[论文解读] Do biological molecular machines act as Maxwell's demons?

Michał Kurzyński, Przemysław Chełminiak|arXiv (Cornell University)|Dec 12, 2014

Advanced Thermodynamics and Statistical Mechanics参考文献 9被引用 3

一句话总结

本文研究生物分子机器（如酶）是否可通过利用信息和熵减少来实现自由能转换，从而充当麦克斯韦妖。通过在临界复杂网络上的蛋白质动力学随机模型，研究发现：在瞬态过程中熵的减少可实现信息的生成与组织化，表明生物机器可能并非通过做功，而是通过信息处理和减少能量损耗来充当麦克斯韦妖。

ABSTRACT

The nanoscopic isothermal machines are not only energy but also information transducers. We show that the generalized fluctuation theorem with information creation and entropy reduction can be fulfilled for the enzymatic molecular machines with the stochastic dynamics, which offers a choice of the work performance in a variety of ways. A model of such dynamics, specified by a critical complex network, is investigated. The main conclusion of the study is that the processing of free energy has to be distinguished from the processing of organization, which we identify with an adequately defined thermodynamic variable. Maxwell's demon utilizes entropy reduction for creation of information, which, from the former point of view, may be used for a reduction of energy losses, hence ultimately, for the performance of work. From the latter point of view, however, it can be used for other purposes, for example molecular recognition. This can be the case of biological molecular machines. From the biological perspective, the ascertainment is important, that the information creation and storage take place in the long lasting transient stages before completing the free energy transduction cycles. From a broader physical perspective, a supposition could be of special importance, that information is a change of organization, the thermodynamic function of state of the system.

研究动机与目标

• 确定生物分子机器是否可通过熵减少和信息处理来充当麦克斯韦妖。
• 区分等温非平衡系统中自由能转换与组织化转换。
• 研究瞬态长寿命态在能量转换循环中信息与组织化生成中的作用。
• 利用临界复杂网络建模蛋白质机器的随机动力学，以评估熵减少与信息增益发生的条件。
• 探讨组织化作为与能量和熵不同的独立热力学状态变量的热力学意义。

提出的方法

• 在等温介观系统中，形式化包含信息生成与熵减少的广义涨落定理。
• 将蛋白质分子机器建模为在临界复杂网络结构上具有马尔可夫动力学的随机网络。
• 使用分枝树状网络的计算机模型模拟系统，以分析瞬态状态与熵-信息动力学。
• 将组织化定义为与自由能和束缚能不同的热力学变量，其与熵减少和信息生成相关。
• 分析耦合度（ε）与传输比（n）之间的关系，以评估零成本信息处理的条件。
• 应用兰道尔原理，以解释信息处理循环中记忆擦除过程的熵产生。

实验结果

研究问题

• RQ1 生物分子机器是否可通过信息处理减少熵，从而充当麦克斯韦妖？
• RQ2 瞬态长寿命态在自由能转换过程中信息与组织化生成中起什么作用？
• RQ3 在随机蛋白质动力学中，耦合度（ε）与传输比（n）之间有何关系？这对能量效率有何含义？
• RQ4 在等温系统中，组织化如何作为与自由能和熵不同的独立热力学变量？
• RQ5 在何种条件下，信息生成可导致能量耗散减少而不做净功？

主要发现

• 在酶分子机器的随机模型中，包含信息生成与熵减少的广义涨落定理得以满足。
• 熵减少与信息生成发生在自由能转换循环完成前的长期瞬态阶段。
• 本研究将组织化识别为与自由能和熵不同的热力学变量，且信息等价于组织化的变化。
• 发现耦合度与传输比之间存在关系 ε < n，表明在特定条件下可最小化能量耗散。
• 模型表明，信息处理可在不必然做功的情况下减少能量损耗，支持生物机器以信息处理方式充当麦克斯韦妖的观点。
• 结果表明，二聚体或更高阶的蛋白质结构可能在进化中被偏好，以实现通过信息生成完全补偿熵产生，从而实现零成本运行。