🧬 biology

Navigation driven by bidirectional information transmission between sensing and actuation

本論文は、空間および時間センシングを行う生物学的システムにおけるナビゲーション性能が、センシングとアクチュエーション間の双方向の情報伝達の強さとタイムスケールによって普遍的に決定されることを示す理論的枠組みである「行動状態方程式（Behavioral Equations of State: BESTs）」を導入するものであり、この予測は、大腸菌の走化性に関する確率論的シミュレーションを通じて実験的に検証された。

原著者： Avishek Das, Pieter Rein ten Wolde

公開日 2026-07-30

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Avishek Das, Pieter Rein ten Wolde

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ⚕️ これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。免責事項の全文を読む

霧が立ち込める混雑したダンスフロアで、音楽のテンポが突然変わった中をナビゲートしている場面を想像してみてください。DJの姿は見えませんが、足元からビートを感じることができます。上手に踊るためには、二つのことが必要です。第一に、音楽を注意深く聴くこと（センシング）、そして第二に、そのリズムに合わせて足を動かすこと（アクチュエーション）です。しかし、ここには厄介な問題があります。あなたの踊りによって立ち位置が変わり、それが次にどのように音楽を聴くかに影響を与えるのです。これは、聴くことと動くことが常に互いに語り合うループを生み出します。これは単なるダンスの話ではありません。免疫系が細菌と戦う仕組みや、脳がストレスに反応する方法、あるいは微小な細胞が広大な海の中でどのように餌を見つけるかといったことにも通じるものです。科学者たちは、この「フィードバック・ループ」が極めて重要であることを古くから知っていましたが、情報の往来がシステムの性能を実際にどれほど制御しているのかを正確に測定することには苦慮してきました。それは単に、強い筋肉や鋭い耳を持っているかどうかの問題なのでしょうか。それとも、情報の流れとダンスの成功を結びつける、より深いルールが存在するのでしょうか。

本論文は、細胞がどのようにナビゲーションを行うかに焦点を当て、この謎を解明しようとする試みです。具体的には、二種類の「ダンサー」に注目しています。一つは、左右の環境を比較する大きな細胞（空間センシング）、もう一つは、現在の環境と一瞬前の環境を比較する小さく素早い細菌（時間センシング）です。研究者のアヴィシェク・ダスとピーター・レイン・テン・ヴォルデは、センシングと移動の間を流れる情報の量が、細胞のナビゲーション能力にどのように直結するかを示す普遍的なルール――「行動状態方程式（Behavioral Equation of State）」、あるいはBEST――を見つけ出せるのではないかと考えました。彼らは単に推測したのではなく、数学的モデルを構築してこのパズルを解き、その後、大腸菌（Escherichia coli）のコンピュータ・シミュレーションを用いて彼らのアイデアを検証しました。

彼らが発見したのは以下の通りです。緩やかで穏やかな勾配（例えば、非常に緩やかな餌の傾斜）の世界では、ナビゲーションの成功は、センサーがいかに強力か、あるいはモーターがいかに速く回転するかといった、細胞の具体的なパーツの詳細によって決まるのではありません。代わりに、パフォーマンスは二つの特定の「情報の流れ」によって完全に制御されます。一つ目はフィードフォワードの流れ、すなわち、細胞がいかに外部の世界を内部信号へと翻訳するかです。二つ目はフィードバックの流れ、すなわち、細胞の動きがいかに将来受け取る信号を変化させるかです。著者らは、もしこれら二つの情報流の強さを知っていれば、細胞が持つ固有のハードウェアに関わらず、その細胞がどのようにナビゲートするかを正確に予測できることを発見しました。それはあたかも、ナビゲーションの「通貨」とは、機械の物理的な歯車ではなく、情報そのものであるかのようです。

しかし、物語にはひねりがあります。論文は、フィードバック情報が「多すぎる」ことも実は良くない可能性があることを示唆しています。想像してみてください。音楽に対してあまりに敏感すぎるあまり、実際のビートではなく、部屋の中のあらゆる小さなランダムなノイズに反応してしまい、自分の足に躓いてしまうダンサーを。シミュレーションによれば、フィードバック・ループが強すぎると、細胞はノイズに圧倒され、ナビゲーションの性能が低下してしまいます。フィードバック情報を最大化できる「スイートスポット」が存在するのです。

研究者たちはまた、何が機能しないのかについても明確にしました。彼らは、単一の瞬間（「シングルステップ」の視点）だけを見ても、ナビゲーションを理解するには不十分であることを突き止めました。全体の絵を描くためには、信号の全履歴、つまりダンスの軌跡全体を見る必要があります。さらに、彼らの理論は緩やかな勾配においては完璧に機能しますが、より急で混沌とした環境においては、細胞が情報を処理する速度が、もう一つの決定的な要因になることも明らかにしました。

彼らの理論が単なる数学的な空想ではないことを証明するために、彼らは餌に向かって泳ぐ能力で有名な細菌である大腸菌の詳細なコンピュータ・シミュレーションを行いました。たとえ実際の細菌のシステムが極めて複雑で非線形（つまり、単純な直線的なルールに従わないこと）であったとしても、シミュレーションの結果は、著者たちの予測曲線に完璧に重なりました。数値を調整したり、データを無理に適合させたりすることなく、「行動状態方程式」は、測定された情報流のみに基づいて、細菌がどのように泳ぐかを正確に予測したのです。これは、双方向の情報伝達が、ナビゲーションにおける基本的な組織化原理であり、微小な生命の、ノイズが多く混沌とした世界においてさえも、自然が従う普遍的なルールブックとして機能していることを示唆しています。

技術要約：双方向情報伝達に駆動されるナビゲーション

問題提起
細胞の走化性などの生物学的ナビゲーションは、感覚系が環境入力を内部出力へとマッピングし、それが駆動応答（actuation response）を引き起こし、その結果として将来の感覚入力が変化するというフィードバックループに依存している。この分野では、フィードバックが存在しない状況下での入力から出力への情報伝達については広く特徴付けられてきたが、確率的ノイズが存在する状況において、いかにして「双方向」の情報流（感覚運動フィードバック）がナビゲーションを制御しているかという定量的な理解は不足している。具体的には、この閉ループの情報伝達の精度が、ナビゲーション性能をどのように制約または可能にするのか、また、システム固有の微視的なパラメータ（感覚利得、ノイズの大きさなど）が、いかにして普遍的な情報理論的変数へと抽象化できるのかが不明である。

手法
著者らは、主要な二大生物学的ナビゲーターのクラスを代表する二つの一般的なモデルを調査するために、解析理論と確率シミュレーションを組み合わせて用いている。

空間感知モデル（Spatial-Sensing Model）: 細胞（例：真核細胞）が自身の長さにわたる濃度差を比較することで空間勾配を推定する様子を記述する、線形確率モデル。このモデルには、感覚利得、駆動利得、緩和率、およびガウス型ホワイトノイズが含まれる。
時間感知モデル（Temporal-Sensing Model）: 遊泳しながら濃度の時間的変化から勾配を推論する細胞（例：大腸菌）を記述する、弱非線形確率モデル。このモデルは、感覚出力と速度の間の双線形結合を組み込んでいる。

情報流を定量化するために、著者らは**転送エントロピー率（transfer entropy rates）**を用い、特に以下を区別している：

順方向転送エントロピー ( $\dot{T}_{FF}$ ): 感覚入力から感覚出力へ伝達される情報。
フィードバック転送エントロピー ( $\dot{T}_{FB}$ ): 感覚出力から駆動を経て、将来の感覚入力へと戻る情報。

決定的な点として、本理論は単一ステップの状態ではなく、完全な信号軌跡（マルチステップ転送エントロピー）にエンコードされた情報を考慮している。非線形な時間感知モデルおよび現実的な大腸菌のシミュレーションに対して、著者らは非線形摂動論を確率フィルタリング理論およびTE-PWSアルゴリズムと組み合わせて用い、転送エントロピーを正確に計算している。

主な貢献と結果

行動状態方程式（BESTs）の導出:
主要な理論的成果は、「行動状態方程式（Behavioral Equations of State: BESTs）」の導出である。これらは、ナビゲーション性能を、基礎的なシステムパラメータ（利得、ノイズ等）とは独立して、双方向の情報流に直接マッピングする等式である。

空間感知: 浅い勾配における線形応答領域において、ナビゲーション性能 ( $P$ ) は $\dot{T}_{FF}$ と $\dot{T}_{FB}$ によって完全に決定される：
$\frac{P}{P_0} = \frac{\dot{T}_{FF}}{2} \left[ \sqrt{(2\dot{T}_{FB} + 1)^2 - 1} + \frac{1}{\sqrt{(2\dot{T}_{FB} + 1)^2 - 1}} \right]$
性能は順方向の情報量に対して単調に増加するが、フィードバックの情報量に対しては非単調な依存性を示し、最適な $\dot{T}_{FB}^* = (\sqrt{2}-1)/2$ nats でピークに達する。過剰なフィードバック情報は、感覚ノイズを増幅させることで性能を低下させる。
時間感知: 弱非線形かつ浅い勾配の場合、BESTは以下の形式をとる：
$\frac{P}{P_0} = 4 \frac{\rho}{1+\rho} \sqrt{\dot{T}_{FF}} \sqrt{\dot{T}_{FB}}$
ここで $\rho = F/H$ は、感覚処理速度と駆動速度の比である。ここで、性能は両方の情報流の平方根に比例してスケールする。

システムパラメータの役割:
解析の結果、基礎的なパラメータ（感覚利得、駆動強度、ノイズの大きさ）は、独立してナビゲーションを制御するのではないことが明らかになった。代わりに、それらは双方向の情報伝達の大きさと速度への影響を通じてのみ、性能に影響を与える。情報は、確率的ナビゲーションにおける「普遍的な通貨」として機能する。
マルチステップ履歴の必要性:
著者らは、単一ステップの転送エントロピーではナビゲーション性能を予測するには不十分であることを示している。単一ステップの転送エントロピーとフルヒストリーの転送エントロピーの差は、大きくなるか、あるいは発散することさえあるため、信号軌跡の全履歴を考慮しなければならない。
大腸菌の走化性における検証:
本理論は、大腸菌の走化性の現実的な非線形モデル（ラン・アンド・タンブル運動を含む）を用いた確率シミュレーションに対して検証された。TE-PWSアルゴリズムを用いて転送エントロピーを計算した結果、観察されたナビゲーション性能は、フィッティングやスケーリングパラメータなしにBESTの予測に従うことが分かった。さらに、シミュレーションは、信号増幅とノイズ増幅の間のトレードオフと一致する、性能が低下する最適フィードバック情報レベル（約4 nats）の存在を確認した。

意義
本論文は、双方向の情報伝達を、確率的ナビゲーションの組織化原理として確立した。システムに依存しない関係式（BESTs）を導出することで、本研究は、ナビゲーション性能が微視的なパラメータのチューニングではなく、巨視的な情報流を通じて予測・理解できることを示唆している。これは、入力の感知と駆動の両方が確率的である多様な生物学的フィードバック系を分析するための枠組みを提供するものであり、免疫応答や恒常性維持といった他の生物学的機能への拡張も期待される。得られた知見は、実験的に検証可能な予測を提供している。すなわち、様々な感知および駆動パラメータを持つナビゲーターからのデータは、性能と双方向情報との関係によって定義される単一の曲線上に集約（collapse）されるはずである。

関連論文