Forskare i Japan har identifierat en ny princip som förklarar varför levande organismernas tillväxt saktar ner även med rikliga näringsämnen. Den globala begränsningsprincipen integrerar klassiska biologiska lagar för att avslöja sekventiella begränsningar i cellulära processer. Verifierad genom E. coli-simuleringar kan den förbättra skördeutbyten och biomanufacturing.
Ett team inklusive Tetsuhiro S. Hatakeyama från Earth-Life Science Institute (ELSI) vid Institute of Science Tokyo och Jumpei F. Yamagishi från RIKEN har upptäckt den globala begränsningsprincipen för mikrobiell tillväxt. Detta ramverk beskriver matematiskt lagen om avtagande avkastning, där tillväxttakter ökar med näringsämnen men så småningom planar ut på grund av sammankopplade cellulära begränsningar.
Sedan 1940-talet har Monod-ekvationen modellerat mikrobiell tillväxt som begränsad av ett enda näringsämne, medan Liebigs lag om minimum betonar den knappaste resursen som flaskhals. Hatakeyama och Yamagishis arbete förenar dessa och föreslår en terrasserad tunna-modell där nya begränsande faktorer – som enzymproduktion, cellvolym eller membranyta – uppstår sekventiellt när näringsämnen blir rikliga.
"Formen på tillväxtkurvorna uppstår direkt från fysiken i resursallokering inuti celler, snarare än att bero på någon specifik biokemisk reaktion," förklarar Hatakeyama. Han jämför det med Liebigs tunna-analogi: "I vår modell sprider sig tunnans stavar ut i steg, där varje steg representerar en ny begränsande faktor som aktiveras när cellen växer snabbare."
Med hjälp av begränsningsbaserad modellering simulerade forskarna Escherichia coli och inkluderade proteinanvändning, intracellulär trängsel och membrangränser. Modellerna förutsåg tillväxtsaktning med tillagda näringsämnen och matchade labexperiment om syre- och kväveeffekter.
Publicerad i Proceedings of the National Academy of Sciences (2025; 122 (40)) erbjuder principen en enhetlig syn på tillväxt över livsformer. "Vårt arbete lägger grunden för universella tillväxtlagar," säger Yamagishi. Tillämpningar inkluderar optimering av bioteknik, förbättring av jordbruk och modellering av ekosystemens svar på miljöförändringar.