编辑推荐：
为探究生物网络信息处理能力，研究人员以大肠杆菌基因调控网络（GRN）为对象，发现其在混沌边缘记忆容量最大等，对理解生物计算意义重大。
在奇妙的生物世界里，生物体适应环境变化的能力令人惊叹。就像人类大脑，能通过神经元网络处理各种信息，产生复杂的认知。而单个细胞，也有着自己独特的 “智慧”，它们能适应环境，甚至进行复杂计算。比如大肠杆菌，能展现出时间关联学习能力，根据温度和氧气等环境变化做出反应；白色念珠菌能在感知葡萄糖增加时，提前为应对宿主免疫系统做准备。
细胞的这种适应能力，依赖于其内部生物分子组件之间复杂的相互作用网络，其中基因调控网络（GRN）起着关键作用。它就像细胞内的 “指挥官”，调节基因和蛋白质的表达，控制细胞的各种行为。目前，虽然人们知道抽象的神经网络模型能用于计算，但对于真实生物网络的结构特性，尤其是其对信息处理能力的影响，了解还很有限。现有研究大多只关注网络训练时的连接调整，忽略了生物网络长期进化形成的非偶然架构。因此，深入研究生物网络的结构如何影响其信息处理能力，就显得尤为重要。
来自庞培法布拉大学（Universitat Pompeu Fabra）的 Maria Sol Vidal-Saez 和 Jordi Garcia-Ojalvo 开展了相关研究，论文发表在《Biophysical Reviews》上。他们以大肠杆菌的基因调控网络为研究对象，探究其结构特性与信息处理能力，特别是软记忆（soft memory，即从环境中即时存储信息的能力）之间的关系。这一研究对于揭示生物网络信息处理的奥秘，以及为合成电路设计提供理论基础，都有着重要意义。
研究人员主要采用了网络模拟和分析等技术方法。通过利用 EcoCyc 数据库获取大肠杆菌基因调控网络信息，构建网络模型。运用网络模拟，依据特定的更新规则，模拟网络中节点的动态变化。同时，借助计算最大 Lyapunov 指数（MLE）来跟踪网络从有序到混沌的转变，以此研究网络的动力学特性；还通过随机化网络边的符号等方式，分析不同因素对网络性能的影响 。
下面来看具体的研究结果：
- 软记忆的全局结构决定因素：大肠杆菌的基因调控网络符合水库计算（reservoir computing）范式，其核心子结构由少量相互递归连接的基因组成，即水库（reservoir）。通过模拟水库的动力学，研究人员发现，当网络从有序动力学转变为混沌动力学时，在接近混沌边缘（即最大 Lyapunov 指数λ≈0 ）时，网络的临界记忆容量达到最大。这表明大肠杆菌的基因调控网络在混沌边缘附近具有最强的记忆能力。
- GRNs 中的激活 / 抑制平衡：研究人员探究了基因调控网络中激活和抑制的平衡对网络性能的影响。通过随机化水库边缘的符号，改变激活 / 抑制比例，并利用 10 阶非线性自回归移动平均（NARMA）任务和临界记忆容量任务进行测试。结果发现，当抑制比例在 40 - 60% 时，网络在这两个任务中的表现最佳，而大肠杆菌基因调控网络中抑制的实际比例为 41%。这说明生物网络似乎进化出了一个最优的激活 / 抑制比例，以实现最佳的时间信息处理能力。
- 局部拓扑结构对记忆容量的影响：研究人员关注大肠杆菌基因调控网络的局部拓扑结构，特别是自我环（self-loops）、相互调节电路（mutual regulation circuits）和前馈环（FFLs）这三种网络基序（network motifs，即真实网络中比随机网络更频繁出现的连接模式）对记忆容量的影响。通过从大肠杆菌的水库中采样约 2400 个子水库，测量其临界记忆容量。结果显示，含有递归的网络基序（自我环和相互调节电路）比前馈环对水库的记忆容量更为重要。例如，相互调节电路在增强记忆方面比自我环更高效，即使没有前馈环，网络也能有一定的记忆容量。
- 较小的记忆性 GRNs：研究人员还寻找在记忆要求高的任务中表现良好的大肠杆菌子水库。他们让子水库接受记忆容量、10 阶 NARMA 任务和延迟 AND 集成任务的测试，确定了两个约 40 个节点的子网络，其在这三个任务中都表现出良好的性能，且性能与整个水库相比差距不大，而基因数量仅为整个水库的 57%。
综合研究结果，研究人员发现平衡的全局激活 / 抑制比例，以及以自我环和相互调节电路形式存在的局部递归，赋予了生物网络（尤其是大肠杆菌的基因调控网络）时间信息处理能力。这一研究不仅揭示了生物网络信息处理的关键机制，还为理解生物进化过程中网络结构的优化提供了线索。同时，对于设计具有增强记忆能力的合成电路也具有重要的指导意义，有望推动合成生物学领域的发展。未来，研究人员可以进一步探索不同细胞类型或不同物种中基因调控网络的结构与功能关系，验证当前研究结果的普遍性；也可以深入研究小网络良好性能的拓扑特征，为合成电路设计提供更精准的策略 。
