Heterogeneous diffusion with recruitment and mortality

Nel mondo affollato e complesso delle cellule biologiche o nei paesaggi mutevoli delle rocce porose, le particelle non si muovono con il ritmo costante e prevedibile di un orologio. Al contrario, il loro movimento è spesso erratico e irregolare, accelerando in alcune regioni e rallentando in altre a seconda di dove si trovano esattamente. Gli scienziati chiamano questo fenomeno diffusione eterogenea. È un modo fondamentale per descrivere come le cose si diffondano in ambienti che non sono uniformi, un concetto cruciale per comprendere tutto, dal modo in cui i nutrienti viaggiano all'interno di una cella vivente a come gli inquinanti si disperdono attraverso le acque sotterranee. Per decenni, i ricercatori hanno studiato questi movimenti assumendo che il numero di particelle rimanga costante, come un gruppo fisso di escursionisti che esplorano una foresta. Tuttavia, molti sistemi del mondo reale sono molto più dinamici: individui vengono costantemente nati o infettati, mentre altri muoiono o guariscono, causando fluttuazioni selvagge nel numero totale di viaggiatori attivi. Comprendere come queste popolazioni mutevoli si muovono attraverso terreni irregolari è essenziale per prevedere tutto, dalla diffusione di un virus alla crescita di colonie batteriche.

Un team di fisici ha ora costruito un modello matematico per descrivere questo sistema caotico e aperto, dove le particelle vengono simultaneamente create e distrutte mentre vagano in uno spazio in cui la loro velocità cambia con la posizione. Hanno scoperto che, su lunghi periodi, il gruppo di particelle si assesta in un modello stabile e immutabile, ma la dimensione di questo modello è determinata interamente dalla rapidità con cui le particoli vengono rimosse, non da quanto velocemente ne vengono aggiunte di nuove. Forse in modo ancora più sorprendente, hanno scoperto che una moderata quantità di rimozione può effettivamente aiutare il gruppo a trovare un obiettivo specifico più velocemente rispetto a quando nessuno viene rimosso. Questo effetto controintuitivo, che i ricercatori chiamano "ricerca assistita dalla mortalità" (mortality-assisted search), suggerisce che in un sistema in cui nuovi viaggiatori arrivano costantemente, eliminare coloro che si sono allontanati troppo permette ai nuovi arrivi di dominare la ricerca, potando efficacementamente i percorsi infruttuosi e accelerando l'arrivo del primo viaggiatore di successo.

I ricercatori hanno iniziato definendo un processo in cui la capacità di una particella di muoversi dipende dalla sua posizione. In alcune aree, l'ambiente è così restrittivo che il movimento è pigro, mentre in altre è così aperto che le particelle sfrecciano velocemente. Hanno introdotto due forze opposte: il reclutamento, che aggiunge nuove particelle in un punto di partenza specifico, e la mortalità, che rimuove particelle in momenti casuali. Questa configurazione generalizza un concetto precedentemente studiato noto come reset stocastico (stochastic resetting), in cui una particella viene improvvisamente riportata al suo punto di partenza. Nel nuovo modello, la particella non viene solo resettata ma sostituita da una nuova, e il tasso di sostituzione non deve necessariamente corrispondere al tasso di rimozione. Risolvendo le equazioni che governano questo sistema, il team ha dimostrato che, con il passare del tempo, la nuvola di particelle smette di espandersi indefinitamente. Invece, raggiunge una dimensione fissa. Questo limite è determinato esclusivamente dal tasso di mortalità e dalla natura del terreno, essendo completamente indipendente da quante nuove particelle vengono iniettate. Il tasso di reclutamento scala semplicemente il numero totale di particelle nella nuvola, come alzare il volume di una radio, ma non cambia la forma o la portata del segnale.

La scoperta più sorprendente è emersa quando il team si è chiesto quanto tempo sarebbe stato necessario affinché la prima particella raggiungesse una specifica posizione target. Hanno calcolato il tempo medio richiesto per questo primo arrivo sotto diverse condizioni. Quando hanno mantenuto costante il rapporto tra nuovi arrivi e decessi variando la velocità con cui le particelle morivano, hanno trovato un punto di equilibrio ottimale. Se il tasso di mortalità era troppo basso, la ricerca veniva rallentata da particelle che si erano allontanate troppo dalla rotta e che difficilmente sarebbero tornate. Se il tasso di mortalità era troppo alto, le particelle venivano rimosse troppo velocemente, lasciando non abbastanza particelle per raggiungere l'obiettivo. Tuttavia, a un tasso di rimozione intermedio e specifico, il tempo di ricerca veniva minimizzato. Ciò accade perché il processo di rimozione agisce come un filtro, eliminando i cercatori "insuccessivoli" che si sono allontanati troppo, mentre il flusso costante di nuovi reclute assicura che ci siano sempre nuovi tentativi che partono dalla sorgente. Il risultato è un sistema che trova l'obiettivo più velocemente di quanto farebbe se ogni singolo tentativo fosse lasciato continuare indefinitamente.

Questo fenomeno rimane valido indipendentemente dal fatto che l'ambiente renda il movimento generalmente lento o veloce, sebbene il tasso ottimale di rimozione esatto dipenda dal terreno. I ricercatori hanno confermato queste scoperte attraverso simulazioni numeriche dettagliate, mostrando che l'effetto è robusto in una vasta gamma di condizioni. Hanno anche dimostrato che la velocità con cui il sistema raggiunge uno stato stazionario e la probabilità che una singola particella raggiunga l'obiettivo prima di morire sono direttamente collegate alla "distanza effettiva" verso l'obiettivo, una misura che tiene conto di come la velocità variabile dell'ambiente allunghi o comprima il viaggio.

Per illustrare la rilevanza nel mondo reale di queste scoperte, gli autori hanno applicato il loro modello alla diffusione delle malattie infettive. In questo contesto, le "particelle" sono gli individui infetti, il "reclutamento" rappresenta le nuove infezioni derivanti dal contatto, e la "mortalità" rappresenta la rimozione degli individui infetti attraverso la morte o la guarigione. L'obiettivo è una nuova regione o città che non è ancora stata colpita dall'infezione. Il modello suggerisce una possibilità sorprendente: un tasso moderato di rimozione, come attraverso una quarantena efficace o un trattamento, potrebbe paradossalmente accelerare l'arrivo dell'infezione in una nuova area. Ciò non accade perché la malattia diventa più contagiosa, ma perché la rimozione degli individui infetti che si trovano lontani dalla nuova regione impedisce loro di sprecare tempo in lunghi e infruttuosi viaggi, permettendo agli individui recentemente infetti che si trovano più vicini all'obiettivo di raggiungerlo prima. Sebbene ciò possa sembrare pericoloso, evidenzia una dinamica complessa in cui gli interventi che riducono il numero totale di casi potrebbero non ritardare linearmente la diffusione verso nuove aree. Lo studio offre una nuova lente per comprendere come le popolazioni di entità in movimento e in mutamento navigano in paesaggi complessi, con implicazioni per la gestione delle epidemie, l'ottimizzazione delle strategie di ricerca nella robotica e la comprensione della dinamica cellulare in ambienti biologici affollati.