- Kemotaksis E. coli adalah proses ketika satu sel mendeteksi perubahan konsentrasi nutrisi, lalu menemukan arah yang lebih menguntungkan dengan memori kimia jangka pendek dan kendali gerak
- Strategi geraknya berupa pengaturan rasio antara run, yaitu berenang maju, dan tumble, yaitu mengubah arah secara acak; CheY dan CheY-p yang terfosforilasi menyampaikan sinyal utama
- Ketika konsentrasi zat penarik meningkat, aliran CheY-p berkurang sehingga pembalikan motor flagela menurun; akibatnya run menjadi lebih panjang daripada tumble, meningkatkan peluang bergerak ke arah makanan
- Metilasi reseptor adalah perangkat adaptasi yang menetapkan konsentrasi saat ini sebagai garis dasar baru, sehingga E. coli dapat mendeteksi perubahan kecil bahkan pada rentang konsentrasi zat penarik 5 orde magnitudo
- Susunan reseptor, sirkuit fosforilasi/defosforilasi, motor flagela, difusi protein, dan perbedaan jumlah molekul antarindividu saling terkait, membuat satu sel bertindak seperti komputer fisik
E. coli memilih arah dengan run dan tumble
- E. coli mendeteksi zat penarik melalui reseptor yang mengenali zat kimia tertentu, lalu mengubah cara bergerak dengan ekor flagela
- Gerakannya dapat disederhanakan sebagai kombinasi dua keadaan
- run: beberapa motor flagela berputar ke arah yang sama, ekor-ekornya tergulung menjadi satu bundel, dan sel bergerak maju
- tumble: satu atau lebih motor berputar ke arah berlawanan, bundel ekor terurai, dan sel berputar ke arah acak
- Dalam lingkungan kimia yang seragam, sel melakukan random walk yang memadukan run dan tumble
- Pada dasarnya, run berlangsung sekitar 1 detik
- Tumble kira-kira 10 kali lebih singkat daripada run
- Rasio run dan tumble menyeimbangkan eksplorasi dan pemanfaatan
- Jika run terlalu panjang atau terlalu sering, sel bisa melewati makanan
- Jika run terlalu pendek atau terlalu jarang, makanan sulit ditemukan
CheY dan CheY-p menyampaikan keputusan gerak
- Molekul sinyal utama adalah CheY
- CheY bergerak di dalam sitoplasma dan membawa informasi antara kompleks reseptor dan motor flagela
- Saat bertemu kompleks reseptor, sebagian tertentu CheY terfosforilasi menjadi CheY-p
- Berbeda dari CheY, CheY-p berikatan kuat dengan motor flagela
- Jika cukup banyak CheY-p menempel pada motor, rotasi motor berbalik
- Pembalikan rotasi mengarah pada tumble
- Ketika konsentrasi zat penarik meningkat, aliran perubahan CheY menjadi CheY-p melemah
- Saat CheY-p berkurang, CheY-p yang berikatan dengan motor juga menurun
- Pembalikan motor dan tumble berkurang
- Sel melakukan run lebih lama, meningkatkan peluang bergerak ke arah zat penarik
- Aliran sinyal ini bekerja seperti penguat kimia
- Sel bakteri dapat memperkuat sinyal lebih dari 50 kali
- Perubahan 2% pada okupansi reseptor dapat menghasilkan perubahan 100% pada keluaran motor flagela
- Sel juga dapat mendeteksi perubahan kurang dari 3 molekul per volume sel
Metilasi menjadikan konsentrasi saat ini sebagai garis dasar baru
- Jika sistemnya sederhana dan hanya merespons kenaikan zat penarik, sistem itu dapat mudah jenuh ketika konsentrasi meningkat tajam
- Dalam kenyataannya, E. coli merespons secara sensitif pada rentang 5 orde magnitudo konsentrasi zat penarik
- Sel memperlakukan konsentrasi yang telah dicapai saat ini sebagai keadaan normal baru
- Dalam keadaan itu, kenaikan kecil kembali memicu respons yang sensitif
- Adaptasi ini terkait dengan metilasi struktur reseptor
- Ketika zat penarik berikatan dengan reseptor, struktur penopang reseptor berubah bentuk
- Kantong pada struktur terbuka sehingga gugus metil dapat berikatan
- Saat metilasi berlangsung, daya penghantaran sinyal reseptor diredam, sehingga diperlukan lebih banyak zat penarik untuk memunculkan respons yang sama
- Setiap reseptor memiliki beberapa lokasi metilasi, dan setiap reseptor memiliki beberapa struktur penopang, sehingga tingkat peredaman dapat diatur secara luas
- Tingkat metilasi reseptor berfungsi sebagai memori kimia sederhana
- E. coli menyimpan apakah konsentrasi zat penarik di sekitarnya meningkat atau menurun selama beberapa detik terakhir sebagai keadaan modifikasi kimia internal
- Informasi ini digunakan untuk menilai apakah arah renang saat ini menguntungkan atau merugikan
Fosforilasi dan defosforilasi membentuk sirkuit pengaturan cepat
- Sirkuit kemotaksis adalah sistem dinamis yang terus memodifikasi protein dan mengembalikannya
- CheA memfosforilasi CheY menjadi CheY-p
- CheZ mendefosforilasi CheY-p dan mengembalikannya menjadi CheY
- CheR memetilasi reseptor
- CheB menghilangkan gugus metil dari reseptor
- Dari luar, sirkuit seperti ini tampak seperti siklus yang membuang energi, tetapi bagi sel ia menjadi perangkat yang dapat diatur dengan cepat
- Karena aliran fosforilasi dan defosforilasi terus berputar, menurunkan atau menaikkan salah satu reaksi dengan cepat mengubah konsentrasi protein aktif
- Kecepatan reaksi dapat disesuaikan lebih cepat dibanding membuat protein baru melalui jalur produksi yang panjang
- Pengaturan fosforilasi/defosforilasi sangat umum di seluruh kehidupan
- Sekitar 30–50% protein manusia mengandung gugus fosfat yang terikat kovalen
- Sel mamalia tipikal menggunakan ratusan jenis protein kinase pada momen tertentu
- Dalam kemotaksis, kecepatan siklus ini menentukan seberapa cepat sel merespons perubahan kadar zat penarik
- Ketika zat penarik ditambahkan, aliran perubahan CheY menjadi CheY-p berkurang
- Defosforilasi terus berlangsung sehingga CheY meningkat
- Ketika CheY meningkat, tumble berkurang dan run bertambah
Reseptor menyampaikan sinyal eksternal ke dalam lewat perubahan bentuk
- Pada membran sel E. coli tertanam protein reseptor yang terspesialisasi untuk tiap zat penarik
- Misalnya, reseptor yang mendeteksi asam aspartat memiliki celah yang sangat cocok dengan molekul asam aspartat
- E. coli memiliki 5–6 protein sensorik spesifik zat penarik seperti ini
- Reseptor menghubungkan bagian sensorik di luar membran sel dengan protein sinyal CheW dan CheA di dalam sel
- Panjang total reseptor sekitar 350 angstrom, atau 35 nanometer
- Struktur semacam ini diteliti dengan metode seperti difraksi sinar-X dan mikroskop elektron kriogenik
- Jika disederhanakan, kompleks reseptor bekerja seperti piston besar
- Asam aspartat berikatan dengan bagian sensorik eksternal
- Struktur kolom reseptor berubah bentuk secara halus
- Kinase CheA yang seharusnya memfosforilasi CheY terkunci dalam keadaan tidak aktif
- Kompleks-kompleks reseptor membentuk susunan besar di dekat bagian depan tubuh E. coli, dan pada penampang tampak seperti pola heksagonal
- Indra penciuman manusia memiliki prinsip serupa
- Molekul bau berikatan dengan protein reseptor tertentu di dalam hidung
- Manusia memiliki ratusan protein reseptor bau
- Anjing memiliki lebih dari 1.000 gen reseptor olfaktori
Transduksi sinyal di dalam sel bergantung pada difusi dan tumbukan cepat
- CheY-p tidak dipandu ke motor lewat jalur tertentu; ia berdifusi di dalam sitoplasma lalu berikatan ketika berada cukup dekat
- Bagian dalam sel sangat padat, tetapi molekul bergerak cepat
- Dalam sel bakteri tipikal, enzim di satu ujung dan molekul gula di ujung berlawanan rata-rata dapat bertumbukan setidaknya sekali dalam sekitar 1 detik
- Molekul apa pun di dalam sel dapat bertemu hampir semua molekul lain dalam beberapa detik
- Dalam lingkungan seperti ini, perubahan bentuk protein dan afinitas ikatan menjadi sangat penting
- Molekul-molekul di dalam sel terus saling mendekat dan menguji kemungkinan berikatan
- Perbedaan antara CheY-p dan CheY sangat mengubah kemungkinan ikatan dengan protein motor
- Saat E. coli merespons zat penarik, tahap yang membatasi kecepatan adalah waktu difusi CheY-p dari sekitar reseptor ke motor
- Waktu ini sekitar 0,1 detik
- Ada juga eksperimen yang melacak pergerakan CheY berlabel fluoresen di dalam E. coli hidup
Motor flagela mengubah arah putaran melalui ikatan CheY-p
- Motor flagela adalah mesin nano molekuler yang canggih
- Efisiensi energinya hampir mendekati 100%
- Berputar sekitar 1.500 kali per detik
- Seperti semua mesin nano molekuler, ia merakit diri sendiri
- Di bagian dasar motor terdapat protein FliG, FliM, dan FliN
- Ketika tiba, CheY-p berikatan dengan protein-protein ini
- Satu CheY-p saja tidak cukup untuk mengubah arah motor
- Beberapa CheY-p harus berikatan agar motor beralih dari arah berlawanan jarum jam ke arah searah jarum jam, sehingga terjadi tumble
- Motor tidak hanya memiliki keadaan biner sederhana, melainkan beberapa keadaan rotasi
- Ada keadaan berputar cepat berlawanan jarum jam hingga tahap-tahap dengan kecepatan yang menurun
- Setelah melalui keadaan berhenti, motor dapat berpindah ke beberapa keadaan kecepatan searah jarum jam
- Mekanisme peralihan arah yang diusulkan didasarkan pada perubahan bentuk FliM dan FliGc
- CheY-p berikatan dengan FliM
- FliM miring dan FliGc yang terhubung berputar 90 derajat
- FliGc memicu dorongan ke arah berlawanan pada titik kontak antara bagian berputar dan bagian tetap
- Walau CheY-p berikatan, CheZ dapat menghilangkannya, sehingga efeknya terus dibalik
- Tanpa sinyal tambahan, sel cepat kembali ke keadaan dasar
Pembalikan satu motor saja dapat menghasilkan tumble
- Dalam keadaan run, beberapa flagela bergerak ke arah yang sama dan membentuk satu bundel
- Bundel flagela bukan sekadar propeler, melainkan lebih mirip struktur ekor spiral yang berputar dan menghasilkan gaya dorong dalam fluida kental
- Jika filamen-filamen flagela terpisah berputar berdekatan dalam fase yang sama, mereka dapat saling melilit dan membentuk bundel
- Sebuah studi membuat model flagela makroskopik dengan melilitkan tabung Tygon berongga pada mandrel lalu mengisinya dengan epoksi
- Mereka menguji pembundelan flagela dengan menggerakkan rotasi berlawanan jarum jam memakai motor stepper
- Medan aliran yang dibuat tiap spiral memiringkan spiral lain sehingga saling melilit dan membentuk bundel
- Ketika satu motor berputar ke arah berlawanan, bundel flagela terurai dan seluruh sel memasuki keadaan tumble
Sel dengan gen yang sama pun bergerak berbeda
- Populasi E. coli bukan massa homogen yang berperilaku sepenuhnya sama
- Makalah Nature tahun 1976 membahas individualitas non-genetik dalam kemotaksis Salmonella dan Enterobacter
- Bahkan pada galur yang sama, perbedaan respons muncul di lingkungan dengan atau tanpa attractant
- Saat itu mekanisme pengaturan yang tepat belum diketahui, tetapi diasumsikan bahwa perbedaan jumlah faktor pengatur tumble dapat menghasilkan perbedaan perilaku
- Mekanisme yang kemudian terungkap sejalan dengan gagasan ini
- Protein CheR yang mengatur metilasi reseptor hanya berjumlah sekitar 100 di dalam sel
- Bersama CheB, ia mengatur kecepatan adaptasi dan antiadaptasi
- Di seluruh sel terdapat sekitar 10 juta protein, tetapi karena CheR sangat sedikit, selisih beberapa saja dapat berdampak besar pada perilaku
- Eksperimen terbaru mengukur individualitas antar sel E. coli dengan mikroskop fluoresensi
- Individualitas ini muncul bukan hanya dari perbedaan ekspresi gen, tetapi juga dari dinamika jaringan sinyal
Eksperimen yang mengungkap mekanisme kemotaksis
- Belum ada teknologi yang dapat mengamati langsung semua aktivitas di dalam sel hidup sekaligus
- Gambar sitoplasma yang penuh sesak dengan protein adalah sintesis artistik berdasarkan penelitian ketat
- Itu bukan rekaman video langsung dari seluruh proses dalam satu adegan
- Pendekatan eksperimen utama adalah metode genetika
- Gen diganggu satu per satu dan perilaku E. coli mutan diamati
- Nama seperti CheY, CheZ, dan CheW berawal dari fakta bahwa penghapusan gen tersebut menyebabkan cacat kemotaksis
- Eksperimen protein in vitro juga digunakan
- CheA, CheY, gugus fosfat, dan reaktan dapat dimasukkan bersama, lalu diamati apakah fosforilasi terjadi dan berapa jumlahnya
- Makalah Cell tahun 1990 menggunakan fosfat radioaktif sebagai pelacak
- Protein fluoresen atau antibodi juga dapat digunakan untuk mengamati lokasi dan dinamika protein
- Biologi struktural digunakan untuk mengungkap mekanisme fisik pada lokasi ikatan
- Kristalografi sinar-X
- Pencitraan resonansi magnetik nuklir
- Mikroskop elektron kriogenik
- Mikroskop optik super-resolusi
- Simulasi dinamika molekuler tingkat atom
- Pada 1972, Howard Berg dan Douglas Brown mengamati run dan tumble bakteri dengan mikroskop pelacak 3D yang mereka rancang sendiri
- Dalam makalah saat itu, mereka menggunakan istilah “twiddle” alih-alih tumble
- Fisika propulsi flagela juga diteliti dengan cara menambatkan flagela pada slide mikroskop
- Dalam keadaan tertambat, ekor memutar tubuh, sehingga kecepatan rotasi tubuh sel dapat diukur
- Bahwa motor flagela digerakkan oleh gaya gerak proton diketahui dari makalah tahun 1977 yang mengukur perubahan run dan twiddle tergantung ada tidaknya potensial listrik
- Hasil pengamatan kekuatan rotasi dalam berbagai kondisi menunjukkan bahwa rotasi sangat terkait dengan aliran proton
- Sekitar 500 proton digunakan untuk satu putaran
Model komputer mengubah asumsi menjadi bentuk yang dapat diuji
- Kemotaksis E. coli adalah salah satu contoh awal utama biologi “in silico”
- Model komputer memaksa asumsi disusun secara eksplisit
- Untuk membuat model, tiap komponen dan interaksinya harus dituliskan secara konkret
- Jika model bekerja, variasi asumsi dapat diuji
- Model Dennis Bray menghasilkan fenotipe yang benar untuk lebih dari 60 mutan dengan komponen jalur kemotaksis yang dihapus atau diekspresikan berlebihan
- Dalam proses mencocokkan model, arah eksperimen baru juga dapat muncul
- Untuk mencocokkan respons terhadap rangsangan singkat, aktivitas enzim adaptasi CheR dan CheB harus dinaikkan setidaknya satu orde magnitudo dibanding nilai dalam literatur yang ada
- Riset kemotaksis juga memiliki kemungkinan aplikasi praktis
- Memahami jalur sinyal kemotaksis bakteri dapat mengarah pada riset antibiotik yang mengganggu jalur tersebut
- Ada juga kemungkinan membuat “detektor cerdas” yang memanfaatkan jalur kemotaksis untuk mencari sel kanker atau limbah lingkungan
- Secara lebih luas, jalur regulasi dua-komponen pada bakteri mengendalikan berbagai fungsi seperti pembelahan sel, patogenisitas, resistensi antibiotik, fiksasi dan pemanfaatan metabolit, respons stres lingkungan, pembentukan spora, dan taxis
1 komentar
Komentar Hacker News
Jika membaca "Hidden Order" karya John Holland bukan sebagai buku, melainkan sebagai cara membuat sistem adaptif kompleks, intinya bisa diringkas menjadi beberapa hal: lingkungan, banyak entitas, bus pesan baca/tulis yang memungkinkan entitas-entitas itu berinteraksi, serta aturan dan sensor tiap entitas
Jika semua itu digabungkan, jadilah pemikiran atau kecerdasan. Kita juga bisa bertanya apakah protokol routing RIP termasuk sistem adaptif kompleks
Sebagian masalahnya ada pada cara berpikir. Kita mengira diri kita satu orang, bukan sistem adaptif kompleks, tetapi kenyataannya kita tersusun dari entitas-entitas, punya bus pesan, dan entitas-entitas itu merasakan, bertindak, serta berinteraksi
Pertanyaan seperti apa perbedaan antara tumpukan semut dan koloni semut, atau apakah yang cerdas itu semutnya atau koloninya, mungkin merupakan masalah ala Sapir-Whorf, ketika bahasa membatasi pikiran
Alasan disebut “sebagian” adalah karena ada sangat banyak pemikiran dan tindakan yang dilakukan sistem adaptif tetapi tidak diidentifikasi sebagai diri sendiri
Ini makin terasa jika tinggal di kota dan tidak banyak berpindah tempat; jika pindah ke tempat dan budaya yang sangat jauh tanpa berasumsi bahwa budaya sendiri adalah yang terbaik, lebih banyak hal mulai bekerja di otak
Komentar Reddit ini merangkumnya lebih baik daripada makalahnya: https://www.reddit.com/r/MachineLearning/comments/dco3t1/com...
Kesadaran tampaknya terjadi pada skala tertentu, dan tampaknya berkorelasi dengan pola serta aktivitas makroskopik yang muncul dari kelompok neuron, bukan aktivitas stokastik berisik dari sel-sel individual. Kita tidak sadar bagaimana pengenalan wajah, pengenalan ujaran, atau kendali motorik presisi diproses, dan hanya sadar pada skala yang jauh lebih tinggi; tetapi kita juga tidak menganggap bahwa skala yang terlalu makroskopik seperti Amerika Serikat memiliki kesadaran
Sistem adaptif kompleks bisa saling bertumpang tindih. Keluarga manusia, komunitas, masyarakat, dan pemerintah semuanya membentuk gestalt yang lebih besar, sementara manusia itu sendiri juga merupakan sistem adaptif kompleks yang termasuk di dalamnya
Jika menyukai topik semacam ini, saya sangat merekomendasikan “The Song of the Cell” karya Siddhartha Mukherjee. Itu salah satu buku terbaik yang membuat topik biologi menjadi mudah didekati
https://www.amazon.com/Song-Cell-Exploration-Medicine-Human/...
Saya sepenuhnya setuju bahwa biologi SMA terlalu condong pada menghafal nama-nama benda. Mata pelajaran yang begitu luas ini bisa dirusak oleh buku teks yang menyajikannya seperti daftar pengetahuan tanpa akhir
Kalau berfokus pada satu atau dua contoh menarik, biologi yang cukup canggih pun mungkin bisa diajarkan di SD, dan rasanya akan ada jauh lebih banyak orang yang terinspirasi daripada yang bosan
Bagian itu menceritakan fenomena aneh yang ia temukan: meski topik dan pertanyaannya hampir sama, para siswa pada satu kesempatan bisa langsung menjawab, tetapi pada kesempatan berikutnya sama sekali tidak bisa menjawab
Ia berkata, “tujuan utama kuliah saya adalah menunjukkan bahwa sains sama sekali tidak diajarkan di Brasil”
https://v.cx/2010/04/feynman-brazil-education
Misalnya, dogma sentral biologi adalah gagasan transfer informasi bahwa DNA ditranskripsi menjadi RNA dan RNA diterjemahkan menjadi protein. Struktur dan fungsi DNA, berbagai subtipe RNA, protein penerjemah, Slicer dan Dicer, kodon tiga huruf dan asam amino, perpindahan mRNA keluar dari nukleus, dan sebagainya bisa dibahas langkah demi langkah
Namun, sebagian besar dogma sentral yang baru saja disebutkan kini sulit dianggap benar begitu saja. Hampir seluruh mikrobiologi modern membahas “pengecualian” terhadap dogma sentral, sampai pada titik sulit mengatakan ada perbedaan nyata antara RNA dan protein. Hampir setiap minggu ada makalah baru tentang hibrida RNA-protein yang penting untuk memahami bagian umum sel, sehingga dogma sentral lebih mirip fiksi yang berguna daripada kebohongan
Ini mirip seperti mengatakan bahwa “for loop” adalah cara kerja internet. Memang benar ada for loop di internet, itu penting dan perlu dipelajari, tetapi internet tidak bisa diajarkan hanya dengan satu atau dua contoh menarik tentang for loop
Memahami biologi itu sulit, dan merupakan hasil hidup-mati selama lebih dari 4 miliar tahun. Tidak bisa diselesaikan dengan beberapa contoh; bahkan pemahaman tingkat kelas 12 pun membutuhkan kursus setahun penuh, dan itu pun hanya titik awal minimal untuk memasuki bidang yang luas. Perlu mempelajari nama dan fakta, serta kerja keras menghubungkan informasi yang sangat banyak. Yang dibutuhkan bukan pendidikan bergaya hiburan, melainkan usaha
Kompleksitas dan kecerdasan sel tunggal seperti ini sudah lama menjadi tema langganan saya dalam perdebatan AGI. Jauh sebelum demam LLM saat ini, orang-orang sudah menghitung jumlah neuron di otak dan membuat klaim berani seperti “dalam beberapa tahun akan ada mesin dengan kemampuan komputasi setara otak”
Namun setiap neuron di otak sangat kompleks sampai membingungkan, dan kita masih belum benar-benar tahu bagaimana kompleksitas itu muncul sebagai pikiran dan kecerdasan. Jika memikirkan fisika dan interaksi antarobjek, setiap sel di otak lebih kompleks daripada LLM yang kita gunakan saat ini. Tentu itu bukan berarti setiap sel bisa menghasilkan keluaran seperti LLM; maksudnya, kompleksitas perilaku yang disumbangkannya ke keseluruhan sistem sebesar itu
Buku itu menunjukkan, lewat hasil eksperimen dan teori dalam biofisika seluler, bahwa sel saraf individual dapat mengalikan, mengintegrasikan, dan menunda input sinaptik, serta bahwa informasi dapat dikodekan dalam tegangan membran, konsentrasi kalsium intraseluler, dan timing spike individual
https://www.amazon.com/Biophysics-Computation-Information-Co...
Misalnya, dalam convolutional neural network, total bobot sebuah kernel adalah jumlah kanal input × ukuran kernel × jumlah filter, sehingga untuk kernel 3×3, 3 kanal, dan 128 filter, hanya ada 3.456 parameter. Namun karena filter yang sama digeser di seluruh feature map input 2D, jika memakai stride 2 dua arah pada gambar HD 1280×720, filter itu diterapkan 230.400 kali dan jumlah aktivasi parameter efektif menjadi 796.262.400
Sudah lama diketahui bahwa convolutional neural network sebagian terinspirasi dari korteks visual manusia [0]. Pada korteks visual manusia yang harus bekerja cepat, berbagi parameter dari satu kernel tidak mungkin dilakukan, dan besar kemungkinan bobotnya harus diparalelkan sampai tingkat tertentu dan direplikasi di dalam otak. Dalam hal ini, jaringan saraf buatan punya keunggulan
Neuron di otak manusia harus memiliki tingkat redundansi tertentu karena perbaikan sel yang terus-menerus, dan tampaknya diperbarui hanya lewat pembelajaran Hebbian, tidak seperti pembaruan langsung pada memori komputer. Selain itu, sebagian besar otak manusia ada untuk alasan lingkungan dan nonlogis seperti gerak, sentuhan, rasa takut, kecemburuan, dan hasrat, sementara jaringan saraf buatan tidak perlu memiliki bagian seperti respons fight-or-flight amigdala dengan cara yang sama
[0] https://msail.github.io/post/cnn_human_visual/
Saya mengenal gagasan bahwa sel tunggal pun dapat menunjukkan “pembelajaran” dan “budaya” lewat buku luar biasa John Bonner, “The Evolution of Culture in Animals”
Bonner membangun sudut pandang yang melihat budaya maupun pembelajaran sebagai sebuah kontinum, alih-alih memisahkan hewan secara terputus-putus atau menempatkan manusia sebagai kategori yang sama sekali berbeda. Tentu saja tetap ada perbedaan
https://press.princeton.edu/books/paperback/9780691023731/th...
Tulisan ini, bisa dibilang, menggali lubang kelinci itu lebih dalam
Jika Anda menyukai bahasan seperti ini, ada juga buku berjudul “Information Processing in Single Neurons” yang membahas kompleksitas neuron tunggal di otak
https://www.amazon.com/Biophysics-Computation-Information-Co...
Ada ulasan akses terbuka penuh dari tahun 2013 yang memuat semua matematika yang diperlukan untuk membuat model proses ini: “Quantitative modeling of bacterial chemotaxis: Signal amplification and accurate adaptation, Yuhai Tu”
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3737589/
Intinya, kooperativitas reseptor dan adaptasi akurat dapat dijelaskan secara kuantitatif dengan model matematika sederhana, dan “model standar” yang mencakup amplifikasi sinyal sekaligus adaptasi memprediksi secara kuantitatif respons E. coli terhadap stimulus arbitrer yang berubah seiring waktu
Ramp eksponensial menghasilkan perubahan aktivitas yang bergantung pada laju ramp melalui fungsi metilasi F(a), dan respons terhadap sinyal osilasi menunjukkan bahwa E. coli menghitung turunan waktu pada wilayah frekuensi rendah. Selain itu, E. coli mengingat logaritma konsentrasi ligan, dan hukum Weber-Fechner berlaku pada kemotaksis E. coli
Sebagai mekanisme amplifikasi sinyal, ulasan ini juga membahas transisi fase kooperatif pada kompleks reseptor, menggunakan model seperti interaksi spin-spin feromagnetik Ising dalam fisika
Pada bagian yang mengatakan bahwa kita belum memiliki teknologi untuk mengamati semua aktivitas di dalam sel hidup, saya jadi penasaran seberapa dekat kita untuk membuat peta semua atom di dalam sel
Dalam 1 ml air ada 1E23 atom, dan E. coli kira-kira berukuran 500 nm × 500 nm × 1 µm, jadi seluruh sel hanya memiliki sekitar 2E10 atom
Mungkinkah seluruh sel dibekukan, lalu atom-atomnya dilepaskan satu per satu dengan berkas elektron dan diidentifikasi berdasarkan massanya?
Namun biayanya luar biasa mahal, dan yang benar-benar bisa diidentifikasi biasanya hanya pada tingkat protein utuh. Meski begitu, kemampuan melihatnya dalam konteks tetap merupakan hal yang sangat besar
Resolusi seperti apa yang bermakna, dan cabang proses mana yang ingin diikuti, juga menjadi persoalan
Cara bergerak lurus setelah berputar secara acak sedikit mengingatkan pada logika Roomba generasi pertama
Bagian “How did we figure all this stuff out?” di akhir benar-benar menakjubkan
Invariansi skala di alam juga terlihat jelas di sini. Sel memang “kecil” dibandingkan skala manusia, tetapi sama kompleksnya dengan mesin apa pun yang ada pada skala manusia. Di alam tidak ada kecil atau besar yang absolut
Eksperimen in silico bisa diremehkan oleh orang di luar bidang ini. Jelas bahwa peningkatan kemampuan komputasi telah mengubah bidang ini dan akan terus mengubahnya. Beralih dari menusuk molekul secara acak atau menumbuhkan sesuatu yang berbahaya di cawan Petri ke simulasi komputer cepat berbasis DNA adalah lompatan besar dalam kecepatan belajar
Skala juga memiliki batas fisik. Ada batas pada berat yang dapat ditopang tulang, dan proses kimia juga dibatasi, misalnya oleh laju disipasi energi maksimum