Il prof. David L. Abel ha acconsentito di pubblicare su Critica Scientifica il suo articolo “Is life unique?”.
La traduzione è di Michele Forastiere.
(Alcune parti sono state evidenziate in grassetto su CS)
David L. Abel è direttore del “The Gene Emergence Project” della “The Origin of Life Science Foundation, Inc.” (www.LifeOrigin.org). I suoi interessi di studio spaziano nel campo della biocibernetica e della biosemiotica. Abel è autore di numerose pubblicazioni peer-reviewed su argomenti quali l’abiogenesi, la complessità dei sistemi simbolici biologici e l’auto-organizzazione dei sistemi viventi. Quella che segue è la traduzione dell’articolo di rassegna “Is life unique?” ( http://www.mdpi.com/2075-1729/2/1/106), dedicato alle teorie sull’origine della vita e apparso sul numero speciale di marzo 2012 della rivista “Life ” (http://www.mdpi.com/2075-1729/2/1).
David L. Abel
Department of ProtoBioCybernetics and ProtoBioSemiotics, Origin of Life Science Foundation, Inc., 113-120 Hedgewood Drive, Greenbelt, MD 20770, USA
Abstract: La vita è fisicamente e chimicamente unica? No. La vita è unica? Sì. La vita manifesta innumerevoli formalismi che non possono essere generati o spiegati mediante la sola fisico-dinamica. La vita persegue migliaia di obiettivi biofunzionali, non ultimo dei quali è quello di rimanere in vita. Né la fisico-dinamica, né l’evoluzione, si pongono obiettivi. La vita è in gran parte orchestrata dalla programmazione digitale lineare e dall’informazione prescrittiva (Prescriptive Information, PI), che si concretizza in particolare in un sequenziamento nucleotidico non determinato dalla fisico-dinamica. I controlli epigenomici incrementano soltanto la raffinatezza di questi formalismi. La vita impiega la rappresentazione attraverso l’uso di sistemi simbolici. La vita manifesta autonomia, omeostasi fuori dall’equilibrio nei più avversi degli ambienti, meccanismi di feedback positivi e negativi, prevenzione e correzione dei suoi stessi errori, e organizzazione dei componenti in sistemi funzionali stabili (SFS). Il caso e la necessità – l’agitazione termica e il determinismo causa-effetto nella sistematicità della natura – non possono generare formalismi quali la matematica, il linguaggio, i sistemi simbolici, la codifica, la decodifica, la logica, l’organizzazione (da non confondere con il puro e semplice auto-ordinamento), l’integrazione dei circuiti, il successo computazionale e la ricerca della funzionalità. Tutte queste caratteristiche della vita sono di natura formale, non fisica.
Parole chiave: formalismo, informazione prescrittiva (PI); sistemi funzionali stabili (SFS); complessità di sequenza funzionale (FSC); la legge del declino organizzativo e cibernetico (legge OCD); il principio formalismo > fisicità (F > P); causazione e controllo dipendenti dalla scelta (CCCC); il taglio cibernetico; il ponte a commutatore configurabile (CS); il principio di organizzazione (O).
[ I paragrafi 1-6 sono stati pubblicati nella Parte I (link)]
7. Gli strati e le dimensioni della PI formale biologica continuano a crescere
Gli strati della PI biologica continuano a crescere. La trascrizione “contro-senso” avviene regolarmente [157-163]: il DNA viene letto in entrambe le direzioni. Spesso tratti di RNA regolatore vengono trascritti a partire dal filamento negativo “contro-senso” che si dipana dal filamento di senso positivo di DNA che contiene le istruzioni per le proteine [157,164,165]. Nel DNA, le istruzioni digitali lineari sono bidirezionali. Perciò, il filamento cosiddetto “contro-senso” è dotato di senso e significato. I geni si sovrappongono [157,166-168].
La natura efficace della distribuzione dei geni, nella misura in cui si riferisce alla funzione collettiva, è un’altra forma di PI. L’avvolgimento della cromatina e il suo ruolo nella regolazione, in modo particolare nei procarioti più semplici, è una forma di PI [95,168-170]. Filamenti complementari possono contenere le istruzioni relative a funzioni completamente diverse, talvolta l’uno regolando la funzione di codifica dell’altro. Proteine differenti sono prodotte da un solo gene. Singole proteine vengono determinate da sezioni provenienti da più geni. Siti di inizio della trascrizione (Transcription Start Sites, TSS), divergenti e ampiamente diffusi, si incontrano in corrispondenza dei promotori genetici della codifica proteica. I complessi multi-proteina sono di gran lunga più diffusi e cruciali del previsto. La presunta “spazzatura” determina più bio-funzione dei segmenti codificanti. L’ampiezza e il genere di editing, perfino le correzioni post-traduttive, sono sbalorditivi. Codici a blocchi di Hamming per la riduzione del rumore e bit di parità prevengono gli errori di codifica. Esistono meccanismi di riparazione straordinari che lavorano ininterrottamente come sistemi di salvataggio per impedire la degradazione di innumerevoli messaggi digitali lineari. Controlli di suicidio (apoptosi) difendono il bene più grande. Il sistema immunitario, l’unico sistema che ha bisogno della variazione stocastica per la protezione contro gli antigeni nuovi e inaspettati, si trova proprio ad esserne dotato – invece di essere programmato nel modo rigido da cui dipende la maggior parte degli altri sistemi biologici. La conformazione tridimensionale è molto più liquida del previsto, per validi motivi. Le istruzioni imposte dal DNA sono dinamiche, non statiche. La variazione dinamica nella struttura di avvolgimento fa sì che la stessa struttura primaria possa determinare funzioni ampiamente varianti.
Tutta questa complessità concettuale non limita l’importanza della programmazione digitale lineare; si aggiunge semplicemente alla raffinatezza e alle dimensioni della PI complessiva del sistema. Il micro-RNA e le serie di proteine regolatrici devono pur sempre essere prescritte da scelte digitali lineari discrete di nucleotidi specifici nelle loro regioni critiche. È vero, molte regioni non sono cruciali per una particolare proteina. Ciò nonostante, a causa delle sovrapposizioni geniche e della natura multidimensionale della bio‑istruzione, il sequenziamento di sezioni che può essere irrilevante per una data proteina può, viceversa, essere altamente rilevante per altre proteine trascritte dallo stesso gene.
8. La vita si prefigge finalità biofunzionali, e le consegue
Tutta la vita conosciuta è cibernetica [171-174]. Ciò significa che l’integrazione e la regolazione delle vie e dei cicli biochimici nel metabolismo omeostatico sono controllate mediante programmazione, non solo vincolate in senso fisico-dinamico. La vita attraversa il “taglio cibernetico” [Cybernetic Cut, N.d.T.] [156] valicando un ponte a commutatore configurabile (Configurable Switch Bridge, CS Bridge) a senso unico [156]. Questo ponte sormonta un grande abisso. Da una parte si trovano tutti quei fenomeni che possono essere spiegati dalla sola fisico-dinamica; dall’altra ci sono quei fenomeni che si possono spiegare solo mediante la selezione delle funzioni potenziali (non ancora esistenti). Il traffico su questo ponte scorre solo dal mondo non fisico del formalismo verso il mondo fisico, mediante l’attuazione di scelte intenzionali. Tale attuazione richiede l’impostazione di commutatori configurabili fisici arbitrari (dinamicamente inerti) e la selezione di veicoli simbolici fisici in un sistema simbolico materiale.
Tranne che negli stati patologici, le attività della vita sono quasi sempre dirette verso l’obiettivo formale del successo biochimico. Ciò include la PI che decreta l’apoptosi per il bene più grande dell’organismo.
L’unico sistema che sembra sprecare deliberatamente energia, esplorando la casualità, è il sistema immunitario. Per prepararsi all’esposizione a una varietà indefinita di possibili antigeni, il sistema immunitario deve essere pronto ad affrontare ogni possibile nuova combinazione di invasioni virali, batteriche, micotiche o di altri parassiti. Il sistema immunitario è peculiare nella sua continua scansione dello spazio delle sequenze genetiche potenziali e dello spazio delle fasi tridimensionale. Ogni altro sistema biologico, tuttavia, spende energia con straordinaria efficienza per raggiungere obiettivi metabolici cooperativi che sono tutt’altro che casuali. Tali propositi sono formali, non fisico-dinamici.
Che dire della generazione di nuove istruzioni genetiche? Non è forse vero che è la duplicazione, unita alla variazione casuale, l’origine di tutta la nuova informazione prescrittiva (PI) genetica? La risposta è: “NO!” In primo luogo, non vi è nessuna nuova informazione nella duplicazione, nemmeno quando si confonda l’incertezza di Shannon con l’“informazione”. In secondo luogo, nessuno ha mai osservato la generazione, da parte di una variazione casuale, di informazione prescrittiva (PI) non banale, in grado cioè di generare o controllare una nuova funzione sofisticata.
Ogni presunto sostegno sperimentale è banale. Gli esempi non banali sono sempre teorici, mai empirici o finanche razionali. Il contrasto tra banale e non banale, ovviamente, passa attraverso sfumature di grigio piuttosto che apparire come una dicotomia bianco/nero. Il problema della banalità non può essere risolto appellandosi all’insormontabilità statistica o addirittura alla metrica di plausibilità universale (Universal Plausibility Metric, UPM) e al principio di plausibilità universale (Universal Plausibility Principle, UPP) [175,176]. È più una questione di misura organizzativa formale, che al momento non è quantificabile. Il punto più vicino cui potremmo giungere potrebbe essere quello di misurare il numero di “fits” (bit funzionali) necessari per fornire le istruzioni o per stabilire l’organizzazione di una macchina molecolare in grado di svolgere una data funzione in un determinato luogo e tempo [119-121]. L’unico motivo per escludere dalla discussione la funzione “non banale” è di impedire ai cinici di indicare qualche “funzione” accidentale ridicolmente trascurabile come presunta falsificazione del principio più ampio.
La metrica di plausibilità universale [175,176], calcolata relativamente alla generazione casuale anche di un segmento del genoma del Mycoplasma, fornisce in maniera convincente valori di ξ < 1. Alla luce di queste misure, il principio di plausibilità universale [175,176] implica la definitiva falsificazione scientifica dell’ipotesi casuale [140,177], vale a dire dell’ipotesi che il genoma del Mycoplasma sia stato generato da duplicazione, più variazione casuale. Perfino considerando una generazione della durata di 20 minuti, il tasso di mutazione, insieme alla bassa percentuale di mutazioni potenzialmente benefiche, non fornisce un grado di possibilità sufficiente a far sì che la variazione casuale delle duplicazioni abbia potuto determinare tali sofisticate istruzioni genetiche e genomiche. Questo è vero perfino in uno spazio delle fasi cosmico che si estende per oltre 14,5 miliardi di anni (appena 1018 secondi, a voler abbondare).
Qualsiasi discussione sulla “duplicazione più variazione” dovrebbe sempre suscitare la domanda, “Duplicazione di cosa?”. Qual è la sorgente della PI che viene duplicata? La tesi della “duplicazione più variazione” semplicemente presuppone, piuttosto che spiegare, l’origine di qualsiasi PI che potrebbe essere duplicata. La domanda è: “Da dove, prima di tutto, proviene una qualche PI?”.
Contrariamente a quanto ritiene l’opinione pubblica, le mutazioni casuali non sono il modus operandi della genetica, della genomica o dell’epigenomica. La vita impiega estesi meccanismi di prevenzione e di correzione degli errori per proteggere l’integrità della PI esistente da variazioni casuali (degradazione da rumore della PI precedentemente programmata). A dispetto dell’attuale solco consuetudinario del paradigma kuhniano, la vita non fa nessuno sforzo per conseguire il successo della programmazione attraverso le mutazioni. Al contrario, i genomi contengono una gran quantità di informazione, codificata e duplicata in maniera ridondante, proprio per proteggerli dalle mutazioni. Quasi ogni giorno la letteratura mostra come questa ridondanza sia dotata di scopo, non il risultato di rumore accumulato come si riteneva originariamente. Esiste una schiacciante evidenza empirica che nemmeno la vita manifesti alcuna deroga al normale degrado dell’integrità informativa, come descritto dalla Legge OCD (Law of Organizational and Cybernetic Decline, legge del degrado organizzativo e cibernetico) [84].
9. La legge del deterioramento/degrado organizzativo e cibernetico (legge OCD)
La legge OCD [84] stabilisce che, in assenza dell’intervento di un’agenzia formale, ogni organizzazione non banale e ogni funzione cibernetica/computazionale sostanziata nel dominio fisico (per esempio i circuiti integrati; il successo computazionale programmato, le opere architettoniche e altri risultati ingegneristici) sono invariabilmente destinate, col tempo, a deteriorarsi e infine a smettere di funzionare. Questo deterioramento può anche non essere ininterrotto; sarà però senz’altro continuo (“spento” e “acceso”, mostrando una complessiva regolarità nel peggiorare col tempo). Computer, robot, tutte le forme di intelligenza artificiale, la vita artificiale e perfino la vita cellulare sono soggetti alla legge OCD. Ogni messaggio sostanziato in un sistema simbolico materiale o in impulsi elettronici procederà inesorabilmente verso l’ingarbugliamento, la disfunzionalità e il fallimento.
La legge OCD [84] non deve essere confusa con la Seconda Legge della Termodinamica. La legge OCD non riguarda l’entropia della meccanica statistica, o l’“entropia”, o l’“entropia mutua” dell’incertezza probabilistica combinatoria di Shannon. Lo scambio di calore, la dissipazione del calore, i cambiamenti di fase, l’ordine e il disordine non sono in discussione. La legge OCD riguarda solo l’organizzazione e le utilità formali già implementate in supporti e ambienti fisici. Solo la contingenza di scelta intenzionale in corrispondenza degli effettivi nodi decisionali può salvare dal deterioramento finale l’organizzazione e la funzione precedentemente programmate nella dimensione fisica.
La Seconda Legge della Termodinamica funziona solo sulla massa/energia in cui le istruzioni formali sono state materializzate (registrate). Quando i token fisici, i commutatori configurabili e i circuiti si deteriorano per effetto della Seconda Legge, la PI formale sostanziata in questi mezzi di comunicazione tende a perdere la sua affidabilità in termini di archiviazione fisica. La Seconda Legge, tuttavia, non ha alcun effetto diretto su quegli stessi formalismi non fisici che erano stati così materializzati – ne viene interessato solo il mezzo fisico di archiviazione. Ciò conduce, a sua volta, al degrado della funzione cibernetica realizzata.
Il principio di organizzazione (O) [84], strettamente connesso a quanto appena detto, afferma che un’organizzazione formale non banale può essere prodotta solo da causazione e controllo basati sulla contingenza di scelta (Choice-Contingent Causation and Control, CCCC). ([84], Sez. 9).
10. Causazione e controllo basati sulla contingenza di scelta (CCCC)
La CCCC è un formalismo basato sulla teoria delle decisioni che definisce come ottenere funzione e organizzazione potenziale, ed è l’unica causa nota in grado di produrre funzione e organizzazione non banali. In nessun caso la CCCC può essere spiegata o prodotta mediante il caso e/o la necessità. Essa è l’essenza stessa di ogni formalismo: l’evoluzione non può produrla o spiegarla. L’evoluzione non ha finalità, e non può fare scelte di programmazione a livello genetico molecolare (il principio di selezione genetica (GS); vedere alla Sezione 12) [178,179]. La selezione naturale può unicamente favorire i migliori fenotipi tra quelli già “calcolati”, già viventi. La vita è controllata, non semplicemente vincolata in senso fisico-dinamico, da scelte pragmatiche che mirano alla funzione formale. Né la fisico-dinamica né l’evoluzione possono fare tali scelte di programmazione in corrispondenza delle porte logiche e dei commutatori configurabili della vita.
Come si insegnava decenni fa, e ancora si dovrebbe, “La vita non è ‘un sacchetto di enzimi’.” La vita è una sinfonia di algoritmi genetici altamente ottimizzati e coordinati. Il metabolismo e l’omeostasi fuori dall’equilibrio sono impossibili da ottenere senza ottimizzazione algoritmica collettiva e cooperativa [88]. L’ottimizzazione algoritmica è un obiettivo formale; non può essere conseguita tramite il determinismo di causa-effetto. Il determinismo di causa-effetto della fisico-dinamica non è l’unica forma di causazione. La programmazione della PI e il successo computazionale per cui essa determina le istruzioni possono essere ottenuti solo tramite CCCC [84,85,107,180]. La CCCC è in definitiva di gran lunga più importante per qualsiasi sistema formale noto; essa dirige gli eventi verso i risultati pratici che vengono valutati dagli agenti. La CCCC è una vera causa primaria che porta a effetti molto reali, in particolare all’effetto di un lavoro utile invece di un mero vincolo fisico-dinamico. Essa è in grado di generare livelli straordinari di funzionalità peculiari che non sono mai state osservate come conseguenza della casualità o della necessità definita dalla legge. Né la fisico-dinamica né l’evoluzione possono prefiggersi l’utilità potenziale (come per esempio la programmazione del successo computazionale prima della sua realizzazione). La CCCC lo fa: essa è l’unica causa conosciuta, l’unico timoniere dei formalismi.
11. La vita organizza i suoi componenti in sistemi funzionali stabili (SFS)
In primo luogo, dobbiamo chiarire ciò che è veramente un “sistema”. Un “sistema” è un’organizzazione concettuale, astratta, generata da contingenze di scelta, non dal caso o dalla necessità, che tipicamente genera processi o procedure formali aventi risultati pragmatici [82,83,88]. Un “sistema meteorologico” non è un vero e proprio sistema. Si tratta semplicemente di un’interfaccia fisico-dinamica di vento, temperatura e differenziale di pressione atmosferica. Un fronte meteorologico può comportare cambiamenti di fase e manifestare auto-ordinamento (per esempio un uragano); ma non è organizzato. Non manifesta alcuna contingenza di scelta, nessun obiettivo o scopo, nessuna realizzazione di funzioni o di utilità. I fronti meteo non hanno componenti formali, né risultati computazionali, né ottimizzazione algoritmica, e nemmeno alcuno scopo intenzionale.
Neanche i più semplici sistemi funzionali stabili (Sustained Functional Systems, SFS) [82,84,88] (per esempio il primo motore termico non banale) possono essere organizzati senza il controllo del diavoletto di Maxwell (un agente) che sceglie volontariamente quando aprire e chiudere lo sportellino tra i compartimenti [88]. La natura inanimata produrrà ciecamente l’equilibrio (mediante leggi fisse, inviolabili) tutte le volte, piuttosto che la separazione e la compartimentazione delle particelle di gas inerte più veloci da quelle più lente. Non può essere creato alcun potenziale energetico da un gas inerte, in assenza delle scelte intenzionali del diavoletto. Le decisioni del diavoletto allo sportello sono puramente formali e non fisiche. Esse non sono soggette alla Seconda Legge della Termodinamica: solo il movimento di apertura e chiusura fisica della porticina lo è. Per questo, è necessario che dell’energia utilizzabile come lavoro venga generata, impiegata, accumulata e richiamata all’occorrenza per muovere lo sportello. Dei meccanismi formali devono essere organizzati e ottimizzati algoritmicamente per ottenere il pagamento del prezzo energetico dell’apertura e chiusura della porticina.
La capacità del diavoletto di Maxwell di generare un motore termico da molecole di gas inerte è fondamentale per la discussione sulla vita. Un siffatto motore termico non può essere attribuito a fenomeni fisico-chimici di causa-effetto come reazioni, interazioni o cambiamenti di fase. I gas ideali non sono reattivi. In questo modello la questione riguarda esclusivamente la termodinamica. La Seconda Legge può essere temporaneamente e localmente aggirata solo attraverso causazione (meccanismi di attuazione) e controllo per contingenza di scelta (CCCC) operanti sullo sportello [1,2], non mediante il caso e la necessità della fisico-dinamica. Lo stesso vale per il metabolismo e la vita. Sono i controlli, non i vincoli, a rendere possibile la vita. Sebbene la vita usi reazioni chimiche piuttosto che molecole di gas inerte, deve pur sempre dirigere algoritmicamente molte migliaia di eventi fuori dall’equilibrio per organizzare formalmente gli “organismi” viventi.
Qualcuno ha affermato che è necessario più lavoro per far funzionare la porticina di quanto se ne ottenga mediante il suo funzionamento. Questo può essere vero per un dato ciclo individuale di lavoro; tuttavia, mediante un’accorta programmazione del funzionamento dello sportello, è possibile conquistare la sinergia degli effetti di separazione delle particelle calde e fredde. I formalismi sono sempre stati la chiave dell’elusione temporanea e locale della Seconda Legge. Modalità più efficienti di utilizzo formale dell’energia immagazzinata possono rendere efficace il funzionamento dello sportello originale. La generazione del lavoro utile per attivare fisicamente lo sportello, tuttavia, richiede l’attenta gestione di sportelli ancora più formalmente controllati (porte logiche e commutatori configurabili in dispositivi e macchine aggiuntive). La vita fabbrica e impiega proprio simili macchine molecolari e sofisticati nanocomputer [108].
12. La vita è governata dal principio di selezione genetica (GS)
Il principio GS [92,178] afferma che la selezione deve avvenire a livello molecolare/genetico, non tanto a livello fenotipico/organismico del più adatto, per produrre e spiegare la vita. In altri termini, la selezione per la bio-funzione potenziale deve verificarsi in concomitanza con la formazione dei legami rigidi 3′ 5′ fosfodiesterici nelle sequenze di DNA e RNA. È questo il punto in cui la sintassi polinucleotidica digitale lineare funzionale si trasforma in istruzioni. La selezione di ciascun nucleotide da uno spazio delle fasi di quattro opzioni costituisce l’impostazione di un commutatore configurabile quaternario (a quattro vie). L’impostazione specifica di questi commutatori nella struttura primaria degli acidi nucleici (sequenza monomerica) determina il modo in cui le catene di biopolimeri tradotti si ripiegheranno in macchine molecolari tridimensionali.
La selezione naturale non è in grado di agire a livello genetico. La pressione di selezione favorisce solo la bio-funzione esistente. Perfino nel caso di funzione già esistente, la selezione naturale non sa distinguere tra funzione isolata e non-funzione. All’ambiente inanimato non potrebbe importare di meno che qualcosa funzioni o meno. L’ambiente non ha preferenze, valori, obiettivi o desideri. La natura inanimata è cieca e indifferente all’utilità. Ciò è ancora più vero per quanto riguarda l’utilità potenziale. L’utilità può essere definita, apprezzata e ricercata solo formalmente, non fisico-dinamicamente. La pragmatica richiede una dimensione in più rispetto alle quattro dimensioni del caso e della necessità [42,105,107,156].
Solo gli organismi fenotipici già viventi più adatti sono secondariamente “selezionati” dall’ambiente, non la programmazione concettuale astratta relativamente ai nodi decisionali, le porte logiche e l’impostazione dei commutatori configurabili.
La selezione naturale non è altro che la sopravvivenza differenziale e la riproduzione differenziale degli organismi già viventi di maggior successo. Perché un organismo sia vivo, è necessario prima di tutto che esso abbia centinaia o migliaia di vie biochimiche e cicli già integrati in schemi metabolici olistici, cooperativi, organizzati. Pochi fenomeni sono più mirati e finalizzati del metabolismo. La sopravvivenza differenziale delle specie più adatte non offre alcun modello di meccanismo per la generazione della programmazione cibernetica delle istruzioni lineari digitali genetiche. I bio-messaggi forniscono le istruzioni digitali lineari per determinare le strutture cellulari, il trasporto specifico e la catalisi. Eppure il DNA è ampiamente inerte dal punto di vista fisico-chimico. La selezione naturale non può favorire le funzioni non realizzate, non-ancora-esistenti rappresentate nella sintassi del DNA.
13. La vita è organizzata, non auto-ordinata
I fenomeni di auto-ordinamento non sono esempi di auto-organizzazione: essi sono semplici, ridondanti e a basso contenuto informativo [42,106,107]. Le strutture auto-ordinate, siano esse stabili (per esempio i cristalli) o dissipative (come nel caso della teoria del caos studiata per la prima volta da Prigogine) non contengono alcuna organizzazione.
Eventi di auto-ordinamento si verificano spontaneamente in ogni istante. Ma non coinvolgono nodi decisionali o impostazioni di commutatori configurabili dinamicamente inerti, finalizzati a uno scopo. Non vi è bisogno di programmare nessuna porta logica nei fenomeni di auto-ordinamento. Gli eventi di auto-ordinamento non implicano alcuna guida verso il successo algoritmico o l’“arresto computazionale”. I fenomeni di auto-ordinamento sono puramente fisico-dinamici e incapaci di sforzi organizzativi. Le leggi e i frattali sono algoritmi di minima complessità e minima informazione. La fisico-dinamica inanimata non può compiere scelte intenzionali o perseguire funzioni potenziali. Nessun modello di evoluzione non guidata si prefigge l’obiettivo dell’utilità futura.
L’ordine non può eseguire calcoli. Molta letteratura sull’origine della vita fa appello a “leggi di auto-organizzazione ancora da scoprire”. Le leggi, tuttavia, descrivono un comportamento altamente ordinato/strutturato. Poiché esse sono algoritmi parsimoniosi di compressione dei dati, contengono pochissima informazione. Dato l’elevato contenuto informativo della vita, l’attesa di una nuova legge che spieghi la sofisticata programmazione algoritmica genetica è infondata. Gran parte della letteratura peer-reviewed pubblicata è errata a causa del mancato riconoscimento del fatto che la “complessità della vita” non potrebbe mai sorgere da una simile strutturazione fisico-dinamica, che è altamente “ordinata” e a basso contenuto informativo. È richiesta un’enorme incertezza combinatoria per archiviare una PI tanto raffinata. La complessità della vita non potrà mai essere spiegata mediante il comportamento altamente ordinato che è riducibile alle leggi a basso contenuto informativo della fisica e della chimica.
Un cristallo è altamente ordinato. La sua descrizione può essere facilmente compressa per via algoritmica. Un cristallo è, all’incirca, quanto di più lontano dall’essere “vivo” ci possa essere tra tutti gli stati fisici che si vogliano indicare. Ogni elemento di una sequenza di trecento monomeri di adenosina (un omopolimero) può essere specificamente elencato affermando: “Sia dato un insieme di molecole di adenosina; si colleghi ripetutamente ognuna di queste ad un’altra per trecento volte”. Questo è ciò che si definisce un algoritmo di compressione. La semplicità e brevità di questo algoritmo di compressione è un’indicazione di quanto tremendamente basse siano la complessità e l’incertezza di tale polimero. Una tale parsimoniosa definizione dell’intera sequenza è possibile unicamente perché quella sequenza è tanto altamente strutturata. Una sequenza tanto ampiamente ordinata è priva di incertezza, di complessità e della capacità di realizzare PI. Un algoritmo di compressione così parsimonioso è in grado di elencare ogni elemento della sequenza di trecento monomeri in sole quattordici parole. Questo dato di fatto definisce l’alto ordine ovvero la struttura, insieme al basso potenziale di conservazione dell’informazione.
I presunti fenomeni di auto-organizzazione spontanea di ipercicli sempre più efficienti [181-185] e di auto-assemblaggio stechiometrico [186], insieme agli ipotetici chemotoni di Ganti [187], non sono mai stati osservati, men che mai ripetutamente osservati.
Non è mai stata verificata alcuna previsione.
L’“auto-organizzazione” non indica alcun meccanismo e non ha alcun potere esplicativo dettagliato che sia verificabile. L’ipotesi delle capacità sempre crescenti dei chemotoni non è nemmeno falsificabile. Né l’assenza di prove, né l’osservazione ripetuta della mancata attivazione degli ipercicli sono in grado di fornire falsificazione. Perciò il concetto si trova convenientemente e indefinitamente al riparo da qualsiasi contraddittorio scientifico. Deve essere accettato unicamente per fede cieca. Ogni scienziato che osi alzare il sopracciglio per sano scetticismo scientifico viene immediatamente etichettato come eretico dalla gerarchia dal presunto imperativo di naturalismo metafisico che è proprio dello scientismo.
La pura e semplice presenza di struttura, giustapposta al caos molecolare tipico dell’agitazione termica, ci dice ben poco sulla funzione e l’utilità. Molte strutture rigide stabili non presentano alcuna funzione. Nella teoria del caos, le fiamme di candela e i tornado mostrano una struttura apparentemente stabile costituita da una serie ininterrotta di stati dissipativi auto-ordinati momentanei. Né l’uno né l’altro tipo di struttura calcola o ottimizza alcuna funzione algoritmica. Nessuna delle “strutture dissipative” di Prigogine genera un sistema funzionale stabile (SFS) [88]. È per un buon motivo che Prigogine le definì “dissipative”. Indipendentemente da quanto a lungo le strutture dissipative durano, di certo non producono alcuna funzione sofisticata; i sistemi funzionali stabili (SFS) lo fanno.
14. In nessun caso il caos può produrre l’ultra-organizzazione della vita
La definizione esatta di caos è “uno stato delimitato di disorganizzazione che è estremamente sensibile agli effetti delle condizioni iniziali”. La disorganizzazione non può produrre organizzazione.
Si noti che il caos è uno stato disorganizzato della materia, non uno stato disordinato della materia. Una considerevole quantità di ordine può nascere spontaneamente dal caos. Questo è ciò di cui tratta la teoria del caos. Per osservare un fenomeno di auto-ordinamento spontaneo non dobbiamo far altro che togliere il tappo dallo scarico della nostra vasca da bagno. Le molecole d’acqua si auto-ordinano rapidamente in un mulinello – un vortice – generato da una causa complessa interamente fisico-dinamica. Definiamo erroneamente questo auto-ordinamento “auto-organizzazione”, ma il vortice non è, nel modo più assoluto, organizzato. È soltanto auto-ordinato [107]. Qual è la differenza? Non è richiesto nessun nodo decisionale per far sì che il mulinello in una vasca da bagno si auto-ordini a partire dal moto browniano, che è evidentemente casuale. Non sono necessarie scelte di programmazione efficienti perché l’agitazione termica delle molecole di acqua si auto-ordini in un vortice. Nessuna serie di commutatori configurabili deve essere intenzionalmente impostata, e ciascuno di essi impostato in un determinato modo, per conseguire l’auto-ordinamento. Non vi è coinvolto nessun tentativo di pervenire a un obiettivo. Non è richiesta alcuna ottimizzazione algoritmica. Inoltre, le strutture dissipative di Prigogine non FANNO nulla di formalmente produttivo. Non possiedono alcuna capacità di raggiungere il successo computazionale. Non costruiscono sofisticati sistemi funzionali stabili (SFS) [88].
Le strutture dissipative sono momentanee. Sono solo apparentemente stabili (per esempio, una fiamma di candela) a causa del fatto che osserviamo nel tempo una lunga serie di strutture dissipative o eventi dissipativi momentanei. Il loro nome deriva da questo. Non possono generare una macchina funzionale stabile o un sistema con funzionalità ottimizzata.
Né il caos né il margine del caos possono produrre:
(1) calcoli algebrici;
(2) algoritmi;
(3) programmi che raggiungono il successo computazionale;
(4) organizzatori della funzione formale;
(5) sistemi in senso proprio.
Il caos è in grado di produrre comportamenti fisico-dinamici incredibilmente complessi. Non dobbiamo però mai confondere tale complessità con la funzione formale. L’ordine appare spontaneamente dal disordine in completa assenza di qualsiasi input creativo formale o governo cibernetico. Ma nessuna organizzazione algoritmica viene prodotta da una fiamma di candela. Ciò che sembra essere un ambiente del tutto casuale è in realtà un calderone di interazioni complesse tra molteplici campi di forza. La complessità delle cause interagenti può creare l’illusione di casualità, o di vero e proprio auto-ordinamento. Potrebbero anche esistere cause fisiche oggi non ancora scoperte. Tuttavia, le strutture dissipative si auto-ordinano, NON si auto-organizzano. Le strutture dissipative della teoria del caos sono prive di immaginazione. Strutture altamente ordinate contengono pochissima informazione. L’immagazzinamento dell’informazione su qualsiasi supporto fisico richiede la libertà di scelta riguardo alle impostazioni dei commutatori configurabili. I commutatori devono essere “dinamicamente inerti” rispetto alla loro funzione per essere usati come porte logiche.
Le strutture dissipative della teoria del caos sono:
(1) altamente ordinate;
(2) monotone;
(3) prevedibili;
(4) regolari (vortici, dune di sabbia);
(5) a basso contenuto informativo;
(6) sequenze di stati momentanei.
Le strutture dissipative sono generalmente distruttive, non ciberneticamente costruttive (per esempio i tornado e gli uragani). Cercare di utilizzare il “caos” e la “complessità” per proporre dei meccanismi di “auto-organizzazione” è come cercare di usare la tecnica di trasmissione di Shannon per spiegare l’informazione intuitiva, il significato e la funzione.
Le equazioni di Shannon definiscono l’ “incertezza” negativa, non la “sorpresa” positiva. La “sorpresa” funzionale richiede l’acquisizione di specifiche informazioni semantiche positive. Proprio come non è possibile spiegare e misurare l’ “informazione intuitiva” usando l’incertezza combinatoria di Shannon, non possiamo spiegare un sistema veramente organizzato facendo appello a nient’altro che un mistico “margine del caos”. L’incertezza ridotta (“mutua entropia”) della teoria di Shannon si avvicina maggiormente all’informazione semantica. Per raggiungere questo obiettivo, tuttavia, dobbiamo unire gli elementi formali della conoscenza umana acquisiti mediante la sottrazione matematica del “dopo l’incertezza” da “prima dell’incertezza”. Misuriamo l’incertezza ridotta della nostra conoscenza. Le conoscenze preliminari di base e l’elaborazione mediante agenti (agent processing) di quella conoscenza sono già in gioco. A quel punto, non stiamo più parlando di informazione oggettiva in natura. Stiamo solo parlando di epistemologia umana.
La coscienza umana è estremamente soggettiva. Nell’istante in cui ci ostiniamo a definire l’informazione esclusivamente in termini di osservatori e destinatari di conoscenza umani, abbiamo distrutto ogni speranza di chiarire l’origine dell’informazione oggettiva nella storia evolutiva, soprattutto a livello intra-cellulare o di protobionte.
La disorganizzazione del caos è caratterizzata da incertezza e confusione concettuali. La disorganizzazione manca di guida e controllo sofisticati; non persegue alcuno scopo. Perfino se il caos avesse uno scopo, sarebbe privo dei mezzi per realizzarlo. Se il caos è, per definizione, uno stato delimitato di disorganizzazione, come potremmo mai attribuirgli auto-organizzazione? Non esiste nessuna base scientifica per conferire capacità formali al caos, alla complessità o alle catastrofi. Non è stata mai osservata la produzione di integrazione formale e di organizzazione algoritmica di alcun tipo da parte di nessuna di queste tre cose.
Gli scienziati ottengono risultati impressionanti mediante la scienza applicata della “dinamica non lineare”. Ma la funzionalità di questa scienza applicata viene confusa fin troppo facilmente con una potenzialità dello stesso caos. Il caos non genera nulla di simile alla funzione formale. Trascuriamo il notevole grado di “coinvolgimento dell’investigatore” e di pilotaggio artificiale che entra negli esperimenti di dinamica non lineare. La matematica formale viene invariabilmente usata da agenti per raggiungere un certo obiettivo.
La conformazione tridimensionale delle macchine molecolari è in gran parte determinata dagli avvallamenti dei minimi dell’energia libera nel ripiegamento della struttura primaria. La struttura primaria di ogni proteina o sRNA è la sequenza, già legata in modo covalente, di particolari monomeri che fungono da impostazioni dei commutatori configurabili.
15. La vita realizza lavoro intuitivo (funzionale), non solo la definizione fisica di lavoro
La definizione di “lavoro” data dalla fisica non ha mai reso giustizia al significato intuitivo di “lavoro”.
Il senso ordinario di “lavoro” presuppone l’espletamento di una qualche funzione formale richiesta, o il soddisfacimento di qualche necessità percepita come utile. La naturalizzazione (materializzazione; fisicalizzazione) della scienza, nel tentativo di evitare la superstizione e il “vitalismo”, ha promosso concetti di lavoro nel campo della fisica che sono svuotati di scopo, di funzionalità formale e di utilità. In fisica, il “lavoro” di solito si riduce a niente più che trasferimento di calore. I trasferimenti di calore si verificano ogni giorno nelle interazioni fisico-chimiche; e spesso non hanno nulla a che fare con l’utilità o con la vita.
Ogni cellula vivente è incredibilmente organizzata e orientata al compimento di lavoro utile. Un organismo vivente dà valore e persegue l’obiettivo del mantenimento in vita, del vantaggio individuale e della riproduzione. Il raggiungimento di questi scopi, tuttavia, richiede la ricerca attiva di migliaia di obiettivi formali subordinati. La cellula deve svolgere una grande varietà di operazioni molecolari, operazioni che avevano già definito il concetto di “lavoro utile” ben prima che l’Homo sapiens arrivasse sulla scena per osservarlo e rifletterci sopra.
Il metabolismo è il conglomerato più altamente integrato e olistico di funzioni formali organizzate noto alla scienza. Come ha fatto la vita a diventare così organizzata e finalizzata a partire da un ambiente prebiotico inanimato cui non poteva importare di meno della funzionalità o del lavoro utile? Il caso e la necessità non possono perseguire la funzionalità, per non parlare di un simile straordinario grado di lavoro cooperativo.
La risposta sta nel fatto che la vita è programmata formalmente per perseguire e svolgere tali funzioni. Non è solo ciecamente vincolata da un indifferente determinismo fisico-dinamico di causa-effetto. È pilotata verso l’utilità necessaria e formalmente controllata con il chiaro intento di rimanere in vita e riprodursi. Solo un imperativo filosofico puramente materialista ci impedisce di riconoscere questo fatto ovvio.
Il “lavoro utile” non banale è sempre associato con la vita. La vita è l’unico produttore noto di lavoro utile. In maniera molto più importante, tuttavia, a livello molecolare la vita stessa dipende da lavoro utile ancor più sofisticato. Essa impiega magnifiche macchine molecolari e il nano-calcolo per raggiungere i suoi obiettivi formali [108]. La vita non può essere viva o rimanere viva senza compiere del lavoro pratico. La vita è fondamentalmente formale, e solo secondariamente fisica. I “fatti della vita” oggettivi forniscono la prova della realtà e validità del principio formalismo > fisicità (Formalism > Physicality, F > P) [84].
Il principio F > P afferma che “il formalismo non solo descrive, ma precedeva, forniva le istruzioni, organizzava, e continua a governare e predire la realtà fisica”. Il principio F > P è un assioma che stabilisce il primato ontologico del formalismo nell’ambito di una presunta realtà oggettiva che trascende sia l’epistemologia umana – la nostra percezione della realtà fisica – sia la realtà fisica stessa. Il principio F > P va a braccetto con la legge dell’incompletezza fisico-dinamica [84], la quale afferma che le interazioni fisico-chimiche sono inadeguate a spiegare la natura matematica e formale delle relazioni delle leggi fisiche. La fisico-dinamica non può generare i processi e le procedure formali che portano alle funzioni non banali. Il caso, la necessità e i puri e semplici vincoli non possono governare, programmare o ottimizzare il successo algoritmico/computazionale allo scopo di fornire le utilità non banali richieste.
Un importante corollario è che la fisico-dinamica non può spiegare o generare la vita. La vita è invariabilmente cibernetica. Il principio F > P nega l’idea dell’identità tra l’informazione prescrittiva (PI) e la massa/energia; esso distingue la messa in atto delle scelte formali nella realtà fisica dalla realtà fisica stessa. L’impostazione arbitraria dei commutatori configurabili e la selezione dei simboli in qualsiasi sistema simbolico materiale (MSS) è fisico-dinamicamente indeterminato, vale a dire, è disaccoppiato dal determinismo fisico-chimico.
La scienza naturalistica tende semplicemente a presupporre metafisicamente, nelle sue varie cosmologie e cosmogonie, la disorganizzazione iniziale. La massa/energia viene concessa, ma di solito si considera che l’organizzazione formale possa nascere solo dalla coscienza umana. Se si accetta l’organizzazione in natura, essa viene confusa con l’ordine e la struttura a basso contenuto informativo, oppure si crede che essa si sia in qualche modo creata miracolosamente da sé mediante il caso e la necessità, il che è un’impossibilità logica.
In che modo si è stabilito che la realtà era inizialmente caotica, e interamente fisica? Non certo scientificamente. La presupposizione di un caos definitivo non è solo puramente metafisica; è antitetica alle ripetute osservazioni della realtà presente, e alle abbondanti verifiche di predizioni formali riguardo a un’organizzazione soggiacente. La supposizione di un caos definitivo è contraria alla logica su cui si fondano la matematica e la scienza. Esistono schiaccianti prove empiriche che la realtà non sia fondamentalmente caotica. Non soltanto le osservazioni ripetute, ma le innumerevoli previsioni verificate di interazioni fisiche basate esclusivamente su modelli matematici sono di gran lunga più indicative del fatto che la realtà fisica si sviluppa secondo l’integrazione definitiva, l’organizzazione e il controllo degli aspetti fisici che sono propri del formalismo.
16. Conclusioni
Qual è l’ingrediente mancante alla fisico-dinamica inanimata che rende possibile la vita? La risposta è: meccanismi di controllo formale. Questa “regolazione”, come viene spessissimo definita in letteratura, è diretta dall’informazione prescrittiva (PI) e dalla sua elaborazione algoritmica – che sono entrambi elementi prodotti in modo peculiare dalla vita. Inoltre, entrambi gli elementi sembrano essere stati di pertinenza della vita a livello subcellulare nelle sue forme più antiche e più semplici. La stessa biologia molecolare è programmata, elaborata in modo algoritmico, e intenzionalmente regolata per ottenere la bio-funzione formale, altamente integrata, che disinvoltamente chiamiamo “metabolismo” [108].
Tutti questi fenomeni sono altrettanto non-fisici e formali quanto lo è la matematica; ed esclusivi della vita. Non possiamo semplicemente depennarli con disinvoltura come filosoficamente troppo “cartesiani”. L’adesione al materialismo, che diamo per scontata, fa sì che voltiamo le spalle e facciamo orecchie da mercante a una realtà biologica sperimentale in rapido sviluppo, che pure ci strilla: “Il materialismo è morto!”. Non riusciremo mai a comprendere la vita a partire dall’imperativo puramente metafisico che “la fisico-dinamica è tutto ciò che c’è, che sempre c’è stato e che sempre ci sarà”. I filosofi della scienza professionisti rispondono giustamente: “E CHI LO DICE?” Com’è stata determinata scientificamente quella elucubrazione? Lo stesso metodo scientifico non può essere ridotto a massa ed energia; né lo possono il linguaggio, la traduzione, la codifica e la decodifica, la matematica, la logica, la programmazione, i sistemi simbolici, l’integrazione dei circuiti, il calcolo, la categorizzazione, la tabulazione dei risultati, il disegno e la discussione delle conclusioni. L’inveterata consuetudine di fisicalismo filosofico del paradigma kuhniano prevalente sta ostacolando il progresso scientifico, la biologia in particolare. Nella vita c’è ben più della chimica. Tutta la vita conosciuta è cibernetica. Il controllo è formale e fondato sulla contingenza di scelta: non è fisico-dinamico.
Bibliografia e note (relative a questa seconda parte)
87. Abel, D.L. The First Gene: The Birth of Programming, Messaging and Formal Control; LongView Press-Academic: Biolog. Res. Div.: New York, NY, USA, 2011; p. 389.
88. Abel, D.L. Moving ‘Far from Equilibrium’ in a Prebitoic Environment: The Role of Maxwell’s Demon in Life Origin. In Genesis—In the Beginning: Precursors of Life, Chemical Models and Early Biological Evolution; Seckbach, J., Gordon, R., Eds.; Springer: Dordrecht, The Netherlands, 2011.
89. Cleland, C.E.; Chyba, C.F. Defining ‘Life’. Orig. Life Evol. Biosph. 2002, 32, 387-393.
90. Abel, D.L. To What Degree can We Reduce “Life” Without “Loss of Life”? In Workshop on Life: A Satellite Meeting before the Millenial World Meeting of University Professor; Palyi, G., Caglioti, L., Zucchi, C., Eds.; University of Modena: Modena, Italy, 2000.
91. Abel, D.L. Life Origin: The Role of Complexity at the Edge of Chaos. In Washington Science 2006; Chandler, J., Kay, P., Eds.; Headquarters of the National Science Foundation: Arlington, VA, USA, 2006.
92. Abel, D.L. Complexity, self-organization, and emergence at the edge of chaos in life-origin models. J. Wash. Acad. Sci. 2007, 93, 1-20.
93. Abel, D.L. The Capabilities of Chaos and Complexity. In Society for Chaos Theory: Society for Complexity in Psychology and the Life Sciences; International Conference at Virginia Commonwealth University: Richmond, VA, USA, 2008.
94. Henry, C.; Overbeek, R.; Stevens, R.L. Building the blueprint of life. Biotechnol. J. 2010, 5, 695-704.
95. Dorman, C.J. Regulation of transcription by DNA supercoiling in Mycoplasma genitalium: Global control in the smallest known self-replicating genome. Mol. Microbiol. 2011, 81, 302-304.
96. Butt, A.M.; Tahir, S.; Nasrullah, I.; Idrees, M.; Lu, J.; Tong, Y. Mycoplasma genitalium: A comparative genomics study of metabolic pathways for the identification of drug and vaccine targets. Infect. Genet. Evol. 2011, 12, 53-62.
97. Pennisi, E. Genomics. Synthetic genome brings new life to bacterium. Science 2010, 328, 958-959.
98. McCutcheon, J.P. The bacterial essence of tiny symbiont genomes. Curr. Opin. Microbiol. 2010, 13, 73-78.
99. Kwok, R. Genomics: DNA’s master craftsmen. Nature 2010, 468, 22-25.
100. Benders, G.A.; Noskov, V.N.; Denisova, E.A.; Lartigue, C.; Gibson, D.G.; Assad-Garcia, N.; Chuang, R.Y.; Carrera, W.; Moodie, M.; Algire, M.A.; et al. Cloning whole bacterial genomes in yeast. Nucleic Acids Res. 2010, 38, 2558-2569.
101. Suthers, P.F.; Dasika, M.S.; Kumar, V.S.; Denisov, G.; Glass, J.I.; Maranas, C.D. A genome-scale metabolic reconstruction of Mycoplasma genitalium, Ips189. PLoS Comput. Biol. 2009, 5, doi:10.1371/journal.pcbi.1000285.
102. Zhang, W.; Baseman, J.B. Transcriptional regulation of Mg_149, an osmoinducible lipoprotein gene from Mycoplasma genitalium. Mol. Microbiol. 2011, 81, 327-339.
103. Zhang, W.; Baseman, J.B. Transcriptional response of Mycoplasma genitalium to osmotic stress. Microbiology 2011, 157, 548-556.
104. Abel, D.L.; Trevors, J.T. More than Metaphor: Genomes are Objective Sign Systems. In Biosemiotic Research Trends; Barbieri, M., Ed.; Nova Science Publishers: New York, NY, USA, 2007; pp. 1-15.
105. Abel, D.L. What is life? (in corso di definizione). Disponibile online: http://www.lifeorigin.info (ultimo accesso il 26 dicembre 2011).
106. Abel, D.L. Constraints vs. controls. Open Cybern. Syst. J. 2010, 4, 14-27. Disponibile online: http://www.benthamscience.com/open/tocsj/articles/V004/14TOCSJ.pdf (ultimo accesso il 26 dicembre 2011).
107. Abel, D.L.; Trevors, J.T. Self-organization vs. self-ordering events in life-origin models. Phys. Life Rev. 2006, 3, 211-228.
108. Johnson, D.E. Programming of Life; Big Mac Publishers: Sylacauga, AL, USA, 2010; p. 127.
109. Rocha, L.M. Evidence Sets and Contextual Genetic Algorithms: Exploring Uncertainty, Context, and Embodiment in Cognitive and Biological Systems; State University of New York: Binghamton, NY, USA, 1997.
110. Whitehead, A.N. Symbolism: Its Meaning and Effect; Macmillan: New York, NY, USA, 1927.
111. Cassirer, E. The Philosophy of Symbolic Forms, Vol 3: The Phenomena of Knowledge; Yale University Press: New Haven, CT, USA, 1957.
112. Harnad, S. The symbol grounding problem. Phys. D 1990, 42, 335-346.
113. Pattee, H.H. Evolving self-reference: Matter, symbols, and semantic closure. Commun. Cogn. Artif. Intell. 1995, 12, 9-28.
114. Pattee, H.H.; Kull, K. A biosemiotic conversation: Between physics and semiotics. Sign Sys. Stud. 2009, 37, 311-331.
115. Cairns-Smith, A.G. Seven Clues to the Origin of Life, Canto ed.; Cambridge University Press: Cambridge, UK, 1990; p. 130.
116. Segre, D.; Ben-Eli, D.; Lancet, D. Compositional genomes: Prebiotic information transfer in mutually catalytic noncovalent assemblies. Proc. Natl. Acad. Sci. USA 2000, 97, 4112-4117.
117. Segre, D.; Lancet, D. Composing life. EMBO Rep. 2000, 1, 217-222.
118. Segre, D.; Lancet, D.; Kedem, O.; Pilpel, Y. Graded autocatalysis replication domain (gard): Kinetic analysis of self-replication in mutually catalytic sets. Orig. Life Evol. Biosph. 1998, 28, 501-514.
119. Durston, K.K.; Chiu, D.K.Y. Functional Sequence Complexity in Biopolymers. In The First Gene: The Birth of Programming, Messaging and Formal Control; Abel, D.L., Ed.; LongView Press-Academic: Biol. Res. Div.: New York, NY, USA, 2011; Chapter 5, pp. 117-133.
120. Durston, K.K.; Chiu, D.K.; Abel, D.L.; Trevors, J.T. Measuring the functional sequence complexity of proteins. Theor. Biol. Med. Model. 2007, 4, 47. Disponibile online: http://www.tbiomed.com/content/4/1/47 (ultimo accesso il 26 dicembre 2011).
121. Durston, K.K.; Chiu, D.K.Y. A functional entropy model for biological sequences. Dyn. Contin. Discret. Impuls. Syst. Ser. B 2005. Disponibile online: http://www.newscholars.com/papers/Dursto n&Chiu%20paper.pdf (ultimo accesso il 26 dicembre 2011).
122. Turing, A.M. On computable numbers, with an application to the entscheidungs problem. Proc. Roy. Soc. Lond. Math. Soc. 1936, 42, 230-265, correction in 243, 544-546.
123. Von Neumann, J. Functional Operators; Princeton University Press: Princeton, NJ, USA, 1950.
124. Von Neumann, J. The General and Logical Theory of Automata. In The World of Mathematics Vol 4; Newman, J.R., Ed.; Simon and Schuster: New York, NY, USA, 1956.
125. Von Neumann, J.; Aspray, W.; Burks, A.W. Papers of John Von Neumann on Computing and Computer Theory; MIT Press; Cambridge, MA, USA, 1987; p. xviii.
126. Von Neumann, J.; Churchland, P.M.; Churchland, P.S. The Computer and the Brain, 2nd ed.; Yale University Press: New Haven, CT, USA, 2000; p. xxviii.
127. Wiener, N. Cybernetics; Wiley: New York, NY, USA, 1948.
128. Wiener, N. Cybernetics, Its Control and Communication in the Animal and the Machine, 2nd ed.; MIT Press: Cambridge, MA, USA, 1961.
129. D’Onofrio, D.J.; An, G. A comparative approach for the investigation of biological information processing: An examination of the structure and function of computer hard drives and DNA. Theor. Biol. Med. Model. 2010, 7, doi:10.1186/1742-4682-7-3.
130. Conrad, M. Microscopic-macroscopic interface in biological information processing. Biosystems 1983, 16, 345-363.
131. Wang, D. Discrepancy between mRNA and protein abundance: Insight from information retrieval process in computers. Comput. Biol. Chem. 2008, 32, 462-468.
132. Ramakrishnan, N.; Bhalla, U.S. Memory switches in chemical reaction space. PLoS Comput. Biol. 2008, 4, doi:10.1371/journal.pcbi.1000122.
133. Benenson, Y.; Adar, R.; Paz-Elizur, T.; Livneh, Z.; Shapiro, E. DNA molecule provides a computing machine with both data and fuel. Proc. Natl. Acad. Sci. USA 2003, 100, 2191-2196.
134. Benenson, Y.; Paz-Elizur, T.; Adar, R.; Keinan, E.; Livneh, Z.; Shapiro, E. Programmable and autonomous computing machine made of biomolecules. Nature 2001, 414, 430-434.
135. Shannon, C. Part I and II: A mathematical theory of communication. Bell Syst. Tech. J. 1948, XXVII, 379-423.
136. Shannon, C. Part III: A mathematical theory of communication. Bell Syst. Tech. J. 1948, XXVII, 623-656.
137. Adami, C. Introduction to Artificial Life; Springer/Telos: New York, NY, USA, 1998; p. 374.
138. Bruza, P.D.; Song, D.W.; Wong, K.F. Aboutness from a common sense perspective. J. Am. Soc. Inf. Sci. 2000, 51, 1090-1105.
139. Hjorland, B. Towards a theory of aboutness, subject, topicallity, theme, domain, field, content . . . and relevance. J. Am. Soc. Inf. Syst. Technol. 2001, 52, 774-778.
140. Johnson, D.E. Probability’s Nature and Nature’s Probability (a Call to Scientific Integrity); Booksurge Publishing: Charleston, SC, USA, 2010.
141. Oyama, S. The Ontogeny of Information: Developmenal Systems and Evolution (Science and Cultural Theory); Duke University Press: Durham, NC, USA, 2000.
142. Sarkar, S. Information in genetics and developmental biology: Comments on Maynard Smith. Philos. Sci. 2000, 67, 208-213.
143. Sarkar, S. Biological Information: A Skeptical Look at Some Central Dogmas of Molecular Biology. In The Philosophy and History of Molecular Biology: New Perspectives; Sarkar, S., Ed.; Kluwer Academic Publishers: Dordrecht, The Netherlands, 1996; pp. 187-231.
144. Boniolo, G. Biology without information. Hist. Philos. Life Sci. 2003, 25, 255-273.
145. Salthe, S.N. Meaning in nature: Placing biosemitotics within pansemiotics. J. Biosemiotics 2005, 1, 287-301.
146. Salthe, S.N. What is the Scope of Biosemiotics? Information in Living Systems. In Introduction to Biosemiotics: The New Biological Synthesis; Barbieri, M., Ed.; Springer-Verlag New York, Inc.: Dordrecht, The Netherlands and Secaucus, NJ, USA, 2006.
147. Kurakin, A. Self-organization versus watchmaker: Molecular motors and protein translocation. Biosystems 2006, 84, 15-23.
148. Mahner, M.; Bunge, M.A. Foundations of Biophilosophy; Springer Verlag: Berlin, Germany, 1997.
149. Kitcher, P. Battling the Undead; How (and How Not) to Resist Genetic Determinism. In Thinking About Evolution: Historical Philosophical and Political Perspectives; Singh, R.S., Krimbas, C.B., Paul, D.B., Beattie, J., Eds.; Cambridge University Press: Cambridge, UK, 2001; pp. 396-414.
150. Szostak, J.W. Functional information: Molecular messages. Nature 2003, 423, doi:10.1038/423689a.
151. Hazen, R.M.; Griffin, P.L.; Carothers, J.M.; Szostak, J.W. Functional information and the emergence of biocomplexity. Proc. Natl. Acad. Sci. USA 2007, 104, 8574-8581.
152. Sharov, A. Role of utility and inference in the evolution of functional information. Biosemiotics 2009, 2, 101-115.
153. Davis, M. Computability and Unsolvability; McGraw-Hill: New York, NY, USA, 1958.
154. Abel, D.L. The capabilities of chaos and complexity. Int. J. Mol. Sci. 2009, 10, 247-291. Disponibile online: http://www.mdpi.com/1422-0067/10/1/247 (ultimo accesso il 26 dicembre 2011).
155. Trevors, J.T.; Abel, D.L. Chance and necessity do not explain the origin of life. Cell Biol. Int. 2004, 28, 729-739.
156. Abel, D.L. ‘The cybernetic cut’: Progressing from description to prescription in systems theory. Open Cybern. Syst. J. 2008, 2, 234-244. Disponibile online: www.bentham.org/open/tocsj/ articles/V002/252TOCSJ.pdf (ultimo accesso il 26 dicembre 2011).
157. Beiter, T.; Reich, E.; Williams, R.; Simon, P. Antisense transcription: A critical look in both directions. Cell.Mol. Life Sci. (CMLS) 2009, 66, 94-112.
158. Chen, J.; Sun, M.; Kent, W.J.; Huang, X.; Xie, H.; Wang, W.; Zhou, G.; Shi, R.Z.; Rowley, J.D. Over 20% of human transcripts might form sense-antisense pairs. Nucleic Acids Res. 2004, 32, 4812-4820.
159. Dornenburg, J.E.; DeVita, A.M.; Palumbo, M.J.; Wade, J.T. Widespread antisense transcription in Escherichia coli. mBio 2010, 1, doi:10.1128/mBio.00024-10.
160. Lluch-Senar, M.; Vallmitjana, M.; Querol, E.; Pinol, J. A new promoterless reporter vector reveals antisense transcription in Mycoplasma genitalium. Microbiology 2007, 153, 2743-2752.
161. Slonczewski, J.L. Concerns about recently identified widespread antisense transcription in Escherichia coli. mBio 2010, 1, doi: 10.1128/mBio.00106-10.
162. Wade, J.T.; Dornenburg, J.E.; DeVita, A.M.; Palumbo, M.J. Reply to “concerns about recently identified widespread antisense transcription in Escherichia coli”. mBio 2010, 1, doi:10.1128/mBio.00119-10.
163. Yelin, R.; Dahary, D.; Sorek, R.; Levanon, E.Y.; Goldstein, O.; Shoshan, A.; Diber, A.; Biton, S.; Tamir, Y.; Khosravi, R.; et al. Widespread occurrence of antisense transcription in the human genome. Nat. Biotechnol. 2003, 21, 379-386.
164. Dinger, M.E.; Pang, K.C.; Mercer, T.R.; Mattick, J.S. Differentiating protein-coding and noncoding RNA: Challenges and ambiguities. PLoS Comput. Biol. 2008, 4, doi:10.1371/journal.pcbi.1000176.
165. He, Y.; Vogelstein, B.; Velculescu, V.E.; Papadopoulos, N.; Kinzler, K.W. The antisense transcriptomes of human cells. Science 2008, 322, 1855-1857.
166. Shintani, S.; O’hUigin, C.; Toyosawa, S.; Michalová, V.; Klein, J. Origin of gene overlap: The case of tcp1 and acat2. Genetics 1999, 152, 743-754.
167. Sanna, C.; Li, W.-H.; Zhang, L. Overlapping genes in the human and mouse genomes. BMC Genomics 2008, 9, doi:10.1186/1471-2164-9-169.
168. Sabath, N.; Landan, G.; Graur, D. A method for the simultaneous estimation of selection intensities in overlapping genes. PLoS ONE 2008, 3, doi:10.1371/journal.pone.0003996.t002.
169. Herzel, H.; Weiss, O.; Trifonov, E.N. Sequence periodicity in complete genomes of archaea suggests positive supercoiling. J. Biomol. Struct. Dyn. 1998, 16, 341-345.
170. Ohyama, T. DNA Conformation and Transcription; Landes Bioscience: Georgetown, TX, and New York, NY, USA, 2005.
171. Nurse, P. Life, logic and information. Nature 2008, 454, 424-426.
172. De Silva, A.P.; Uchiyama, S. Molecular logic and computing. Nat. Nano 2007, 2, 399-410.
173. Korzeniewski, B. Cybernetic formulation of the definition of life. J. Theor. Biol. 2001, 209, 275-286.
174. Korzeniewski, B. Confrontation of the cybernetic definition of a living individual with the real world. Acta Biotheor. 2005, 53, 1-28.
175. Abel, D.L. The universal plausibility metric (Upm) & principle (Upp). Theor. Biol. Med. Model. 2009, 6, doi:10.1186/1742-4682-6-27. Disponibile online: http://www.tbiomed.com/content/6/1/27 (ultimo accesso il 26 dicembre 2011).
176. Abel, D.L. The Universal Plausibility Metric and Principle. In The First Gene: The Birth of Programming, Messaging and Formal Control; Abel, D.L., Ed.; LongView Press-Academic: New York, NY, USA, 2011; Chapter 11, pp. 305-324.
177. Dembski, W. The Design Inference: Eliminating Chance Through Small Probabilities; Cambridge University Press: Cambridge, UK, 1998.
178. Abel, D.L. The GS (Genetic Selection) Principle. Front. Biosci. 2009, 14, 2959-2969. Disponibile online: http://www.bioscience.org/2009/v14/af/3426/fulltext.htm (ultimo accesso il 26 dicembre 2011).
179. Abel, D.L. The Genetic Selection (Gs) Principle. Disponibile online: http://www.scitopics.com/The_Genetic_Selection_GS_Principle.html (ultimo accesso il 26 dicembre 2011).
180. Kaplan, M. Decision Theory as Philosophy; Cambridge University Press: Cambridge, UK, 1996; p. 227.
181. Eigen, M.; Gardiner, W.C., Jr.; Schuster, P. Hypercycles and compartments. Compartments assists—But do not replace—Hypercyclic organization of early genetic information. J. Theor. Biol. 1980, 85, 407-411.
182. Eigen, M.; Schuster, P. Comments on “growth of a hypercycle” by King (1981). Biosystems 1981, 13, doi:10.1016/0303-2647(81)90002-2.
183. Eigen, M.; Schuster, P.; Sigmund, K.; Wolff, R. Elementary step dynamics of catalytic hypercycles. Biosystems 1980, 13, 1-22.
184. Smith, J.M. Hypercycles and the origin of life. Nature 1979, 280, 445-446.
185. Ycas, M. Codons and hypercycles. Orig. Life Evol. Biosph. 1999, 29, 95-108.
186. Melendez-Hevia, E.; Montero-Gomez, N.; Montero, F. From prebiotic chemistry to cellular metabolism—The chemical evolution of metabolism before darwinian natural selection. J. Theor. Biol. 2008, 252, 505-519.
187. Munteanu, A.; Sole, R.V. Phenotypic diversity and chaos in a minimal cell model. J. Theor. Biol. 2006, 240, 434-442.
