DOI: https://doi.org/10.1103/6wcm-z333
تاريخ النشر: 2026-02-20
المؤلف: Yanathip Thipmaungprom وآخرون
الموضوع الرئيسي: الديناميكا الحرارية المتقدمة والميكانيكا الإحصائية
نظرة عامة
في هذا القسم، يقوم المؤلفون بالتحقيق في دور خلايا الشعر في الفقاريات، مع التركيز بشكل خاص على عضياتها الحساسة للميكانيكا، وهي حزم الشعر، التي تعتبر حاسمة للسمع والتوازن. يقترحون نظرية حرارية عشوائية لتحليل ديناميات الطاقة داخل حزمة الشعر المدفوعة بشكل دوري. تشير نتائجهم إلى أن حزم الشعر تعمل كآلات تحويل العمل إلى عمل حراري، تعمل تحت وضعين متميزين: أحدهما ينقل الطاقة من إشارة خارجية إلى الخلية والآخر يسمح للخلية بجمع الطاقة من المحفز الخارجي. يُقترح أن تمثل هذه الأوضاع الخصائص الحرارية لدراسة الإشارات وتعزيزها، على التوالي.
علاوة على ذلك، يكشف النموذج أن حزم الشعر يمكن أن تعمل أيضًا كمدافئ، وتحت ظروف معينة، كبرادات تغذية نشطة، تستخدم قوى دفع خارجية. يقوم المؤلفون بتحديد أداء هذه التحويلات من العمل إلى العمل، موضحين أن كفاءة حزم الشعر يمكن أن تتجاوز 80% من الطاقة المطبقة في ظل ظروف معينة. توفر هذه الأبحاث رؤى حول الآليات الطاقية التي تكمن وراء وظيفة خلايا الشعر، مما يعزز فهمنا لأدوارها المزدوجة في معالجة الإشارات وتعزيزها.
الطرق
في هذا القسم، يصف المؤلفون منهجيتهم لتناسب بيانات السلاسل الزمنية التجريبية باستخدام الاستدلال القائم على المحاكاة (SBI). تتضمن الطريقة ثلاث مراحل رئيسية: محاكاة النموذج، التدريب، والاستدلال، معتمدة على نموذج فيزيائي محدد بواسطة المعادلات [S13] و [S14]. يقومون بإنشاء نطاق معقول من المعلمات لنموذجهم بناءً على الأدبيات المنشورة سابقًا، مع تعديل هذه القيم لتناسب سياقهم المحدد. يتم تلخيص نطاقات المعلمات في الجداول S1 إلى S5، مع إيلاء اهتمام خاص لضمان تلبية شروط معينة، مثل $c_0 < 0$، ضمن الأنظمة التذبذبية المحددة في تحليلهم الديناميكي. لتحسين الكفاءة الحسابية، يقوم المؤلفون بتضييق نطاقات المعلمات بناءً على التحليل السابق ويستخدمون طريقة إيتو-أويلر للمحاكاة، باستخدام خطوة زمنية منفصلة قدرها $dt = 10 \, \mu s$. يقومون بمحاكاة المسارات لكل مجموعة من المعلمات، متجاهلين فترات الاحتراق الأولية للتركيز على التذبذبات في الحالة المستقرة. تشمل إحصائيات الملخص المستخرجة من هذه المحاكاة كثافة الطيف الطاقي، والقيم المتوسطة، والانحرافات المعيارية، والتي تُستخدم بعد ذلك لتعلم توزيع المعلمات الخلفية من خلال مُقدّر خلفي عصبي متسلسل. تتضمن مرحلة الاستدلال تعظيم الاحتمالية الخلفية لتقدير القيم المثلى للمعلمات وعدم اليقين المرتبط بها، باستخدام مصفوفة معلومات بايزي تجريبية لتحديد عدم اليقين المرتبط بالمعلمات المقدرة.
المناقشة
تناقش الأبحاث الديناميات النشطة غير الخطية لتذبذبات حزم الشعر، مع التركيز بشكل خاص على الأنظمة الحرارية التي تنشأ من التفاعل بين التكيف النشط الداخلي والقوى الدافعة الدورية الخارجية. تستخدم الدراسة نموذج مذبذب فان der Pol-Duffing المخفي لوصف موضع حزمة الشعر واستجابتها للمحفزات الخارجية. تم تحديد أربعة أنظمة حرارية متميزة: نظام المدافئ، نظام البرادات، ووضعين لتحويل العمل (العمل المباشر إلى العمل والعودة العكسية للعمل). يعمل نظام المدافئ تحت تذبذبات عفوية، بينما يُلاحظ نظام البرادات عند ترددات منخفضة وسعات عالية، مما يسمح للنظام بتعزيز الإشارات الضعيفة بشكل انتقائي. يقوم وضع تحويل العمل المباشر بجمع الطاقة بكفاءة من الإشارات الخارجية، بينما يقوم الوضع العكسي بتوجيه الطاقة النشطة مرة أخرى إلى الإشارة.
تشير النتائج إلى أن حزم الشعر يمكن أن تعمل كمحوّلات طاقة، معززة الإشارات من خلال ترددات وسعات محددة، وأن كفاءتها تتأثر بالقرب من انقسام هوف. تبرز الدراسة الإمكانية لخلايا الشعر لتحسين قدراتها في التعزيز والاستشعار من خلال الاستفادة من هذه الأنظمة الديناميكية، التي يمكن ضبطها بواسطة عمليات نشطة إضافية داخل الخلايا. بشكل عام، توفر الأبحاث رؤى حول السلوك الحراري لحزم الشعر، مما يشير إلى تداعيات لجمع الطاقة ومعالجة الإشارات في الأنظمة البيولوجية.
DOI: https://doi.org/10.1103/6wcm-z333
Publication Date: 2026-02-20
Author(s): Yanathip Thipmaungprom et al.
Primary Topic: Advanced Thermodynamics and Statistical Mechanics
Overview
In this section, the authors investigate the role of hair cells in vertebrates, specifically focusing on their mechanosensitive organelles, the hair bundles, which are crucial for hearing and balance. They propose a stochastic thermodynamic theory to analyze the energy dynamics within a periodically-driven hair bundle. Their findings indicate that hair bundles function as thermodynamic work-to-work machines, operating under two distinct modes: one that transduces power from an external signal into the cell and another that allows the cell to harvest energy from the external stimulus. These modes are suggested to represent the thermodynamic characteristics of signal sensing and amplification, respectively.
Furthermore, the model reveals that hair bundles can also act as heaters and, under certain conditions, as active feedback refrigerators, utilizing external driving forces. The authors quantify the performance of these work-to-work conversions, demonstrating that the efficiency of hair bundles can exceed 80% of the applied power under specific circumstances. This research provides insights into the energetic mechanisms underlying the functionality of hair cells, enhancing our understanding of their dual roles in sensory processing and amplification.
Methods
In this section, the authors describe their methodology for fitting experimental time series data using simulation-based inference (SBI). The approach involves three key stages: model simulations, training, and inference, relying on a physical model defined by equations [S13] and [S14]. They establish a plausible range of parameters for their model based on previously published literature, adapting these values to their specific context. The parameter ranges are summarized in Tables S1 to S5, with particular attention to ensuring that certain conditions, such as $c_0 < 0$, are met within the oscillatory regimes identified in their dynamical analysis. To optimize computational efficiency, the authors narrow the parameter ranges based on prior analysis and employ the Ito-Euler method for simulations, using a discrete time step of $dt = 10 \, \mu s$. They simulate trajectories for each set of parameters, discarding initial burn-in periods to focus on steady-state oscillations. The summary statistics extracted from these simulations include power spectral density, average values, and standard deviations, which are then used to learn the posterior distribution of parameters through a sequential neural posterior estimator. The inference stage involves maximizing the posterior probability to estimate optimal parameter values and their uncertainties, employing an empirical Bayesian information matrix to quantify the uncertainties associated with the estimated parameters.
Discussion
The research discusses the nonlinear active dynamics of hair bundle oscillations, particularly focusing on the thermodynamic regimes that arise from the interplay between internal active adaptation and external periodic driving forces. The study employs a hidden Van der Pol-Duffing oscillator model to describe the hair bundle’s position and its response to external stimuli. Four distinct thermodynamic regimes are identified: a heater regime, a refrigerator regime, and two work transduction modes (direct work-to-work and reverse work-to-work). The heater regime operates under spontaneous oscillations, while the refrigerator regime is observed at low frequencies and high amplitudes, allowing the system to selectively amplify weak signals. The direct work transduction mode efficiently harvests energy from external signals, whereas the reverse mode channels active power back into the signal.
The findings suggest that hair bundles can function as energy transducers, amplifying signals through specific frequencies and amplitudes, and that their efficiency is influenced by the proximity to a Hopf bifurcation. The study highlights the potential for hair cells to optimize their amplification and sensing capabilities by leveraging these dynamical regimes, which may be fine-tuned by additional active processes within the cells. Overall, the research provides insights into the thermodynamic behavior of hair bundles, suggesting implications for energy harvesting and signal processing in biological systems.