionale in P. polycephalum non è il risultato di un calcolo centralizzato, ma emerge da processi meccanici attivi e dall'auto-organizzazione dei flussi fluidi interni.

• Base Meccanica della Decisione: La selezione di una rotta di fuga è guidata dalla riorganizzazione dinamica dei modi di contrazione, che sono vincolati dalla geometria ambientale (la forma della trappola).
• Ruolo dei Vincoli: Il severo confinamento ambientale innesca una transizione da un'esplorazione flessibile e multidirezionale a un comportamento di fuga diretto e ottimale. Questa transizione è ottenuta attraverso una riorganizzazione a lungo termine dei modelli di flusso piuttosto che attraverso un calcolo istantaneo.
• Principio Generale: Le scoperte suggeriscono che i sistemi decentralizzati elaborano i vincoli ambientali attraverso la dinamica fisica (flusso di fluidi e gradienti di pressione) per guidare comportamenti adattivi. L'organismo bilancia la flessibilità esplorativa con l'efficienza meccanica, adottando temporaneamente stati sub-ottimali per testare l'ambiente prima di impegnarsi nella soluzione energeticamente ottimale.
• Impatto Più Ampio: Questi risultati forniscono un quadro meccanico per comprendere come gli organismi non neuronali elaborino le informazioni e prendano decisioni, offrendo un modello di come il comportamento adattivo possa emergere dall'auto-organizzazione fisica in assenza di un sistema nervoso.