Navigation driven by bidirectional information transmission between sensing and actuation

技术摘要：由双向信息传输驱动的导航

问题陈述
生物导航（如细胞趋化性）依赖于一个反馈回路，其中感觉系统将环境输入映射为内部输出，该输出驱动执行响应，进而改变未来的感觉输入。虽然该领域已广泛表征了在缺乏反馈的情况下从输入到输出的信息传输，但对于在存在随机噪声时，双向信息流（感觉运动反馈）如何控制导航过程，仍缺乏定量的理解。具体而言，目前尚不清楚这种闭环信息传输的准确性如何约束或实现导航性能，以及系统特定的微观参数（如感觉增益、噪声强度）是否可以被抽象为通用的信息论变量。

研究方法
作者结合解析理论和随机模拟，研究了代表两类主要生物导航器的两种通用模型：

1. 空间感知模型： 一个线性随机模型，描述通过比较其长度方向上的浓度差异来估计空间梯度的细胞（如真核细胞）。该模型包含了感觉增益、执行增益、弛豫速率以及高斯白噪声。
2. 时间感知模型： 一个弱非线性随机模型，描述在游泳过程中通过时间变化的浓度来推断梯度的细胞（如大肠杆菌）。该模型包含了感觉输出与速度之间的双线性耦合。

为了量化信息流，作者利用了传递熵率（transfer entropy rates），特别区分了：

• 前馈传递熵 ($\dot{T}_{FF}$)：从感觉输入传输到感觉输出的信息。
• 反馈传递熵 ($\dot{T}_{FB}$)：从感觉输出通过执行作用传回未来感觉输入的信息。

至关重要的是，该理论考虑了编码在完整信号轨迹（多步传递熵）中的信息，而非单步状态。对于非线性时间感知模型和现实的大肠杆克化学趋向模拟，作者采用了非线性摄动理论结合随机滤波理论以及 TE-PWS 算法来精确计算传递熵。

核心贡献与结果

1. 推导行为状态方程 (BESTs)：
   主要的理论结果是推导出了“行为状态方程”（Behavioral Equations of State, BESTs）。这些等式将导航性能直接映射到双向信息流，且独立于基础系统参数（增益、噪声等）。

   • 空间感知： 在浅梯度线性响应机制下，导航性能 ($P$) 完全由 $\dot{T}_{FF}$ 和 $\dot{T}_{FB}$ 决定：
     $$\frac{P}{P_0} = \frac{\dot{T}_{FF}}{2} \left[ \sqrt{(2\dot{T}_{FB} + 1)^2 - 1} + \frac{1}{\sqrt{(2\dot{T}_{FB} + 1)^2 - 1}} \right]$$
     性能随前馈信息单调增加，但对反馈信息表现出非单调依赖性，在最优反馈信息 $\dot{T}_{FB}^* = (\sqrt{2}-1)/2$ nats 处达到峰值。过度的反馈信息会通过放大感觉噪声而降低性能。
   • 时间感知： 对于弱非线性和浅梯度，BEST 的形式为：
     $$\frac{P}{P_0} = 4 \frac{\rho}{1+\rho} \sqrt{\dot{T}_{FF}} \sqrt{\dot{T}_{FB}}$$
     其中 $\rho = F/H$ 是感觉处理速度与执行速度的比率。在此，性能随两个信息流的平方根进行缩放。

2. 系统参数的作用：
   分析表明，基础参数（感觉增益、执行强度、噪声强度）并不独立控制导航。相反，它们仅通过对双向信息传输幅度及速度的影响来影响性能。信息充当了随机导航中的“通用货币”。

3. 多步历史的必要性：
   作者证明了单步传递熵不足以预测导航性能。必须考虑信号轨迹的完整历史，因为单步传递熵与全历史传递熵之间的差异可能很大甚至趋于发散。

4. 在大肠杆菌趋化性中的验证：
   作者利用 TE-PWS 算法计算传递熵，通过对一个包含趋动（run-and-tumble）动力学的现实非线性大肠杆菌趋化模型进行随机模拟，对上述理论进行了测试。结果发现，观察到的导航性能在无需任何拟合或缩放参数的情况下，均遵循 BEST 预测。此外，模拟证实了最优反馈信息水平（约 4 nats）的存在，超过此水平后性能会下降，这与信号放大与噪声放大之间的权衡一致。

意义
本文将感觉与执行之间的双向信息传输确立为随机导航的一种组织原则。通过推导系统无关的关系式（BESTs），这项工作表明，可以通过宏观信息流而非微观参数调节来预测和理解导航性能。这为分析多样化的生物反馈系统提供了一个框架，这些系统中的输入感知和执行都是随机的，其应用潜力可能延伸至导航之外的其他生物功能，如免疫反应和稳态调节。研究结果提供了一个可实验验证的预测：具有不同感知和执行参数的导航器数据，应当能够塌缩到由性能与双向信息关系定义的单一曲线之上。