A surpreendente inteligência de uma célula única: a história da quimiotaxia da E. coli
(jsomers.net)- A quimiotaxia da E. coli é o processo pelo qual uma única célula detecta mudanças na concentração de nutrientes e, com uma memória química curta e controle de movimento, encontra uma direção mais favorável
- A estratégia de deslocamento consiste em ajustar a proporção entre run, o nado para a frente, e tumble, a mudança aleatória de direção, com CheY e CheY-p fosforilada transmitindo os sinais principais
- Quando a concentração de um atrativo aumenta, o fluxo de CheY-p diminui, reduzindo a reversão do motor flagelar e, como resultado, alongando os períodos de run em relação ao tumble, o que aumenta a probabilidade de se mover em direção ao alimento
- A metilação dos receptores é um mecanismo de adaptação que redefine a concentração atual como nova linha de base, permitindo que a E. coli detecte pequenas mudanças mesmo em uma faixa de concentração de atrativos de 5 ordens de magnitude
- Arranjos de receptores, circuitos de fosforilação/desfosforilação, motor flagelar, difusão de proteínas e diferenças no número de moléculas entre indivíduos se combinam para fazer uma célula única funcionar como um computador físico
E. coli escolhe a direção com run e tumble
- A E. coli detecta atrativos com receptores que reconhecem substâncias químicas específicas e altera seu modo de locomoção usando caudas flagelares
- O movimento pode ser simplificado como uma combinação de dois estados
- run: vários motores flagelares giram na mesma direção, as caudas se enrolam em um feixe único e a célula avança
- tumble: um ou mais motores giram na direção oposta, o feixe de caudas se desfaz e a célula gira em uma direção aleatória
- Em um ambiente químico uniforme, ela faz uma caminhada aleatória com mistura de run e tumble
- Em geral, um run dura cerca de 1 segundo
- Um tumble é cerca de 10 vezes mais curto que um run
- A proporção entre run e tumble equilibra exploração e aproveitamento
- Se o run for muito longo ou frequente, a célula pode passar direto pela comida
- Se o run for muito curto ou raro, fica mais difícil encontrar alimento
CheY e CheY-p transmitem a decisão de movimento
- A molécula de sinalização central é a CheY
- A CheY circula pelo citoplasma, carregando informação entre o complexo de receptores e o motor flagelar
- Ao encontrar o complexo de receptores, uma parte dela é fosforilada e se torna CheY-p
- Diferentemente da CheY, a CheY-p se liga fortemente ao motor flagelar
- Quando CheY-p suficiente se prende ao motor, a rotação do motor se inverte
- A inversão da rotação leva ao tumble
- Quando a concentração de atrativo aumenta, o fluxo que converte CheY em CheY-p enfraquece
- Com menos CheY-p, também diminui a quantidade de CheY-p ligada ao motor
- As reversões do motor e os tumbles diminuem
- A célula faz run por mais tempo e aumenta a probabilidade de se mover na direção do atrativo
- Esse fluxo de sinal funciona como um amplificador químico
- A célula bacteriana pode amplificar o sinal em mais de 50 vezes
- Uma mudança de 2% na ocupação dos receptores pode produzir uma mudança de 100% na saída do motor flagelar
- É possível detectar mudanças inferiores a 3 moléculas por volume celular
A metilação transforma a concentração atual em nova linha de base
- Se fosse um sistema simples que reage apenas ao aumento de atrativos, ele poderia saturar facilmente quando a concentração subisse muito
- Na prática, a E. coli responde com sensibilidade em uma faixa de 5 ordens de magnitude de concentração de atrativos
- A célula trata a concentração atual alcançada como um novo estado normal
- A partir desse estado, pequenos aumentos voltam a disparar uma resposta sensível
- Essa adaptação está ligada à metilação da estrutura do receptor
- Quando o atrativo se liga ao receptor, a estrutura de suporte do receptor muda de forma
- Bolsões nessa estrutura se abrem, permitindo a ligação de grupos metila
- À medida que a metilação avança, a capacidade de sinalização do receptor é amortecida, de modo que passa a ser necessário mais atrativo para provocar a mesma resposta
- Cada receptor tem vários locais de metilação, e cada receptor possui várias estruturas de suporte, o que permite ajustar amplamente o nível de atenuação
- O nível de metilação do receptor funciona como uma memória química simples
- A E. coli armazena no estado de modificação química interna se a concentração de atrativo ao redor aumentou ou diminuiu nos últimos segundos
- Essa informação é usada para avaliar se a direção atual de nado é favorável ou desfavorável
Fosforilação e desfosforilação formam um circuito de controle rápido
- O circuito de quimiotaxia é um sistema dinâmico que modifica e reverte proteínas continuamente
- CheA fosforila a CheY e a transforma em CheY-p
- CheZ desfosforila a CheY-p e a reconverte em CheY
- CheR metila os receptores
- CheB remove grupos metila dos receptores
- À primeira vista, esse circuito pode parecer um ciclo que desperdiça energia, mas para a célula ele se torna um mecanismo de ajuste rápido
- Como os fluxos de fosforilação e desfosforilação estão sempre em andamento, reduzir ou aumentar uma das reações muda rapidamente a concentração de proteínas ativas
- Isso permite ajustar a velocidade de resposta mais rapidamente do que produzir novas proteínas por uma via longa de síntese
- O controle por fosforilação/desfosforilação é extremamente comum em toda a biologia
- Cerca de 30–50% das proteínas humanas contêm grupos fosfato ligados covalentemente
- Uma célula típica de mamífero usa centenas de tipos de proteína quinase em um dado momento
- Na quimiotaxia, a velocidade desse ciclo determina quão rápido a célula responde a mudanças no nível de atrativos
- Quando um atrativo é adicionado, o fluxo que converte CheY em CheY-p diminui
- A desfosforilação continua, aumentando a CheY
- Com mais CheY, o tumble diminui e o run aumenta
Os receptores transmitem sinais externos para dentro por meio de mudanças de forma
- Na membrana celular da E. coli estão inseridas proteínas receptoras especializadas para diferentes atrativos
- Por exemplo, o receptor que detecta aspartato tem uma fenda na qual a molécula de aspartato se encaixa bem
- A E. coli tem de 5 a 6 dessas proteínas sensoriais específicas para atrativos
- Os receptores conectam a região sensorial externa da membrana às proteínas de sinalização internas CheW e CheA
- O comprimento total do receptor é de cerca de 350 angstroms, ou 35 nanômetros
- Essas estruturas são estudadas com métodos como difração de raios X e criomicroscopia eletrônica
- Em termos simplificados, o complexo de receptores funciona como um grande pistão
- O aspartato se liga à região sensorial externa
- A estrutura em haste do receptor muda sutilmente de forma
- A quinase CheA, que deveria fosforilar a CheY, fica travada em um estado inativo
- Os complexos de receptores formam grandes arranjos perto da parte frontal do corpo da E. coli, que em corte transversal parecem um padrão hexagonal
- O olfato humano segue um princípio semelhante
- Moléculas de odor se ligam a proteínas receptoras específicas no nariz
- Humanos têm centenas de proteínas receptoras olfativas
- Cães têm mais de 1.000 genes de receptores olfativos
A transmissão de sinais dentro da célula depende de difusão rápida e colisões
- A CheY-p não é guiada até o motor por uma rota específica; ela difunde pelo citoplasma e se liga quando chega perto
- O interior da célula é muito denso, mas as moléculas se movem rapidamente
- Em uma célula bacteriana típica, uma enzima em uma extremidade e uma molécula de açúcar na outra podem colidir, em média, ao menos uma vez em cerca de 1 segundo
- Qualquer molécula dentro da célula pode encontrar quase todas as outras em poucos segundos
- Nesse ambiente, mudanças de forma das proteínas e afinidade de ligação são muito importantes
- As moléculas na célula se aproximam continuamente umas das outras e testam a possibilidade de se ligar
- A diferença entre CheY-p e CheY altera bastante a probabilidade de ligação às proteínas do motor
- Quando a E. coli responde a um atrativo, a etapa que limita a velocidade é o tempo que a CheY-p leva para difundir da região dos receptores até o motor
- Esse tempo é de cerca de 0,1 segundo
- Há experimentos que rastrearam esse movimento em E. coli vivas usando CheY marcada com fluorescência
O motor flagelar muda o sentido de rotação com a ligação de CheY-p
- O motor flagelar é uma sofisticada nanomáquina molecular
- Sua eficiência energética é próxima de 100%
- Ele gira cerca de 1.500 vezes por segundo
- Como toda nanomáquina molecular, ele se auto-organiza
- Na parte inferior do motor estão as proteínas FliG, FliM e FliN
- Quando chega, a CheY-p se liga a essas proteínas
- Uma única CheY-p não basta para mudar a direção do motor
- É preciso a ligação de várias CheY-p para a troca de rotação do sentido anti-horário para o horário e o início do tumble
- O motor não tem apenas dois estados, mas vários estados de rotação
- Há desde estados de rotação anti-horária rápida até etapas de redução de velocidade
- Ele pode passar pelo repouso e chegar a vários estados de velocidade no sentido horário
- O mecanismo proposto para a troca de direção se baseia em mudanças de forma em FliM e FliGc
- A CheY-p se liga à FliM
- A FliM se inclina e a FliGc conectada gira 90 graus
- A FliGc rotacionada induz acionamento na direção oposta no ponto de contato entre a parte rotativa e a parte fixa
- Mesmo quando a CheY-p se liga, a CheZ pode removê-la, então o efeito é continuamente revertido
- Sem sinal adicional, a célula retorna rapidamente ao estado de referência
A reversão de um único motor pode gerar um tumble
- No estado de run, vários flagelos se movem na mesma direção e formam um único feixe
- O feixe flagelar não é um simples hélice propulsora, mas uma estrutura em que caudas helicoidais giram e geram propulsão em um fluido viscoso
- Quando filamentos flagelares separados giram próximos uns dos outros na mesma fase, eles podem se enrolar e formar um feixe
- Um estudo criou um modelo macroscópico de flagelo enrolando tubos ocos de Tygon em um mandril e preenchendo-os com epóxi
- A rotação anti-horária foi aplicada com um motor de passo para testar o agrupamento dos flagelos
- O campo de fluxo gerado por cada hélice inclinava as outras, promovendo o enrolamento mútuo e a formação do feixe
- Se um único motor gira na direção oposta, o feixe se desfaz e a célula inteira entra em estado de tumble
Células com os mesmos genes também se movem de forma diferente
- Uma população de E. coli não é uma massa homogênea em que todas as bactérias se comportam de forma idêntica
- Um artigo da Nature de 1976 tratou da individualidade não genética na quimiotaxia de Salmonella e Enterobacter
- Mesmo na mesma linhagem, apareciam diferenças de resposta em ambientes com ou sem atrativo
- Na época, o mecanismo exato de controle ainda não era conhecido, mas foi levantada a hipótese de que diferenças no número de fatores que regulam o tumble poderiam gerar diferenças de comportamento
- Mecanismos descobertos depois bateram com essa ideia
- Há apenas cerca de 100 moléculas da proteína CheR em uma célula
- Junto com a CheB, ela controla a velocidade de adaptação e de antiadaptação
- Embora a célula inteira tenha cerca de 10 milhões de proteínas, a CheR é muito rara, então a diferença de apenas algumas moléculas já pode influenciar fortemente o comportamento
- Experimentos mais recentes quantificaram a individualidade entre células de E. coli usando microscopia de fluorescência
- Essa individualidade surge não só de diferenças na expressão gênica, mas também da dinâmica da rede de sinalização
Experimentos que revelaram o mecanismo da quimiotaxia
- Ainda não existe tecnologia para observar diretamente, de uma só vez, toda a atividade dentro de uma célula viva
- Ilustrações do citoplasma cheio de proteínas são composições artísticas baseadas em pesquisa rigorosa
- Não se trata de filmagens diretas de todo o processo em uma única cena
- A principal abordagem experimental é a genética
- Interfere-se em genes um a um e observa-se o comportamento de E. coli mutantes
- Nomes como CheY, CheZ e CheW surgiram do fato de que a remoção desses genes produz defeitos de quimiotaxia
- Também são usados experimentos com proteínas em tubo de ensaio
- É possível combinar CheA, CheY, grupos fosfato e reagentes e observar se há fosforilação e em que quantidade
- Um artigo de 1990 na Cell usou fosfato radioativo como traçador
- Também é possível observar localização e dinâmica de proteínas com proteínas fluorescentes ou anticorpos
- A biologia estrutural é usada para revelar o mecanismo físico dos sítios de ligação
- cristalografia de raios X
- ressonância magnética nuclear
- criomicroscopia eletrônica
- microscopia óptica de super-resolução
- simulações de dinâmica molecular em nível atômico
- Em 1972, Howard Berg e Douglas Brown observaram runs e tumbles de bactérias com um microscópio de rastreamento 3D projetado por eles mesmos
- No artigo da época, foi usado o termo “twiddle” em vez de tumble
- A física da propulsão flagelar também foi estudada fixando flagelos em lâminas de microscópio
- Nesse estado fixo, a cauda gira o corpo, permitindo medir a velocidade de rotação do corpo celular
- O fato de o motor flagelar ser movido por força próton-motriz ficou claro em um artigo de 1977 que mediu mudanças em run e twiddle conforme a presença ou ausência de potencial elétrico
- Observando a intensidade da rotação em várias condições, concluiu-se que a rotação está fortemente acoplada ao fluxo de prótons
- Cerca de 500 prótons são usados a cada volta completa
Modelos computacionais transformam hipóteses em algo testável
- A quimiotaxia da E. coli foi um dos primeiros grandes casos da biologia “in silico”
- Modelos computacionais obrigam a explicitar as hipóteses
- Para construir um modelo, é preciso descrever concretamente cada componente e interação
- Quando o modelo funciona, é possível testar variações dessas hipóteses
- O modelo de Dennis Bray produziu os fenótipos corretos para mais de 60 mutantes em que componentes da via de quimiotaxia foram removidos ou superexpressos
- O processo de ajustar o modelo também pode abrir novas direções experimentais
- Para reproduzir a resposta a estímulos curtos, foi necessário definir a atividade das enzimas adaptativas CheR e CheB em pelo menos uma ordem de magnitude acima dos valores relatados na literatura anterior
- A pesquisa em quimiotaxia também pode ter aplicações práticas
- Entender a via de sinalização quimiotática das bactérias pode levar a pesquisas de antibióticos que a desorganizem
- Também pode haver a possibilidade de criar “detectores inteligentes” que usem a via de quimiotaxia para localizar células cancerosas ou resíduos ambientais
- De forma mais ampla, vias regulatórias bacterianas de dois componentes controlam diversas funções, como divisão celular, patogenicidade, resistência a antibióticos, fixação e uso de metabólitos, resposta a estresse ambiental, formação de esporos e taxis
1 comentários
Comentários do Hacker News
Se você ler "Hidden Order", de John Holland, não como um livro, mas como um método para criar sistemas adaptativos complexos, o essencial se reduz a alguns pontos: um ambiente, vários agentes, um barramento de mensagens de leitura/escrita no qual os agentes possam interagir, e as regras e sensores de cada agente
Ao combinar isso, tem-se pensamento ou inteligência. Também dá para perguntar se o protocolo de roteamento RIP é um sistema adaptativo complexo
Parte do problema está na forma de pensar. Eu penso que sou uma pessoa, não um sistema adaptativo complexo, mas na prática sou composto por agentes, tenho um barramento de mensagens, e esses agentes percebem, agem e interagem
Perguntas como qual é a diferença entre uma pilha de formigas e uma colônia de formigas, ou se o que é inteligente é a formiga ou a colônia, talvez sejam um problema do tipo Sapir-Whorf, em que a linguagem limita o pensamento
Digo “parte” porque há uma enorme quantidade de pensamentos e ações realizados pelo sistema adaptativo com os quais ele não se identifica como eu
Isso é ainda mais verdadeiro quanto mais a pessoa vive em uma cidade e se desloca pouco; quando ela se muda para lugares e culturas muito distantes e deixa de presumir que sua própria cultura é a melhor, mais coisas começam a funcionar no cérebro
Este comentário no Reddit resume melhor do que o artigo: https://www.reddit.com/r/MachineLearning/comments/dco3t1/com...
A consciência parece ocorrer em uma escala específica e parece covariar mais com padrões e atividades macroscópicos vindos de grupos de neurônios do que com a atividade estocástica ruidosa de células individuais. Não temos consciência de como processamos reconhecimento facial, reconhecimento de fala ou controle motor fino, e só somos conscientes em uma escala muito mais alta; ao mesmo tempo, não vemos consciência em uma escala macroscópica demais, como a dos Estados Unidos
Sistemas adaptativos complexos podem se sobrepor. Famílias humanas, comunidades, sociedades e governos todos formam gestalts maiores, e o próprio ser humano também é um sistema adaptativo complexo incluído neles
Se você gosta desse tipo de tema, recomendo muito “The Song of the Cell”, de Siddhartha Mukherjee. Foi um dos melhores livros para tornar acessível o tema da biologia
https://www.amazon.com/Song-Cell-Exploration-Medicine-Human/...
Concordo totalmente que a biologia do ensino médio era muito voltada a decorar nomes de coisas. Dá para estragar uma disciplina tão vasta fazendo o livro didático apontar para uma lista interminável de conhecimentos
Se a escola se concentrasse em um ou dois exemplos interessantes, daria para ensinar uma biologia bastante sofisticada até no ensino fundamental, e acho que muito mais gente teria se inspirado do que ficado entediada
É o trecho em que ele conta ter observado um fenômeno estranho: os alunos respondiam imediatamente a uma pergunta sobre praticamente o mesmo tema, formulada quase do mesmo jeito, e depois não conseguiam responder de jeito nenhum
Ele diz: “o principal objetivo da minha palestra é mostrar que, no Brasil, ciência não está sendo ensinada de forma alguma”
https://v.cx/2010/04/feynman-brazil-education
Por exemplo, o dogma central da biologia é a ideia de transmissão de informação em que o DNA é transcrito em RNA e o RNA é traduzido em proteína. Dá para abordar, passo a passo, a estrutura e a função do DNA, os vários subtipos de RNA, as proteínas de tradução, Slicer e Dicer, códons de três letras e aminoácidos, o transporte do mRNA para fora do núcleo etc.
Mas boa parte desse dogma central que acabei de mencionar hoje já é difícil de considerar literalmente verdadeira. Quase toda a microbiologia moderna trata das “exceções” ao dogma central, a ponto de ser difícil falar de uma diferença substantiva entre RNA e proteína. Toda semana saem novos artigos sobre híbridos RNA-proteína importantes para entender partes comuns da célula; por isso, o dogma central é menos uma mentira e mais uma ficção útil
É parecido com dizer que “loops for” são como a internet funciona. É verdade que há loops for na internet, que eles são importantes e que precisam ser aprendidos, mas não dá para ensinar a internet com um ou dois exemplos interessantes de loops for
Entender biologia é difícil e é o resultado de mais de 4 bilhões de anos de vida e morte. Não dá para encerrar o assunto com alguns exemplos; mesmo uma compreensão no nível do 12º ano exige um curso de um ano, e ainda assim é só o ponto de partida mínimo para entrar em uma área ampla. É preciso aprender nomes e fatos, e fazer o trabalho difícil de conectar uma enorme quantidade de informação. Não é educação em formato de entretenimento; exige esforço
Essa complexidade e inteligência unicelular já era um tema recorrente meu nas discussões sobre AGI havia muito tempo. Muito antes da atual febre dos LLMs, as pessoas contavam o número de neurônios no cérebro e faziam afirmações ousadas do tipo “em poucos anos teremos uma máquina com a capacidade computacional do cérebro”
Mas cada neurônio do cérebro é constrangedoramente complexo, e ainda não entendemos bem como essa complexidade se manifesta como pensamento e inteligência. Se pensarmos em física e nas interações entre objetos, todas as células do cérebro são mais complexas do que os LLMs que usamos hoje. Claro, isso não quer dizer que cada célula possa produzir a mesma saída que um LLM, mas sim que a complexidade do comportamento com que ela contribui para o sistema inteiro é desse tamanho
Com resultados experimentais e teóricos da biofísica celular, ele mostra que células nervosas individuais podem multiplicar, integrar e atrasar entradas sinápticas, e que a informação pode ser codificada no potencial de membrana, na concentração intracelular de cálcio e no timing de spikes individuais
https://www.amazon.com/Biophysics-Computation-Information-Co...
Por exemplo, em uma rede neural convolucional, o total de pesos de um kernel é número de canais de entrada × tamanho do kernel × número de filtros; assim, com um kernel 3×3, 3 canais e 128 filtros, são apenas 3.456 parâmetros. Mas, como o mesmo filtro é aplicado com stride ao longo de todo o mapa de características 2D de entrada, em uma imagem HD de 1280×720 com stride 2 nas duas direções ele é aplicado 230.400 vezes, e o número efetivo de ativações de parâmetros chega a 796.262.400
Já se sabe há muito tempo que as redes neurais convolucionais foram parcialmente inspiradas no córtex visual humano [0]. No córtex visual humano, que precisa operar rapidamente, o compartilhamento de parâmetros de um único kernel é impossível, e é bem provável que os pesos tenham de ser paralelizados até certo ponto e replicados dentro do cérebro. Nesse aspecto, as redes neurais artificiais levam vantagem
Os neurônios do cérebro humano precisam ter algum grau de redundância por causa do reparo celular contínuo, e parecem ser atualizados apenas por aprendizado hebbiano, ao contrário da atualização direta da memória do computador. Além disso, grandes partes do cérebro humano existem por motivos ambientais e não lógicos, como movimento, tato, medo, ciúme e desejo; redes neurais artificiais não precisam ter, do mesmo modo, partes como a resposta de luta ou fuga da amígdala
[0] https://msail.github.io/post/cnn_human_visual/
Entrei em contato com a ideia de que até uma única célula pode demonstrar “aprendizado” e “cultura” por meio do excelente livro de John Bonner, “The Evolution of Culture in Animals”
Bonner constrói uma visão em que tanto cultura quanto aprendizado são vistos como um continuum, em vez de haver uma ruptura entre os animais ou de colocar os humanos em uma categoria separada. Claro que há diferenças
https://press.princeton.edu/books/paperback/9780691023731/th...
Este texto, por assim dizer, mergulha fundo nessa toca do coelho
Se você gostou desse conteúdo, também existe um livro chamado “Information Processing in Single Neurons”, sobre a complexidade de neurônios individuais no cérebro
https://www.amazon.com/Biophysics-Computation-Information-Co...
Há uma revisão de 2013, totalmente aberta, que traz toda a matemática necessária para modelar esse processo: “Quantitative modeling of bacterial chemotaxis: Signal amplification and accurate adaptation, Yuhai Tu”
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3737589/
O ponto central é que a cooperatividade dos receptores e a adaptação precisa podem ser explicadas quantitativamente por um modelo matemático simples, e que o “modelo padrão”, que inclui ao mesmo tempo amplificação de sinal e adaptação, prevê quantitativamente a resposta da E. coli a estímulos arbitrários que variam ao longo do tempo
Rampas exponenciais produzem mudanças de atividade dependentes da taxa da rampa por meio da função de taxa de metilação F(a), e a resposta a sinais oscilatórios mostra que, na faixa de baixa frequência, a E. coli calcula a derivada temporal. Além disso, a E. coli memoriza o logaritmo da concentração de ligante, e a lei de Weber-Fechner vale na quimiotaxia da E. coli
A revisão também trata, como mecanismo de amplificação de sinal, da transição de fase cooperativa dos complexos receptores, usando um modelo como o das interações spin-spin ferromagnéticas de Ising na física
No trecho que diz que ainda não temos tecnologia para observar todas as atividades dentro de uma célula viva, fico curioso para saber quão perto estamos de criar um mapa de todos os átomos dentro de uma célula
Em 1 ml de água há 1E23 átomos, e uma E. coli mede aproximadamente 500 nm × 500 nm × 1 µm, então uma célula inteira teria apenas cerca de 2E10 átomos
Será que seria possível congelar a célula inteira e então remover os átomos um por um com um feixe de elétrons, identificando-os pela massa?
Mas é absurdamente cara e, na prática, o que normalmente se consegue identificar é no nível de proteínas inteiras. Ainda assim, o fato de poder vê-las em contexto é algo enorme
Também há a questão de qual resolução é significativa e qual ramificação de qual processo você quer acompanhar
A estratégia de girar aleatoriamente e depois seguir em linha reta lembra um pouco a lógica do Roomba de primeira geração
A seção “How did we figure all this stuff out?”, no final, é realmente impressionante
A invariância de escala da natureza também aparece claramente aqui. As células são “pequenas” em comparação com a escala humana, mas são tão complexas quanto qualquer máquina existente na escala humana. Na natureza, não existe pequeno ou grande em termos absolutos
Experimentos in silico podem ser subestimados por quem está fora da área. Fica claro como o aumento da capacidade computacional transformou esse campo e continuará transformando. Passar de cutucar moléculas aleatórias ou cultivar coisas perigosas em placas de Petri para simulações rápidas em computador baseadas em DNA é um grande salto na velocidade de aprendizado
Também há limites físicos à escala. Há um limite para o peso que os ossos conseguem sustentar, e processos químicos também sofrem restrições, como, por exemplo, a taxa máxima de dissipação de energia