单个细胞令人困惑的智能
文章摘要
这是 James Somers 和 Edwin Morris 合作的一篇长篇交互式科普文章，副标题是”大肠杆菌趋化性的故事”，最早发布于 2024 年（HN 在 2024 年 3 月讨论过一次），这次由作者本人重新提交。文章配有大量可交互的动画和分子结构图，讲的是单个大肠杆菌如何觅食。
为什么讲这个故事。 作者说趋化性（chemotaxis，”chemo-“指化学，”taxis”来自希腊语”战术”）是最基本形式的智能：大肠杆菌没有大脑，比人类细胞还简单几个数量级，却已经有了类似嗅觉、驱动力甚至记忆的东西。他也借此表达对高中生物教学的不满：太注重记名词，用教科书去覆盖一个如此庞大的学科只会把它毁掉，不如用”你闻到气味时发生了什么”“发烧到底是什么”这类问题去切一个窄而深的切片。趋化性就是一个很好的切片：它是系统生物学的胜利，从整体到几乎每一层细节都被研究清楚了，还能顺带让你认识生物学里最重要的几种模式：蛋白质结构决定功能、细胞膜控制信息进出、化学修饰储存和传递状态，以及最精巧的分子纳米机器之一，鞭毛马达。
三万英尺视角：奔跑与翻滚。 大肠杆菌用一组像鼻子一样的受体”闻”到它喜欢的化学物质（引诱剂），然后决定怎么游：它身上有五六个转子，每个驱动一根长长的鞭毛。所有转子朝同一方向转时，鞭毛拧成一股，推着细胞向前”奔跑”；只要有一个转子反转，鞭毛束就会散开，细胞原地”翻滚”，随机换个方向。在均匀环境中，默认一次奔跑约一秒，大约是翻滚时长的十倍，这个比例精确地平衡了”利用”和”探索”：跑得太多太久会冲过食物，太少太短又可能永远找不到食物。遇到好东西就多跑，不好就多翻滚，细胞就会沿着一条曲折的路径向引诱剂靠近。
关键分子 CheY。 实现这个平衡的是一种在细胞质里四处乱撞的信号分子 CheY。它碰到受体复合物时会以一定速率被磷酸化，变成 CheY-p；CheY-p 对转子有很强的亲和力，足够多的 CheY-p 结合到某个转子上，转子就会反转，引发翻滚。当”鼻子”检测到引诱剂浓度上升，CheY 变成 CheY-p 的过程就被打断，结合到转子上的 CheY-p 变少，翻滚减少，奔跑增加。这套看似绕远的机制其实是一个可调的化学放大器：细菌能把信号放大 50 倍以上，受体占用率变化 2% 就能让鞭毛马达的输出变化 100%，灵敏到能感知每个细胞体积内不到三个分子的浓度变化。
适应：化学记忆。 如果只有放大，细胞的动态范围就很小，三个分子就反应强烈，一千倍的浓度岂不会让它彻底饱和？实际上大肠杆菌能在五个数量级的浓度范围内保持灵敏，因为它会把当前浓度当作”新常态”。机制是甲基化：每个受体有带”口袋”的”支柱”，受体结合引诱剂后口袋打开，甲基会填进去，让支柱变硬、信号减弱，需要更多引诱剂才能引发同样的反应。由于甲基化位点很多，可调的阻尼值范围很宽，作者形容”像一件复杂管乐器上的孔”。这让大肠杆菌拥有一种”简单的化学记忆”：它能”知道”过去几秒里环境中的引诱剂是变多还是变少了。作者指出，这和大脑做的事在原理上并无太大不同，用人工神经网络模拟一个真实神经元需要大约一千个单元，原因之一正是真实神经元在内部化学中储存了大量”状态”。他还顺带感叹：人之所以能把曾经极端的处境慢慢当成常态，也许底层就有类似的细胞机制在支撑。
“徒劳循环”并不徒劳。 文章引用 Dennis Bray 的《Wetware》说明，细胞里的激酶和磷酸酶像蚁巢里的蚂蚁一样不停地给蛋白质加上又去掉磷酸基团，每个循环消耗一个 ATP，这类反应曾被称为”徒劳循环”。但它给了细胞一个灵活、可快速调节的装置：想迅速改变某种活性蛋白的浓度，只要关掉或打开其中一个方向的反应即可，像拉动音响的音量推子。约 30% 到 50% 的人类蛋白质带有共价连接的磷酸基团，一个典型哺乳动物细胞随时在使用几百种蛋白激酶。
往兔子洞深处走。 作者不喜欢用流程图讲生物，因为参与者的名字几乎无法区分：CheA 磷酸化 CheY，CheZ 去磷酸化，CheW 把 CheA 连到受体上，CheR 给受体甲基化，CheB 去甲基化。他更愿意看各个部件的物理细节：
- 受体如何检测。 嵌在细胞膜上的蛋白质有形状恰好匹配特定分子（如天冬氨酸）的小裂缝，分子嵌进去后，跨膜的柱状结构发生细微的变构，像活塞一样把负责磷酸化 CheY 的 CheA 激酶锁定在失活状态。成千上万个这样的受体复合物在细胞前端排成整齐的六边形阵列，”像是用光刻工艺铺出来的”。作者认为把它叫”鼻子”并非比喻：人闻花香也是花的分子进入鼻腔、与特定受体蛋白结合；视觉中的视蛋白则是被一个光子改变形状。他因此把分子生物学看作”形状相互碰撞的科学”。
- 信号如何传递。 CheY-p 并不是被”导向”转子，而是靠细胞内疯狂的热运动随机撞上去。文章引用 David Goodsell 的说法：在一个典型细菌里，酶和糖分子各在一端，平均只要一秒就会相遇。如果把大肠杆菌放大到足球场那么长，水分子约一英寸宽，蛋白质有篮球大小，在拥挤的环境里剧烈颤动、不停互相碰撞。从”鼻子”扩散到马达是整个反应的限速步骤，大约需要十分之一秒。
- 马达如何换向。 鞭毛马达能量效率接近 100%，每秒转约 1500 圈，而且完全自组装，精巧到常被智能设计论者引为证据。CheY-p 要结合到转子底部的 FliM 等蛋白上，而且需要几个一起才能让马达换向，存在阈值；马达大约有七种状态，像自行车换挡。一种假说认为 CheY-p 结合后会让另一种蛋白 FliGc 旋转 90 度，使定子的步进驱动方向反过来。作者花了很多小时做了一个可交互动画来演示，并借 Bret Victor 的观点感叹，制作动态图解本不该这么难。
- 为什么一个马达反转就会翻滚。 鞭毛束不是螺旋桨，更像猪尾巴一样做鞭状旋转；文章引用 Howard Berg 的《生物学中的随机游走》分析了粘性阻力如何产生推力，还介绍了有研究者用灌了环氧树脂的塑料管和步进电机做出宏观模型，演示鞭毛如何自动缠绕成束。
细菌也有个性。 同一菌株的细菌基因完全相同，行为却各不相同。1976 年一篇《自然》论文就推测，原因在于”翻滚调节因子”的拷贝数很少，转录、翻译和降解中的随机波动足以造成个体差异。后来的研究证实，负责甲基化的 CheR 每个细胞只有约 100 个，而细胞里有约一千万个蛋白质，差几个就会显著改变适应速度。
我们是怎么知道这些的。 主要靠几类实验：敲除单个基因观察突变体行为（Che 系列蛋白就是因为敲除后”造成趋化性的普遍缺陷”而得名）；在体外纯化蛋白，用放射性磷做示踪；用 X 射线晶体学、核磁共振、冷冻电镜等做结构生物学；还有大量巧妙的推理。奔跑和翻滚的概念来自 1972 年 Howard Berg 和 Douglas Brown 用自制三维追踪显微镜做的实验（他们当时把翻滚叫作”twiddle”）。大肠杆菌趋化性也是”计算机模拟生物学”的早期明星，Dennis Bray 的模型能正确预测 60 多种突变体的表型；作者认为建模最大的价值在于迫使你把每个假设都明确写出来。
那又怎样？ 常见的回答是医学用途：理解趋化通路可以开发新型抗生素，或者造出能追踪癌细胞、环境污染物的”智能嗅探器”。但作者说，对他而言真正的理由是这件事很有趣，并引用了《论语》的”学而时习之，不亦说乎”。文末附有一份详细的带注释参考书目。
HN 评论精华
本帖 419 分、140 多条评论。dang 贴出了 2024 年 3 月的上一次讨论（213 条评论）。不少人称赞网站和交互设计本身（”太漂亮了”“没想到在这篇文章上花了这么多时间”）。讨论的主线是细胞与人工神经网络的类比、”这算不算智能”，以及进化论与智能设计的老话题。
细胞与神经网络。 dekhn（他说自己 1980 年代就因为同时喜欢计算机和生物而被神经网络吸引）说，从某些角度看，单个细胞更像一整个人工神经网络，真实神经元有很多人工神经元没有的惊人特性，但还不清楚怎么利用它们改进 AI。TeMPOraL 指出人工神经元和真实神经元不必一一对应，可以用 N 个人工神经元去刻画一个真实神经元的相关行为。dekhn 接着设想了一种更接近生物的架构：带脉冲、带反馈环路、能动态调整阈值和重新布线的持续运行的图，训练和推理同时进行。mark_something 和 dekhn 都承认，”神经网络”这个名字当初很大程度上是为了显得性感、拉经费；dekhn 说他在 2000 年代初跟人争论过很多次，后来才明白神经网络和大脑在根本上有多不同。HarHarVeryFunny 则认为，人工神经元虽然粗糙，但确实建模了”整合突触输入、超过阈值后非线性放电”这一核心功能，不只是”彼此相连”那么简单。
DNA 是不是计算机。 echelon 热情地把细胞描述成分布式超级计算机、工厂和信息网络，dekhn 纠正说 DNA 不是计算机，而是被动的存储介质，加上合适的酶才是图灵完备的；BrtByte 回应说说 DNA 完全被动也有点过，它如何折叠、哪些蛋白能接触它都会影响细胞行为。ctrlkctrls 提醒大家别用计算机科学的比喻过度投射到生物上，”因为我们都是程序员”。dekhn 还说他 1992 年大学宿舍墙上就贴着文中提到的罗氏生化通路海报，学完生化课时几乎能解释上面所有内容；代谢循环和光合作用的阐明是人类最了不起的成就之一，但即便知道了这些，工程化改造生物依然极其复杂。
这算智能吗？ PowerElectronix 认为这不是智能，只是一个由营养传感器调节、在浓度下降时改变鞭毛转向的全自动机制，”很酷，但不是智能”，智能是复杂度增加到一定程度后涌现出来的东西。这引发了长串争论：Mistletoe 问”智能难道不是全自动机制吗？”，就像人们说 LLM 只是词语预测器，”可我写这条评论也是这么写的”；asdfasdfasdf49 说眼睛就是把光子转成电信号的机制，看见是机械的，感受也是机械的，智能在哪一刻变得不同？HarHarVeryFunny 和 lysium 都指出，不先定义智能就说一个系统不智能没有意义；如果把智能定义为”利用以往经验指导未来行为”，细菌把祖先的经验编码在基因里，也算处在智能光谱的一端。pixl97 和 filoeleven 推荐了 Michael Levin 关于细胞适应性和”智能”的研究。
电动机和智能设计。 datas 问我们是否参考了鞭毛马达才发明电动机，dekhn 和 d-us-vb 都说不是：电动机发明于 19 世纪中叶，鞭毛马达的结构和机制直到 1970 年前后才被阐明，人们看到它和人造马达如此相似（定子、转子）时非常惊讶，这也是智能设计论的灵感来源之一。随后有人提到 Stephen Meyer 的智能设计论著作，IAmBroom 回应说这类论证总是对数学的无知：”太复杂太不可能了，所以必有设计者。好，那你算算到底有多不可能？”
进化为什么不会卡在局部最优？ ano-ther 惊叹这么复杂的系统居然是通过随机变异进化出来的，问进化为什么不会卡在局部最优。bob1029 的回答是中性漂移和极大的种群规模，只要能长期保持种群多样性，就能找到正确的盆地，而人工进化系统大多撑不起这么大的种群。另一些人（alienbaby、williamdclt、adrian_b）则说进化其实经常卡在局部最优，比如蝎子几亿年外形几乎没变，人眼神经”装反了”导致有盲点而章鱼的眼睛没有这个问题。LarsDu88 补充说基因复制很常见，脊椎动物至少经历过两次全基因组复制，这让一份拷贝可以自由突变出新功能而不致命。
延伸阅读。 多人推荐了 David Goodsell 的分子插画和他的《The Machinery of Life》（作者在文中也说这本书应该成为高中生物教材）、作者另一篇文章《我本该爱上生物学》、带动画的真核细胞模型 grimoire.bio，以及 Maturana 的”自创生”（autopoiesis）概念。schiffern 说文中”徒劳循环”那段最出乎他意料：花能量不停地做加法又做减法，看似低效，却换来了快速响应能力。