单个大肠杆菌细胞令人费解的智能：趋化性如何让一个无脑细胞觅食

我想讲述生物学中一个美丽现象的故事。在某种意义上，它是生命大部分活动的原型。这个现象就是单个大肠杆菌细胞觅食的方式。这个过程被称为“趋化性”——“chemo-”代表化学，“taxis”源自希腊语 τάξις，意为战术——是智慧最基础的形式之一。显然，单个大肠杆菌没有大脑，甚至比人类细胞简单许多个数量级，但它已经拥有类似嗅觉、驱动力，甚至记忆的东西。趋化性将大肠杆菌重新定义为一种极其精妙的物理计算机，而非某种漫无目的的肠道害虫。

我讲述这个故事还因为我从来不喜欢高中生物课的教学方式。它太注重事物的名称了。如此宏大的学科被教科书糟蹋了，教科书只能指向无穷无尽的知识清单。更好的方法是带着问题去接近它——比如“当你闻到气味时发生了什么？”或者“发烧到底是什么？”——这些问题的思考范围狭窄而深入。

趋化性是一个绝佳的切片：它是系统生物学的胜利——我们既从整体上理解它，也在几乎每个层面上细致入微地理解它。它让你熟悉生物学中许多最重要的主题，包括蛋白质结构决定功能的方式；膜如何控制信息流入细胞；以及化学修饰如何储存和传递状态。它涉及最精妙美丽的分子纳米技术之一——鞭毛马达。它还有助于让人直觉地理解一袋无思想的化学物质如何可能产生出一个生命体。

三万英尺视角

基本思路是这样的：大肠杆菌用一组类似鼻子的受体“嗅”出它被吸引的化学物质，并决定如何游动。根据它感知到的内容，它可以用鞭毛尾巴向前游——这被称为“奔跑”——或者向随机方向旋转（“翻滚”）。通过在情况好时奔跑、情况不好时翻滚，大肠杆菌沿着一条蜿蜒的路径向引诱物前进。

再详细一点：大肠杆菌身体上有大约六个转子，每个控制一条拖在后面的长鞭状尾巴。当所有转子朝同一方向旋转时，尾巴会联合成一个线圈，将细胞向前推进，形成奔跑。当哪怕一个转子与其他转子反向旋转时，线圈就会散开，大肠杆菌就会旋转翻滚。

在均匀的化学环境中，大肠杆菌通过平衡“奔跑”与周期性的“翻滚”来进行随机游走。默认情况下，一次奔跑持续约一秒，即比一次翻滚长十倍。奔跑与翻滚的比率及其相对持续时间经过精心调节，以平衡“利用”与“探索”：如果奔跑发生得太频繁或持续太久，大肠杆菌会游荡得太远，匆匆掠过食物；如果太少或太短，它很可能根本找不到食物。

但这种平衡是如何实现的呢？关键在于一种名为 CheY（读作“KEY-why”）的信号分子。CheY 不断在大肠杆菌的细胞质中弹来弹去，与受体复合物（“鼻子”）和转子相互作用，在它们之间传递信息。在稳态下，当 CheY 遇到受体复合物时，它会以一定速率被化学修饰，即“磷酸化”，成为 CheY-p。与未修饰的版本不同，CheY-p 对转子有很强的亲和力，当足够多的 CheY-p 结合到转子上时，就会逆转其旋转，导致翻滚。

诀窍在于，当“鼻子”检测到引诱剂浓度的增加时，CheY 向 CheY-p 的稳定转化会被打断。结果，结合到转子上的 CheY-p 减少；逆转发生的次数减少；因此大肠杆菌奔跑更多、翻滚更少。换句话说，至关重要的奔跑与翻滚的相对比率完全取决于 CheY→CheY-p 过程进行的频率——而这又取决于“鼻子”检测到多少引诱剂。

你可以在交互式插图中看到这一过程的实际运作。试着通过添加一些引诱剂（粉色）来改变 CheY-p（白色）与 CheY（蓝色）的比例。你最终会诱导出一次长时间的奔跑。

更少引诱剂

更多引诱剂

为什么需要所有这些复杂性？你可以想象一个系统，其中马达本身直接对引诱剂作出反应。我们稍后会看到，CheY-p 的流充当一种可适应、可调节的化学放大器。“细菌细胞可以将信号放大50 倍以上；也就是说，受体占据率 2% 的变化可以引起鞭毛马达处系统输出 100% 的变化。这一特性使细胞能够感知浓度的微小变化——每个细胞体积不到三个分子！”

故事变得更加复杂：适应性

如果系统如上所述，那么大肠杆菌就不会有很大的动态范围。想象一下：如果细胞对仅仅三个引诱剂分子就有巨大反应，那么一千倍的数量岂不是会完全让它不堪重负？

实际上，大肠杆菌能够对跨越 五个数量级 的引诱剂浓度做出灵敏响应。细胞学会将偶然遇到的任何浓度视为新的常态，因此哪怕最微小的增加也会像往常一样触发同样超灵敏的响应。

驱动这种适应的机制极其巧妙。你可以把每个受体想象成配备了带有口袋的“支柱”。当受体与引诱剂结合时，其支柱会改变形状，使这些口袋打开，成为被称为甲基的小分子的靶点。甲基在生物化学中无处不在：例如，它们有助于决定你的DNA哪些部分被表达。甲基结合到你的DNA链缠绕其上的结构蛋白（称为组蛋白）；“甲基化”的组蛋白可以将DNA链扭转到你的转录机器可见或不可见的范围内，从而将其开启或关闭。

在这种情况下，甲基化起到填充支柱口袋的作用，使其变得更加刚性。（正如我们稍后将看到的，我对实际物理细节有所简化。）支柱越刚性，受体的信号传递能力就越受抑制：需要更多的引诱剂才能引发相同的响应。由于每个支柱上有许多甲基化位点，每个受体上有许多支柱，因此存在范围广泛的可能抑制值——就好像那些口袋真的是一件精巧管乐器的孔洞。 [Bray] 正是这种宽广的动态范围，使细菌不仅能找到有利环境，还能敏锐而迅速地沿着化学梯度前进。难怪你的免疫系统中的细胞也使用类似的机制来追踪和猎杀入侵者。

受体的甲基化赋予大肠杆菌一种“简单的化学记忆”。这是一个强大且有些深刻的观点：单个细菌可以通过将信息编码在内部化学修饰中来模拟其环境并记住其中的重要特征。大肠杆菌“知道”其周围环境中的引诱剂浓度在过去 几秒钟内是变得更浓还是更稀；这有助于它判断自己是在朝好的还是坏的方向游动。这在原理上与大脑所做的并无太大不同。事实上，仅仅为了模拟一个真实神经元的计算能力就需要一个约 一千 个元素的人工神经网络，原因之一就是真实神经元在其内部化学中存储了如此多的“状态”。

（这里插一句：鉴于单个细胞可用机制能够将先前的极端条件接受为“新常态”，我们是否应该对人类能如此坚韧感到惊讶？毫无疑问，我们的宏观韧性在某些情况下实际上是由类似的细胞机制所支撑的。）

全貌：一个复杂的信号网络

上面的视频非常清晰地概述了 大肠杆菌的趋化性，来自一本流行的教科书。它加入了 更多细节，不仅包括使CheY磷酸化的蛋白质，还包括使其去磷酸化的蛋白质；不仅包括使受体甲基化的蛋白质，还包括使其去甲基化的蛋白质。你会看到，这些执行者和撤销者定义了一种平衡的 回路，其活性可以方便地调高或调低。

丹尼斯·布雷在他的书 《湿件：每个活细胞中的计算机》中很好地描述了这类回路：

在典型的信号通路中，蛋白质不断地被 修饰和去修饰。激酶和磷酸酶像巢中的蚂蚁一样不停地工作， 向蛋白质添加磷酸基团，然后再将它们移除。这似乎是一种无意义的练习，尤其是当你考虑到每个添加和移除的循环都会消耗细胞 一个ATP分子——一个单位的宝贵能量。事实上，这种循环 反应最初被标记为“无效的”。但这个形容词是误导性的。向 蛋白质添加磷酸基团是细胞中最常见的反应，并支撑着它们执行的大部分计算。这种循环反应远非无效，它为细胞提供了一种必要的 资源：一种灵活且可快速调节的装置。

如果细胞真的需要非常快速地改变修饰蛋白质的浓度， 它可以做到。它所要做的就是开启或 关闭添加磷酸的反应，浓度就会急剧下降——以旋转循环的速度。没有 产物的积累或底物的耗尽来减缓这个过程，就像在酶反应的线性链中那样。

这是一种调节某种蛋白质或 代谢物水平的巧妙方法。不是通过漫长的 链式反应产生你想要的东西，你只是有这个运行中的循环来激活然后 去激活它，例如通过磷酸化和 去磷酸化。当你想要更多活性版本时，你只需 抑制循环中的去激活反应，就像调低 立体声音响的音量一样。

通过磷酸化和去磷酸化 （分别由“激酶”和“磷酸酶”进行）的这种调节方式是生命中极其普遍 的特征。“大约30–50%的人类蛋白质含有共价 连接的磷酸。[. . .] 一个典型的哺乳动物细胞在任何时刻都会利用 数百种不同类型的蛋白质激酶。” [Alberts]

在上面的交互图中，磷酸化表现为蓝点变成白色，而去磷酸化则发生在它们再次变蓝时。这个循环不断运行。循环的速度决定了细胞对引诱剂浓度作出反应的快慢。注意，当你添加一些引诱剂时，蓝→白的反应就不那么频繁发生了。但蓝←白的反应仍以相同速率持续进行。因此蓝色CheY增多，细胞就更多地奔跑。（如果循环转得更慢，蓝色就不会这么快占据主导。）

掉进兔子洞……

在介绍趋化性——以及一般生物学概念时——我不太喜欢的一点是，它们常常突出展示流程图和网络图。就趋化性而言，正如你从上面的视频中可以了解到的，有许多名字几乎难以区分的参与者：CheA使CheY磷酸化成为CheY-p，而CheZ使其去磷酸化变回CheY；CheW将CheA与受体偶联，而CheR使这些受体的支柱甲基化；与此同时，CheB“剪掉”由CheR添加到支柱上的甲基基团。网络图无疑有助于整理这一大堆名字，但在某种意义上，它凸显的是该过程最抽象的视角。我更愿意去感受这些部件作为一个活的整体，或它们各自的物理细节。

当你这样做时，你会发现的东西令人惊叹。

受体检测引诱剂意味着什么？

细胞中几乎每一个动作都依赖于蛋白质改变形状并相互结合。在大肠杆菌受体复合物中也不例外。

其工作方式是，有刺激特异性的蛋白质嵌入大肠杆菌的细胞膜中，伸入所谓的周质空间。这些蛋白质是“刺激特异性”的，字面意思就是它们的形状使其能够与引诱剂的单个分子有利地结合。大肠杆菌有五六种这样的蛋白质，例如一种能检测一种叫做天冬氨酸的关键氨基酸。这种传感器蛋白上有一些小裂隙，其形状恰好能让天冬氨酸分子 snugly 嵌入其中。 [Falke] 天冬氨酸受体的示意图如下所示：

你可以看到，感觉部分——在上方，天冬氨酸结合的地方——通过一个横跨细胞膜的柱状结构与信号蛋白CheW和CheA相连。这个蛋白质复合物“实际上”是什么样子？

单个蛋白质足够小——大约只有几纳米宽——以至于用普通的光学显微镜根本无法看到。 这个受体从上到下大约有350埃，也就是35 纳米。但现代生物学就是要看见不可见之物。 如今，我们试图通过 X射线衍射 来了解纳米结构的样子，或者越来越常见地，通过在电子显微镜中 冷冻它们 来观察。一旦我们确定了蛋白质的结构， 通常会用带状图来呈现，这种风格是 由生物化学家Jane Richardson 在20世纪70年代末发明的。这是 大肠杆菌丝氨酸受体的带状图（实际上它是一个“二聚体的三聚体”，即 六个受体的复合物）：

这整个东西就是受体。（那些刚进入膜内的部分，上面附着着小小的黄色甲基， 就是支柱。）它究竟如何工作相当复杂，也是当前研究的课题。但简而言之，它就像一个 大活塞：当天冬氨酸结合到周质中的部分时，它所附着的 柱状结构会改变形状——真正的生物学家会称这些为微妙的变构效应；在我看来，它像是 下沉和倾斜——以某种方式将本应使CheY磷酸化的东西，即CheA激酶，锁定在 非活性状态。

当我想到细胞时，我想到的是一种鲁布·戈德堡式的装置， 一只手臂在这里摆动，把球掉进那里的滑道，球滚下去打开一扇活板门，然后……最终开启或关闭 某种重要的细胞功能。事实上，大肠杆菌的“嗅觉”最终依赖于 一系列物理的锁钥机制，始于例如天冬氨酸的分子依偎 进一个蛋白质，并将这种物理形状变化跨膜传递。

这个活塞状的受体复合物只是排列在大肠杆菌身体前端附近的 庞大阵列中的一个。在横截面上，它们看起来几乎像是通过光刻 工艺铺设而成，呈整齐的六边形图案：

把大肠杆菌的受体复合物称为它的“鼻子”绝非仅仅是一个比喻。我们自己的鼻子也基于类似的原理运作：当你闻到一朵花时，这意味着真实的花分子——可能只有极少量——已经到达你鼻腔内部，并与某种对该分子具有特定亲和力的蛋白质结合。这个信号随后通过神经传递到你的大脑。人类的鼻子有几百种嗅觉受体蛋白；而狗则有超过一千种。

我们的每一种感官都是这样运作的。触觉是由那些被触觉力量“挤压”进细胞膜的蛋白质所支撑的，从而触发一系列下游反应。视觉是我最喜欢的例子。我们的视网膜细胞中有一种叫做视蛋白的蛋白质。它之所以如此酷，是因为改变其形状的东西就是一个实实在在的光子。也就是说，视蛋白将入射光子的电磁力转化为生物力学/生化信号。这就是为什么我倾向于把分子生物学视为研究形状相互碰撞的科学。

我把大肠杆菌的受体复合物视为我们自己感觉器官的原始版本。它的鼻子只有五到六种吸引物特异性的感觉蛋白，但它们的信号会被整合起来，就好像不同的受体蛋白激活组合在大肠杆菌的感觉中枢上演奏不同的“和弦”。“简而言之，化学感觉阵列就像一个超灵敏、超稳定的生物集成电路或感觉芯片。” [Falke]

信号是如何传递的

所以一点吸引物结合了其中一个受体，瞧，细胞内的平衡开始发生转变。因为CheA激酶现在处于失活状态，CheY不再那么快地被磷酸化；使现有CheY-p去磷酸化的过程开始占据上风。回想一下，这是一种动态的响应，是一种被调节的流动。细胞中CheY-p的净数量被小心地逐渐降低。然后呢？

CheY-p一直在与鞭毛转子结合，使它们翻转，导致翻滚。现在这种情况不再那么频繁地发生了，因为未磷酸化的CheY对转子的亲和力与CheY-p不同。结果，细胞翻滚得更少，直线游动得更多，并使其随机行走偏向吸引物。

这里有一点非常重要，值得细细思考。当我们说 CheY-p 对转子蛋白具有“亲和力”时，并不是说它会被引导到那里；也不是说它对转子蛋白有某种长效的磁力吸引。这真正的意思是，当它非常非常靠近转子蛋白时，它有强烈的倾向与之结合。（而没有 -p 的 CheY 则没有这种倾向。）考虑到单个 CheY-p 在整个细胞质中是多么微小，它竟然能设法凑到位于大肠杆菌身体另一端的某个转子蛋白旁边，这似乎不太可能。但这恰恰触及了 我们细胞内疯狂的动力学混沌的核心。

细胞里密密麻麻塞满了东西，但其中的一切也都极其快速地运动着：

为了感受这种运动有多快，想象一个典型的细菌细胞，把一种酶放在一端，把一个糖分子放在另一端。它们会四处碰撞、游荡穿过整个细胞，一路上遇到许多分子。不过平均而言，这两个分子只需大约一秒钟就能至少彼此碰撞一次。这确实非同寻常：这意味着典型细菌细胞中的任何分子，在其穿越细胞的混沌旅程中，都会在几秒钟内遇到几乎其他每一个分子。 [Goodsell]

为了有个直观感受：想象你取一个大肠杆菌细胞，把它放大到一个足球场那么长。再想象你把所有物理规律保持不变。一个水分子大约会有一英寸宽；一个蛋白质大约会有一个篮球那么大。 [BioNumbers] 由于水粒子的热运动不断轰击它们，这些蛋白质会剧烈地抖动——事实上剧烈到如果放任不管，它们会以每秒 500 米的速度运动。但它们并没有被放任不管：如果你处在这样的环境中，那里会拥挤到几乎什么都看不见。那么你真正得到的，就是所有组成部分令人难以置信地不停震动、彼此碰撞。

这就是为什么导致不同键合亲和力的形状变化在生物学中如此重要。这就好像在一个细胞内部，每个分子都在不断地靠近其他分子，看看它们是否能契合。蛋白质以极快的速度采样与其他蛋白质的相互作用空间，以至于很长一段时间里，大多数生物学家并没有真正思考过两个反应物在细胞质中的哪个位置；他们知道，你永远不需要等待太久它们就会相遇。事实上，这是一个 相对较新的发现 ：在细胞质内部，某些具有功能关系的蛋白质似乎确实会特别紧密地待在一起，位于被称为“相分离液体”的小油滴中。不同蛋白质柔软尾部之间的弱相互作用力使它们自发地“相分离”成这些更黏稠的液池，这使某些蛋白质更倾向于更频繁地相互作用。

大肠杆菌对引诱剂反应中的限速步骤是CheY-p从鼻端扩散到马达所需的时间。这大约需要十分之一秒。这一过程实际上已经用该蛋白质的荧光版本通过摄像机追踪过：

当信号到达马达时会发生什么？

让我们来谈谈这些马达。这些东西如此精巧、美丽，而且看起来如此让人联想到我们自己会设计的机器，以至于它们有时被引为智能设计的证据。

鞭毛马达以接近100%的能量效率运转。它每秒旋转约1,500圈。而最疯狂的部分是，像所有分子纳米机器一样，它完全是自组装的。有一部令人惊叹的30分钟纪录片 可在YouTube上观看 ，详细介绍了自组装过程的机制——而且令人耳目一新的是，它还介绍了一些弄清这一过程的科学家，描述了他们在做出发现时所使用的方法。

在自组装过程中，我最喜欢的部分是，在为转子建造了一个底座之后，会建造一种隧道，构成鞭毛鞭状“钩”的蛋白质通过它被挤出——就好像鞭毛是通过吐出自身的一部分来建造的。

总之，每个转子的底部都有一系列称为 FliG、FliM 和 FliN 的蛋白质——发音类似“Fly G”、“Fly M”、“Fly N”——当 CheY-p，即我们那位类似佛罗多、从鼻子传递信息的信使，最终到达时，就会附着在这些蛋白质上。CheY-p 对 FliG 有很强的亲和力，会轻易地粘附上去。我们稍后会看到这实际上如何影响鞭毛。但就目前而言，值得注意的是这里存在一个阈值机制：仅仅一个 CheY-p 附着到 FliG 上不足以将马达从逆时针翻转为顺时针（从而导致翻滚）——实际上需要好几个 CheY-p 共同作用才能实现。事实上，马达大约有七种状态，从以三个离散的递减速度级别快速逆时针旋转——就像自行车换三个挡位一样——到完全停转，再到以顺时针方向重新启动，同样有三个速度。

即使马达正在改变方向，任何确实附着到 FliG 上的 CheY-p 也时刻面临被另一个参与者 CheZ 移除的威胁。也就是说，那些会使马达反转的蛋白质会受到其他使其不反转的蛋白质的移除。我们再次看到了一个响应性调节回路，让人想起最初在上游受体处使 CheY 磷酸化和去磷酸化的那个回路。其理念是每个效应都是可逆的，并且实际上以固定的速率被逆转。这意味着在没有进一步信号的情况下，细胞会迅速恢复到基线状态。

马达实际上是如何改变方向的？

从纯粹的力学角度来看，这可能是整个故事中最巧妙的部分。花了相当长的时间才弄清楚，甚至现在我们对解释似乎也不是完全有信心。但提出的一种机制是，CheY-p 结合到一种称为 FliM（“Fly EM”）的蛋白质上，该蛋白质嵌入在定义转子底部的那个环中。这使其倾斜，并导致一个称为 FliGc 的附着蛋白质发生 90 度旋转。该蛋白质位于马达旋转部分与所谓“定子”之间的界面上，定子从牢固锚定在细胞膜中的部分驱动它。

当 FliGc 改变方向时，通常驱动马达逆时针旋转的类似步进电机的循环开始改为驱动其顺时针旋转。在下面的图示中，图 A 显示了定子，即马达的驱动机制。它通过在“开”和“关”状态之间来回步进工作，分别用 和 符号示意。在图 B 中，你可以看到在正常的逆时针方向上，这两个状态之间的反复循环如何驱动马达的“齿”——关键的 FliGc 蛋白质，此处从左到右倾斜。

当 CheY-p 到达转子时，它会产生翻转 FliGc 蛋白的效果，使它们现在从右向左倾斜。在这种 取向下，步进驱动作用以相反的方式运作， 马达便顺时针旋转：

你可以在下面这些图表的交互版本中更清楚地看到这一点。点击“Step”让马达朝一个方向驱动，点击 “Reverse”翻转 FliGc 蛋白的取向；再次点击 Step， 你就会看到它朝相反方向运转。

Reverse

Step

如果提出这一理论的原始论文能包含这样一幅插图就好了。但即便是这个粗糙的版本也花了我许多 小时来制作。正如 Bret Victor 在 Stop Drawing Dead Fish 中所主张的，制作动态图像不应该这么难。如果它更容易， 这类动画就会在科学传播中随处可见， 因为论文所描述的往往是某种动态 过程。

动态插图能帮助读者更快地理解所提出的机制。而现实是，一个理解复杂机制的人 通常不得不耐心细致地向另一个别人解释，而那个人还得擅长做动画；这耗费时间和金钱；而 大多数人干脆选择不去做这件事。也许有一天， 这一过程会被更好的工具，或被多模态 AI 系统所普及。

马达改变方向如何导致大肠杆菌 翻滚

这个故事的最后一部分——至少对我来说是这样；还有更多 有待探索！——就是为什么仅仅一个鞭毛马达的 顺时针旋转就会让整个细胞翻滚起来。理解它在“run”模式下如何运作会有所帮助，那时所有鞭毛 都朝向同一方向。

尽管这束鞭毛看起来有点像螺旋桨， 但当你真正思考时，它其实并不是那样。它 更像猪的卷尾巴，以一种鞭打般的运动旋转。 它究竟是如何推动整个细胞的呢？一本名为 Random Walks in Biology 的精彩著作详细探讨了其中的物理学：

“图6.3. 对鞭毛丝两段在缓慢向右移动并快速逆时针旋转时所受粘性阻力的分析。每一段的速度 v 被分解为垂直于该段和平行于该段的速度，分别为 v_n 和 v_p。左侧所示的段在纸面平面前方向上移动；右侧所示的段（用撇号表示）在纸面平面后方向下移动。垂直于和平行于每一段的摩擦阻力 F_n 和 F_p 分别沿与 v_n 和 v_p 相反的方向作用。注意它们的大小之比为 F_n/F_p = 2v_n/v_p。F_n 和 F_p 被分解为垂直于和平行于螺旋轴的分量，分别为 F_Ω 和 F_v。F_Ω 和 F'_Ω 沿相反方向作用并形成力偶，从而对扭矩作出贡献。F_v 和 F'_v 沿相同方向作用并对推力作出贡献。”

要理解这类事情，拥有某种可以拿在手里的模型会有所帮助。而实际上，关于彼此靠近、同相运行的分离鞭毛丝如何形成束的问题，在 这篇论文中得到了很好的探讨。作者通过将空心 Tygon 管缠绕在心轴上并填充环氧树脂，制作了鞭毛的物理模型。然后他们使用几个步进电机来驱动逆时针旋转。“每条螺旋产生的流场使另一条螺旋倾斜，导致螺旋彼此绕转并形成右手缠绕”：

细菌群体中的个体性

我们倾向于把像大肠杆菌这样的菌落视为一种未分化的邪恶黏稠物，每个细菌都与其邻居相同。但在显微镜下研究过这些生物的人观察到，个体个性之多令人惊讶。 1976 年的一篇 Nature 论文，“非遗传性个体性：单细胞中的偶然性”，利用沙门氏菌和肠杆菌属细菌，在趋化性的背景下探讨了变异。

这篇论文发表时，趋化调控背后的确切机制尚未被充分理解；作者们只知道“翻滚的控制可以合理地归因于翻滚调节因子水平的变化。”他们假设，尽管同一菌株的细菌都拥有完全相同的DNA，但那种“翻滚调节因子”的拷贝数可能相对较少，而这些调节蛋白在转录、翻译和降解过程中的自然变异，可能解释了行为上的差异。他们的实验大多停留在行为层面。他们观察了不同的个体——包括那些处于特别“爱翻滚”的突变株中的个体（我喜欢这个词）——如何对有引诱剂和无引诱剂的环境做出反应，并发现了大量的变异。

他们的理论完全正确。我们前面谈到了大肠杆菌如何通过一种巧妙的甲基化机制适应越来越高浓度的引诱剂。嗯，事实证明，受体支柱的甲基化仅由细胞中大约100个CheR蛋白控制。这些蛋白的数量——连同负责使支柱去甲基化的CheB——决定了响应引诱剂浓度变化的“无效循环”的速度。也就是说，它影响着细菌在浓度升高时适应、在浓度降低时屈折的速度有多快。 [Gore 1:06:30] 由于100个CheR拷贝在充斥着约一千万个蛋白质的整个细胞中显得极其微小，仅仅几个拷贝的变异就能对细胞行为产生相对较大的影响。 [Gore 1:13:20] 这有助于解释为什么基因序列完全相同的大肠杆菌会以不同的频率翻滚和适应。

最近的实验利用荧光显微镜量化了不同大肠杆菌细胞的个体性，这种个体性并非源于基因表达的差异，而是源于信号网络的动态变化。

我们是如何弄清这一切的？

我们目前还没有技术能够直接观察活细胞内的所有活动。上面那幅Goodsell的画作展示了拥挤的细胞质中塞满了蛋白质，这是一幅艺术合成图——当然有严谨的研究作为支撑——因为无法同时原位捕捉所有不同的参与者。而且显然它是一幅“静物画”，不是视频。那么，我们怎么可能知道关于某个特定蛋白质究竟长什么样，以及它如何、何时与其他蛋白质相互作用以启动趋化过程某个特定环节的所有这些细节呢？

实验似乎主要有三到四种。也许最常见的是遗传学实验：你可以一次选择性地破坏一个基因，通过观察突变体大肠杆菌的行为，开始了解每个基因的功能。所有名为“CheY”、“CheZ”、“CheW”等的蛋白质之所以如此命名，仅仅因为它们是那些被切除后“导致趋化性普遍缺陷”的基因的产物。 [Blair] 你可以想象，鉴定所有这些是一项艰苦的工作，需要大量巧妙的推断。例如，你可能会观察到，没有基因X的细菌似乎从不翻滚；这是因为该基因参与识别引诱剂，还是参与迫使转子顺时针旋转？

一旦你有了一个假设，第二种实验涉及在体外纯化这些感兴趣蛋白质的某个子集，以观察它们如何协同工作形成特定的信号通路。例如，你可以将CheA和CheY与一些磷酸基团和其他必要的反应物放在一起，观察磷酸化是否发生以及发生多少。这正是作者们在1990年Cell上的这篇论文中所做的。他们使用放射性磷酸盐作为示踪剂。“[32P]磷酸掺入CheA或CheY的量，是通过从干燥凝胶中切下放射性条带并在闪烁液中定量，或使用磷光成像仪（Molecular Dynamics, Sunnyvale, CA）分析完整凝胶并与已知放射性标准品比较来确定的。”另一种观察体外动力学的常见方法是通过基因改造使蛋白质发出荧光；或者使用识别蛋白质某部分的抗体在溶液中“找到”该蛋白质——你将那个抗体附着到另一种蛋白质上，而那种蛋白质你让它发出荧光，这样你就能找到隐藏的那个。

要理解特定结合位点上字面意义上的锁钥机制——例如一分子天冬氨酸究竟如何导致受体变形，从而启动信号级联——涉及“结构”生物学工作，即拍摄单个蛋白质或越来越多地拍摄它们在原位的集合体的照片。为此，你可以使用X射线晶体学、核磁共振成像、冷冻电子显微镜、超分辨率光学显微镜，或某种组合。

伊利诺伊大学厄巴纳-香槟分校的一个研究小组使用原子尺度的分子动力学模拟软件来理解结构细节——比如CheA改变形状以启动下游信号过程的精确方式——这些细节仅靠高分辨率成像无法显现。（上文出现过其图表的Keith Cassidy现在在密苏里大学哥伦比亚分校有一个实验室，正在研究受体信号复合物的分子动力学。）

有时你无法直接获得图像。要理解某个东西，比如一个蛋白质究竟如何嵌入，可能需要推理。 一项实验 发现，CheA 只有在 CheW 存在时才会与受体结合；再加上向混合物中加入过多 CheW 实际上会导致 CheA–CheW 复合物与受体结合的能力下降这一事实，表明 CheW 与该复合物竞争受体上的结合位点，因此它必定位于受体–CheW–CheA 三聚体中受体和 CheW 之间 [via Blair]。 生物学中充斥着这样大胆的推断。这是一个难以看清的世界；有时你只能想象下面发生了什么，并用合适的实验来支持这些想象。

细菌会进行“run and tumble”这一想法本身就来自实验， 发表于 1972 年 由 Howard Berg 和 Douglas Brown 完成，他们使用自己设计的一种特殊三维追踪显微镜来观察这些小东西的活动。（一个有趣的事实是，他们把非“run”称为“twiddles”而不是“tumbles”。）鞭毛推进的一些物理特性——比如这些小尾巴产生多大的力——后来被发现 是通过将鞭毛拴系到显微镜载玻片上：由于它被固定住，“尾巴摇狗”，你就可以测量 大肠杆菌 身体旋转的速度。我们知道细菌鞭毛马达由 质子动力势 驱动，这来自 1977 年的一篇论文 该论文测量了细胞在存在或不存在电势时如何“run”或“twiddle”。但研究已经变得比这更加精细。仅仅通过观察不同条件下——不同黏度、温度等等——的旋转强度，我们就知道“旋转与质子流紧密耦合，每转一圈使用固定数量的质子（约 500 个）来驱动。” [Blair] 想想我们获得了多么详细的理解！

我尤其被 大肠杆菌 趋化性研究吸引的一个原因是，它是所谓“in silico”生物学的早期明星。它一直是许多计算机模型的主题。Dennis Bray，那本最初让我接触这些东西的书的作者，制作了其中一个更 流行的模型。这是该模型运行中的一个不错的截图：

也许计算机模型的主要作用是，要让它一开始就能运行，你必须明确阐述你的每一个假设。就像写作往往会澄清你的思考（或至少揭示它实际上有多不清楚）一样，计算机模型迫使你综合你所知道的东西。如果说有什么不同的话，那就是它比一张白纸还要严格。

一旦你有了一个模型，你就可以用它来探索这些假设的各种变化。“该程序给出了超过 60 个突变体的正确表型，这些突变体中趋化通路组分被删除或过表达，”Bray 写道。充其量，一个足够好的模型能让你发现你原本不知道的东西，或者提示你的下一个实验。“为了将脉冲响应匹配到短暂刺激 [. . .] 我们还不得不将适应性酶 CheR 和 CheB 的活性提高到至少比已发表值高一个数量级。”

那又怎样？

你为什么要关心大肠杆菌趋化性？对这类问题的典型回答——我相信在支持此处所引用工作的许多经费申请中给出的回答——是它有医学和实用价值。例如：如果你理解了细菌趋化性的信号通路，你就可以破坏它们；这项工作可能会带来一种新型抗生素，而在耐药性日益增加的时代，这种抗生素是迫切需要的。或者你可以劫持趋化通路来制造“智能嗅探器”（Keith Cassidy 的说法），它们可以追踪癌细胞或环境废物。

更一般地说，你可能会说——事实上我在开头就以此作为引子——理解这一特定现象能使你理解其他各种现象。“细菌双组分通路 [定义] 控制着一系列令人眼花缭乱的功能，包括细胞分裂、毒力、抗生素耐药性、代谢物固定与利用、对环境胁迫的响应、孢子形成和趋向性。”

但我不知道，对我来说真正的原因是它很精巧。了解它本身就很有趣。“学习，并在适当的时候复习所学，这难道不终究是一种快乐吗？”

请将反馈或更正发送给James。

Bray, Dennis. Wetware: A Computer in Every Living Cell. 2009. 正是这本书激发了我对大肠杆菌趋化性的兴趣。Bray 构建了相互作用部件网络的计算机模型，这些部件产生了大肠杆菌复杂的觅食行为——这是计算机模拟“系统生物学”的早期例子。这是一本非常引人入胜的书，会让你对单个细胞的计算能力产生新的欣赏。

“趋化性：分子事件。”一个极好的视频，概述了你需要了解的关于趋化性的一切。我认为这是为下面引用的教科书《Molecular Biology of the Cell》准备的。只看这个视频就够了吗？也许吧，但不知为何我还有很多问题想得到解答，这让我找到了所有这些其他材料。

Webre, Daniel J. et al. “细菌趋化性。” Current Biology， 第 13 卷第 2 期，2003 年。不错的简短概述文章，像百科全书条目。

Gore, Jeff. “鲁棒性与细菌趋化性。” 2014。这是一场非常精彩的讲座，让你感受到细菌趋化性的壮丽，以及微观世界奇特的物理学（Gore 称之为“低雷诺数下的生命”）。这场讲座是 Gore 的 MIT 系统生物学课程的一部分，可通过 MIT 令人惊叹的 OpenCourseWare 计划获取。

Alberts, Bruce 等。 细胞分子生物学，第 7 版，2022。那本模因生物学教科书。它很好，而且我成年后居然真的花钱买了这本书的数字版。我时不时会查阅它——其实自从我付钱买了它之后可能也就查过两次。它感觉很顺手，是那种已知可靠且深入的资料，对于回答自己和他人的基础问题很有帮助。这本书让我印象深刻的一点是，尽管它很出色，但用它来真正学习生物学大概会很难。不如试试 这篇文章底部“阅读清单”中引用的那些东西。

Falke, Joseph J. 等。 “细菌趋化性的双组分信号通路：受体、激酶和适应酶信号转导的分子视角。” 1997。一篇非常好的论文，讲述了基本的故事，尽管用了些颇为艰深的技术语言。

Falke, Joseph J. 等。 “细菌化学感受阵列的结构与信号转导机制：进展、争议与挑战。” 2014。另一篇不错的综述性论文。

Bray, Dennis 等。 “控制细菌趋化性的磷酸化级联的计算机模拟。” 1993。硅基生物学的一个好例子。

Bray, Dennis 等。 “基于计算机的替代细菌的趋化行为。” 2007。Bray 的另一篇更晚的论文，带有更详细的计算机模型。

“细菌趋化性。” 来自伊利诺伊大学厄巴纳-香槟分校理论与计算生物物理学组的一个不错的页面。

Cassidy, C. Keith. 个人网站。 这位仁兄曾在上一处参考文献中的 UIUC 小组工作。他是趋化信号复合物结构方面的顶尖专家。他现在主管 密苏里大学哥伦比亚分校的一个实验室

Beniaguev, David 等。 “单个皮层神经元作为深度人工神经网络。” 2021。一篇表明“皮层神经元可以被一个具有 5–8 层的深度神经网络（DNN）很好地近似”的论文。

Koushik, Paul et al. “大肠杆菌鞭毛马达中方向切换的分子机制。” 2011。那些展示转子切换假设机制的精美示意图都出自这里。我只希望他们把这些图做成了动画！（也许他们觉得自己已经够冒险了，而把提出的机制做成视频会让它显得比实际更真实？或者他们只是觉得太难了。）

Berg, Howard. “游动 大肠杆菌。” 存档网页，包含大量大肠杆菌运动的视频。Berg 是趋化性研究的元老之一，还写了下面引用的那本精彩的《生物学中的随机漫步》。

Alon, U. et al. “细菌趋化性中的鲁棒性。” 1999。我不确定自己是否完全读懂了这篇论文，只明白了趋化性系统并不依赖于任何组分（例如 CheY）存在某个精确的浓度。像许多生物系统一样，它能在面对各种陷阱和意外情况时正常工作。

“自组装纳米机器：一部关于鞭毛生物合成的影片。” 一部关于细菌鞭毛马达如何制造以及阐述这一过程的各种发现的完整纪录片（！）。很难相信这部纪录片存在，但它确实存在。太棒了。

Di Paolo, Diana et al. “活体大肠杆菌中电穿孔染料标记 CheY 的单分子成像。” 一篇展示追踪 CheY 在细胞质中运动的好论文。

Goodsell, David. “The Machinery of Life” 1993. One of my favorite biology books, maybe even one of my favorite books of all time. Simple, clear, magically illustrated. This should be the high school biology textbook.

MunJu, Kim et al. Macro Scale Model E. Coli Flagella Bundling. YouTube video from this paper. 2003. Uses the drill and tubing to simulate flagellar bundling.

Sarkar, Mayukh K. et al. “Chemotaxis signaling protein CheY binds to the rotor protein FliN to control the direction of flagellar rotation in Escherichia coli.” Pretty clear title!

Vladimirov, Nikita. “Multiscale modeling of E.coli chemotaxis.” Github project page. Here’s a model I tried to actually run—and shockingly, it worked out of the box. Sadly it didn’t show little virtual E. colis running and tumbling around on my screen, but still pretty cool.

Blair, D F. “How bacteria sense and swim.” 1995. A really well-written review article.

Milo, Ron and Phillips, Rob. “Cell Biology by the Numbers” 2015. The dimensions above were adapted by me (maybe erroneously) from a conversation/slides by Drew Endy. He got some of his numbers from this BioNumbers book, which is a very neat and totally necessary compendium of facts that help you understand life at cell scale.

Bray, Dennis / Noble, Denis. This “wind instrument” analogy is not original, I don’t think. I’m guessing it originated with either Dennis Bray or Denis Noble (maybe in The Music of Life).