Die erstaunliche Intelligenz einer einzelnen Zelle: Die Geschichte der Chemotaxis von E. coli
(jsomers.net)- Die Chemotaxis von E. coli ist der Prozess, bei dem eine einzelne Zelle Veränderungen der Nährstoffkonzentration wahrnimmt und mithilfe eines kurzen chemischen Gedächtnisses sowie der Bewegungssteuerung eine günstigere Richtung findet.
- Die Fortbewegungsstrategie besteht darin, das Verhältnis zwischen geradlinigem Vorwärtsschwimmen, dem run, und dem tumble, bei dem die Richtung zufällig geändert wird, zu regulieren; CheY und phosphoryliertes CheY-p übertragen dabei die zentralen Signale.
- Steigt die Konzentration eines Lockstoffs, nimmt der Fluss von CheY-p ab, die Umkehrung der Flagellenmotoren wird seltener, und dadurch dauern runs länger als tumbles, was die Wahrscheinlichkeit erhöht, sich zur Nahrung hin zu bewegen.
- Die Methylierung der Rezeptoren ist ein Anpassungsmechanismus, der die aktuelle Konzentration als neue Basislinie setzt und es E. coli ermöglicht, selbst über einen Konzentrationsbereich von fünf Größenordnungen hinweg kleine Veränderungen von Lockstoffen zu erkennen.
- Rezeptoranordnungen, Phosphorylierungs-/Dephosphorylierungs-Schaltkreise, Flagellenmotoren, Proteindiffusion und Unterschiede in der Molekülzahl zwischen einzelnen Zellen greifen ineinander, sodass eine einzelne Zelle wie ein physikalischer Computer arbeitet.
E. coli wählt die Richtung durch run und tumble
- E. coli erkennt Lockstoffe über Rezeptoren, die bestimmte Chemikalien wahrnehmen, und verändert mithilfe seiner Flagellenschwänze die Art der Fortbewegung.
- Die Bewegung lässt sich als Kombination zweier Zustände vereinfachen
- run: Mehrere Flagellenmotoren rotieren in dieselbe Richtung, die Schwänze bündeln sich, und die Zelle bewegt sich vorwärts.
- tumble: Ein oder mehrere Motoren drehen in die Gegenrichtung, das Schwanzbündel löst sich, und die Zelle rotiert in eine zufällige Richtung.
- In einer gleichmäßigen chemischen Umgebung führt sie einen Random Walk aus, der aus runs und tumbles besteht.
- Ein run dauert typischerweise etwa 1 Sekunde.
- Ein tumble ist etwa zehnmal kürzer als ein run.
- Das Verhältnis von run und tumble balanciert Suche und Nutzung aus.
- Sind runs zu lang oder zu häufig, kann die Zelle an Nahrung vorbeischwimmen.
- Sind runs zu kurz oder zu selten, wird es schwierig, Nahrung zu finden.
CheY und CheY-p übertragen Bewegungsentscheidungen
- Das zentrale Signalmolekül ist CheY.
- CheY bewegt sich im Cytoplasma und transportiert Informationen zwischen Rezeptorkomplexen und Flagellenmotoren.
- Trifft es auf einen Rezeptorkomplex, wird es mit einer bestimmten Rate phosphoryliert und zu CheY-p.
- Anders als CheY bindet CheY-p stark an den Flagellenmotor.
- Wenn genügend CheY-p am Motor bindet, kehrt sich dessen Drehrichtung um.
- Diese Rotationsumkehr führt zu einem tumble.
- Wenn die Konzentration eines Lockstoffs zunimmt, wird der Fluss, der CheY in CheY-p umwandelt, schwächer.
- Mit weniger CheY-p nimmt auch die Menge an CheY-p ab, die an Motoren bindet.
- Motorumkehrungen und tumbles werden seltener.
- Die Zelle führt längere runs aus und erhöht so die Wahrscheinlichkeit, sich in Richtung des Lockstoffs zu bewegen.
- Dieser Signalfluss funktioniert wie ein chemischer Verstärker.
- Bakterienzellen können Signale um mehr als das 50-Fache verstärken.
- Eine Veränderung der Rezeptorbelegung um 2 % kann zu einer Änderung der Flagellenmotor-Ausgabe um 100 % führen.
- Selbst Veränderungen von weniger als 3 Molekülen pro Zellvolumen können erkannt werden.
Methylierung macht die aktuelle Konzentration zur neuen Basislinie
- Ein einfaches System, das nur auf eine Zunahme von Lockstoffen reagiert, könnte bei stark erhöhten Konzentrationen leicht in die Sättigung geraten.
- Tatsächlich reagiert E. coli empfindlich über einen Bereich von fünf Größenordnungen der Lockstoffkonzentration.
- Die Zelle behandelt die aktuell erreichte Konzentration als neuen Normalzustand.
- Aus diesem Zustand heraus löst schon eine kleine weitere Zunahme erneut eine empfindliche Reaktion aus.
- Diese Anpassung hängt mit der Methylierung der Rezeptorstruktur zusammen.
- Wenn ein Lockstoff an den Rezeptor bindet, verändert die Stützstruktur des Rezeptors ihre Form.
- Taschen in der Struktur öffnen sich, sodass Methylgruppen binden können.
- Mit fortschreitender Methylierung wird die Signalübertragung des Rezeptors abgeschwächt, sodass mehr Lockstoff nötig ist, um dieselbe Reaktion auszulösen.
- Jeder Rezeptor besitzt mehrere Methylierungsstellen, und jeder Rezeptor verfügt über mehrere Stützstrukturen, sodass sich der Dämpfungsgrad breit regulieren lässt.
- Der Methylierungsgrad der Rezeptoren wirkt als einfaches chemisches Gedächtnis.
- E. coli speichert über den internen Zustand chemischer Modifikationen, ob die Konzentration von Lockstoffen in der Umgebung in den letzten Sekunden gestiegen oder gefallen ist.
- Diese Information wird genutzt, um zu beurteilen, ob die aktuelle Schwimmrichtung vorteilhaft oder nachteilig ist.
Phosphorylierung und Dephosphorylierung bilden einen schnellen Regelkreis
- Der Chemotaxis-Schaltkreis ist ein dynamisches System, das Proteine kontinuierlich modifiziert und wieder zurücksetzt.
- CheA phosphoryliert CheY und erzeugt CheY-p.
- CheZ dephosphoryliert CheY-p und wandelt es zurück in CheY.
- CheR methyliert die Rezeptoren.
- CheB entfernt Methylgruppen von den Rezeptoren.
- Von außen wirkt ein solcher Schaltkreis wie ein energieverschwendender Kreislauf, für die Zelle wird er jedoch zu einem schnell regelbaren Mechanismus.
- Da Phosphorylierung und Dephosphorylierung kontinuierlich laufen, ändert sich die Konzentration aktiver Proteine schnell, wenn eine der Reaktionen gedrosselt oder verstärkt wird.
- Die Reaktionsgeschwindigkeit lässt sich so schneller anpassen, als wenn neue Proteine über lange Produktionswege hergestellt werden müssten.
- Phosphorylierungs-/Dephosphorylierungs-Regulation ist im gesamten Leben sehr verbreitet.
- Etwa 30–50 % der menschlichen Proteine enthalten kovalent gebundene Phosphatgruppen.
- Eine typische Säugetierzelle nutzt zu einem bestimmten Zeitpunkt Hunderte Arten von Proteinkinasen.
- In der Chemotaxis bestimmt die Geschwindigkeit dieses Kreislaufs, wie schnell die Zelle auf Veränderungen des Lockstoffniveaus reagiert.
- Wird Lockstoff hinzugefügt, nimmt der Fluss ab, der CheY in CheY-p umwandelt.
- Die Dephosphorylierung läuft weiter, sodass CheY zunimmt.
- Wenn CheY zunimmt, werden tumbles seltener und runs häufiger.
Rezeptoren übertragen externe Signale durch Formveränderungen nach innen
- In der Zellmembran von E. coli sitzen Rezeptorproteine, die jeweils auf bestimmte Lockstoffe spezialisiert sind.
- Ein Rezeptor, der beispielsweise Aspartat erkennt, besitzt eine passende Spalte für Aspartat-Moleküle.
- E. coli verfügt über 5 bis 6 solcher lockstoffspezifischen sensorischen Proteine.
- Rezeptoren verbinden den sensorischen Bereich außerhalb der Zellmembran mit den Signalproteinen CheW und CheA im Zellinneren.
- Die Gesamtlänge eines Rezeptors beträgt etwa 350 Ångström, also 35 Nanometer.
- Solche Strukturen werden mit Methoden wie Röntgenbeugung und Kryo-Elektronenmikroskopie untersucht.
- Vereinfacht gesagt funktioniert der Rezeptorkomplex wie ein großer Kolben.
- Aspartat bindet an den äußeren sensorischen Bereich.
- Die Säulenstruktur des Rezeptors verändert subtil ihre Form.
- Die CheA-Kinase, die CheY phosphorylieren soll, wird in einem inaktiven Zustand fixiert.
- Rezeptorkomplexe bilden in der Nähe des vorderen Endes des E. coli-Körpers große Anordnungen, die im Querschnitt wie ein hexagonales Muster aussehen.
- Auch der menschliche Geruchssinn folgt einem ähnlichen Prinzip.
- Geruchsmoleküle binden an bestimmte Rezeptorproteine in der Nase.
- Menschen besitzen Hunderte von Geruchsrezeptorproteinen.
- Hunde besitzen mehr als 1.000 Gene für Geruchsrezeptoren.
Signalübertragung in der Zelle beruht auf schneller Diffusion und Kollisionen
- CheY-p wird nicht über eine bestimmte Route zum Motor geführt, sondern diffundiert durch das Cytoplasma und bindet, wenn es in die Nähe kommt.
- Das Zellinnere ist sehr dicht gepackt, doch Moleküle bewegen sich schnell.
- In einer typischen Bakterienzelle können ein Enzym an einem Ende und ein Zuckermolekül am anderen Ende im Mittel ungefähr einmal pro Sekunde zusammenstoßen.
- Praktisch jedes Molekül in der Zelle kann innerhalb weniger Sekunden nahezu jedes andere Molekül treffen.
- In einer solchen Umgebung sind Formveränderungen von Proteinen und Bindungsaffinitäten sehr wichtig.
- Moleküle in der Zelle nähern sich einander ständig an und testen Bindungsmöglichkeiten.
- Der Unterschied zwischen CheY-p und CheY verändert die Wahrscheinlichkeit einer Bindung an Motorproteine stark.
- Wenn E. coli auf Lockstoffe reagiert, ist der geschwindigkeitsbegrenzende Schritt die Zeit, die CheY-p benötigt, um von der Nähe der Rezeptoren zum Motor zu diffundieren.
- Diese Zeit beträgt etwa 0,1 Sekunden.
- Es gibt auch Experimente, bei denen die Bewegung von fluoreszenzmarkiertem CheY in lebenden E. coli verfolgt wurde.
Der Flagellenmotor ändert durch CheY-p-Bindung seine Drehrichtung
- Der Flagellenmotor ist eine ausgefeilte molekulare Nanomaschine.
- Seine Energieeffizienz liegt nahezu bei 100 %.
- Er rotiert etwa 1.500 Mal pro Sekunde.
- Wie alle molekularen Nanomaschinen baut er sich selbst zusammen.
- Am unteren Teil des Motors befinden sich die Proteine FliG, FliM und FliN.
- Wenn CheY-p ankommt, bindet es an diese Proteine.
- Ein einzelnes CheY-p reicht nicht aus, um die Motordrehrichtung zu ändern.
- Erst mehrere gebundene CheY-p schalten von gegen den Uhrzeigersinn auf im Uhrzeigersinn um, wodurch ein tumble entsteht.
- Der Motor hat nicht einfach zwei Zustände, sondern mehrere Rotationszustände.
- Es gibt Zustände mit schneller Rotation gegen den Uhrzeigersinn sowie Stufen mit abnehmender Geschwindigkeit.
- Über einen Stillstand kann er in mehrere Geschwindigkeitszustände im Uhrzeigersinn wechseln.
- Ein vorgeschlagener Mechanismus für den Richtungswechsel beruht auf Formveränderungen von FliM und FliGc.
- CheY-p bindet an FliM.
- FliM kippt, und das verbundene FliGc dreht sich um 90 Grad.
- FliGc bewirkt an der Kontaktstelle zwischen rotierendem und feststehendem Teil einen Antrieb in die Gegenrichtung.
- Auch wenn CheY-p bindet, kann CheZ es entfernen, sodass der Effekt kontinuierlich rückgängig gemacht wird.
- Ohne zusätzliche Signale kehrt die Zelle schnell in den Basiszustand zurück.
Schon die Umkehr eines einzelnen Motors kann einen tumble erzeugen
- Im run-Zustand bewegen sich mehrere Flagellen in dieselbe Richtung und bilden ein Bündel.
- Das Flagellenbündel ist kein einfacher Propeller, sondern ähnelt eher einer Struktur, bei der helikale Schwänze rotieren und in einer viskosen Flüssigkeit Vortrieb erzeugen.
- Wenn einzelne Flagellenfilamente mit gleicher Phase nahe beieinander rotieren, können sie sich umeinander winden und ein Bündel bilden.
- Eine Studie baute ein makroskopisches Flagellenmodell, indem hohle Tygon-Schläuche um einen Mandrel gewickelt und mit Epoxid gefüllt wurden.
- Mit Schrittmotoren wurde die Rotation gegen den Uhrzeigersinn angetrieben, um die Bündelung von Flagellen zu untersuchen.
- Die von jeder Helix erzeugten Strömungsfelder kippten die jeweils andere Helix und erzeugten so die gegenseitige Umwicklung.
- Wenn ein Motor in die Gegenrichtung dreht, löst sich das Flagellenbündel, und die gesamte Zelle geht in den tumble-Zustand über.
Auch Zellen mit denselben Genen bewegen sich unterschiedlich
- Eine E. coli-Population ist keine homogene Masse mit völlig identischem Verhalten.
- Ein Nature-Artikel von 1976 behandelte nichtgenetische Individualität in der Chemotaxis von Salmonella und Enterobacter.
- Selbst bei demselben Stamm treten in Umgebungen mit oder ohne attractant Reaktionsunterschiede auf.
- Damals war der genaue Regulationsmechanismus noch unbekannt, man nahm jedoch an, dass Unterschiede in der Zahl der tumble-Regulationsfaktoren Verhaltensunterschiede verursachen könnten.
- Die später aufgeklärten Mechanismen passen zu dieser Idee.
- Das CheR-Protein, das die Rezeptormethylierung reguliert, liegt in der Zelle nur in etwa 100 Exemplaren vor.
- Zusammen mit CheB reguliert es die Geschwindigkeit von Adaptation und Gegenadaptation.
- Obwohl eine ganze Zelle etwa 10 Millionen Proteine enthält, ist CheR so selten, dass schon Unterschiede von wenigen Molekülen das Verhalten stark beeinflussen können.
- Neuere Experimente quantifizieren die Individualität einzelner E. coli-Zellen mithilfe von Fluoreszenzmikroskopie.
- Diese Individualität entsteht nicht nur durch Unterschiede in der Genexpression, sondern auch durch die Dynamik des Signalnetzwerks.
Experimente, die den Mechanismus der Chemotaxis aufgeklärt haben
- Es gibt noch keine Technologie, mit der sich alle Aktivitäten in einer lebenden Zelle gleichzeitig direkt beobachten lassen.
- Darstellungen des dicht mit Proteinen gefüllten Cytoplasmas sind künstlerische Synthesen auf Grundlage sorgfältiger Forschung.
- Der gesamte Prozess wurde nicht als direkte Videoaufnahme in einer einzigen Szene gefilmt.
- Ein zentraler experimenteller Ansatz sind genetische Methoden.
- Gene werden einzeln gestört, und das Verhalten mutierter E. coli wird beobachtet.
- Namen wie CheY, CheZ und CheW gehen darauf zurück, dass das Entfernen der entsprechenden Gene Defekte in der Chemotaxis verursacht.
- Auch In-vitro-Proteinexperimente werden genutzt.
- Man kann CheA, CheY, Phosphatgruppen und Reaktanden zusammengeben und beobachten, ob und in welchem Ausmaß Phosphorylierung stattfindet.
- Ein Cell-Artikel von 1990 nutzte radioaktives Phosphat als Tracer.
- Mit fluoreszenten Proteinen oder Antikörpern lassen sich auch Proteinpositionen und Dynamiken beobachten.
- Strukturbiologie wird eingesetzt, um die physikalischen Mechanismen von Bindungsstellen aufzuklären.
- Röntgenkristallographie
- Kernspinresonanz-Spektroskopie
- Kryo-Elektronenmikroskopie
- Superauflösende Lichtmikroskopie
- Molekulardynamik-Simulationen auf atomarer Ebene
- 1972 beobachteten Howard Berg und Douglas Brown mit einem selbst entworfenen 3D-Tracking-Mikroskop die runs und tumbles von Bakterien.
- In dem damaligen Paper wurde statt tumble der Ausdruck „twiddle“ verwendet.
- Die Physik des Flagellenantriebs wird auch untersucht, indem Flagellen auf einem Objektträger fixiert werden.
- Im fixierten Zustand dreht der Schwanz den Körper, sodass die Rotationsgeschwindigkeit des Zellkörpers gemessen werden kann.
- Dass der Flagellenmotor durch die Protonenmotorische Kraft angetrieben wird, wurde durch ein Paper von 1977 bekannt, das Veränderungen von run und twiddle in Abhängigkeit vom Vorhandensein eines elektrischen Potenzials maß.
- Beobachtungen der Rotationsstärke unter verschiedenen Bedingungen zeigten, dass die Rotation eng an den Protonenfluss gekoppelt ist.
- Für eine volle Umdrehung werden etwa 500 Protonen verbraucht.
Computermodelle machen Annahmen überprüfbar
- Die Chemotaxis von E. coli ist eines der frühen wichtigen Beispiele der „in silico“-Biologie.
- Computermodelle zwingen dazu, Annahmen explizit zu formulieren.
- Um ein Modell zu bauen, müssen alle Komponenten und Interaktionen konkret beschrieben werden.
- Funktioniert das Modell, lassen sich Varianten der Annahmen testen.
- Das Modell von Dennis Bray lieferte für mehr als 60 Mutanten, bei denen Komponenten des Chemotaxis-Pfads gelöscht oder überexprimiert waren, die richtigen Phänotypen.
- Beim Anpassen des Modells können auch neue experimentelle Richtungen entstehen.
- Um die Reaktion auf kurze Stimuli abzubilden, musste die Aktivität der Adaptationsenzyme CheR und CheB mindestens um eine Größenordnung höher angesetzt werden als die Werte in der bisherigen Literatur.
- Die Chemotaxis-Forschung hat auch praktische Anwendungsmöglichkeiten.
- Das Verständnis der Chemotaxis-Signalwege von Bakterien kann zu Antibiotikaforschung führen, die diese Wege gezielt stört.
- Es besteht auch die Möglichkeit, mithilfe von Chemotaxis-Pfaden „intelligente Detektoren“ zu bauen, die Krebszellen oder Umweltabfälle aufspüren.
- Allgemeiner steuern bakterielle Zwei-Komponenten-Regulationswege vielfältige Funktionen wie Zellteilung, Pathogenität, Antibiotikaresistenz, Fixierung und Nutzung von Metaboliten, Reaktionen auf Umweltstress, Sporenbildung und taxis.
1 Kommentare
Hacker-News-Kommentare
Wenn man John Hollands „Hidden Order“ nicht als Buch liest, sondern als Anleitung, wie man komplexe adaptive Systeme baut, lässt sich der Kern auf wenige Dinge reduzieren: eine Umgebung, mehrere Akteure, einen Lese-/Schreib-Message-Bus, über den die Akteure interagieren können, sowie die Regeln und Sensoren jedes Akteurs
Kombiniert man das, entsteht Denken oder Intelligenz. Man könnte sogar fragen, ob das RIP-Routing-Protokoll ein komplexes adaptives System ist
Ein Teil des Problems liegt in der Denkweise. Ich halte mich für eine Person, nicht für ein komplexes adaptives System, aber tatsächlich bestehe ich aus Akteuren, habe einen Message-Bus, und die Akteure nehmen wahr, handeln und interagieren
Fragen wie: Was ist der Unterschied zwischen einem Haufen Ameisen und einer Ameisenkolonie, und ist die Ameise intelligent oder die Kolonie, könnten ein Sapir-Whorf-artiges Problem sein, bei dem Sprache das Denken begrenzt
„Einen Teil“, weil es enorm viele Denk- und Handlungsprozesse gibt, die das adaptive System ausführt, ohne sie als sich selbst zu identifizieren
Je mehr man in einer Stadt lebt und sich wenig bewegt, desto stärker ist das der Fall; wenn man an sehr ferne Orte und in andere Kulturen reist und nicht voraussetzt, dass die eigene Kultur die beste ist, beginnt im Gehirn deutlich mehr zu arbeiten
Dieser Reddit-Kommentar fasst es besser zusammen als das Paper: https://www.reddit.com/r/MachineLearning/comments/dco3t1/com...
Bewusstsein scheint auf einer bestimmten Skala aufzutreten und eher mit makroskopischen Mustern und Aktivitäten von Neuronengruppen zu kovariieren als mit der rauschbehafteten stochastischen Aktivität einzelner Zellen. Uns ist nicht bewusst, wie Gesichtserkennung, Spracherkennung oder präzise motorische Steuerung verarbeitet werden; bewusst sind wir uns nur auf einer viel höheren Skala. Eine zu makroskopische Skala wie die der USA betrachten wir jedoch nicht als bewusst
Komplexe adaptive Systeme können sich überlagern. Menschliche Familien, Gemeinschaften, Gesellschaften und Regierungen bilden alle größere Gestalten, und der Mensch selbst ist ebenfalls ein darin enthaltenes komplexes adaptives System
Wenn dich solche Themen interessieren, kann ich Siddhartha Mukherjees „The Song of the Cell“ sehr empfehlen. Es war eines der besten Bücher, die mir das Thema Biologie zugänglich gemacht haben
https://www.amazon.com/Song-Cell-Exploration-Medicine-Human/...
Ich stimme völlig zu, dass der Biologieunterricht in der Highschool zu sehr darauf ausgerichtet war, Namen von Dingen auswendig zu lernen. Ein so riesiges Fach kann man ruinieren, indem das Lehrbuch wie eine endlose Wissensliste wirkt.
Wenn man sich auf ein oder zwei interessante Beispiele konzentriert hätte, hätte man sogar in der Grundschule ziemlich anspruchsvolle Biologie unterrichten können; ich glaube, es wären viel mehr Menschen inspiriert als gelangweilt worden.
Es geht um die Stelle, an der er das merkwürdige Phänomen bemerkte, dass Studierende bei fast demselben Thema und nahezu derselben Frage einmal sofort antworteten und beim nächsten Mal überhaupt nicht.
Er sagte: „Der Hauptzweck meines Vortrags war zu zeigen, dass in Brasilien überhaupt keine Wissenschaft gelehrt wird.“
https://v.cx/2010/04/feynman-brazil-education
Zum Beispiel ist das zentrale Dogma der Biologie die Idee der Informationsübertragung, dass DNA in RNA transkribiert und RNA in Proteine translatiert wird. Man kann Schritt für Schritt DNA-Struktur und -Funktion, die verschiedenen Untertypen von RNA, Translationsproteine, Slicer und Dicer, Drei-Buchstaben-Codons und Aminosäuren, den Transport von mRNA aus dem Zellkern usw. behandeln.
Aber ein großer Teil dieses gerade genannten zentralen Dogmas lässt sich heute kaum noch als unverändert wahr betrachten. Fast die gesamte moderne Mikrobiologie befasst sich mit „Ausnahmen“ vom zentralen Dogma, und wir sind an einem Punkt angekommen, an dem es schwer ist, zwischen RNA und Proteinen einen substantiellen Unterschied zu benennen. Jede Woche erscheinen neue Arbeiten zu RNA-Protein-Hybriden, die wichtig sind, um gewöhnliche Bestandteile der Zelle zu verstehen; das zentrale Dogma ist also weniger eine Lüge als vielmehr eine nützliche Fiktion.
Das ist ähnlich, als würde man sagen, eine „for-Schleife“ sei die Funktionsweise des Internets. Es stimmt, dass es im Internet for-Schleifen gibt, dass sie wichtig sind und dass man sie lernen sollte, aber mit ein oder zwei interessanten Beispielen zu for-Schleifen kann man das Internet nicht lehren.
Biologie zu verstehen ist schwierig und das Ergebnis von über vier Milliarden Jahren Leben und Tod. Das lässt sich nicht mit ein paar Beispielen abhaken; selbst ein Verständnis auf Niveau der 12. Klasse braucht einen Jahreskurs, und auch das ist nur der minimale Einstieg in ein breites Feld. Man muss Namen und Fakten lernen und die mühsame Arbeit leisten, riesige Informationsmengen miteinander zu verknüpfen. Es braucht keine Edutainment-Ausbildung, sondern Anstrengung.
Diese Komplexität und Intelligenz einzelner Zellen ist in AGI-Debatten schon lange eines meiner Lieblingsthemen. Schon lange vor dem aktuellen LLM-Hype zählten Menschen die Neuronen im Gehirn und stellten kühne Behauptungen auf wie: „In ein paar Jahren wird es Maschinen mit der Rechenleistung des Gehirns geben.“
Aber jedes Neuron im Gehirn ist verwirrend komplex, und wir wissen noch nicht genau, wie sich diese Komplexität als Denken und Intelligenz zeigt. Wenn man Physik und die Wechselwirkungen zwischen Dingen betrachtet, ist jede Zelle im Gehirn komplexer als die LLMs, die wir heute verwenden. Das heißt natürlich nicht, dass jede Zelle eine Ausgabe wie ein LLM erzeugen könnte, sondern dass die Komplexität ihres Verhaltens als Beitrag zum Gesamtsystem entsprechend groß ist.
Es zeigt anhand experimenteller und theoretischer Ergebnisse der zellulären Biophysik, dass einzelne Nervenzellen synaptische Eingaben multiplizieren, integrieren und verzögern können und dass Information in Membranspannung, intrazellulärer Kalziumkonzentration und im Timing einzelner Spikes codiert werden kann.
https://www.amazon.com/Biophysics-Computation-Information-Co...
In einem Convolutional Neural Network etwa ergibt sich die Gesamtzahl der Gewichte eines Kernels aus Anzahl der Eingabekanäle × Kernelgröße × Anzahl der Filter; bei einem 3×3-Kernel, 3 Kanälen und 128 Filtern sind das nur 3.456 Parameter. Da derselbe Filter aber über die gesamte 2D-Input-Feature-Map gestridet wird, wird er bei einem 1280×720-HD-Bild mit Stride 2 in beide Richtungen 230.400-mal angewendet, und die Zahl der effektiven Parameteraktivierungen beträgt 796.262.400.
Es ist seit Langem bekannt, dass Convolutional Neural Networks teilweise vom menschlichen visuellen Kortex inspiriert sind [0]. Im menschlichen visuellen Kortex, der schnell arbeiten muss, ist Parameter-Sharing eines einzelnen Kernels nicht möglich; die Gewichte müssen wahrscheinlich in gewissem Maß parallelisiert und im Gehirn repliziert sein. In dieser Hinsicht haben künstliche neuronale Netze einen Vorteil.
Die Neuronen des menschlichen Gehirns müssen wegen der fortlaufenden Zellreparatur ein gewisses Maß an Redundanz besitzen und scheinen, anders als bei direkter Aktualisierung von Computerspeicher, nur durch Hebb'sches Lernen aktualisiert zu werden. Außerdem dienen große Teile des menschlichen Gehirns umweltbedingten und nichtlogischen Gründen wie Bewegung, Tastsinn, Angst, Eifersucht und Begehren; künstliche neuronale Netze müssen Teile wie die Kampf-oder-Flucht-Reaktion der Amygdala nicht auf dieselbe Weise besitzen.
[0] https://msail.github.io/post/cnn_human_visual/
Durch John Bonners hervorragendes Buch „The Evolution of Culture in Animals“ bin ich auf die Idee gestoßen, dass auch einzelne Zellen „Lernen“ und „Kultur“ zeigen können.
Bonner entwickelt eine Sichtweise, die sowohl Kultur als auch Lernen als Kontinuum betrachtet, statt eine Zäsur zwischen Tieren anzunehmen oder den Menschen kategorisch als etwas Separates zu behandeln. Unterschiede gibt es natürlich.
https://press.princeton.edu/books/paperback/9780691023731/th...
Dieser Artikel steigt sozusagen tief in diesen Kaninchenbau hinab.
Wenn dir solche Inhalte gefallen, gibt es auch ein Buch über die Komplexität einzelner Neuronen im Gehirn: „Information Processing in Single Neurons“
https://www.amazon.com/Biophysics-Computation-Information-Co...
Es gibt ein vollständig frei zugängliches Review von 2013, das die gesamte Mathematik enthält, die nötig ist, um ein Modell dieses Prozesses zu erstellen: „Quantitative modeling of bacterial chemotaxis: Signal amplification and accurate adaptation, Yuhai Tu“
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3737589/
Der Kernpunkt ist, dass Rezeptorkooperativität und präzise Adaptation mit einfachen mathematischen Modellen quantitativ erklärt werden können und dass ein „Standardmodell“, das Signalverstärkung und Adaptation gemeinsam umfasst, die Reaktion von E. coli auf beliebige zeitlich veränderliche Reize quantitativ vorhersagt.
Exponentielle Rampen erzeugen über die Methylierungsratenfunktion F(a) aktivitätsänderungen, die von der Rampenrate abhängen, und die Reaktion auf oszillierende Signale zeigt, dass E. coli im Niedrigfrequenzbereich eine zeitliche Ableitung berechnet. Außerdem merkt sich E. coli den Logarithmus der Ligandenkonzentration, und bei der Chemotaxis von E. coli gilt das Weber-Fechner-Gesetz.
Als Mechanismus der Signalverstärkung wird auch der kooperative Phasenübergang von Rezeptorkomplexen behandelt, wobei ein Modell wie die Spin-Spin-Wechselwirkung im Ising-Ferromagnetismus der Physik verwendet wird.
Bei der Stelle, dass wir noch keine Technik haben, um alle Aktivitäten im Inneren einer lebenden Zelle zu beobachten, frage ich mich, wie nah wir daran sind, eine Karte aller Atome in einer Zelle zu erstellen.
1 ml Wasser enthält 1E23 Atome, und E. coli ist ungefähr 500 nm × 500 nm × 1 µm groß, daher enthält die ganze Zelle nur etwa 2E10 Atome.
Könnte man die ganze Zelle einfrieren, dann mit einem Elektronenstrahl Atom für Atom abtragen und sie über die Masse identifizieren?
Allerdings ist das absurd teuer, und was man tatsächlich identifizieren kann, liegt normalerweise auf der Ebene ganzer Proteine. Trotzdem ist es enorm wertvoll, sie im Kontext sehen zu können.
Außerdem stellt sich die Frage, welche Auflösung sinnvoll ist und welchem Zweig welchen Prozesses man folgen möchte.
Die Methode, sich zufällig zu drehen und dann geradeaus zu fahren, erinnert ein wenig an die Logik des Roomba der ersten Generation.
Der Abschnitt „How did we figure all this stuff out?“ am Ende ist wirklich erstaunlich.
Die Skaleninvarianz der Natur zeigt sich hier ebenfalls deutlich. Eine Zelle ist im Vergleich zum menschlichen Maßstab „klein“, aber genauso komplex wie manche Maschinen auf menschlicher Skala. In der Natur gibt es kein absolutes Klein oder Groß.
In-silico-Experimente können von Außenstehenden unterschätzt werden. Es ist klar, wie steigende Rechenleistung dieses Feld verändert hat und weiter verändern wird. Der Übergang davon, zufällig Moleküle anzustoßen oder gefährliche Dinge in Petrischalen zu züchten, hin zu schnellen DNA-basierten Computersimulationen ist ein großer Sprung bei der Lerngeschwindigkeit.
Auch für Skalen gibt es physikalische Grenzen. Es gibt Grenzen dafür, welches Gewicht Knochen tragen können, und auch chemische Prozesse unterliegen Beschränkungen, etwa einer maximalen Energiedissipationsrate.