Клетка учится на ошибках: секрет стабильности в нестабильном мире ✛ ✦

Оригинал: "Cellular Adaptation to Signal Fluctuations as Learning"
· Tuan Minh Pham, David Saad
arXiv:2607.03545 · 2026-07-03 · CC BY 4.0 · 1 мин
Клетка учится на ошибках, чтобы сохранить стабильность в переменчивом мире.

Живая клетка получает химические сигналы, сила которых скачет, словно пламя под капризной плитой. Чтобы не испортить блюдо — то есть не свернуть с пути развития, — клетка не просто глушит помехи. Она ведёт себя как опытный повар: пробует, ошибается и аккуратно меняет рецепт, подстраиваясь к огню.

Учёные подтвердили это на примере развития нервной ткани с помощью компьютерного моделирования. Клетка-повар постоянно корректирует чувствительность белков, как повар регулирует специи. Этот метод проб и ошибок напоминает алгоритмы обучения, а лежащий в основе принцип стремиться к порядку сформулировал ещё Больцман.

Стабильность приходит скачком: когда обучение становится достаточно быстрым, клетка закрепляет свою идентичность — как вода мгновенно становится льдом при нуле. В этом состоянии её внутренние связи синхронизируются, словно атомы в особой форме материи.

Такой высокий уровень организации означает, что шумовая плита больше не страшна. Но если обратная связь избыточна, возникают колебания, похожие на вихри в ионизированном газе, а общий сигнальный фон напоминает реликтовое излучение. Мерой беспорядка служит энтропия, и клетка снижает её, добиваясь кулинарного совершенства. Более того, один и тот же химический сигнал может задать клетке разные судьбы — как одна нота в разных тональностях рождает разную мелодию.

Один и тот же сигнал может запустить разные программы клетки — как одна нота звучит по-разному в разных тональностях.

J_{k\alpha}(\tau_{\mu+1}) = J_{k\alpha}(\tau_\mu) - \frac{\eta}{N} \frac{\partial \epsilon(\tau_\mu)}{\partial J_{k\alpha}(\tau_\mu)}
Обновление чувствительности эффектора k к компоненте сигнала α пропорционально скорости обучения η и градиенту рассогласования ε.
Учёные
Andrey Markov
Понятия
клетка нейрон живые клетки коллективная миграция клеток клеточный нейроинтерфейс теория управления нейронное усвоение языка стохастическая динамика в биологии стимул гормон обратная связь моделирование биологических ритмов управление в реальном времени обучение экспрессия генов пептид ген вид обучение с подкреплением модуляция