它并不完全是电视的“美国忍者战士”，但细菌的一个小障碍已经向研究人员展示了大肠杆菌如何改变其行为以快速清除对食物的阻碍。他们的工作不仅对生物学和医学有影响，而且对机器人搜索和救援策略也有影响。

卡内基梅隆大学，匹兹堡大学和索尔克生物研究所的科学家今天在“美国国家科学院院刊”上报告说，细菌用来移向食物或远离毒药的众所周知的“游泳和翻滚”行为细菌遇到障碍时会发生变化

“在现实世界中，他们总是遇到很多障碍，”CMU计算生物学和机器学习部门的教授Ziv Bar-Joseph说。例如，大肠杆菌栖息在胃肠道的复杂地形中。然而，先前关于趋化性的研究 - 细菌向更高浓度的食物移动或远离毒物浓度的方式 - 通常在无阻碍的室中进行。

现有的趋化性模型预测障碍将减缓细菌的进展。因此，研究人员设计了微流体室 - 高10微米，宽1毫米，长1毫米，并在其中放置均匀分布的方形和圆形障碍物。当他们在这些微小的障碍物中测试大肠杆菌时，他们对细菌发现食物来源的速度感到惊讶。

“几乎不管障碍，他们几乎和没有障碍物一样快地到达食物，”CMU博士Sabrina Rashid说。计算生物学专业的学生和研究的主要作者。“这些障碍并没有影响他们达到食物所需的时间，正如之前的模型预测的那样。”

众所周知，细菌通过分泌化学物质相互沟通，这种交流无疑会在细菌试图绕过障碍时告知细菌，她说。但仔细观察细菌也表明行为发生了变化。

通常情况下，细菌会游泳一下，然后进行一种称为翻滚的圆形舞蹈，以重新调整食物浓度。翻滚减缓了食物的进展，但重要的是使细菌能够进行修正。

研究人员怀疑，面对障碍物时速度提高的一个关键原因是细菌能够减少摔倒并游得更多，直到它们处于清澈状态。因此，他们设计了追踪个体细菌细胞的额外实验，并确认了这些预测。

Bar-Joseph说，鉴于细胞运动在生物学中的重要性，新发现可能会影响恶性细胞如何通过身体传播或如何治疗感染。

基于这些发现，研究人员开发了自己的趋化性模型来解释这种新行为，并更好地预测细菌的表现。将模型应用于模拟在紧急情况下对被困受害者进行搜索的机器人或群体的模拟已经表明这种方法也可以减少他们的搜索时间。

“我们可以从生物学中获得的任何类型的洞察力来改善计算对我们来说很重要，”Bar-Joseph补充道。

除了Bar-Joseph和Rashid之外，CMU的研究团队还包括Shashank Singh博士。机器学习和统计学的学生。在Pitt，物理学和天文学副教授Hanna Salman和病理学副教授Zoltan Oltvai加入了Salman实验室的博士后研究员Zicheng Long和博士学位的Maryam Kohram和Harsh Vashistha。物理学学生。Salk研究所的副教授Saket Navlakha完成了这个团队。