Veel complexe systemen in de biologie kunnen worden opgevat als netwerken. Dit perspectief helpt onderzoekers begrijpen hoe biologische systemen op een fundamenteel niveau werken, en kan worden gebruikt om belangrijke vragen in de biologie te beantwoorden, medicijn, en techniek.

De bloedstroom in de hersenen is een goed voorbeeld. Bloed reist door een netwerk van bloedvaten en kan indien nodig worden omgeleid naar specifieke delen van de hersenen. wandelen, bijvoorbeeld, bloedstroom in andere regio's nodig zou hebben dan kauwgom.

Men denkt dat netwerken dergelijke taken uitvoeren door verbindingen binnen het netwerk te controleren, "randen" genoemd. Wat natuurkundigen niet hadden onderzocht, is hoeveel taken een enkel netwerk tegelijkertijd kan volbrengen.

Een team van onderzoekers van het departement Natuur- en Sterrenkunde publiceerde een studie in PNAS die deze vraag beantwoordt. Afgestudeerd student Jason W. Rocks en voormalig postdoc Henrik Ronellenfitsch, wie zit er nu bij het MIT, waren de hoofdauteurs van dit artikel, en werkte samen met natuurkundigen Andrea Liu en Eleni Katifori, evenals Sidney R. Nagel van de Universiteit van Chicago.

Het Penn-team had eerder twee soorten netwerken bestudeerd. Katifori heeft onderzocht hoe de natuur "stroomnetwerken, "zoals de bloedstroom, benaderingen gebruiken die geïnspireerd zijn op en gerelateerd zijn aan de biologie. Liu bestudeert "mechanische netwerken, " zoals de rangschikking van aminozuren die een eiwit vormen, en hoe deze netwerken kunnen worden veranderd om een ​​specifieke biologische functie te vervullen.

Hoewel deze twee systemen van elkaar verschillen, discussies tussen de Liu- en Katifori-groepen over hoeveel multitasking elk netwerk zou kunnen bereiken, hielp Liu en Katifori zich te realiseren dat ze deze twee schijnbaar niet-gerelateerde netwerken samen konden bestuderen.

"We bestudeerden allebei onafhankelijk de complexiteit van een bepaalde functie die een stroomnetwerk kan doen en wat een mechanisch netwerk kan doen, " zegt Katifori. "Het waren twee totaal verschillende fysieke netwerken, maar in zekere zin dezelfde vraag."

De auteurs ontwikkelden een reeks vergelijkingen die elk systeem beschreven. Vervolgens gebruikten ze simulaties om het netwerk te besturen of "af te stemmen", zodat ze steeds complexere functies zouden uitvoeren. rotsen, Ronellenfitsch, en hun collega's ontdekten dat beide soorten netwerken erin slaagden te multitasken.

Ze waren verrast door de overeenkomsten in prestaties tussen deze twee schijnbaar verschillende netwerken. Hoewel de fysica die aan de twee systemen ten grondslag ligt totaal verschillend is, ze presteerden op dezelfde manier in termen van multitasking-vaardigheden en controleerbaarheid. "Kwantitatief, ze waren bijna identiek, ' zegt Liu.

Deze resultaten zullen als basis dienen voor een aantal toekomstige studies die dieper zullen ingaan op hoe het vermogen om taken uit te voeren in netwerken wordt gecodeerd. Voor mechanische netwerken zoals enzymen, deze kennis zou het vermogen van biomedische onderzoekers om gerichte medicijnen en behandelingen te ontwerpen kunnen verbeteren.

Als eerste stap, Rocks werkt aan een beter begrip van hoe de netwerken eigenlijk werken. "Tot nu toe hebben we het behandeld als een zwarte doos, ' zegt hij. 'Maar dat willen we niet. We willen begrijpen hoe een netwerk een specifieke functie vervult. We willen begrijpen welke aspecten van de structuur van het netwerk belangrijk zijn."

Liu en Katifori zijn enthousiast over hun samenwerking en de resultaten die ze in de nabije toekomst hopen te vinden. "Als je me had gevraagd voordat we dit project deden, of we hetzelfde antwoord zouden krijgen voor de twee netwerken, Ik zou zeggen 'waarom?'", zegt Katifori. "Maar als je erover nadenkt, en als je het begrijpt, je realiseert je de elegantie van deze studie en waarom deze twee netwerken hetzelfde zouden moeten zijn."