Границы производства информации в системах репликаторов

Как простые молекулы могут «использовать» информацию

Жизнь опирается на использование подсказок из меняющейся среды, но мы обычно представляем себе, что для этого нужны сложные клетки с генами и сенсорными механизмами. В этой статье поставлен более фундаментальный вопрос: могут ли примитивные химические репликаторы — простые молекулы, копирующие себя — также «использовать» информацию из окружения в осмысленном смысле? Изучая крошечные системы репликаторов в поточных реакторах, авторы показывают, что даже очень простые химические сети фактически могут делать ставки на будущие условия среды и получать от этого преимущество в производительности.

Химический мир, который никогда не стоит на месте

Исследование начинается с упрощённой картины маленького пруда или лабораторного реактора, где разные типы самокопирующихся молекул конкурируют за общий ресурс. Окружающая среда меняется со временем, например чередуясь между сильным и слабым освещением. В «активные» фазы поступает свежий ресурс, молекулы реплицируются и часть вымывается из реактора. В «неактивные» фазы поток останавливается, и молекулы могут перераспределять свою массу между типами через медленные обменные реакции. Ключевая величина, которую отслеживают авторы, — продуктивность: сколько материала репликаторов покидает реактор в единицу времени, что можно рассматривать как простой показатель эволюционного успеха.

Разложение продуктивности на информационные составляющие

Используя эту схему, авторы выводят математическое выражение, которое разъединяет среднюю продуктивность на несколько концептуально прозрачных частей. Одна часть отражает продуктивность в условиях фиксированной среды, когда всегда доминирует наилучший тип репликатора. Вторая часть захватывает неизбежную цену незнания наперёд того, какая среда появится следующей — это связано с тем, насколько непредсказуем победитель в разных условиях. Третья часть представляет ценность «побочной информации», помогающей предугадать следующую среду, а последняя часть измеряет, насколько фактическая смесь типов репликаторов в начале каждой активной фазы соответствует теоретически оптимальной смеси для использования этой информации. Эта последняя составляющая — единственная, зависящая от внутренней стратегии системы.

Стратегии, память и неожиданный фора

В модели стратегия — это просто схема начальных пропорций каждого типа репликатора перед началом активной фазы. Удивительно, что стратегия, максимизирующая долгосрочную продуктивность, не всегда отдаёт приоритет самому быстрорастущему типу. Когда среда иногда благоприятствует более медленному репликатору, оптимальная стратегия даёт этому медленному типу «фору» — больший начальный долевой вес — чтобы ему хватило времени вырасти до высокой продуктивности до следующей смены условий. Авторы также показывают, что приросты продуктивности от использования побочной информации подчиняются чётким универсальным границам: выгода прямо пропорциональна стандартной информационно-теоретической величине, измеряющей, насколько побочная информация уменьшает неопределённость относительно того, кто окажется победителем.

От абстрактной теории к реальным молекулярным репликаторам

Чтобы связать теорию с экспериментом, авторы применяют свою рамку к реальной химической системе, разработанной другими исследователями: двум синтетическим молекулярным репликаторам, которые растут под воздействием света. Один тип работает лучше при слабом освещении, другой — при сильном, и в темноте они могут медленно обмениваться материалом. Среда чередует освещённые «активные» фазы и тёмные «неактивные» фазы, при этом последовательность слабого и сильного света имеет временные корреляции (например, яркие дни с большей вероятностью следуют за яркими днями). В этой системе тёмные интервалы действуют как встроенная память: медленный обмен в период неактивности корректирует соотношение двух репликаторов в зависимости от того, каким было предыдущее световое условие, тем самым кодируя информацию о недавнем прошлом в начальном состоянии следующей активной фазы. В зависимости от скорости этого обмена и его смещения в пользу одного из репликаторов система может либо использовать эту память, либо растрачивать её.

Почему это важно для происхождения жизни

Авторы приходят к выводу, что простые сети репликаторов могут, в точном и измеримом смысле, использовать функциональную информацию: статистические корреляции со средой, улучшающие чёткий показатель эффективности, здесь — продуктивность. Они показывают, как неопределённость среды, побочная информация и несовершенные стратегии вносят вклад в приросты или потери выхода, и предлагают конкретные эксперименты с молекулярными репликаторами, управляемыми светом, для выявления этих эффектов. Для непрофессионала ключевой вывод таков: осмысленная обработка информации может не требовать геномов, клеток или мозгов. Вместо этого она может возникать естественным образом всякий раз, когда даже очень простые химические системы многократно подвергаются меняющимся условиям и имеют возможность реорганизоваться между фазами роста.

Цитирование: Piñero, J., Sowinski, D.R., Ghoshal, G. et al. Information bounds production in replicator systems. Commun Phys 9, 120 (2026). https://doi.org/10.1038/s42005-026-02527-5

Ключевые слова: молекулярные репликаторы, флуктурирующие среды, функциональная информация, происхождение жизни, поточные реакторы