一种在20世纪60年代，科学家们面临着一种新的困境。他们怎么能识别在其他行星上的生活，在那里它可能已经变得非常不同 - 因此具有不同的化学签名 - 而不是在地球上？盖亚理论的父亲詹姆斯·洛洛克给了这个建议：寻找订单。每个生物都是混乱的简要上升的结构，这是一种自组装的奇迹，必须嫉妒它直到它死的日子。精致的信息处理是必要的，以保护和通过维持此订单的规则，但生活是由最具混乱的材料建造的：翻滚化学品，软细胞和缠结的聚合物。因此，不应该是生物系统中的信息，并浪费？事实上，许多生物计算是如此完美，以至于它们撞击了效率的数学限制;天才是我们的遗产。
脱氧核糖核酸
DNA以超过任何其他已知介质的单位体积的密度存储信息，从硬盘到量子全息术。它是如此密集，所有世界的数字数据都可以存储在DNA的点的重量的八个纸夹的重量。这种显着的存储密度与同样显着的读取机制配对。发展胚胎必须根据储存在DNA中的信息自我直接的快速划分，迁移和专业化的组成细胞。细胞彼此分歧以不同的方式生长，这取决于它们在胚胎中的位置。这意味着在空间和时间内，基因表达的精确控制是必要的。甚至轻微的错误也可能对生物体拼写死亡或畸形。
问题是，如何快速且有效地传达空间信息，以便开发正常展开？现代计算的父亲艾伦·图灵被思想着迷，因为生活可能会降低数学法律，并在20世纪50年代初解决这个问题。他预测，胚胎发育期间组织的空间图案可以通过化学信号仪的浓度来控制，称为个体酚。他衍生的方程显示，发育激活和抑制彼此的基因表达的变种子之间的相互作用可以建立形态原浓度的静止波，并控制胚胎图案化。只有四个变量 - 生产和降解率，扩散速率和相互作用的强度，可以再现生物合理的自我导向的模式形成。
他对信息管理化学品系的预测被证明是真实的数十年，然后在果蝇中的第一次发现，称为白天（尽管他的方程被证明太简单）。果蝇胚胎中的细胞具有高的白纤维浓度成为飞的头部，浓度较低的人成为身体。然而，这些细胞的速度和准确性是多么显着的。2007年，由普林斯顿生物物理学家托马斯格雷戈领导的团队测量了果蝇胚胎中白纤维的浓度梯度和扩散速率。他们估计胚胎细胞需要大约2小时，以测量相邻细胞的足够精度的形态学浓度不同（测量精度随测量时间增加）。但这几乎是水果飞的发展时期，从受精到细胞化。胚胎发展得更快，更精确地比应该是可能的。
Gregor提出，使用第二信令化学品可以彼此共享多个单元：一个候选者是称为HUNCHBACK的形态原。这将允许它们计算空间平均数bicoid浓度，而不是个别读数完全依赖。的平均化处理。将变化，并且不易受噪声影响，并且会允许在约三分钟，而不是两个小时，以实现所要求的图案精度。
这个过程不仅仅是巧妙，而且有效。要了解果蝇的效率，物理学家威廉贝利克在果蝇胚胎中使用的核心核测量，以研究HICOID浓度的紧密变化的紧密变化。他发现，这种信息转移的保真度为理论最大的90％。
与作者，Kelly Clancy的视频采访。
分形网络
当胚胎发展到成年人中时，它会面临新的信息处理挑战。它的身体必须学习如何采样和集成外部和内部信息。气味分子信号信号捕食者，促使啮齿动物逃离。凝固阳光触发褪黑激素释放，导致整个身体的级联效果，诱导睡眠。内部化学感受器测量高碳二氧化碳水平，导致运动员呼吸得更快。必须集成来自不同传感器的微观测量的信息，并用于使宏观决定得到有效地递回相关的身体部位。
在这里，自然发现了一个最佳的解决方案，其细节可以在我们的解剖结构的形状被读取。一个生物学的数学关系的最早的观测是在地球上的每个生态系统，几乎每一个生物，从单向到多细胞跨越幅度超过20个订单大小，具有设有带的质量如此规模有机体，包括心脏率，寿命，主动脉大小，树干的大小和代谢率。这就是所谓的异速生长比例。
拇指常见的英特尔大厅规则被编入我们的身体亿万年前。
奇怪的是，这些特征与生物体的关系通常遵循权力法。这意味着例如，代谢率取决于有机体的质量，提升到某种恒定的功率。即使是陌生人，这些功能的大多数的常数也是四分之一的一些。物理学家Geoffrey West致力于这种缩放结果来自生物体内的分数状网络的u特异性。分形是在非常不同的空间尺度上具有相似结构的结构——一个熟悉的例子是叶子的维管系统，它的分枝几何在叶子的表面被微缩复制。它们存在于令人眼花缭乱的各种系统中，包括我们的神经系统、血管、植物叶子的毛细血管、肺细支气管、肾脏的花萼、神经元、根系和线粒体嵴。
为什么自然会定期使用分形几何形状？在数学上，分形被解释为具有比它们所在的空间高的分数尺寸：例如，在二维纸上绘制的分形，具有更高的维度 - 例如2.1。这是一个有用的特征，允许性质将第四维的某些部分包装成三维空间。
要了解为什么它可能很有用，我们可以在半导体行业转向众所周知的结果，称为Pollack的规则。它指出，通过将计算元素添加到处理器来实现的加速与增加的元素的数量成比例，提升到（1-1 /D.）， 在哪里D.是其中处理器被布置的尺寸。的，A三维排列说，100个处理器将给出比那些相同的处理器的一个两维排列更大的升压，由于减少了信号延迟。同类的加速可以在我们的神经系统和循环系统实现D.的多于三个。拇指常见的英特尔大厅规则被编入我们的身体亿万年前;我们的生物传感器和连接它们的神经的分形结构是专为速度。
大脑
大脑代表生物信息处理和传输的高度。但多年来，它被认为是一个嘈杂的乐器。与二元电气事件的神经元代码信息称为尖峰，彼此震动，如小电池。一旦神经元接收到足够的输入，它的电压通过某个阈值，就会逐渐钉，将其信号发送到下游神经元。Fluctuations in the summed output of the brain’s 100 billion neurons, as measured by an electroencephalogram, or EEG, are much smaller than the amplitude of individual spikes, and were long thought to be epiphenomenal: pointers to various brain states, but not an information-carrying signal in itself. In other words, noise.
大脑中的缓慢振荡在较大的解剖距离上是一致的，就像你从邻居的声音系统中听到低音比听到高音更好一样。
然而，正如我们用遗传表达所看到的那样，许多离散元件之间的相互作用可以非常有用。很明显，EEG中所谓的所谓的噪音实际上是一个重要的信号，以及一个对神经计算至关重要的重要信号。大脑神经元的总和输出的波动送回影响这些神经元的静止电位，使它们更接近或远离尖峰阈值。缓慢振荡（如昏昏欲睡或睡觉的动物）在大型解剖距离上相干，同样您可以从邻居的声音系统比高音更好地听到低音。这就是大脑如何促进不同大脑区域之间的沟通：如果单独的尖峰与慢幅度波动的波峰定时，则它将具有比在用槽的时间定时的下游更大的效果。Neurons以某种方式协调自己以产生自我导向的全球反馈，该反馈用于自适应地提升甚至可以促进甚至可以升高的子可检测信号：没有浪费信息信号。
事实上，这是是否“浪费”的想法，甚至可以适当地在大脑中的上下文中定义一个悬而未决的问题。理论神经科学家托尼·贝尔认为，生物计算的特点是信息跨越复杂的多个层次，从微观向上冒泡到宏观层面流动，并再次下降。
更简单的结构（如神经元）具有更复杂的结构（如大脑区域），通信，反之亦然。计算是发生在与每一级之间，从分子到细胞生物体作为一个整体。有证据表明，即使在神经元内的亚细胞器都在做自己的计算一个很好的协议。最近的一项研究1出版于自然2013年10月显示枝形曲线内的活动（代表神经元“输入”的隔间）塑造该神经元处理的信息。鉴于这种多级信息流，贝尔认为噪声根本无法定义：与期望的偏差应该被解释为复杂性层次结构的另一个级别的有意义的通信。
该信息流程是不限于大脑，并且还可以观察到，例如，在表观遗传学。贝尔说，这种动态的多向信息流的是什么定义生活。人工智能，到达时，可能无法从硅建成的，但改变用途的生物。在我们到达那里，不过，我们需要一个完全不同的方法来科学，以了解高阶，大自然的自组织结构的应急能力。虽然仿生学拥有令人难以置信的承诺，或许在这样刻苦钻研复制的，我们缺少点系统物理设计：形式存在于自然，投在给定的利基满足变化的需要短暂的。确定由生物学摆在首位来袭时，这些巧妙的解决规则将引发真正的革命。
凯利克朗西在麻省理工学院进行了物理学，然后在与土库曼斯坦的和平军团一起服务之前，成为巡回天文学家。她目前是一家国家科学基金会研究UC Berkeley的神经科学。
参考
1.史密斯，S.，等树突状穗增强皮质神经元刺激选择性体内。自然503.，115-120（2013）。
本文最初发表于2013年11月的“废物”问题。
