「生命」到底是什麼?又是如何開始的?

「生命」到底是什麼?又是如何開始的?
Photo Credit: iStock

我們想讓你知道的是

我們所缺乏的是關於「生命」的一般定義,而此定義與生命其底層的化學物質無關。是否存在著即使有我們未知的生命型態,也可以體現出可識別的生命象徵的普遍性原則呢?

令人驚訝的是,如果將這些畸形的扁蟲再次切成兩半,它們並不會恢復到正常的形態。相反地,雙頭扁蟲會產生出更多的雙頭扁蟲,而雙尾扁蟲亦是如此。儘管所有的扁蟲都擁有相同的DNA,它們看起來卻像是不同的物種。系統的形態資訊必然被分佈儲存於各段組織中,並在基因層級上指導合適的再生過程 。然而,這一切是如何做到的呢?是有一套電信號密碼與遺傳密碼同步運作嗎?

表觀遺傳學(epigenetics),其研究的是在不改變DNA 序列的前提下,可以引起基因表達或細胞表現發生變化的物理或其他機制。關於表觀遺傳的資訊儲存、處理和傳達機制,我們所知甚少。但它們在生物學中的作用卻至關重要。為了取得這方面的進展,我們需要發現電、化學以及基因等,這些不同類型的資訊圖樣如何相互作用從而產生一個調節體系,以管理生命物質的組織,並將其轉化爲特定的表現型(phenotype)。

「生物資訊動力學」是理解生命的核心原理

利用資訊的術語而非純粹分子學的術語來思考生命物質中的物理學,就像是計算機領域中軟體和硬體之間的區別一樣。正如同要完全理解一個特定的計算機應用程式(例如 PowerPoint),需要同時掌握軟體工程原理以及計算機電路的物理學。因此,只有當生物資訊動力學的原理被充分闡析,我們才能理解生命。

生物資訊動力學的新概念

自從艾薩克・牛頓(Isaac Newton)時代以來,一種基本的二元論(dualism)就已滲透於物理學。雖然物理狀態會隨着時間而演化,但其底層的物理定律通常被認爲是不變的。這個假設是哈密頓力學(Hamiltonian dynamics)、軌跡可積性(trajectory integrability) 和遍歷性(ergodicity)的基礎。但是,永恆不變的定律並不適用於生物系統。在生物系統中,資訊的動態模式與隨時間變化的化學網路相耦合,而所表達的資訊(例如,基因的開啟)可能同時取決於整體的物理作用以及局部的化學信號。

生物系統的演化具有開放的多樣性、新穎性和不可預測性,這也與非生物系統隨時間變化的方式形成了鮮明的對比。然而,生物系統並不意味着著混沌(chaos),我們仍然可以找到許多系統運作規則的例證。以通用的遺傳密碼爲例,核苷酸三聯體CGT,編碼著氨基酸中的精氨酸。雖然這個運作規則沒有什麼已知的例外,但是將它看作像是萬有引力定律一樣一成不變的自然法則是錯誤的。幾乎可以肯定的是,CGT作爲精氨酸的遺傳密碼是數百萬年前從一些更早、更簡單的規則中出現的。生物學中像是這樣的例子比比皆是。

一個更加寫實描述生物系統的變化,是將動力學規則的改變視作系統狀態的函數(ref.2、12)。這種依賴於系統狀態的動力學,開闢了豐富而新穎的行為,但它仍未成為一個正式的數學理論。爲了理解可能帶來的結果,不妨將它與下一盤西洋棋做類比。在標準的棋藝競賽中,系統是封閉的,遊戲規則是固定的。開局時,棋手可以自由地探索棋子的各種佈局。雖然這意味着巨大的可能性,但因受到固定規則的約束,佈局的方式只能是棋盤上所有可能的排列組合中的一個小子集。儘管可能有很多的佈局方法,但有更多是不允許的佈局方式,比如讓所有主教棋子佔據著相同顏色的方格。

現在想像一種經過修改的西洋棋遊戲,它的規則可以根據遊戲的整體狀態,如系統層級或由上而下的條件,進行更改。舉一個看上去有點愚蠢的例子,如果白棋處於優勢,那麼或許可以允許黑棋的兵既可以向前走,也可以向後走。在這個延伸版本的西洋棋遊戲中,系統是開放的,而且會出現使用標準西洋棋的固定規則時,根本無法實現的遊戲狀態。這個虛構的遊戲就像是生物學。在生物學中,生命體也是開放系統,它們能夠實現在「非」生命系統看似不可能完成的事情。

為了在一個成功描繪由上而下資訊流的簡單模型中,探索依賴於系統狀態的動力學結果,我在亞利桑那州立大學(Arizona State University)的研究團隊,使用了一種經過修改的一維細胞自動機(cellular automaton,CA)模型。標準的細胞自動機模型具有一排方格(正方形或像素)。每一個方格要麼是空白狀態,要麼是被填充狀態(例如,分別為白色或黑色)。根據方格的現有狀態以及其最近鄰居的狀態,一套固定規則的演算法用來更新每個方格的狀態。我們的系統總共有 256 種可能的更新規則(ref.13)。

開始利用細胞自動機模型進行電腦模擬時,需要先給定一個初始的方格狀態圖樣。習慣上常表示為0和1組合而成的二進制序列,然後透過反覆使用所選擇的更新規則,讓方格狀態圖樣演化。許多的更新規則只有造成無趣的結果,但有少數規則會產生出複雜的演化模式。在執行模擬時,我的同事 Alyssa Adams 和 Sara Walker 耦合了兩個標準的細胞自動機模型,其中一個代表生物體,而另一個代表環境(ref.14)。

這兩位研究人員允許代表生物體的模型,其更新規則在每次疊代中可以改變。爲了確定在任何給定的疊代中,到底要應用 256 種規則中的哪一種,他們將生物體模型中的方格,捆綁成相鄰的三聯體,如:000、010、110 等等,並比較每個三聯體的相對頻率在生物體模型與在環境模型中的差別。這樣的安排就改變了更新規則,使其既是生物體模型狀態的函數(使系統具有自指性),也是環境模型狀態的函數(使成爲一個開放的系統)。