I ricercatori dell’Università del Texas ad Austin e dell’Università della California, a Los Angeles, hanno creato un nuovo modello teorico che descrive accuratamente come sciami di batteri si muovono nel loro ambiente per individuare e consumare sostanze nutritive.

I microbi come il comune batterio intestinale E. coli eseguono un processo noto come chemiotassi per rilevare gradienti nutrizionali microscopici. I microbi “nuotano” o “strisciano” nell’ambiente circostante, spinti da flagelli rotanti, per inseguire gradienti di attrattivi chimici fino a raggiungere un luogo ricco di sostanze nutritive.

Il nuovo modello dei ricercatori, pubblicato sulla rivista Proceedings of the National Academy of Sciences, è il più accurato finora nel prevedere la dinamica della chemiotassi batterica in varie concentrazioni e viscosità di nutrienti, fattori importanti che determinano il comportamento di nuoto o di gattonamento dei batteri.

I risultati aiutano gli scienziati a comprendere meglio come i batteri trovano il cibo a livello microscala e potrebbero portare a progressi tecnologici nei settori del biorilevamento, della diagnostica e della medicina.

"Questi microbi mostrano un comportamento sorprendentemente ricco e prevedere con precisione come attraversano un gradiente è impegnativo", ha affermato Igor Aronson, professore di matematica alla UT Austin e coautore dell'articolo. "Il nostro modello semplificato consente ai ricercatori di calcolare la velocità con cui i microbi trovano cibo e confrontare le previsioni con gli esperimenti, il che potrebbe aiutare a ottimizzare il processo attraverso il quale i microbi trovano cibo o bersagli in futuro. Ciò ha implicazioni per applicazioni nel campo della biotecnologia, della sanità, e la bonifica ambientale."

Anche la chemiotassi batterica è collegata alla virulenza. I microbi si affidano al rilevamento del gradiente chimico nella chemiotassi per localizzare e infettare un ospite. L'Escherichia coli, ad esempio, utilizza la chemiotassi per trovare sostanze nutritive e anche per localizzare e infettare l'intestino dei mammiferi, l'habitat preferito dai microbi.

"I risultati potrebbero portare a nuovi antibiotici che ostacolano questo sistema di navigazione nella chemiotassi, prevenendo la trasmissione della malattia", ha affermato Alexander V. Argun, professore di matematica dell'UCLA e coautore dell'articolo.

I ricercatori notano che i precedenti modelli matematici che descrivono la chemiotassi batterica facevano una serie di ipotesi semplificatrici nelle loro equazioni, che alla fine impedivano loro di corrispondere all’accuratezza delle osservazioni sperimentali. In particolare, i modelli precedenti non riuscivano a tenere conto di un effetto inerziale eccessivo che agisce sui microbi, rallentandone la dinamica.

"Ciò che sperimentano i batteri è simile a nuotare nella melassa", ha detto Aronson. "Le dinamiche sono molto diverse dal nuoto nell'acqua e la maggior parte dei modelli precedenti non ne tenevano conto."

Il nuovo modello teorico sviluppato da Aronson e Argun incorpora l'effetto inerziale insieme a molti altri effetti realistici, come la dimensione e la densità interna dei batteri, per migliorare notevolmente la precisione del modello nel replicare le osservazioni sperimentali.

Argun ha anche osservato che alcuni sistemi di chemiotassi batterica mostrano una risposta di velocità non monotona, il che significa che la velocità dei microbi aumenta fino al massimo con l’aumentare della concentrazione di nutrienti, per poi iniziare a diminuire.

"Questo è diverso da ciò che vediamo nella maggior parte dei fenomeni fisici, dove la velocità aumenta sempre con l'aumento della forza motrice", ha detto Argun. "Qui, il nuoto diventa meno efficiente ad alte concentrazioni di nutrienti a causa della 'segnalazione eccessiva', che il nostro modello è in grado di catturare."

I ricercatori hanno utilizzato il loro modello per generare una previsione quantitativa accurata di come cambia la velocità di nuoto dei microbi mentre si adattano alla scarsità di nutrienti, una previsione precedentemente non disponibile dai modelli analitici.

"Questi modelli matematici non solo ci aiutano a comprendere meglio la natura, ma possono anche aiutarci a fare previsioni che possono essere testate sperimentalmente", ha detto Aronson. "Questo modello dovrebbe fornire una migliore comprensione del ruolo della chemiotassi nella motilità, nell'ecologia e nella fisiologia batterica".