Science:已“死亡”的细菌仍能感知来自环境的信息

a79c830d03d13524eef8f909c379382f.png

根据信号强度对细菌孢子进行颜色编码的显微镜图像:颜色越亮,信号越强

细菌依靠其顽强的生命力,在包括人类在内的各种生命体和地球的各个角落繁衍生息。细菌之所以难以被杀死,是因为它们具有独特的生存策略,其中一种是在内生孢子的保护下进入休眠状态。细菌孢子是具有极强复原力的细菌遗传物质。在孢子内,细菌可以在保护层的包围下保持脱水、休眠状态持续多年。因此,具备了在极端高温、压力甚至外层空间中生存的能力。

严格来说,细菌的这种休眠状态不能算是纯粹的深度睡眠。由于它们停止了代谢,因此被认为是生理上已经死亡(没有生物活性)。

2022年10月6日,发表在《Science》上的一项新研究中,来自加州大学圣地亚哥分校的研究团队在休眠的细菌孢子中检测到了意想不到的活动,首次表明这些在生理上已死亡的生命仍能感知周围的环境,并在整合环境信息后决定自己复活的时机。这一发现改变了先前科学家们对孢子的认知,还挑战了对疾病的传播方式,以及生命如何在极端环境中生存的理解。

3c518040cbb1e970702f4418ebd526bd.png

细菌孢子的休眠状态通常被认为是缺乏生物活性的。在这项新研究中,研究人员发现,处于深度休眠状态的孢子具有处理信息的能力。它们可以释放储存的电化学势能,以在无需进行代谢活动的情况下对其环境进行感知。

766ec961c7cdb2722ea1ee19ee8ec13a.png

孢子是导致许多疾病在没有水或营养物质的条件下长期存在的原因。在适当的条件下,孢子能再水化并重启代谢,从而使它们再次具有传染性。

但孢子究竟是如何知道该什么时候“复活”呢?如果这个时间窗不能持续很长时间,那么对每一滴水或每一口营养素做出反应都意味着会浪费大量能量。不过,无休止地等待下一顿“盛宴”也可能意味着会错过“复活”的时机。

为了找到答案,研究人员测试了数千个休眠的枯草芽孢杆菌Bacillus subtilis)孢子。这种细菌被认为对人类无害,并且它们保持着在太空中存活时间最长的纪录。

研究人员测量了孢子是否能检测到环境中的多个短暂的营养脉冲信号,这些信号通常不足以触发孢子复活。

正如预测的那样,一两个营养脉冲并不足以唤醒细菌,但随着时间推移,出现了累积效应:孢子能够保持记忆,在达到一定数量的营养信号之后细菌会“复活”。

研究人员还监测了细菌孢子响应这些短暂营养信号时的活动变化,表明在每次有信号输入时孢子都使用以钾离子(K+)形式储存的能量。这有点像电路中的电容,将能量储存起来供以后使用。

35899a4ed6e1f26ea87f47e4aff054fa.png

接下来,该团队通过细菌电生理学数学模型来解释发生了什么。他们发现,每一个整合的信号都会触发钾离子释放,并且随着时间推移,钾离子变得越来越多,最终启动细菌的“复活”。如果外部条件不太合适,被称为累积信号的处理机制也可以阻止细菌过早“复活”。

29bb48f922ccf73169d0068180704ad0.png

这项发现揭示了一种在无生理活动的细胞中运行的决策机制。孢子处理信息的方式与我们大脑中神经元的运作方式相似。这是一种非常熟悉的进化策略。随着时间推移,在细菌和神经元中微小而短暂的输入被叠加在一起,以试探是否达到阈值。在达到阈值后,孢子开始恢复生命;而神经元则激发动作电位,与其他神经元交流。

然而,与非常耗能的神经元细胞不同的是,孢子能在没有任何代谢能量的情况下做到这一点,它们只需要储存钾。

这一发现超出了对地球上疾病的管理范围。研究人员认为,如果科学家在火星或金星上发现生命,它们很可能处于休眠状态。这项研究告诉我们,一种看似完全没有活动能力的生命形式仍然可以思考其下一步的行动。

该团队表示,对其他已知能够进入类似孢子状态的生物体(如真菌)进行深入研究,将有助于进一步梳理出它们对更广泛的生命意味着什么。

论文链接:

https://doi.org/10.1126/science.abl7484

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/481487.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Berttransformer

1.transformer transformer self-attention 当前编码的词和整个句子所有词做attention,权重加在所有句子上获得当前的表示 encoder-decoder-attention 当前解码的单元和编码器的所有输出做attention,权重加在所有编码输出上,获得当前的表示…

GPT1-3(GPT3/few-shot,无需finetune)

GPT1–finetune 12层单向transformer预训练精调被bert比下去了 GPT2-元学习 输入:加上任务描述 “英翻法:This is life” 输出: “C’est la vie” 参数15亿在NLU:比不上bert也比不过其他大参数模型:如Turing-NLG GPT3-Langua…

一种基于人工智能的化学合成机器人,用于纳米材料的探索和优化

编辑 | 萝卜皮格拉斯哥大学(University of Glasgow)的研究人员提出了一种自主化学合成机器人,用于探索、发现和优化由实时光谱反馈、理论和机器学习算法驱动的纳米结构,这些算法控制反应条件并允许选择性地模板化反应。这种方法允…

千脑智能理论:开启创造机器智能的路线图 | 《千脑智能》

导语当人们谈论人工智能时,往往热衷于算法优化、模型迭代、算力提升,海量参数的复杂网络仿佛就是人工智能的发展方向。然而,这就是真正的智能吗?计算机科学家与神经科学家杰夫霍金斯在《千脑智能》中提出了一种关于大脑和智能的理…

一类机械神经网络的架构材料,未来智能技术的全新畅想

编辑 | 萝卜皮除了一些活组织之外,很少有材料能够在长时间暴露于意料之外的环境负载情况下自主学习表现出所需的行为。在不断变化的条件下(例如,内部损坏程度的上升、不同的夹具场景和波动的外部负载),仍然有更少的材料…

自然语言处理的未来之路(周明老师,CCF-GRIR,笔记)

文章目录1.什么叫自然语言处理1.1 困难1.2历史1.3 智能1.4 经典nlp任务的进展02.技术体系2.1 词2.2 句子03 未来发展3.1 资源丰富的任务---中英翻译3.2 资源少的任务3.3 多轮问题--多轮对话4 未来之路自然语言:规则—>统计—>神经网络现在:黄金时代…

从英国首位印裔首相,看印度IC产业

来源:芯师爷当地时间10月24日,英国前财政大臣苏纳克在保守党党首竞选中胜出,将成为英国新一任首相。这也意味着他将成为英国历史上第一位印度裔首相。图源:环球网一时间,关于“首位印度裔首相,苏纳克成功逆…

CASREL:A Novel Cascade Binary Tagging Framework for Relational Triple Extraction(关系抽取,ACL2020,重叠关系)

文章目录1.介绍2.相关工作3.The CASREL Framework3.1 Bert3.2 cascade decoder4.实验5.结果参考1.介绍 做重叠关系的少 重叠关系: Zeng et al. (2018) :seq2seq强化学习改善提取顺序Fu et al. (2019):(GraphRel)GCNs将文本建模为关系图 以前…

机器学习数学本质的理解

来源:计算机视觉与机器学习近日,国际数学家大会丨鄂维南院士作一小时大会报告:从数学角度,理解机器学习的“黑魔法”,并应用于更广泛的科学问题。鄂维南院士在2022年的国际数学家大会上作一小时大会报告(plenary talk)…

Exploiting the Syntax-Model Consistency for Neural Relation Extraction(关系抽取,语法模型,跨领域关系抽取

文章目录1.Introductiony1.1 神经网络的关系抽取1.2使用依赖树的关系抽取1.2.2 依赖树的一般树1.3 本文做法2. 相关工作2.1核方法2.2 深度学习方法2.2.1 CNN2.2.2 RNN2.2.3 transformer2.2.4 依赖树3.模型3.1CEON-LSTM3.1.1 LSTM3.1.2ON-LSTM3.1.2.1 公式3.1.2.2the master gat…

从500亿缩水到167亿!自动驾驶芯片第一股“流血上市”

来源:数据观综合编辑:蒲蒲美股年内最后一次大规模IPO,MobilEye首日大涨近40%。美国时间10月26日,英特尔旗下自动驾驶子公司 Mobileye 正式登陆纳斯达克,股票代码为“MBLY”,首日上涨37.95%,报收…

[ACL2020]Generalizing Natural Language Analysis through Span-relation Representations

文章目录1 介绍2 span-relation representations2.1未涉及句子级任务3.span-relation model3.1 span representation3.2 span and relation label prediction3.3 应用到不同任务3.5 多任务学习MTL4 GLAD Benchmark基准 and Results4.1 实验4.2 证明通用模型有效4.3 MTL4.3.2 任…

为什么生成式AI这么火?OpenAI刚刚被曝估值已接近200亿美金

“生成式 AI 提醒我们,很难做出有关于人工智能的预测。十年前,传统观点认为:人工智能首先会影响体力劳动;然后,是认知劳动;然后,也许有一天它可以做创造性工作。现在看起来,它会以相…

报告预告:北斗网格码国家标准与城市大脑网格底座探讨

来源:中国指挥与控制学会中国指挥与控制学会“百名专家、百场讲座”第十七讲——城市大脑系列学术报告(第八期)主办单位:中国指挥与控制学会承办单位:中国指挥与控制学会城市大脑专业委员会远望智库报告人:…

{ACL2020}In Layman’s Terms: Semi-Open Relation Extraction from Scientific Texts(关系抽取,半开放关系抽取)

半开放关系抽取 用FOBIE训练一个narrow IE训练一个OpenIE用narrowIE矫正OpenIE 1.Introduction 标注困难、 跨领域标注更难 TRADE-OFF relations 随着干燥度的增加,木质部的安全性增加和效率降低的广泛模式是明显的,有一些证据表明在针叶树种或个体之…

马斯克成功收购推特,开除CEO等多名高管,还派特斯拉工程师进驻总部审查代码...

来源:AI前线作者:刘燕这场连环反转“大戏”,终于落幕。靴子终于落地10 月 28 日,据 《纽约时报》、CNBC 、《 华尔街日报》、《华盛顿邮报》 等多家外媒报道,马斯克收购推特的交易已经完成。这笔 440 亿美元的收购案终…

【ACL2020】Reasoning with Latent Structure Refinement for Document-Level Relation Extraction

1. 问题 句间关系 很多约等于文档级关系抽取 文档级关系抽取 句子间关系多 生物医药领域尤其多 需求/困难 整合同一文档不同句子间的信息处理句间实体复杂的交互 2.相关工作 文档级别关系抽取 结论: 实体mention之间的交互促进推理过程(文档级关系抽…

孤独的宇宙中,人类是个例外吗?

© Movie Content Plus来源:人工智能学家利维坦按:爱因斯坦曾说,“宇宙的永恒之谜在于其可理解性,宇宙能被理解是个奇迹。”不过,就可理解性(comprehensibility)来说,该如何定义…

红杉资本谈生成式AI:预计AI的杀手级应用将出现,比赛正在进行

来源:硅发布13年前,我采访Wolfram|Alpha的创始人、美国计算机科学家史蒂芬.沃尔弗拉姆时,大吃一惊。当时Wolfram|Alpha刚推出,使命是:让每一个人都可以在搜索引擎里搜出计算机计算的结果。比如说,输入"…

Transformer and set Trasformer

1.Transformer multihead attention block:MAB(X,Y)LayerNorm(HrFF(H))HLayerNorm(Xmultihead(X,Y,Y;ω)MAB(X,Y)LayerNorm(HrFF(H))\\ HLayerNorm(Xmultihead(X,Y,Y;\omega)MAB(X,Y)LayerNorm(HrFF(H))HLayerNorm(Xmultihead(X,Y,Y;ω) * Attention:Att(Q,K,Vl;ω)ω(QKT)VAtt…