摘要好牛优配
在我们的生物圈中，生命出现的过程涉及若干关键事件，这些事件使得分子系统得以持续存在、自我复制和进化。所有这些过程都在特定的环境背景下发生，并且需要分子多样性以及恰当的非平衡条件，以维持并促进能够通过自然选择进化的复杂自维持分子网络。生命是一种在多个方面有别于非生命的过程，不能简化为标准的化学反应。此外，达到更高的复杂性水平需要新事物的出现。这是如何发生的呢？在此，我们回顾了与生命早期起源相关的不同案例研究，从相变和分岔的角度出发，将对称性破缺和渗流作为两个核心要素。我们讨论了一些简单的模型，这些模型有助于理解生命起源的关键步骤，例如分子手性、向第一批复制子（replicators）和合作子（cooperators）的转变、错误阈值和信息丢失的问题，以及作为生命出现基础的“无秩序”（order for free）的潜力。
关键词：生命起源，相变，分岔，对称性破缺，渗流，准物种（quasispecies），超循环（hypercycles）、分子手性
论文题目：Bifurcations and Phase Transitions in the Origins of Life 发表时间：2025年4月14日 论文地址：https://arxiv.org/abs/2504.08492
生命的起源是科学史上最深刻的谜题之一。从非生命物质到活细胞的转变需要一系列关键事件：分子多样性的产生、自我维持的化学反应网络，以及自然选择驱动的演化能力。然而，这些过程如何在早期地球的混沌环境中涌现？最新研究提出，相变（phase transitions）和分岔（bifurcations）的数学框架，可能是解开生命起源之谜的钥匙。近期，一篇预印本综述论文，通过对称性破缺、渗流等物理概念，揭示生命起源中分子手性、复制子演化、自催化循环等关键步骤的普适规律。
相变建模：从统计物理到分岔理论
相变是物质状态的根本转变，如水结冰或磁体失磁。统计物理学通过伊辛模型（Ising model）描述这类现象：微观单元（如原子自旋）的局域相互作用，在临界温度下引发宏观有序态（如磁化）。有趣的是，这种相变可通过平均场理论简化为低维动力系统，例如磁化强度M随温度变化的方程：
当温度 T 低于临界值 Tc ，系统自发选择两种对称有序态之一（磁化向上或向下），即对称性破缺。这种路径依赖的偶然性，与生命起源中分子手性的单向选择高度相似。
图 1. 动力系统中分岔的相变。
手性对称性破缺：生命的左手与右手
生物分子（如氨基酸和糖）普遍具有单一手性（L型或D型），但化学合成通常产生等量混合物。如何打破对称性？弗兰克模型（Frank model）给出了答案：假设两种手性分子 x1 = [D] 和 x2 = [L] 能催化自身合成并抑制对方，其动力学方程：
x2的解与其对称，三个固定点分别是0，1和0.5。其中中间态（x=0.5）不稳定，系统必然偏向某一手性。这一过程与磁体相变类似，微小扰动（如陨石携带的L型氨基酸偏倚）即可被非线性效应放大，形成“冻结的偶然事件”。
图 2.对称性破缺和同手性的起源。
复制子与准物种：错误阈值的生存游戏
RNA等复制分子面临错误阈值（error threshold）难题：突变率过高会导致信息丢失。准物种模型（quasispecies model）揭示，复制子的最大基因组长度(ν)与突变率满足（μb），其中α为尺度因子：
当突变率超过临界值，主序列消失，种群陷入“遗传漂变”（图3）。实验证实，RNA病毒（如Qβ噬菌体）的突变率恰好接近此阈值，在演化可塑性与稳定性间走钢丝。
图 3. 突变自复制系统的错误阈值。
自催化与渗流：循环网络的涌现
单一复制子难以突破复杂度极限，而超循环（hypercycles）通过合作打破瓶颈。例如，两分子相互催化时，有动力学方程：
其中x1，x2是它们的相对丰度，在催化强度(Γ)超过竞争效应时，系统从“赢家通吃”转为共存相。类似地，渗流理论（percolation）表明，随机化学反应网络在连接度达到临界值时，必然涌现自催化循环（如甲醛聚糖反应），为原始代谢提供基石。
相变视角下的生命起源：必然还是偶然？
生命起源的三大里程碑——手性均一化、信息稳定传递、代谢网络形成，均可视为动力学相变。这些临界点既受物理定律约束，又依赖种种历史偶然性。这可能提示我们，生命的出现并非“奇迹”，而是复杂系统在非平衡条件下自发有序化的必然结果。
彭晨| 编译
生命复杂性读书会：
生命复杂系统的构成原理
在生物学中心法则的起点，基因作为生命复杂系统的遗传信息载体，在生命周期内稳定存在；而位于中心法则末端的蛋白质，其组织构成和时空变化的复杂性呈指数式增长。随着分子生物学数十年来的突飞猛进，尤其是生命组学（基因组学、转录组学、蛋白质组学和代谢组学等的集合）等领域的日新月异，当代生命科学临近爆发的边缘。如此海量的数据如何帮助我们揭示宇宙中最复杂的物质系统——“人体”的构成原理和设计原理？阐释人类发育、衰老和重大疾病的发生机制？
集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰，国家蛋白质科学中心（北京）副研究员常乘、李杨，香港浸会大学助理教授唐乾元，北京大学前沿交叉学科研究院研究员林一瀚，中国科学院分子细胞科学卓越创新中心博士后唐诗婕，共同发起，从微观细胞尺度、介观组织器官尺度到宏观人体尺度，梳理生命科学领域中的重要问题及重要数据，由生物学家提问，希望促进统计物理、机器学习方法研究者和生命科学研究者之间的深度交流，建立跨学科合作关系，激发新的研究思路和合作项目。读书会目前共进行10期，现在报名参与读书会可以加入读书会社群，观看视频回放，解锁完整读书会权限。
详情请见：
非平衡统计物理读书会启动！
2024年诺贝尔物理学奖授予人工神经网络，这是一场统计物理引发的机器学习革命。统计物理学不仅能解释热学现象，还能帮助我们理解从微观粒子到宏观宇宙的各个层级如何联系起来，复杂现象如何涌现。它通过研究大量粒子的集体行为，成功地将微观世界的随机性与宏观世界的确定性联系起来，为我们理解自然界提供了强大的工具，也为机器学习和人工智能领域的发展提供了重要推动力。
为了深入探索统计物理前沿进展，集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰、纽约州立大学石溪分校化学和物理学系教授汪劲、德累斯顿系统生物学中心博士后研究员梁师翎、香港浸会大学物理系助理教授唐乾元，以及多位国内外知名学者共同发起。读书会旨在探讨统计物理学的最新理论突破，统计物理在复杂系统和生命科学中的应用，以及与机器学习等前沿领域的交叉研究。读书会从12月12日开始，每周四晚20:00-22:00进行，持续时间预计12周。我们诚挚邀请各位朋友参与讨论交流，一起探索爱因斯坦眼中的普适理论！
详情请见：
1.
2.
3.
4.
5.
6.
嘉正网官网提示：文章来自网络，不代表本站观点。
沪深京指数
热点资讯
推荐资讯
