Il sistema nervoso è un capolavoro di cablaggio di precisione. Affinché un cervello funzioni, miliardi di cellule nervose devono estendere fibre lunghe e sottili chiamate assoni per trovare i loro partner esatti, formando connessioni che ci permettono di pensare, muoverci e sentire. Questo processo, noto come guida assonale, si basa sulla punta dell'assone in crescita, chiamata cono di crescita, che agisce come un sensore sofisticato. Esso legge i segnali chimici nel suo ambiente, decidendo in quale direzione svoltare o quando fermarsi. Per decenni, gli scienziati hanno visto questa navigazione come un viaggio lineare lungo una mappa: il cono di crescita rileva un gradiente di segnali chimici, proprio come un escursionista che segue un sentiero, e si dirige verso di essi o si allontana per raggiungere un obiettivo. Tuttavia, questa visione semplicistica fatica a spiegare come queste strutture delicate rimangano abbastanza flessibili da adattarsi a un mondo rumoroso e mutevole, pur costruendo una rete rigida e affidabile. La domanda rimane: come può una cellula mantenere una rotta costante quando i segnali che riceve sono spesso conflittuali e caotici?

Un nuovo studio teorico propone un cambiamento radicale nel modo in cui comprendiamo questa navigazione. Invece di vedere il cono di crescita come un seguace passivo di una mappa chimica, la ricerca suggerisce che esso sia un esploratore attivo di un paesaggio definito dall'incertezza. L'autore, William G. Wadsworth, sostiene che i coni di crescita non si limitano a stabilizzarsi in un percorso prevedibile e stabile. Al contrario, essi cercano attivamente stati di alta "entropia", un concetto della fisica che descrive un sistema con molte possibili configurazioni. In questo quadro, il cono di crescita naviga lungo le creste tra diversi comportamenti possibili, rimanendo in uno stato di alta volatilità dove può cambiare direzione rapidamente, se necessario. Questo approccio suggerisce che la capacità di cambiare rotta non è un fallimento del sistema, ma una caratteristica del suo design, che permette all'assone di rimanere pronto al cambiamento finché non sia richiesto di prendere una decisione.

Per testare questa idea, il ricercatore ha costruito un modello informatico basato su dati genetici reali del verme nematode C. elegans. Lo studio si è concentrato su un neurone specifico, l'HSN, che cresce secondo un modello prevedibile. Il modello ha utilizzato un sistema di intelligenza artificiale, un tipo di programma informatico noto come rete neurale, addestrato su dati provenienti da migliaia di esperimenti genetici. Questi esperimenti consistevano nel disabilitare geni specifici che controllano la crescita del neurone, rivelando come diverse combinazioni di istruzioni genetiche portino a forme e direzioni differenti. Il computer ha imparato a prevedere l'esito di queste modifiche genetiche, diventando di fatto un surrogato digitale del macchinario biologico all'interno della cellula. Il modello ha identificato dodici modelli distinti di crescita, che vanno da linee rette a ramificazioni complesse, e ha mappato come lo stato interno della cellula potesse oscillare tra di essi.

Il cuore della scoperta risiede nel modo in cui il modello ha simulato il viaggio del cono di crescita. Invece di programmare il computer affinché segua un gradiente chimico, il ricercatore ha lasciato che il modello scegliesse il proprio percorso basandosi sul principio di massima entropia. Ad ogni passo del viaggio simulato, il computer calcolava il numero di diverse configurazioni genetiche interne che potevano produrre ogni possibile direzione di movimento. Ha poi scelto la direzione che offriva il maggior numero di queste possibilità interne. Sorprendentemente, questa semplice regola ha permesso alla simulazione di riprodurre l'esatto percorso intrapreso dal reale neurone HSN del verme. Il cono di crescita si è mosso verso il suo obiettivo non perché fosse attratto da un gradiente chimico, ma perché cercava costantemente la direzione che manteneva la sua rete di segnalazione interna in uno stato di massima flessibilità.

Questa scoperta sfida la visione tradizionale secondo cui gli assoni seguono un progetto fisso. Le simulazioni hanno dimostrato che, quando il cono di crescita si muove in linea retta, sta in realtà viaggiando lungo un confine dove due diversi stati comportamentali sono ugualmente probabili. Questo stato di equilibrio non è un segno di confusione, ma una posizione strategica. Permette alla cellula di mantenere una rotta costante pur rimanendo pronta a virare istantaneamente. Nel momento in cui l'equilibrio interno cambia, o quando la cellula incontra un nuovo segnale ambientale, il cono di crescita può riorganizzare rapidamente il proprio macchinario interno per svoltare o ramificarsi. Lo studio ha dimostrato che comportamenti complessi, come attraversare una linea mediana o dividersi in due rami, emergono naturalmente quando lo stato interno della cellula è tarato per oscillare vicino a questi confini critici.

La ricerca ha anche esplorato come il tempo influenzi questo processo. Simulando l'accumulo graduale di una specifica proteina all'interno della cellula, il modello ha mostrato come un cono di crescita possa essere programmato per cambiare comportamento in momenti precisi. Man mano che i livelli interni di questa proteina aumentavano, il paesaggio delle possibilità cambiava, costringendo il cono di crescita a passare da una fase di movimento a un'altra. Ciò suggerisce che la tempistica dello sviluppo è controllata dall'orologio interno della cellula, che ne regola la sensibilità all'ambiente. Il modello ha ricreato con successo scenari in cui un neurone crescevava in avanti, si fermava e poi svoltava bruscamente, o dove si divideva in due percorsi, il tutto guidato dal mutamento dello stato interno della cellula piuttosto che da una compla mappa esterna.

Uno dei risultati più sorprendenti è stata la scoperta della "degenerazione" nel sistema. Le simulazioni hanno rivelato che il cono di crescita poteva raggiungere lo stesso comportamento esterno attraverso molteplici configurazioni interne. Proprio come una persona può raggiungere una destinazione percorrendo molti percorsi diversi, la cellula può mantenere una specifica direzione utilizzando varie combinazioni delle sue parti interne. Questa ridondanza rende il sistema robusto; se una parte fallisce, un'altra può prenderne il posto senza interrompere il percorso complessivo. Il modello ha mostrato che, mentre il cono di crescita si muove attraverso diversi ambienti, rimescola costantemente i propri componenti interni per rimanere sul percorso ad alta entropia, garantendo che possa adattarsi alle condizioni mutevoli senza smarrire la strada.

Lo studio conclude che l'ordinata cablatura del sistema nervoso non è il risultato di un piano rigido e predeterminato, ma emerge da un processo dinamico di gestione dell'incertezza. Operando vicino al limite della stabilità, i coni di crescita possono bilanciare la necessità di una direzione costante con quella di una rapida adattabilità. Questa prospettiva termodinamica offre un nuovo modo di pensare a come funzionano i sistemi biologici complessi. Suggerisce che la capacità di navigare in un mondo rumoroso non consiste nell'eliminare il rumore, ma nell'usarlo. Il cono di crescita non ignora il caos del suo ambiente; usa le fluttuazioni dei propri segnali interni per rimanere flessibile e reattivo.

Sebbene le scoperte si basino su simulazioni informatiche e modelli teorici, esse forniscono una spiegazione convincente di come i sistemi biologici raggiungano sia stabilità che adattabilità. La ricerca suggerisce che i principi della termodinamica, solitamente applicati al calore e all'energia, possano governare anche il comportamento delle cellule viventi. Vedendo la guida assonale come una ricerca di stati di alta entropia, lo studio offre una nuova prospettiva su come la vita costruisca le sue reti intricate. Implica che il segreto di uno sviluppo robusto non risieda in un controllo rigoroso, ma nell'abbraccio strategico della variabilità, permettendo al sistema nervoso di crescere con precisione e grazia.