持续刺激下，细菌为什么会恢复原来的响应？

现象与问题

把细菌放进一种吸引物浓度突然升高、随后保持不变的环境，它的趋化通路会先作出响应，然后逐渐回到接近刺激前的水平。这里要解释的不是细菌“习惯了”，而是：外部输入还在，内部输出为什么不一直偏离原位？

这种现象叫适应。它不同于跨世代的进化适应，也不意味着细菌停止感知。恢复工作水平，恰恰给之后的新变化留下了响应空间。本文聚焦大肠杆菌的受体适应环；游动行为、马达响应和受体激酶活性是相关但不同的输出，不将它们当成同一个读数。1

先固定三个比较量：刺激后的初始变化有多大，最终恢复到哪里，需要多长时间。一个系统可以恢复得准确却很慢，也可以快速响应但恢复不完整。只说“适应能力强”会把三件事混在一起。

一次响应怎样发生

在这条通路中，受体与 CheA 激酶等蛋白形成信号单元。吸引物结合后，CheA 活性下降，磷酸化的 CheY 减少，翻滚倾向随之下降；细菌因此更可能延长正在进行的直行。这是一条快速的响应通路。1

较慢的变化发生在受体的化学修饰上。CheR 添加甲基，CheB 移除甲基；修饰程度会改变受体活性。受体较不活跃时，净甲基化能够增加，逐渐抵消持续吸引物的作用。输出恢复了，但内部的修饰状态已经改变：相同输出不代表系统回到了相同的内部状态。4

这给“记忆”一个具体含义：当前修饰状态保留了之前环境的影响。这里没有一个单独存储过去浓度的记忆器件，历史被保存在反应网络持续改变的状态变量里。新的刺激会作用在这个已经调整过的网络上。

为什么反馈能让输出复位

Yi 等把 Barkai–Leibler 趋化模型中的适应结构解释为积分反馈，并明确列出了它依赖的生化条件。直觉是：只要输出还偏离目标，一个内部变量就继续变化，直到它把偏差抵消。控制论上的关键是这个累积过程，而不只是画面中有一个“反馈环”。1

用一个自选参数的最小模型把这一点走完。令 $a$ 表示输出活性，$m$ 表示缓慢变化的内部记忆，$\ell$ 表示刺激强度。取：

$$a=\frac{1}{1+\exp(\ell-m)},\qquad \frac{dm}{dt}=k(a_0-a).$$

刺激 $\ell$ 突然升高时，$m$ 还来不及变化，因此 $a$ 先下降。此时 $a_0-a>0$，所以 $m$ 增加；而 $m$ 增加又会把 $a$ 推高。这正是反向补偿。

只要系统到达稳定平衡，且内部记忆能继续调整，$dm/dt=0$ 就要求 $a=a_0$。目标输出不依赖当前的恒定刺激；不同刺激主要由不同的稳态 $m$ 来补偿。在这个模型中，$\partial a/\partial m>0$，所以平衡点附近的反馈方向也是稳定的。

这不是原论文的逐参数复现。 它把快活性近似成记忆和刺激的即时函数，忽略了受体聚集、有限修饰位点、分子噪声、运动反馈及具体反应速率。它只解释“偏差持续驱动记忆变化”为什么会产生稳态复位。

计算采用相同的两次阶跃输入。目标活性设为 0.5，完整反馈在模拟末尾回到约 0.5000；较慢反馈当时为约 0.4954，仍在接近目标。若把内部记忆冻结，输出停在约 0.1192。再加一项持续泄漏 $-\lambda m$，末尾输出约 0.3448，平衡条件已不再强制 $a=a_0$。

这些数值是本篇示意计算，不是细菌实验结果。代码、输入和输出分别保存在 research/calculations/chemotaxis_adaptation.py、计算说明和完整数据。它们说明反馈结构怎样影响结果，不提供生物系统的时间或浓度预测。

恢复曲线为什么还不够确定机制

还存在另一种能产生“先变、后回”的路线：同一输入同时激活两条支路，一条快速促进输出，另一条较慢抑制输出。两条支路在稳态相互补偿，输出也可能恢复。这通常称为非一致前馈。

Ma 等在其研究的三节点酶网络模型与参数搜索范围内，发现稳健适应解集中于带缓冲节点的负反馈和带比例节点的非一致前馈两类核心拓扑。这不是对所有生物网络的完整分类，也不能只据恢复曲线断定实际分子连接。3

这里比较的是可以通过分子干预区分的连接方式。某种模型在数学上可否重新写成包含积分变量的形式，是另一层问题；改变坐标并不会自动新增一条真实分子通路。

因此，可靠的机制解释应将响应曲线、反应网络与干预证据放在一起。单个基因缺失让适应变差，也要排除它同时损坏了整个通路的可能性。一个机制能画出正确曲线，是开始，不是终点。

实验支持了什么，又在哪里出现边界

鲁棒的是哪一个量

Alon 等系统改变趋化蛋白的细胞内浓度，比较响应和适应。他们报告：一些稳态行为和适应时间随蛋白浓度明显变化，而适应精度相对稳健。这支持网络结构具有作用，不能读成所有菌株的基线、速度和行为都一样。2

更准确的说法是：在研究覆盖的条件中，系统往往能回到自己的刺激前水平。一个参数改变了目标水平，与它破坏恒定刺激下的复位能力，是两件不同的事。本篇最小模型只改变反馈速度、保持目标值不变，也没有模拟所有蛋白浓度扰动。

修饰能力有限，恢复就可能不完整

Neumann 等用 FRET 读出趋化通路活性的代理量，在不同吸引物和浓度下发现适应精度会下降；结果与受体可用甲基化位点逐渐饱和的解释相符。不同配体的浓度范围并不相同，因此不能给所有刺激套一个共同阈值。4

这一边界正好对应最小模型隐含的一个假设：为了抵消更强输入，内部变量必须还能继续调整。真实受体只有有限修饰能力；当补偿空间不足时，输入仍在，输出便留下偏差。

该研究还将细胞实验与运动模型区分开：关于不精确适应如何影响沿梯度漂移、如何影响在峰值附近聚集的结果包含计算模拟。**受体响应恢复得不完美，不等于一切导航行为立刻失效。**功能后果需要另一个层次的证据。4

维持调整需要资源

持续恢复工作状态并不代表反应网络已经停止活动。Lan 等在随机适应模型中分析了耗散、速度与精度的关系，并报告趋化系统在逐渐失去能量供应时可能先表现为适应变慢，而精度仍能保持。这提示应把“维持目标”与“多快恢复”分开比较。5

本篇的确定性最小模型没有化学自由能或分子涨落，所以不能从曲线算出能耗下界，也不能把模型中无代价的变量变化当作细胞中无代价的调节。

改变条件后，我们应当看到什么

由上面的机制可以提出几项有边界的预期，而不是把“适应”当作任何环境下都成立的标签：

• 冻结修饰状态：若受体修饰是主要补偿通路，持续刺激后的恢复应显著受损；但马达层的其他调节可能影响行为读出，不能只看是否还会游动。
• 改变反馈速率而不改变目标关系：可主要改变恢复时间；若参数同时改变了平衡条件，基线也可以移动。
• 把刺激推到修饰范围之外：恢复可能留下误差；这不直接否定范围内的反馈解释。
• 让刺激变化得比适应更快：慢变量来不及完全跟随，输出会持续呈现动态响应；它与恒定阶跃下的稳态问题不同。
• 增加泄漏或减少可用能量：可能改变恢复精度或速度，具体方向需要对应的分子模型与实验，不能从“有噪声”三个字统一推出。

这些预期的共同价值，是告诉我们下一项测量应放在哪里：输出在哪一层、内部变量有没有跟着变化、干预是否只作用于目标环节。

我们现在理解到哪里

在大肠杆菌趋化的经典研究框架中，快速信号变化与缓慢受体修饰构成了一条有具体分子实现的适应机制。积分反馈揭示了其中一个重要结构：只要偏差仍驱动内部状态变化，稳定平衡就能要求输出复位。

但这不是“所有生物感知都只有一个机制”的答案。反馈和前馈可以在输入输出层面相似，适应精度、速度与行为收益也不是同一个量。较稳的理解是：系统通过改变内部状态，在一定范围内抵消持续输入，因而为后续变化保留响应空间；能否做到、做到多快，由连接方式、反应条件和资源边界共同决定。

本篇没有穷尽所有受体、配体或最新趋化研究，也没有逐参数复现完整生化模型。还值得继续追问：不同输出层的适应如何配合，单细胞差异怎样影响群体读数，以及怎样的实验最能区分表面相似的机制。这些问题可以在新的证据到来时继续推进。