Các nhà nghiên cứu tại ĐH Yale gần đây đã thực hiện một nghiên cứu nhằm tính toán mức chi phí năng lượng của việc chuyển thông tin giữa các tế bào và các hợp phần của phân tử. Bài báo của họ, xuất bản trên Physical Review Letters 1, đã giới thiệu một công cụ mới có thể hữu dụng để nghiên cứu các mạng lưới tế bào và giúp hiểu tốt hơn về chức năng của nó.

“Chúng tôi đã từng nghĩ về dự án này trong dưới nhiều hình thức khác nhau”, Benjamin B. Machta, một trong những nhà nghiên cứu nói với Phys.org.
“Đầu tiên tôi thảo luận về các ý tưởng và cuối cùng chuyển nó thành dự án này với người thầy hướng dẫn tiến sĩ của tôi, Jim Sethna vào một thập kỷ trước. Tuy nhiên do nhiều nguyên nhân khác nhau mà nó chưa được triển khai. Sam và tôi bắt đầu trao đổi với nhau về điều này khi nghĩ về việc nên hiểu như thế nào về các mức chi phí năng lượng mà sinh giới cần để tính toán – phần nhiều từ công trình tiến sĩ của ông ấy, và có thể hiểu rộng thêm để đảm bảo các phần của nó được mạch lạc và có kiểm soát, và ông ấy phác họa ra cách làm thế nào với các tính toán đó”.

Công trình hiện có của Machta, và đồng nghiệp của anh và Samuel J. Bryant đã được xây dựng trên cơ sở những bài báo đã xuất bản từ cuối những năm 1990. Ở thời điểm đó, nhóm nghiên cứu này đã cố gắng kiểm chứng về mặt thực nghiệm các neuron đã mất đi bao nhiêu năng lượng khi gửi thông tin.
“Laughlin và đồng nghiệp đã tìm thấy phạm vi tiêu thụ năng lượng tiêu thụ dao động giữa 104-107 KBT/bit phụ thuộc vào nhiều chi tiết, vốn cao hơn nhiều so với giới hạn cơ bản của ~ KBT/bit, mà thi thoảng được gọi là nguyên lý Landauer để chỉ mức năng lượng phải trả để xóa đi một ít thông tin, ví dụ như xóa bit”, Machta giải thích.

“Theo một số cách mà chúng tôi muốn hiểu; đây có là một ví dụ về sự lãng phí của sinh giới? Hay có thể là mức chi phí khác cần phải tính đến là gì?; cụ thể giới hạn Landauer không hề có tham chiếu đến các chi tiết hình học và vật lý”.

Một chủ đề xa hơn của nghiên cứu của Machta và Bryant là xác định liệu việc tối ưu những chi phí năng lượng có thể làm sáng tỏ các nguyên nhân giải thích tại sao các hệ phân tử truyền tin cho nhau bằng việc sử dụng các cơ chế vật lý riêng biệt trong những tình huống khác nhau. Ví dụ, trong khi các neuron truyền đạt với nhau bằng các tín hiệu điện, các dạng khác thì có thể lại liên kết với nhau thông qua sự khuếch tán của các chất hóa học.

“Chúng tôi muốn hiểu trong đó cơ chế nào của mỗi hợp phần có được mức chi phí năng lượng tốt nhất cho mỗi bit thông tin”, Machta nói. “Trong mọi tính toán của chúng tôi, chúng tôi coi thông tin ở trạng thái được gửi thông qua một kênh vật lý, từ một bên gửi (giống như một kênh ion mở và đóng để gửi một tín hiệu) đến một bên nhận (một máy dò điện áp trên bề mặt, có thể là một kênh ion). Tâm điểm của tính toán này là một phép tính có trong sách giáo khoa về tốc độ thông tin qua một kênh Gauss nhưng với một số cú chuyển mới”.

Đầu tiên, theo ước tính của mình, Machta và đồng nghiệp của anh luôn luôn coi đây là một kênh vật lý, trong đó những dòng di chuyển của các hạt vật lý và điện tích mang đến cho tính vật lý của một tế bào. Thứ hai, nhóm nghiên cứu giả định một kênh bị sai lạc bởi nhiễu nhiệt trong môi trường tế bào.
“Chúng ta có thể tính toán phổ của nhiễu với “định lý dao động tiêu hao” liên quan đến phổ của các dao động nhiệt ở gần các hàm phản hồi cân bằng”, Machta giải thích.

Một đặc điểm độc đáo trong ước tính của nhóm nghiên cứu là họ đã chứng minh bằng việc sử dụng các mô hình đơn giản liên quan. Điều này cho phép các nhà nghiên cứu luôn luôn đặt các mức ràng buộc thấp hơn lên năng lượng cần thiết cho kênh dẫn và điều hướng các dòng chảy vật lý trong một hệ sinh học.

“Bởi vì tín hiệu này phải vượt qua được nhiễu nhiệt, nhìn chung chúng tôi phải tìm các mức chi phí với hệ số ‘KBT/bit’”, Machta nói.

“Nhân tố hình học này có thể có kích thước của bên gửi và bên nhận; nhìn chung bên gửi thường giảm chi phí năng lượng trên mỗi bit thông tin với một dòng chảy hao tán truyền qua một khu vực lớn hơn. Tuy nhiên, một bên nhận lớn cho phép nhiều dao động nhiệt vượt quá trung bình nhiều hơn, nhờ vậy một tín hiệu yếu hơn vẫn có thể mang lượng thông tin tương đương”.

Về tổng thể, các tính toán cho Machta và cộng sự xác nhận chi phí năng lượng cao liên quan đến việc chuyển thông tin giữa các tế bào. Cuối cùng, ước tính của họ có thể là điểm bắt đầu của một giải thích về mức chi phí cao của xử lý thông tin được đo đạc trong các nghiên cứu thực nghiệm.

“Giải thích của chúng tôi ít ‘cơ bản’ hơn giới hạn Landauer, trong đó phụ thuộc vào tính hình học của các neuron và các kênh ion, và các chi tiết khác”, Machta nói. “Tuy nhiên, nếu sinh giới tập trung vào các chi tiết này, sau đó có thể là các neuron hoạt động hiệu quả và chống đỡ được thông tin thực tế/giới hạn năng lượng thực tế chứ không đơn thuần là thiếu hiệu quả. Các phép toán tất nhiên không đủ để nói rằng bất cứ một hệ cụ thể nào hiệu quả hay không nhưng chúng cũng đủ để đề xuất rằng việc gửi thông tin thông qua không gian có thể nhất thiết cần những chi phí năng lượng rất lớn”.

Trong tương lai, công trình của Machta và cộng sự có thể đem lại những nghiên cứu sinh học thú vị mới. Trong bài báo của mình, các nhà nghiên cứu cũng giới thiệu “một biểu đồ pha” trình bày các tình huống trong đó việc sử dụng một cách có lựa chọn các chiến lược truyền thông cụ thể để tối ưu (ví dụ tín hiệu điện, khuếch tán hóa học).

Biểu đồ này có thể sớm giúp hiểu sâu hơn các nguyên tắc thiết kế của các chiến lược truyền tín hiệu của tế bào khác nhau. Ví dụ, có hể là làm sáng tỏ tại sao các neuron sử dụng khuếch tán hóa học để truyền đạt thông tin tại các synap, nhưng lại sử dụng các tín hiệu điện khi gửi thông tin qua hàng trăm micron từ các sợi nhánh đến tế bào; cũng như tại sao vi khuẩn E. coli sử dụng khuếch tán để gửi thông tin về môi trường hóa học của chúng.

“Một vấn đề mà chúng tôi đang làm việc hiện nay là cố gắng áp dụng khung này để hiểu năng lượng của một hệ truyền tín hiệu cụ thể”, Machta cho biết thêm.

“Công trình mới của chúng tôi mới chỉ xem xét mức chi phí tổng thể của việc gửi thông tin giữa hai hợp phần đơn lẻ – trong các hệ thực, có những mạng lưới xử lý thông tin cụ thể và việc áp dụng ràng buộc của chúng tôi đòi hỏi phải hiểu dòng chảy thông tin trong các mạng lưới đó. Mục tiêu này sẽ đi kèm với những vấn đề kỹ thuật mới – áp dụng các tính toán của chúng tôi vào các hình học cụ thể (giống như một neuron hình cầu hoặc một axon tập hợp dạng ống, mỗi loại lại khác biệt vô cùng so với mặt phẳng hữu hạn mà chúng tôi sử dụng ở đây)”.