Free-Energy Differences from Nonequilibrium Fluctuations in High Dissipation

Nel mondo microscopico di atomi e molecole, l'energia non è mai ferma. Anche quando un sistema appare calmo, le sue particelle si agitano costantemente, spinte dal calore del loro ambiente circostante. Gli scienziati cercano da tempo un modo per mappare i paesaggi energetici nascosti che dettano il comportamento di questi piccoli sistemi, come ad esempio come una proteina si ripiega nella sua forma funzionale o come procede una reazione chimica. L'altezza delle colline e la profondità delle valli in questi paesaggi determinano la stabilità e la velocità, ma misurarle direttamente è notoriamente difficile. Per decenni, i ricercatori si sono affidati a un astuto espediente: estraggono una molecola dal suo stato di riposo e misurano lo sforzo necessario per farlo. Ripetendo questo processo migliaia di volte e mediando i risultati, possono teoricamente dedurre la differenza di energia tra il punto di partenza e quello di arrivo. Tuttavia, questo metodo incontra un muro quando il processo è disordinato o veloce. In questi scenari ad alta dissipazione, la matematica richiede al ricercatore di trovare eventi rari, quasi impossibili, in cui il sistema sembra restituire energia invece di consumarla. Questi eventi sono così infrequenti che raccogliere abbastanza dati per ottenere una risposta affidabile richiederebbe un tempo superiore all'età dell'universo.

Un team di ricercatori dell'Università di Göteborg ha trovato un modo per aggirare questo collo di bottiglia. Hanno introdotto una nuova tecnica, che chiamano EquiNET, che evita la necessità di attendere questi eventi rari e fortunati. Invece di cercare l'ago nel pagliaio, il loro metodo analizza la forma dell'intero pagliaio. Analizzando le sottili fluttuazioni nel modo in cui una molecola si muove durante un esperimento di estrazione standard, il team può inferire la quantità totale di energia persa per attrito e calore. Una volta saputa quanta energia è stata sprecata, possono sottrarre questa perdita dal lavoro totale compiuto per rivelare la vera differenza di energia tra i due stati. Questo approccio funziona anche quando il processo è altamente irreversibile e i metodi usuali falliscono completamente.

I ricercatori hanno testato la loro idea prima su un semplice modello monodimensionale di una particella che si muove attraverso un paesaggio energetico variabile. In questa simulazione, hanno guidato una particella da una posizione stabile a un'altra, creando uno scenario in cui i percorsi in avanti e all'indietro erano così diversi da non sovrapporsi quasi per nulla. I metodi standard non sarebbero stati in grado di trovare la connessione tra di essi. Eppure, EquiNET ha ricostruito con successo la differenza di energia imparando dai dati delle traiettorie. Non aveva bisogno dei rari eventi di movimento all'indietro; ha semplicemente appreso le regole del moto dai comuni movimenti in avanti. I risultati corrispondevano perfettamente ai valori teorici noti, dimostrando che il metodo poteva estrarre il paesaggio energetico nascosto dal rumore del movimento ordinario.

Per vedere se questo sarebbe stato valido in un contesto più complesso e realistico, il team ha applicato EquiNET a un modello di un "hairpin" polimerico, una struttura che imita il modo in cui un filamento di DNA o una proteina si ripiega. Hanno simulato il processo di estrazione meccanica di questo hairpin, rompendo i legami che lo tengono unito e poi lasciandolo scattare all'indietro. Hanno variato la forza dei legami per creare scenari che andavano da lievi a estremamente difficili, dove la perdita di energia era massiccia. Nei casi più duri, gli esperimenti in avanti e all'indietro producevano set di risultati completamente diversi, senza alcuna sovrapposzione, rendendo inutili gli strumenti statistici tradizionali. EquiNET, tuttavia, ha prosperato in questo caos. Addestrando un programma informatico specializzato sui percorsi compiuti dall'hairpin, il sistema ha imparato a prevedere la perdita di energia in ogni momento del processo. Quando hanno combinato questa perdita prevista con il lavoro misurato, la differenza di energia calcolata era accurata, nonostante i dati provenissero da un regime in cui gli approcci convenzionali si sarebbero arresi.

Uno degli aspetti più pratici di questa scoperta è che funziona anche quando gli scienziati non possono vedere l'intero quadro. Negli esperimenti del mondo reale, è spesso impossibile tracciare ogni singolo atomo di una molecola; i ricercatori vedono solitamente solo alcuni punti chiave, come le estremità di un filamento o specifici punti marcati. Il team ha dimostrato che EquiNET può ancora funzionare con questa visione limitata. Quando hanno fornito al sistema solo le coordinate di alcune "sfere" dell'hairpin, esso non è stato in grado di determinare l'esatta differenza di energia, ma ha potuto fornire un limite matematico rigoroso. Ha comunicato loro che la vera differenza di energia doveva essere inferiore a un certo valore. Questo limite era sorprendentemente stretto, rimanendo molto vicino al valore reale, il che suggerisce che, anche con informazioni parziali, gli scienziati possono ottenere intuizioni affidabili sulla stabilità di strutture biologiche complesse.

I ricercatori hanno anche indagato quanto sia necessario in termini di dati per rendere accurate queste previsioni. Hanno scoperto che il metodo converge rapidamente; nelle loro simulazioni, avevano bisogno di circa mille traiettorie per recuperare una grande frazione della vera perdita di energia. Questo è un miglioramento significativo rispetto ai metodi più vecchi, che potrebbero richiedere milioni o miliardi di tentativi per trovare i pochi eventi rari di cui dipendono. Il team ha anche scoperto un modo per verificare se il loro esperimento fosse stato abbastanza lungo. Osservando il tasso di perdita di energia alla fine della simulazione, potevano capire se la molecola si fosse davvero assestata in uno stato calmo. Se il tasso di perdita di energia non scendeva a zero, significava che la molecola era ancora in fase di rilassamento e che la finestra di osservazione doveva essere estesa. Ciò fornisce uno strumento diagnostico integrato per gli sperimentatori per sapere quando hanno raccolto informazioni sufficienti.

In definitiva, questo lavoro offre una nuova via per comprendere l'energia dei meccanismi della vita. Spostando l'attenzione dagli eventi rari e improbabili alle fluttuazioni comuni e quotidiane di un sistema, EquiNET permette ai ricercatori di misurare i paesaggi energetici in condizioni che prima erano troppo disordinate per essere analizzate. Che si tratti di studiare come le proteine si ripiegano, come i farmaci si legano ai bersagli o come i materiali sintetici rispondono allo stress, questa tecnica fornisce un modo robusto per vedere l'energia invisibile che li guida. Trasforma il problema dell'alta dissipazione da un vicolo cieco in un puzzle risolvibile, utilizzando proprio quel rumore che un tempo rendeva impossibile la misurazione.