Chemotaxing E. coli do not count single molecules

这项研究表明，大肠杆菌的趋化性受限于信号处理过程中的内部噪声，而非分子扩散的物理极限，因为这些细菌所编码的信息量比理论上的可能值低了两个数量级。

要点

想象一只微小的细菌——大肠杆菌（E. coli），正游走在液体汤中。它的目标是通过向着更高浓度的方向游动来寻找食物（化学引诱剂）。为此，它必须成为一名优秀的导航员。它必须在游泳时感知到食物气味极其细微的变化，并决定何时改变方向。

近50年来，科学家们一直认为这些细菌是顶级的导航员。当时的理论认为，它们仅受限于物理定律：具体来说，就是食物分子撞击其传感器时的随机性。人们认为，细菌正在计算每一次撞击它们的分子，而这种“分子噪声”是阻碍它们游得更快、更直的唯一因素。

新的发现：它们并不是在计数每一个分子

这篇论文颠覆了这一说法。研究人员发现，大肠杆菌并非受限于分子撞击它们时的物理限制。相反，它们受限于自身的内部“静电”或噪声。

这里有一个类比来理解发生了什么：

“完美的麦克风” vs. “糟糕的扬声器”

想象你正试图在一个嘈杂的房间里听一个非常微弱的广播电台信号（化学信号）。

1. 物理极限（麦克风）： 首先发生的是无线电波（分子）撞击你的麦克风（细菌传感器）。由于无线电波的到达是随机的，就像雨滴落在锡屋顶上一样，信号的清晰度存在一个根本性的限制。这就是“物理极限”。论文计算了如果细菌拥有一个完美的系统来处理这些“雨滴”，信号究竟可以有多清晰。
2. 内部极限（扬声器）： 随后，细菌必须接收该信号，并通过其内部的布线（其化学信号通路）来决定是向前游还是进行翻滚（tumble）。研究人员发现，这些内部布线非常“嘈杂”。这就像你拥有一个完美的麦克风，但连接到一个充满静电、嗡嗡声和失真的扬声器上。

结果： 细菌体内的内部静电如此之大，以致于它们丢失了物理世界实际提供给它们的约 99% 的信息。它们的运行水平比它们理论上能达到的最高水平还要差两个数量级（100倍）。

他们是如何得出结论的

科学家们不仅是靠猜测；他们建立了一个理论模型，并用真实的细菌进行了测试。

• 理论部分： 他们创建了一种衡量“信息速率”的数学方法。你可以把它想象成一个速度计，用来测量细菌获取有用数据的速度。他们计算了两个速度：
  • 速度 A： 如果一个理想的机器人能够完美地听到每一次分子的到达，它能游得有多快。
  • 速度 B： 一个真实的大肠杆菌根据其体内实际处理的嘈杂信号所能游动的速度。
• 实验部分： 他们使用了特殊的显微技术（称为 FRET），实时观察单个细菌内部的“布线”。他们测量了细菌对化学浓度变化的反应，以及其内部信号中的“抖动”或噪声程度。

巨大的惊喜

当他们对比这两个速度时，发现真实的细菌远落后于理想的机器人。

• 旧有的观念： 科学家们曾认为大肠杆菌正以物理定律所允许的最快速度运行。他们认为瓶颈在于传感器上的“雨滴”。
• 新的现实： “雨滴”实际上落得非常清晰。瓶颈在于细菌自身的内部处理过程。它们正淹没在自身的内部噪声之中。

这为什么重要？

论文指出，由于细菌距离物理极限还很遥远，它们向食物游动的速度比理论上可能达到的速度要慢得多。如果它们能仅仅清理一下内部的“静电”，它们就能导航得更加高效。

作者提出了一个问题：为什么它们没有进化得更好？

他们提供了几种可能性，但并未声称找到了最终答案：

• 权衡（Trade-offs）： 也许要对极广范围的气味（从极弱到极强）保持敏感，就必须接受更多的噪声。
• 其他优先级： 也许它们需要做其他事情，比如进行群体聚集，这需要一种不同类型的感知。
• 成本： 也许修复噪声需要消耗过多的能量，为了增加一点速度并不值得。

核心结论

半个世纪以来，我们一直认为大肠杆菌是完美的传感器，仅受限于宇宙的规则。这篇论文表明，它们的内部其实相当“混乱”。它们受限的不是宇宙，而是自身的内部设计。因为内部信号处理过程过于嘈杂，无法计数它们实际感知的分子，它们正白白浪费掉大量的潜在速度与效率。

技术摘要

问题陈述
决定生物信息处理准确性的基本原理在很大程度上仍是未知的。在关于大肠杆菌（Escherichia coli）趋化性的研究背景下，先前的研究已经确定，爬升梯度速度受限于细胞从环境中获取的信息量，并且大肠杆菌的运行接近这一界限。然而，目前尚不清楚是什么阻碍了它们获取更多信息。一个基于 Berg 和 Purcell 经典研究的流行假设认为，大肠杆菌的化学感应受限于配体分子到达细胞受体的随机物理过程。这一观点表明，细菌正接近感测准确性的物理极限。然而，由于量化真实细胞对外部信号的不确定性在方法论上一直具有挑战性，目前尚未有人对细菌化学感应与这些物理极限进行直接比较。本研究旨在探讨大肠杆ک杆菌受限于分子扩散的物理学，还是受限于其信号处理机制内部的约束。

研究方法
作者开发了一个理论框架，用于量化“行为相关”的信息速率，并将化学感应的物理极限与细胞信号通路中编码的实际信息进行比较。

1. 理论构建：

   • 行为相关信号： 研究并非关注绝对浓度 $c(t)$，而是关注对数浓度的时变导数 $s(t) = \frac{d}{dt}\log(c(t))$，这在浅梯度环境下驱动着趋化决策。
   • 物理极限 ($\dot{I}^*_{s \to r}$)： 作者推导了来自配体分子随机到达率 $r(t)$ 的最大信息速率。利用因果维纳滤波理论（causal Wiener filtering theory），他们计算了从过去的粒子到达到未来的信号之间的转移熵率（等同于预测信息率）。这确立了由扩散物理学设定的理论上限。
   • 生物信息速率 ($\dot{I}^*_{s \to a}$)： 他们推导了编码在胞内 CheA 激酶活性 $a(t)$ 动力学中的信息速率。这需要对激酶响应配体到达的过程进行建模（使用具有快和慢适应时间的线性响应函数），并表征激酶活性内部的噪声。

2. 实验测量：

   • 单细胞追踪： 在微流控装置中对细胞进行追踪，涵盖多种天冬氨酸背景浓度（0.1, 1, 和 10 $\mu$M），以测量游泳统计特性（游动持续时间、速度方差）并提取信号相关参数。
   • 单细胞 FRET： 利用 CheY-mRFP1 与 CheZ-mYFP 之间的荧光共振能量转移（FRET）技术，作者测量了单细胞内的激酶活性动力学。
     • 响应函数： 通过测量激酶对天冬氨酸浓度阶跃变化的响应，确定增益 ($G_r$) 和适应时间 ($\tau_1, \tau_2$)。
     • 噪声统计： 分析恒定背景浓度下激 kinase 活性的波动，以量化内部噪声的扩散率 ($D_n$) 和相关时间 ($\tau_n$)。
   • 参数整合： 将实验测得的参数代入推导出的解析表达式中，以计算物理极限 ($\dot{I}^*_{s \to r}$) 和大肠杆菌的实际信息速率 ($\dot{I}^*_{s \to a}$)。

核心贡献与结果

• 定量比较： 本研究首次提供了化学感测的物理极限与大肠杆菌实际表现之间的直接比较。结果显示，在所有测试的背景浓度下，大肠杆菌编码的信息量比物理极限低约两个数量级。
• 内部噪声占主导： 这种差异是由信号处理过程中的内部噪声驱动的。激酶活性中慢速波动的功率谱密度显著高于通过滤波后的分子到达噪声水平。因此，从激酶活性中估计信号的准确性远低于从分子到达率中估计信号的准确性。
• 功能性后果： 对游动-翻转（run-tumble）运动的模拟表明，这种信息的丢失具有直接的功能影响。理想细胞（即能够直接观察分子到达的假设智能体）爬升梯度的速度明显快于类大肠杆菌细胞。漂移速度的比值对应于信息速率比值的平方根，这证实了信号通路的内部限制约束了大肠杆菌的趋化性能。
• 对最优性的重新评估： 研究结果挑战了长期以来认为大肠杆菌趋化性接近物理极限的观点。作者认为，之前的假设——即细胞必须在每一次游动中都高精度地推断梯度方向——过于严苛。相反，梯度爬升是多次游动中推断过程的累积，这允许较低的单步准确性。

意义
研究结论认为，大肠杆菌的化学感应受限于内部约束（特别是信号处理中的噪声），而非配体扩散的根本物理学。这修正了对大肠杆菌趋化性的理解，表明该系统并未针对获取信息的绝对物理极限进行优化。

作者认为，这种物理极限与生物表现之间的差距，可能是由其他生物约束所带来的权衡引起的，例如在广泛的背景浓度范围内运行的需求、更高保真度所需的能量与资源成本，或是对于定位浓度峰值等其他任务的选择压力。该研究为研究这些约束如何塑造感觉系统的进化提供了模板，并建议将视角从“生物体离物理极限有多近”转向研究“塑造感觉系统的具体物理与生物约束”。作者指出，大肠杆菌是研究这些约束的一个极具价值的模型，可用于研究更高等级的生物体。