数学如何描述生命结构：Misha Gromov的生物数学讲座

摘要

本文是著名数学家Misha Gromov关于"数学描述生物结构"系列讲座第二部分的文字记录。Gromov从物理与生物描述方式的根本差异切入，探讨如何赋予生物学语言以严格的数学意义。讲座涵盖了细胞内的尺度与能量、自组装与蛋白质折叠、酶催化机制、分子马达等分子过程，深入分析了信息、复杂性与自复制等核心生物学概念，并从数学视角审视达尔文与孟德尔的演化理论。全文展现了Gromov独特的思考方式——在看似混乱的生物现象中寻找深刻的数学结构，同时指出生物学语言中"功能"与"目的"等概念给数学形式化带来的挑战。

内容框架与概述

讲座开篇即点明物理学与生物学描述方式的本质区别：物理学依赖数值和公式，而生物学则使用语言和信息概念。Gromov引用François Jacob的观点，指出生命的本质在于物理化学与信息的结合，并明确提出讲座目标是赋予"生物信息"、“复杂性”、“结构”、“功能”、“目的"等生物学家常用的语言以严格的数学意义。这一纲领性目标贯穿全文。

文章首先建立细胞物理基础框架，详细分析了尺度（尺寸、数量、时间）与能量（kT单位、弱相互作用、共价键）的重要性。Gromov特别强调水分子运动的复杂性是我们理解生物过程的盲点。随后，讲座深入探讨三大分子过程：自组装（以蛋白质折叠为核心，关联AlphaFold突破）、酶催化（包含对活化能垒物理起源的精彩追问）以及分子马达。Gromov不满足于现象描述，而是持续追问背后的物理原理与数学逻辑。

接着，讲座以"鸡蛋变小鸡"为引子，探讨信息、复杂性与自复制。Gromov辨析了生物复杂性与柯尔莫哥洛夫复杂性的根本差异——生物结构既复杂又有序，而随机序列在柯尔莫哥洛夫意义上最复杂。他还比较了冯·诺依曼的自复制模型与生物实际复制过程，指出生物复制依赖特定的分子机器而非通用构造器。

最后部分从数学视角审视演化动力学。Gromov分析达尔文理论（高维特征空间中的随机行走）和孟德尔遗传学（具有代数结构的离散遗传单位），指出前者缺乏足够解释力且使用目的论语言，后者则是更基础、更具数学性的发现。文章结尾回归生物学语言的特殊性：“功能"与"目的"的普遍使用与物理学因果解释形成鲜明对比，这为数学形式化提出了根本性挑战。

核心概念及解读

自组装（Self-Assembly）：由弱相互作用（2-10 kT）驱动的物理过程，分子基于电荷分布自发聚集形成特定结构。蛋白质折叠是核心例子，实现了从信息（DNA序列）到物理实体（三维结构）的关键转化。

活化能垒（Activation Barrier）：化学反应必须跨越的能量障碍。Gromov在讲座中对其物理起源提出深刻质疑：量子系统为何能停留在非最低能量态？这一追问揭示了我们对基础物理过程理解的局限。

生物复杂性：与柯尔莫哥洛夫复杂性（随机序列最复杂）不同，生物结构的特点是既复杂又有序/规则。Gromov提出"描述性复杂性"概念，可能需要"程序+统计定律"的组合，而基因组设定了复杂性的上限。

目的论语言（Teleological Language）：生物学中普遍使用"功能”、“目的"等概念，这与物理学的因果解释形成根本差异。如何将这类功能性描述数学化是生物数学的核心挑战之一。

Veronese映射类比：Gromov用代数几何中的Veronese映射（$T^2=T$）来类比孟德尔遗传学的数学结构，表明离散遗传单位的组合具有深刻的代数性质，这一观点与Bernstein、Jordan等数学家的研究相关联。

原文信息

此摘要卡片由 AI 自动生成