Ett team av forskare vid Gran Sasso Science Institute (GSSI) och Istituto Italiano di Technologia (IIT) har tagit fram ett matematiskt tillvägagångssätt för att förstå kommunikation inom växter. I deras tidning, förpublicerad på bioRxiv, de föreslår ett helt kopplat system av icke-linjära, icke-autonoma diskontinuerliga och vanliga differentialekvationer som exakt kan beskriva anpassningsbeteendet och tillväxten hos en enskild växt, genom att analysera de huvudsakliga stimuli som påverkar växternas beteende.

Nyligen genomförda studier har funnit att snarare än att vara passiva organismer, växter kan faktiskt uppvisa komplexa beteenden som svar på miljöstimuli, till exempel, anpassa sin resursallokering, födosöksstrategier, och tillväxthastigheter beroende på omgivningen. Hur växter bearbetar och hanterar detta nätverk av stimuli, dock, är en komplex biologisk fråga som förblir obesvarad.

Forskare har föreslagit flera matematiska modeller för att uppnå en bättre förståelse av växternas beteende. Ändå, ingen av dessa modeller kan effektivt och tydligt skildra komplexiteten i stimulus-signal-beteendekedjan i samband med en anläggnings interna kommunikationsnätverk.

Teamet av forskare vid GSSI och IIT som genomförde den senaste studien hade tidigare undersökt mekanismerna bakom kommunikation inom anläggningen, med syftet att identifiera och utnyttja grundläggande biologiska principer för analys av växtrotsbeteende. Deras tidigare arbete analyserade robotrötter i en simulerad miljö, översätta en uppsättning biologiska regler till algoritmiska lösningar.

Även om varje rot agerade oberoende av de andra, forskarna observerade uppkomsten av något självorganiserande beteende, syftar till att optimera den inre jämvikten av näringsämnen på hela växtnivå. Även om den här tidigare studien gav intressanta resultat, den betraktade bara en liten del av komplexiteten i kommunikation inom anläggningen, helt bortse från analysen av ovanjordiska organ, samt fotosyntesrelaterade processer.

"I det här pappret, vi strävar inte efter att få en fullständig beskrivning av anläggningens komplexitet, ändå vill vi identifiera de viktigaste signalerna som påverkar tillväxten av en växt i syfte att undersöka de processer som spelar en roll i intrakommunikationen för växttillväxtbeslut, " skrev forskarna i sin senaste artikel. "Vi föreslår och förklarar här ett system av vanliga differentialekvationer (ODEs) som, skiljer sig från toppmoderna modeller, ta hänsyn till hela sekvensen av processer från näringsupptag, fotosyntes och energiförbrukning och omfördelning."

I den nya studien, därför, forskarna satte sig för att utveckla en matematisk modell som beskriver dynamiken i kommunikation inom växten och analyserar möjliga signaler som aktiverar adaptiva tillväxtsvar i en enda växt. Denna modell är baserad på formuleringar om biologiska bevis som samlats in i laboratorieexperiment med hjälp av den senaste tekniken.

Jämfört med befintliga modeller, deras modell täcker ett bredare utbud av element, inklusive fotosyntes, stärkelsenedbrytning, upptag och hantering av flera näringsämnen, tilldelning av biomassa, och underhåll. Dessa element analyseras på djupet, med tanke på deras interaktioner och deras effekter på en växts tillväxt.

För att validera deras modell och testa dess robusthet, forskarna jämförde experimentella observationer av växtbeteende med resultat som erhölls när de använde sin modell i simuleringar, där de reproducerade tillväxtförhållanden liknande de som förekommer naturligt hos växter. Deras modell uppnådde hög noggrannhet och mindre fel, vilket tyder på att det effektivt kan sammanfatta den komplexa dynamiken i kommunikation inom anläggningen.

"Modellen kan i slutändan belysa stimulanssignalen för intrakommunikationen i växter, och det kan utökas och användas som ett användbart verktyg vid korsningen av discipliner som matematik, robotik och biologi, till exempel, för validering av biologiska hypoteser, översättning av biologiska principer till kontrollstrategier eller lösning av kombinatoriska problem, " sa forskarna i sin uppsats.

© 2019 Science X Network