Optimal Chemotactic Responses in Stochastic Environments
我们对细菌趋化性的理解大多来自对大肠杆菌的研究。然而，最近的证据表明，显着偏离E。大肠杆菌范例在其他细菌物种。这种变化可能源于不同的物种栖息在不同的环境中，从而适应特定的环境压力。特别是，这些复杂的和动态的环境可能是不好的标准的实验和理论模型表示。在这项工作中，我们研究了各种趋化策略下的一系列随机的时间和空间变化的吸引剂分布在硅片的性能。我们描述了一种新型的反应，其中细菌翻滚更多的引诱剂浓度增加时，在相反的E。大肠杆菌，并证明这种反应如何解释好氧生长的球形红细菌的行为。在这种“投机者”反应中，细菌将当前引诱剂浓度与长期平均值进行比较。当电流浓度高于平均值时，通过持续翻滚，细菌保持它们在高引诱剂浓度区域中的位置。如果目前的浓度低于平均水平，或者正在下降，细菌就会游走，寻找更有利的条件。当引诱剂的空间分布复杂但变化缓慢时，这种反应与E.杆菌
2015-03-26 q-bio.CB q-bio.PE
Optimal methylation noise for best chemotactic performance of {\sl E. coli}
E.大肠杆菌调节鞭毛马达的旋转偏向，鞭毛马达控制其奔跑和翻滚运动，以向高营养浓度的区域迁移。随机噪声在细胞生化通路中的存在对运动偏向的转换机制有重要影响，进而影响细胞的运行和翻滚。我们用激酶活性、甲基化水平和CheY- P-蛋白水平这三个随机变量的耦合时间演化来模拟细胞内反应网络，并研究甲基化噪声对细胞趋化性能的影响.在空间变化的营养物浓度分布的存在下，良好的趋化性能允许细胞快速爬上浓度梯度并在长时间限制内定位在营养物丰富的区域。我们的模拟表明，最佳的性能是在最佳的噪声强度。虽然预期对于非常大的噪声，趋化性将较弱，但违反直觉的是，即使当噪声水平下降到某一值以下时，性能也会下降。我们通过对不同噪声强度下CheY- P-蛋白水平统计的详细分析来解释这一惊人的结果。我们发现，当CheY-P水平低于一定的（噪声依赖）阈值时，细胞倾向于沿着营养物质的浓度梯度移动，这对其趋化反应产生不利影响。该阈值随着噪声的增加而降低，并且这种效应是噪声诱导的趋化性能增强的原因。在恶劣的化学环境中，当营养素随时间降解时，细胞轨迹拦截的营养素的量是有效的性能标准。在这种情况下，我们也找到了一个最佳的噪声强度，这取决于营养寿命。
2018-04-03 cond-mat.stat-mech physics.bio-ph q-bio.CB
Chemotactic response and adaptation dynamics in Escherichia coli
大肠杆菌的趋化性感觉通路的适应对于在广泛的背景浓度范围内检测化学物质是不可或缺的，最终允许细胞游向引诱剂的来源并远离驱避剂。其生化机制基于化学感受器的甲基化和去甲基化早已被人们所知。尽管适应对细胞记忆和行为的重要性，适应的动力学很难与当前精确适应的模型相协调。在这里，我们遵循的时间进程的信号在响应浓度阶跃变化的引诱剂使用体内荧光共振能量转移测量。具体来说，我们使用的适应时间课程的有效评估不同的适应模型的压缩表示。为了定量地解释这些数据，我们最后开发了一个动态模型，信号和适应的基础上吸引流在实验中，信号合作受体复合物，和多层的反馈调节适应。我们通过实验证实了改变酶表达水平和绕过去甲基化负反馈的预测效果。我们的数据分析表明，在适应大的增加显着的不精确性。此外，我们的模型预测高度调节，超快的适应，以响应吸引剂的去除，这可能是有用的细胞的快速重定向和适应中的噪声减少。
2010-05-03 q-bio.CB
Noise characteristics of the Escherichia coli rotary motor
细菌大肠杆菌中的趋化性途径允许细胞检测外部配体浓度（例如营养物）的变化。该途径调节鞭毛旋转马达，从而调节细胞的游泳行为，将它们引向更有利的环境。虽然分子成分的特点，拴系细胞实验测量的电机行为一直难以解释。在这里，我们研究了感知和信号噪声对运动行为的影响。具体而言，我们认为波动所产生的配体浓度，受体之间的信号状态，适应，蛋白质的磷酸化修饰，和电机之间的切换其两个旋转状态。我们开发了一个模型，其中包括所有的信号步骤的途径，并讨论了一个简化的版本，它捕捉了完整的模型的基本特征。我们发现，电机的噪声特性包含所有这些过程的签名，尽管幅度不同。这使我们能够解决细胞间的变异如何影响运动行为和最佳途径设计的问题。类似的综合分析可以应用于其他双组分信号通路。
2011-03-03 q-bio.CB
Collective Dynamics of Dividing Chemotactic Cells
使用动力学重整化群方法研究了一群细胞的大规模行为，这些细胞通过它们分泌的化学物质的浓度场生长和相互作用。有效的长程趋化相互作用和缺乏数量守恒的组合导致系统中的多种相行为，其包括从具有适度（或受控）生长和受调节的化学相互作用的相到具有强（或不受控）生长和没有化学相互作用的相的急剧转变。过渡点有非平凡的临界指数。我们的研究结果可能有助于阐明化学信号与组织和菌落生长之间的相互作用，特别是癌症转移的挑战性问题。
2015-01-16 cond-mat.soft cond-mat.stat-mech q-bio.CB
Drift and behavior of E. coli cells
大肠杆菌的趋化性在浅的化学梯度中得到了很好的理解，但它的游泳行为在陡峭的梯度中仍然很难解释。通过专注于模拟的单细胞轨迹，我们研究了趋化漂移速度对指数梯度中吸引剂浓度的依赖性。虽然平均漂移速度的最大值可以在浅梯度中的趋化性的分析线性响应理论内解释，但由于陡峭的梯度和有限数量的用于适应的受体甲基化位点而导致的漂移限制超出了微扰理论。例如，我们发现了一个令人惊讶的钉扎细胞的浓度梯度，在细胞用完甲基化位点。为了验证最大漂移的位置，我们使用微流体在精心设计的化学梯度中记录了单细胞轨迹。
2017-10-30 q-bio.CB
Cell responses only partially shape cell-to-cell variations in protein abundances in Escherichia coli chemotaxis
克隆细胞群中蛋白质丰度的细胞间差异在生命系统中普遍存在。由于蛋白质组成决定了单个细胞的反应，因此这些变化本身受到选择压力的影响是理所当然的。但是这些细胞间差异的功能作用还没有得到很好的理解。解决形式和功能之间关系的一种方法是扰动形式（例如，改变蛋白质丰度）并观察某些功能的变化。在这里，我们采取的形式功能关系从相反的角度来看，而不是问什么特定的限制细胞间的蛋白质丰度的变化是由一个给定的功能表型。我们开发了一种基于最大熵（MaxEnt）的方法来提出这种类型的问题，并通过应用于大肠杆菌（E。coli）。我们发现，观察到的蛋白质丰度的细胞间变化的完全确定不是趋化性本身所固有的，但事实上似乎是由趋化性程序与其他因素联合施加的，例如，蛋白质合成机制和/或额外的非趋化性细胞功能如细胞代谢。这些结果说明了MaxEnt作为生物形式和功能之间关系的调查工具的力量。
2013-10-29 cond-mat.stat-mech q-bio.CB q-bio.MN
Principles of efficient chemotactic pursuit
在趋化性中，细胞调节它们的迁移模式以响应引导物质的浓度梯度。免疫细胞被认为使用这种趋化性传感来远程检测和归巢病原体。考虑到免疫细胞可能遇到具有从固定到高度移动的巨大不同的迁移特性的多种靶标，尚不清楚哪些趋化性追踪策略同时有效和通用。我们从理论上解决了这个问题，并定义了一个可调的响应函数，将时间或空间浓度梯度映射到迁移行为。该响应函数的七个自由参数进行了数值优化，其目标是针对宽范围的目标小区特性最大化搜索效率。最后，我们对性能最好的参数集进行逆向工程，以揭示在不同生物现实边界条件下有效趋化性追求的原则。值得注意的是，数值优化重新发现了生物系统中众所周知的趋化策略，例如大肠杆菌的梯度依赖性游泳和翻滚模式。我们的一些结果也可能是有用的趋化性实验的设计和自动检测和量化目标导向的行为在测量的免疫细胞轨迹的算法的发展。
2019-02-27 physics.bio-ph q-bio.CB q-bio.QM
Cellular memory enhances bacterial chemotactic navigation in rugged environments
微生物对外部信号的响应是由具有内在时间尺度的生化网络介导的。这些时间尺度产生了影响细胞行为的记忆。在这里，我们从理论上研究细胞记忆在大肠杆菌趋化性中的作用。使用基于代理的模型，我们表明，细胞与内存导航崎岖的化学引诱物景观可以提高他们的漂移速度，通过提取信息，从环境的相关性。当记忆与游泳期间感知到的波动的时间尺度相当时，实现了最大的优势。我们推导出一个解析近似的漂移速度在崎岖的景观，解释了增强的速度，并恢复标准凯勒-西格尔梯度传感结果的限制时，内存和波动的时间尺度是很好地分离。我们的数值计算还表明，细胞记忆可以诱导赌注对冲在人口水平上，从而在长寿命的多模态分布在异质景观。
2020-02-13 physics.bio-ph q-bio.CB
3D spatial exploration by E. coli echoes motor temporal variability
解开细菌空间探索的策略对于理解生命组织的复杂性至关重要。细菌运动性决定了微生物群落的时空结构，控制着感染的传播和肠道或土壤中微生物的组织。大多数用于模拟细菌运输的理论方法依赖于它们的奔跑和翻滚运动。对于大肠杆菌，运行时间分布据报道遵循泊松过程与一个单一的特征时间相关的鞭毛电机的旋转开关。然而，鞭毛电机的直接测量显示重尾分布的旋转时间源于内在的噪音在趋化机制。目前，还没有直接的实验证据表明趋化机制中的随机性影响细菌的宏观运动性。与公认的奔跑和翻滚的视觉形成鲜明对比，在这里，我们报告了野生型\emph{E. coli}的大的行为变异性，揭示了它们的三维轨迹。在短的观察时间内，一个大的分布的运行时间测量的人口，并归因于缓慢的波动的信号蛋白触发鞭毛电机逆转。在很长一段时间内，单个细菌的运动性会发生显着变化。我们证明，这样一个大的分布的运行时间在大多数实际情况下引入测量偏差。我们的研究结果调和臭名昭著的难题之间的运行时间的观察和电机开关统计。最后，我们建议，目前正在新兴的框架内进行的活性物质研究的运输特性的统计建模，应重新考虑的范围内，这种大的变化的运动功能。
2019-11-13 cond-mat.soft physics.bio-ph q-bio.CB
A nonlinear theory for chemotactic fronts of mixed populations
Mathematical Institute, University of Oxford（牛津大学数学研究所）；School of Mathematics, University of Bristol（布里斯托大学数学学院）
通过渐近分析推导非线性理论，揭示细胞扩散性、趋化剂消耗和趋化敏感性如何决定异质性细胞群体的密度分布，并预测树突细胞与T细胞共迁移中的参数平衡。
2026-09-25 math.AP nlin.AO physics.bio-ph
Implications of 3-step swimming patterns in bacterial chemotaxis
我们最近发现，海洋细菌溶藻弧菌执行一个循环的3步（运行反向轻弹）运动模式，这是显着不同的2步（运行翻滚）模式的大肠杆菌。这种新的游动模式如何被溶藻弧菌的细胞调节目前尚不清楚，但其对细菌趋化性的意义是不言而喻的，并将在本文中描述。使用de Gennes介绍的方法，我们计算了细胞在线性化学梯度中执行3步模式的迁移速度，并发现自然产生双相趋化反应。这种反应对细胞适应海洋环境的意义及其与E。大肠杆菌的反应也进行了讨论。
2010-11-15 q-bio.CB
Bacterial Chemotaxis in a Traveling Wave Attractant Environment
本文通过模拟研究大肠杆菌在行波引诱物环境中的趋化漂移速度，揭示了漂移速度随波速变化出现变号和多个峰值的反直觉行为，并从细胞顺波与逆波运行时感知梯度差异的角度给出了定量解释。
2025-06-05 cond-mat.stat-mech physics.bio-ph q-bio.CB
Predicting chemical environments of bacteria from receptor signaling
感官系统已经进化到对某些统计特性的输入刺激做出反应，并通过生物化学途径可靠地传递这些信息。因此，对于一个在实验上得到很好表征的感觉系统，人们应该能够从刺激的统计数据中提取有价值的信息。基于细菌趋化性感觉系统的体内荧光共振能量转移（FRET）实验的剂量-响应曲线，我们预测了趋化性大肠杆菌细胞在其自然环境中通常遇到的化学梯度。为了预测平均梯度细胞的经验，我们重新评估的现象学韦伯定律及其概括的韦伯-费希纳定律和折叠变化检测。为了获得完整的梯度分布，我们使用信息理论和模拟，考虑到从细胞外部和内部噪声的信息传输的限制。我们确定广泛的指数梯度分布，这导致对数正态刺激和最大漂移速度。因此，我们的研究结果为破译复杂的、实验上难以接近的细胞微环境（如人类肠道）的化学性质迈出了第一步。
2014-10-27 q-bio.CB
A Mathematical Description of Bacterial Chemotaxis in Response to Two Stimuli
细菌在复杂的环境中经常暴露于多种刺激，它们有效的趋化决定对于在其原生环境中生存和生长至关重要。细菌对环境刺激的反应依赖于其相应化学感受器的比例。通过结合单个细胞的信号机制，我们分析了大肠杆菌细菌群体在一维和二维环境中对两种刺激（主要是丝氨酸和甲基天冬氨酸（MeAsp））的集体运动。Kalinin等人，J. Bacteriol. 192（7）：1796-1800，2010.在适当的条件下，我们表明，如果单个细胞的主要化学受体的比例，即焦油/Tsr是小于一个特定的阈值，细菌移动到丝氨酸的梯度，如果该比例大于阈值，细菌组移动到MeAsp的梯度。最后，我们用Monte-Carlo模拟验证了理论，并验证了我们的结果与Y中的实验结果定性一致。Kalinin等人（2010年）。
2021-06-08 math.AP q-bio.CB q-bio.QM
