Studija objavljena u PRX Life pokazuje da pojedinačna bakterija može učiti iz prethodnih iskustava i čuvati "sećanja" o ranijim uslovima. Eksperimenti s desetina hiljada E. coli u mikrofluidnom uređaju pokazali su da istorija izloženosti nutrijentima menja brzinu prilagođavanja. Matematički model ukazuje na ribosome kao mesto memorije i sugeriše računarsku logiku sličnu gated rekurentnim neuronskim mrežama. Otkriće ima implikacije za biologiju, AI i razvoj novih pristupa u lečenju infekcija.
Novo istraživanje: bakterije uče i pamte — sistem sličan veštačkim neuronskim mrežama

Učenje se često povezuje s mozgom, ali šira definicija učenja ne zahteva neurone. Ako organizam koristi informacije iz prethodnih iskustava da oblikuje buduće odluke, smatra se da uči. Novo istraživanje iz laboratorije Georgia Institute of Technology, objavljeno u časopisu PRX Life, pokazuje da i pojedinačna bakterija može da uči iz iskustva, da skladišti "sećanja" o prethodnim uslovima i da ta sećanja koristi za pripremu na buduće promene.
Kako je eksperiment izveden
Istraživači su pratili desetine hiljada pojedinačnih ćelija Escherichia coli pomoću mikrofluidnog uređaja dok su menjali dovod hranljivih materija sa različitim frekvencijama. Takva okruženja oponašaju uslove u kojima bakterije žive — na primer u ljudskom crevu, gde se nivoi nutrijenata, temperature i prisustvo antibiotika menjaju tokom vremena.
Glavni rezultati
Rezultati su pokazali da bakterije ne reaguju isključivo na trenutno prisustvo nutrijenata, već i na istoriju izloženosti. Ćelije koje su prethodno bile izložene režimu "feast-and-famine" prilagodile su se mnogo brže na identičan priliv hrane nego ćelije iz stabilnog okruženja. Pošto su trenutni stimulusi bili isti, razlika u odgovoru ukazuje na unutrašnji zapis prethodnih uslova — oblik primitivnog memorisanja.
Gde je smeštena memorija?
Autori su konstruisali matematički model molekularne mreže koja kontroliše bakterijski rast. Model odgovara eksperimentalnim podacima i ukazuje na ribosome kao verovatnu lokaciju "sećanja": neke populacije ribosoma reaguju brzo na promene, dok druge menjaju ponašanje znatno sporije. Brzi ribosomi prate sadašnje stanje, a spori zadržavaju tragove prošlih uslova — zajedno obuhvatajući različite vremenske skale, od minuta do sati.
Paralela s veštačkim neuronskim mrežama
Dalja analiza pokazuje da molekularna logika sistema podseća na gated recurrent neural network (GRU/LSTM) — tip mreže u AI koji obrađuje sekvence podataka. Ključni element su "vrata" (gates): molekularni prekidači koji odlučuju koliko postojeće memorije zadržati, a koliko prebrisati dolaskom novih informacija. Na sličan način, bakterije balanceiraju spremnost za adaptaciju i trošak održavanja te spremnosti, jer zadržavanje "memorije" košta energiju i usporava rast.
Značaj i moguće implikacije
Otkriće otvara dva važna pravca: u biologiji, model pruža kvantitativni jezik za razumevanje kako ćelije procesuiraju informacije i donose odluke; u veštačkoj inteligenciji, biologija može poslužiti kao inspiracija za energetski efikasne sisteme koji uče kontinuirano. U medicini, ako sposobnost patogenih bakterija da se prilagode zavisi od ćelijskog "pamćenja", novi pristupi lečenju mogli bi ciljati molekularne komponente koje omogućavaju skladištenje i korišćenje informacija o okruženju.
Studiju je objavio PRX Life; rad potiče iz Georgia Institute of Technology, a autor dobija podršku od National Institutes of Health.
Napomena: Iako ovo otkriće ne znači da bakterije imaju svest ili mozak, pokazuje da osnovne računarske strategije za čuvanje i ažuriranje informacija mogu postojati i u najjednostavnijim živim organizmima.
Pomozite nam da budemo bolji.




























