Allt liv på jorden utför beräkningar – och alla beräkningar kräver energi. Från encelliga amöbor till flercelliga organismer som människor, en av de mest grundläggande biologiska beräkningarna som är vanliga i livet är översättning:bearbetning av information från ett genom och skrivning av det till proteiner.

Översättning, det visar sig, är mycket effektiv.

I en ny artikel publicerad i tidskriften Philosophical Transactions of the Royal Society A , SFI-forskare utforskar översättningens termodynamiska effektivitet. Verket är en del av ett temanummer med titeln "Re-conceptualizing the origins of life."

För att förstå hur livet utvecklades på jorden, vi måste först förstå de begränsningar som biologiska system har ställts inför över tid. En begränsning som inte har utforskats brett är hur termodynamikens lagar begränsar biologisk funktion, och om naturligt urval gynnar organismer med högre beräkningseffektivitet.

För att upptäcka hur effektiv översättning är, forskarna började med Landauer's Bound. Detta är en princip för termodynamik som fastställer den minsta mängd energi som en fysisk process behöver för att utföra en beräkning.

"Vad vi fann är att biologisk översättning är ungefär 20 gånger mindre effektiv än den absolut nedre fysiska gränsen, " säger huvudförfattaren Christopher Kempes, en SFI Omidyar Fellow. "Och det är ungefär 100, 000 gånger effektivare än en dator." DNA-replikation, en annan grundläggande beräkning som är vanlig i livet, är cirka 165 gånger värre än Landauer's Bound. "Det är inte lika effektivt som biologisk översättning, men ändå fantastiskt bra jämfört med datorer."

Uppskalning för att beräkna den termodynamiska effektiviteten för biologiska beräkningar på högre nivå som tanke, och att förstå hur viktig effektivitet är för naturligt urval, erbjuda utmanande frågor för vidare forskning.

"I sista hand, vi vill koppla allt detta med datavetenskapsteori, " säger professor David Wolpert, en medförfattare, "inte bara för att utnyttja den här typen av saker för datavetenskap, men också för att se om datavetenskapsteorin har något att berätta om celler."