一个新的模型描述了跳动纤毛的协调，可以预测它们的功能行为。来自马克斯普朗克动力学和自组织研究所(MPIDS)的研究人员分析了纤毛阵列中超向波的形成以及外部线索如何影响它们。该模型可以更好地理解纤毛在许多生物过程中发挥的关键作用，并为其操作奠定基础。这可能最终改善相应的医疗诊断和治疗，但也有助于设计用于微尺度工程的人工系统。
纤毛是一种丝状的毛发状结构，几乎存在于人体的所有细胞中。根据组织的不同，它们完成了大量的基本任务，比如气管粘液的运输，提供营养物质的获取，以及在胚胎发育过程中诱导左右不对称。在它们作为大规模流体输送的控制者的角色中，活动的纤毛经历周期性的搏动。通过这种方式，它们将机械信号传递给邻近的纤毛，并共同产生所谓的超向波。
通常，数千根纤毛参与了这种波的产生，因此它们的运动需要得到很好的调节，以确保并优化它们的生物功能。由于这种现象的压倒性复杂性和多尺度性质，迄今为止还缺乏对纤毛自组织成超向波的机制理解。
为纤毛阵列创建这样的模型对于理解外部和内部因素如何影响系统的功能至关重要。例如，环境中某些化学物质或成分浓度的变化会引起小规模的变化，从而可能改变新出现的波并导致系统功能障碍。为了理解这一点，我们需要对这一现象进行多尺度的描述。自从几十年前G.I.泰勒的开创性工作以来(见“进一步信息”)，众所周知，纤毛之间的流体动力学相互作用可以导致它们之间的协调。换句话说:纤毛的协调可以解释为，纤毛的撞击产生的流动影响了整个阵列的行为，最终导致了超向波。这个新模型是由孟凡龙、雷切尔·贝内特、内田娜里亚和拉明·戈列斯坦恩提出的，它可以解释许多独立跳动的纤毛的情况，这些纤毛协调它们的中风。在他们的模型中，作者关注的是纤毛的基本特性，比如它们不同的跳动谐波或基因组特征。通过将这些特征与新兴波相结合，他们创建了一个描述纤毛阵列的强大理论框架。
因此，新模型能够解释两者，改变性质，并对纤毛阵列的集体行为做出预测。Golestanian补充说:“由于这可以在微观尺度上更好地了解组织，因此该研究为许多潜在的应用奠定了基础。”它们可能包括对生物样本故障的诊断评估，医学治疗的新方法，操纵纤毛行为或使用超向波的人工系统工程。
