Da dove viene il software: geni, cervelli e comportamento innato

Percorso: Algoritmi Animali
Modulo 6

Prerequisiti:
Modulo 5
Guida alla lettura
Disclaimer

Introduzione: dove sta scritto, materialmente, un istinto

Una formica del deserto esce dal nido, percorre un tragitto tortuoso di oltre cento metri, trova il cibo e torna a casa in linea retta. Per farlo conta i passi, misura gli angoli con una bussola a luce polarizzata, aggiorna un vettore che punta al nido e risolve un problema di trigonometria. Il suo cervello ha circa 250.000 neuroni; quello di un’ape mellifera, che codifica direzione e distanza di una fonte di cibo in una danza compensando lo spostamento del sole, ne ha 950.000 in meno di un millimetro cubo.

Nei moduli precedenti abbiamo mostrato perché questi comportamenti pongono un problema: non si imparano, devono funzionare al primo tentativo, richiedono la coesistenza di sensori, elaborazione, attuatori e programma, e nessun componente da solo dà un vantaggio. Resta la domanda più concreta. Dove sta scritto, materialmente, un istinto? E per quale via un istinto nuovo potrebbe comparire? Molte delle cifre che seguono sono stime, non misure, e le segnaleremo come tali: un argomento che si regge su un numero spacciato per più preciso di quanto sia non è un argomento.

1. I casi che funzionano: quando un gene modifica davvero un comportamento

Cominciamo dalla parte solida: in alcuni sistemi la genetica del comportamento ha prodotto risultati riproducibili e quantitativi. Chi vuole discutere onestamente il problema parte da qui, non dalle lacune.

L’orologio circadiano

Nel 1971 Ronald Konopka e Seymour Benzer isolarono in Drosophila melanogaster tre mutanti dello stesso locus, che chiamarono period (per). Uno era aritmico, uno aveva un ciclo accorciato di circa cinque ore, uno allungato di circa otto. Un gene, tre alleli, tre fenotipi temporali: è il punto di partenza della cronobiologia molecolare e ha retto per cinquant’anni.

La storia però non finisce con un gene. Ne sono stati identificati almeno altri tre — timeless, clock e cycle — e il meccanismo si è rivelato un anello di retroazione trascrizionale con ritardi calibrati; come hanno mostrato Zepeng Yao e Orie Shafer nel 2014, i neuroni-orologio formano un insieme di oscillatori multipli accoppiati in modo variabile. Che cosa fa questo sistema? Genera e mantiene una fase. Definisce quando, non che cosa l’animale faccia quando l’orologio scocca.

Il gene foraging: rover e sitter

Il secondo caso classico è il gene foraging (for) della drosofila, studiato per decenni da Marla Sokolowski. Ha due varianti alleliche naturali: le larve rover percorrono distanze lunghe mentre si nutrono, le larve sitter restano in gruppi di alimentazione ravvicinati. Il gene codifica una proteina chinasi dipendente da cGMP. Nel 2002 Yehuda Ben-Shahar, Gene Robinson e colleghi hanno mostrato che l’ortologo nell’ape mellifera, Amfor, è espresso più intensamente nel cervello delle bottinatrici che in quello delle nutrici, e che somministrare cGMP ad api giovani le spinge a bottinare precocemente. Anche qui la storia si è complicata — il differenziale rover/sitter dipende pure da una regolazione epigenetica del locus — e soprattutto for non costruisce il foraggiamento: lo tara, sposta una soglia dentro un repertorio già presente.

I topi Peromyscus: la genetica di una tana

Peromyscus maniculatus scava un cunicolo corto e semplice. Peromyscus polionotus, specie strettamente imparentata, scava un cunicolo d’ingresso lungo diverse volte tanto e vi aggiunge un tunnel di fuga che risale quasi fino alla superficie; entrambi lo fanno anche se allevati in laboratorio, senza aver mai visto una tana. Nel 2013 Jesse Weber, Brant Peterson e Hopi Hoekstra hanno pubblicato su Nature l’analisi genetica della differenza. Gli ibridi di prima generazione scavano in stile polionotus: il fenotipo elaborato è dominante. Reincrociando gli ibridi con maniculatus, gli autori hanno individuato tre regioni genomiche associate alla lunghezza del cunicolo e una quarta, indipendente, associata alla presenza del tunnel di fuga.

Il risultato importante non è il numero di loci: è la loro separabilità. Lunghezza e tunnel di fuga sono moduli comportamentali geneticamente indipendenti, ricombinabili l’uno rispetto all’altro: l’architettura del comportamento è modulare come quella anatomica. Va anche detto che quei loci spiegano solo una parte della differenza fra le due specie, e che nessuno è stato ricondotto a un gene con funzione nota nel circuito che genera lo scavo.

Le api igieniche: il caso che ha insegnato la cautela

Alcune linee di api mellifere rimuovono dalle celle le larve morte o infette, limitando la peste americana; altre no. Negli anni Sessanta Walter Rothenbuhler incrociò una linea igienica e una non igienica. Il comportamento risultò scomponibile in due atti: disopercolare la cella e rimuoverne il contenuto. Alcune api facevano solo la prima cosa, altre solo la seconda se qualcuno apriva la cella per loro. Rothenbuhler propose un modello a due loci recessivi, e per decenni è stato il caso da manuale. Il modello non ha retto. Le mappature successive hanno individuato più loci a effetto quantitativo — sei o sette a seconda dello studio e della popolazione — e hanno riformulato il fenotipo in termini di soglie sensoriali: l’ape igienica reagisce a concentrazioni più basse dei segnali chimici emessi dalla covata malata. Anche qui ciò che varia geneticamente è una soglia; disopercolare e rimuovere sono già nel repertorio dell’operaia.

La lezione ricorrente dei quattro casi merita di essere enunciata prima di trarne conclusioni: quando la genetica del comportamento funziona bene, funziona su parametri di comportamenti esistenti — fase, soglia, intensità, durata, presenza o assenza di un modulo già disponibile.

2. Il salto che resta: modulare non è specificare

Fra “un gene che regola l’intensità di un comportamento” e “un gene che specifica un algoritmo nuovo” c’è una differenza di natura. Cambiare il valore di una costante è un’operazione che qualunque mutazione puntiforme può fare. Scrivere la funzione che calcola la rotta di ritorno per integrazione del percorso è altro: richiede una struttura di controllo, dati nel formato giusto, un risultato consegnato a qualcosa che sappia usarlo. Nessuno dei casi visti sopra fa la seconda cosa.

L’obiezione seria esiste e va presentata nella sua forma migliore. Nel 2005 Ebru Demir e Barry Dickson pubblicarono su Cell un esperimento notevole: forzando nelle femmine di drosofila lo splicing maschile del gene fruitless (fru), ottennero femmine che eseguono il corteggiamento maschile completo — inseguimento, tapping, canto delle ali, tentativo di copula — nella sequenza corretta e diretto verso altre femmine. Un singolo evento di splicing, un intero rituale complesso.

La lettura corretta, che è quella degli stessi autori, è un’altra. fru non contiene il rituale: mascolinizza un circuito già presente in entrambi i sessi, agendo come interruttore di alto livello che seleziona una configurazione fra due disponibili. Il circuito è costruito durante lo sviluppo da un numero indeterminato e sicuramente grande di altri geni. Chiamare fru “il gene del corteggiamento” è come chiamare “il programma” l’interruttore che sceglie fra due programmi installati.

La distinzione ha un parallelo nell’embriologia. Eric Davidson, del California Institute of Technology, ha dedicato la carriera alle reti di regolazione genica dello sviluppo, insistendo sul fatto che i loro circuiti profondi non tollerano variazione, e ne trae una conclusione metodologica netta: “contrariamente alla teoria dell’evoluzione classica, i processi che guidano i piccoli cambiamenti osservati quando le specie divergono non possono essere presi a modello per l’evoluzione dei piani corporei degli animali”. Sostituiamo “piani corporei” con “algoritmi comportamentali” e abbiamo la formulazione precisa del problema. La variazione osservata è reale e ben studiata, ma non è per ciò stesso un modello in scala dell’origine dei programmi su cui agisce. Potrebbe esserlo. Nessuno ha ancora mostrato che lo sia.

3. Gli ibridi che non sanno costruire il nido: l’esperimento di Dilger

Un esperimento classico mostra il controllo genetico del comportamento nel modo più visibile possibile, e insieme dove quel controllo si ferma: lo condusse William C. Dilger alla Cornell University fra la fine degli anni Cinquanta e i primi Sessanta, sugli inseparabili del genere Agapornis. Due specie affini trasportano il materiale per il nido in modi completamente diversi. Agapornis roseicollis taglia con il becco lunghe strisce di corteccia o di foglia e le infila fra le penne del groppone, per poi volare al nido con il carico incastrato nel piumaggio: può portarne diverse per volta. Agapornis fischeri taglia strisce più corte e le trasporta una alla volta nel becco. Due soluzioni distinte allo stesso problema, entrambe senza apprendimento.

Dilger incrociò le due specie. Gli ibridi tentarono di fare entrambe le cose e non riuscirono a farne bene nessuna. Tagliavano strisce di lunghezza intermedia, le portavano verso il groppone, giravano la testa all’indietro, facevano il movimento di infilarle — ma non le lasciavano andare, o le lasciavano nel punto sbagliato, o le perdevano al primo battito d’ala. Con il tempo migliorarono, imparando a trasportare il materiale nel becco, cioè adottando la soluzione fischeri, l’unica che funzioni con un carico singolo. Ma anche dopo anni, prima di spiccare il volo, continuavano a fare il movimento d’intenzione: la testa girava verso il groppone, per un istante, e poi l’uccello partiva col becco pieno.

Che cosa dimostra l’esperimento, in ordine di solidità?

1. Il comportamento è ereditabile in senso forte. Non “influenzato” da fattori ereditari: le sequenze motorie si segregano e si combinano negli ibridi come farebbero caratteri morfologici.
2. Non è un blocco unico. Si scompone in elementi — tagliare, orientare la testa, infilare, rilasciare — che negli ibridi compaiono dissociati, con tempi e ampiezze intermedi.
3. Combinare due programmi funzionanti produce un programma non funzionante. Il fenotipo intermedio non è a metà prestazione: è peggiore di entrambi i genitori. Gli elementi devono essere coerenti fra loro, e ricombinarli a caso rompe la coerenza.

Su ciò che l’esperimento non dice bisogna essere altrettanto chiari, perché è stato citato spesso in modo eccessivo. Dilger non ha identificato geni: non sappiamo quanti loci separino le due specie né quali. E il fatto che gli ibridi imparino a cavarsela mostra che perfino un comportamento così stereotipato ha margini di plasticità che la formula “istinto uguale programma rigido” sottovaluta — un punto che gioca contro una versione semplificata della tesi di questo percorso.

4. Il problema dell’immagazzinamento: proviamo a fare il conto

Un algoritmo di navigazione richiede informazione. Un genoma di insetto ne può contenere una quantità finita. I due numeri stanno insieme? Anticipo la conclusione, perché è più interessante di quella attesa: il conto sulla capacità grezza non favorisce la tesi di questo percorso quanto sembrerebbe, e il vero problema è altrove.

Il tetto massimo di un genoma

Il genoma della farfalla monarca, protagonista del modulo 2, è stato sequenziato nel 2011 da Shuai Zhan, Christine Merlin, Jeffrey Boore e Steven Reppert: circa 273 milioni di coppie di basi e circa 16.900 geni codificanti proteine. Ogni posizione ospita una fra quattro basi, quindi al massimo 2 bit: 273 × 10⁶ × 2 = 5,46 × 10⁸ bit, cioè circa 68 megabyte. Per l’ape mellifera il tetto è di circa 59 megabyte, per la drosofila di circa 45.

Le assunzioni nascoste sono tutte generose verso l’alto. Il calcolo assume che ogni base sia liberamente specificabile, mentre gran parte del genoma è vincolata, ripetuta o comprimibile; assume che l’intero genoma sia disponibile per l’informazione comportamentale, mentre deve specificare anche cuticola, muscoli, occhi composti, sistema immunitario, metamorfosi e riproduzione; non conta l’informazione ereditata per via non genomica; e tratta i bit come intercambiabili, mentre non lo sono.

Quanto costerebbe scrivere un connettoma

Il nematode Caenorhabditis elegans ha un sistema nervoso di 302 neuroni e circa 7.000 sinapsi, il primo a essere mappato integralmente. Elencare le due estremità di una sinapsi fra 302 neuroni costa circa 17 bit: in totale 1,2 × 10⁵ bit, ossia 15 kilobyte, contro un tetto genomico di circa 25 megabyte. Per un nematode l’immagazzinamento non è un problema, il che è il contrario di quanto suggerirebbe l’intuizione.

Saliamo. Nel 2024 il consorzio FlyWire ha pubblicato il diagramma di cablaggio completo del cervello adulto di drosofila: circa 139.000 neuroni e oltre 54 milioni di sinapsi. Indicare un neurone fra 139.000 costa circa 17 bit; elencando per ogni sinapsi il solo bersaglio servono 5,45 × 10⁷ × 17 ≈ 9,3 × 10⁸ bit, cioè circa 116 megabyte, contro un tetto genomico di 45. Il diagramma esplicito richiederebbe due volte e mezzo l’intero genoma del moscerino, senza lasciare un bit per costruire il moscerino; e se ammettiamo — a spanne, perché nessuno conosce questa frazione — che solo qualche punto percentuale del genoma sia disponibile per il sistema nervoso, il divario passa a due o tre ordini di grandezza. Per l’ape mellifera, con 950.000 neuroni e fra 10⁸ e 10⁹ sinapsi stimate, il conto peggiora ancora.

Che cosa il conto dimostra e che cosa non dimostra

La conclusione corretta non è “il genoma non basta per l’istinto”, ma una più precisa: il genoma non può essere un diagramma di cablaggio; deve essere un programma generativo, un insieme compatto di regole che, eseguite durante lo sviluppo, producono il circuito. Non è una tesi del disegno intelligente: è l’argomento del “collo di bottiglia genomico” che il neuroscienziato Anthony Zador ha formulato nel 2019 su Nature Communications proprio per spiegare come mai gli animali nascano competenti. Il genoma non specifica le sinapsi, specifica regole di cablaggio — gradienti di molecole guida, affinità fra tipi cellulari, finestre temporali — e le regole generano la struttura.

Restano allora due fatti, uno per parte. Da un lato la compressione tramite regole è enormemente efficace, e questo indebolisce l’argomento del “non c’è spazio”: se un gradiente e una regola di adesione bastano a cablare un intero strato, la contabilità sinapsi per sinapsi è priva di senso, come lo sarebbe misurare un frattale contandone i pixel. Dall’altro la compressione sposta la domanda senza cancellarla: le regole di cablaggio non sono meno specifiche del cablaggio, sono più specifiche, perché ognuna vincola simultaneamente milioni di connessioni, e un errore in una costante di un algoritmo generativo non sbaglia una sinapsi ma un intero settore. In termini di informazione funzionale — il tipo di informazione che, come nota il matematico William Dembski, esclude alternative anziché limitarsi a occupare spazio — non abbiamo risparmiato nulla: abbiamo cambiato dove il problema si trova. L’origine degli istinti non è un problema di capienza, ma di specificazione: quale configurazione, fra quante, e trovata come.

5. Il cablaggio del cervello: quanto è scritto e quanto si scrive da sé

Se il genoma contiene regole e non diagrammi, quanto lavoro fanno le regole e quanto i processi che le eseguono? La risposta della neurobiologia dello sviluppo, senza sconti, è che l’autoorganizzazione fa moltissimo lavoro.

Nel sistema visivo dei vertebrati la mappa retinotopica iniziale si forma per gradienti molecolari, ma la sua rifinitura dipende dall’attività spontanea delle onde retiniche, prima ancora che l’occhio si apra: connessioni che sparano insieme si rinforzano, le altre vengono eliminate. Anche negli insetti, dove lo sviluppo è molto più deterministico, la stereotipia è a livello di tipo cellulare e non di sinapsi individuale: il confronto fra i due emisferi dello stesso cervello di drosofila mostra tipi neuronali e schemi di connessione conservati, e connessioni singole variabili.

Il caso più netto resta il nematode: tutti i nematodi hanno sistemi nervosi molto simili, eppure mostrano comportamenti molto diversi, e un articolo su Cell dedicato a C. elegans conclude che “rimane in gran parte misterioso come il sistema nervoso sia funzionalmente organizzato per generare comportamenti”.

Tenere insieme due fatti è il punto delicato del modulo. Il primo è che l’autoorganizzazione riduce drasticamente il carico informativo sul genoma: chi argomenta come se ogni dettaglio del cervello dovesse essere scritto in un gene attacca una posizione che nessun neurobiologo sostiene.

Il secondo è che l’autoorganizzazione, da sola, non seleziona quale struttura emerga. Le onde retiniche rifiniscono una mappa che i gradienti hanno già impostato; la plasticità dipendente dall’attività ottimizza pesi dentro un’architettura data. Quando la costruzione dei nidi di Lasius niger viene descritta come “il risultato di un processo autoorganizzato”, la descrizione è corretta ma incompleta: le regole locali — scavare, modellare una pallina, depositarla dove il feromone è più intenso — sono semplici, ma sono quelle regole, con quelle soglie, calibrate sulle dimensioni del corpo dell’animale. Cambiate le soglie e non ottenete un nido diverso: non ottenete un nido. “Autoorganizzazione” nomina un meccanismo reale e potente; diventa una spiegazione quando si specifica quali regole si organizzano e da dove vengono — e su questo non abbiamo risposte dettagliate per nessun comportamento programmato complesso.

6. Geni orfani, geni nuovi e l’origine dell’eusocialità

Resta una via che potrebbe fornire il materiale grezzo per programmi nuovi: geni senza antenati. Il sito ha già un modulo sulla questione generale — i geni orfani e le discontinuità genomiche — e non lo ripeteremo. Il fatto di base, riassunto da una rassegna su Trends in Genetics, è che ogni genoma eucariotico contiene fra il 10 e il 20% di geni senza somiglianza di sequenza significativa con geni di altre specie; Diethard Tautz e Tomislav Domazet-Lošo osservano che hanno contribuito in modo sostanziale alle innovazioni evolutive, e insieme che pochissimi sono stati caratterizzati funzionalmente. Applichiamo la questione all’eusocialità, che il modulo 4 ha descritto come il caso estremo di comportamento programmato.

• Il genoma dell’ape asiatica Apis cerana, altamente eusociale, contiene 2.182 geni senza corrispondenti negli insetti non sociali su 10.651 totali, circa il 20%, e non li condivide nemmeno con l’imparentatissima Apis mellifera, da cui si sarebbe separata uno o due milioni di anni fa.
• Il confronto di Daniel Simola e colleghi fra sette specie di formiche, api mellifere e insetti solitari ha trovato circa quattromila geni nuovi per ciascuna linea di formiche, ma solo sessantaquattro condivisi da tutte e sette. Gli autori concludono che “un ampio kit sociale di geni codificanti proteine de novo conservati non è un requisito per l’eusocialità”.
• Lo studio di Karen Kapheim e colleghi su dieci genomi di api con gradi diversi di socialità ha trovato 162 geni a “evoluzione accelerata” nella transizione verso l’eusocialità, 109 geni arricchiti per trasporto proteico e neurogenesi nelle specie a eusocialità complessa, e — dato cruciale — modifiche genetiche diverse in ogni linea.

Le implicazioni tirano in due direzioni. La prima è che l’ipotesi del “kit di strumenti” comune è in difficoltà: l’idea che il passaggio da solitario a sociale richieda solo il riutilizzo di pochi geni ancestrali — Bert Hölldobler ed Edward Wilson scrivevano che il passo finale verso l’eusocialità può avvenire “con la sostituzione di uno solo o di un piccolo gruppo di alleli” — non è compatibile con genomi che divergono per migliaia di geni e convergono su sessantaquattro. Brian Johnson e Timothy Linksvayer concludono che “le reti di comunicazione che caratterizzano la fisiologia sociale non hanno antecedenti diretti negli Imenotteri solitari”.

La seconda lavora contro una lettura frettolosa della prima. Migliaia di geni “unici” non sono migliaia di innovazioni indipendenti: la conta dipende dalla soglia di somiglianza, dalle annotazioni e dal campione di genomi disponibili, e “espressione differenziale” non significa “gene per il comportamento”. Resta comunque un dato notevole: il passaggio all’eusocialità è correlato a una riorganizzazione genomica estesa, diversa in ogni linea, con una componente sostanziale di sequenze senza antenati riconoscibili — e nessuno degli studi citati identifica l’origine degli algoritmi che governano la colonia, ne identifica correlati genomici.

7. Obiezioni

«La genetica del comportamento sta avanzando in fretta: è solo questione di tempo»

Nella sua forma migliore l’obiezione è forte. Cinquant’anni fa non conoscevamo un solo gene del comportamento; oggi abbiamo l’orologio circadiano molecolare, l’architettura modulare dello scavo nei Peromyscus, il connettoma completo di un cervello di insetto, la possibilità di silenziare singole classi di neuroni in un animale che si comporta. Estrapolare una curva così ripida non è irragionevole.

Tre osservazioni. La curva è ripida su come funzionano i circuiti esistenti; non ce n’è una analoga sulla ricostruzione della loro origine storica, che richiede sequenze ancestrali, intermedi funzionali e percorsi mutazionali percorribili, e che nel comportamento non fossilizza. Il progresso ha inoltre spostato la stima della complessità verso l’alto: il ritmo circadiano da un gene a una rete di oscillatori, l’igiene delle api da due loci a sei o sette, e il riflesso branchiale di Aplysia — studiato da Eric Kandel come esempio di meccanismo semplice — si è rivelato coinvolgere una rete di circa trecento neuroni, tanto che Janet Leonard e John Edstrom concludono, dopo trent’anni di ricerche, “che questo sistema semplice, come molti altri, è molto più complesso e variabile di quanto fosse stato inizialmente previsto”. Resta però che non è un argomento decisivo: se qualcuno mostrerà un percorso mutazionale selezionabile passo per passo verso l’integrazione del percorso, questo modulo sarà superato — ed è ciò che ne fa una posizione discutibile invece che una scommessa protetta.

«I comportamenti complessi emergono da poche regole semplici: l’informazione richiesta è molto minore»

È l’obiezione tecnicamente più seria, ed è largamente corretta: la contabilità sinapsi per sinapsi è quella sbagliata, come abbiamo detto noi stessi. La costruzione dei nidi di Lasius niger si ottiene modulando tre comportamenti elementari; i termitai nascono da regole locali e stigmergia; uno stormo si modella con tre regole per individuo.

Ci sono però tre limiti. Primo: la compressione non è gratuita in termini di specificità — una regola che vincola milioni di connessioni è più specifica, non meno, di una connessione singola. Secondo: la semplificazione funziona per i comportamenti collettivi, dove il pattern sta nell’aggregato, e molto meno per quelli individuali che richiedono calcolo; l’integrazione del percorso in una formica del deserto non è un pattern emergente, è l’aggiornamento continuo di un vettore con trigonometria implicita e gestione degli errori, e nessuna delle “poche regole semplici” proposte finora la produce come effetto collaterale. Terzo, e più importante: l’obiezione sposta il bersaglio senza eliminarlo. Se il comportamento emerge da regole semplici, la domanda diventa da dove vengano quelle regole, con le loro soglie calibrate, e come siano accoppiate ai sensori e agli attuatori. Ridurre un programma da diecimila righe a dieci non spiega le dieci righe.

«L’epigenetica e la plasticità cambiano il quadro»

Anche qui la premessa è vera e riconosciuta: il quadro strettamente gene-centrico è insufficiente, come osservano Massimo Pigliucci e Gerd Müller notando che la sintesi moderna non era “in grado di spiegare come il cambiamento organismico si realizza a livello di fenotipo”, e come mostra la determinazione della casta negli insetti sociali, dove se una larva diventi regina o operaia dipende da fattori nutrizionali e sociali regolati dalla colonia. Il sito ha un modulo dedicato a questa complessità oltre il DNA.

La conseguenza che l’obiezione trae, però, non segue. L’epigenetica spiega quale programma, fra quelli disponibili, venga eseguito in un dato contesto: la determinazione della casta è un interruttore che seleziona fra fenotipi già potenzialmente presenti. Nessun meccanismo epigenetico noto crea un algoritmo che non c’era, e Hua Yan e coautori chiudono una rassegna sul tema ammettendo che “le principali domande che guidano i campi dell’epigenetica comportamentale e della sociobiologia rimangono senza risposta”. C’è poi un effetto non calcolato: un secondo livello di controllo è un secondo livello di informazione da specificare — le marcature, gli enzimi che le scrivono e le leggono, i segnali che li attivano. L’epigenetica allarga il repertorio dei meccanismi e insieme ciò di cui va spiegata l’origine.

«L’argomento è dall’ignoranza»

Nella forma corretta l’accusa è questa: dire “non sappiamo come il comportamento X si sia evoluto, quindi è stato progettato” è fallace, perché dall’incompletezza di una teoria non segue la verità di un’alternativa. Se questa fosse la struttura dell’argomento, sarebbe un cattivo argomento. Non lo è, per due ragioni e con una concessione.

Primo, l’argomento negativo qui non è “non sappiamo” ma “sappiamo che i meccanismi noti fanno una cosa determinata e non ne fanno un’altra”: le varianti geniche caratterizzate modulano parametri di comportamenti esistenti, e le mutazioni casuali degradano gli algoritmi molto più spesso di quanto li migliorino, come mostrano l’esperimento a lungo termine di Richard Lenski su E. coli — dove gli adattamenti utili sono in larga parte rotture di funzioni preesistenti — e la constatazione dei genetisti Tom Strachan e Andrew Read che “è abbastanza probabile che apportare modifiche casuali a un gene impedisca il suo funzionamento, ma è molto improbabile che gli conferisca una nuova funzione”. Questa è conoscenza, non ignoranza: può essere sbagliata, ma va confutata con dati.

Secondo, l’inferenza al progetto poggia su un argomento positivo indipendente: sappiamo per esperienza uniforme quale tipo di causa produce sistemi in cui sensori, elaborazione, attuatori e programma sono reciprocamente calibrati e funzionano solo insieme. Eric Cassell, che ha progettato sistemi di navigazione per aeromobili, osserva che la difficoltà di immaginare un’origine graduale per l’algoritmo della formica del deserto è “un’inferenza basata non sull’ignoranza ma sul know-how ingegneristico” (si veda il modulo sul metodo con cui si riconosce un progetto).

La concessione delimita la pretesa: l’inferenza al progetto in questo campo è più debole che nel caso dell’informazione di sequenza, perché nel comportamento non sappiamo ancora indicare il supporto fisico dell’informazione — non possiamo dire “l’algoritmo di navigazione occupa queste basi” come si dice di un gene. Finché non lo sapremo, nessuna delle due parti può quantificare davvero l’improbabilità in gioco, e chi presenta il caso comportamentale come più stringente di quello molecolare sta esagerando la propria posizione.

8. La domanda, formulata con precisione

Sappiamo che il genoma di un insetto ha un tetto informativo grezzo dell’ordine di 10⁸-10⁹ bit, con un contenuto funzionale effettivo inferiore e non misurato, e che il cablaggio del suo cervello descritto sinapsi per sinapsi ne richiederebbe uno o due ordini di grandezza in più. Ne segue che il genoma codifica regole generative, non diagrammi, e che una parte sostanziale della struttura finale emerge da autoorganizzazione e attività: nessuno di questi passaggi è controverso. Sappiamo anche che le varianti geniche caratterizzate finora — per, for, i loci dell’igiene, i QTL dello scavo, l’interruttore fruitless — agiscono tutte su parametri di comportamenti già presenti, e che nessuna è stata mostrata specificare un algoritmo nuovo.

La domanda quantificata è allora questa: quanti bit di informazione funzionale separano il genoma di una specie priva di un dato algoritmo comportamentale da quello di una specie che lo possiede, quanti di quei bit devono essere coordinati fra loro per dare un vantaggio anche minimo, e quale processo può fornirli nel tempo disponibile?

Nessuno dei due schieramenti sa rispondere. Non lo sa la biologia evolutiva, che dispone di correlati genomici ma non di un percorso; non lo sa la ricerca sul disegno intelligente, che può argomentare che un processo cieco è un cattivo candidato per fornire quei bit in modo coordinato, ma non può ancora dire quanti siano né dove stiano. Chi trova insoddisfacente questa conclusione ha ragione: lo è. È però la conclusione che i dati sostengono oggi, e sostituirla con una più netta significherebbe scambiare una stima per una misura. Nel modulo 7 proveremo a mettere insieme che cosa serve perché un istinto esista, e a chiedere quale tipo di causa abbia il potere dimostrato di fornirlo.

Concetti chiave

1. La genetica del comportamento funziona bene su parametri, non su programmi. Nei quattro casi meglio studiati — orologio circadiano, gene foraging, scavo nei Peromyscus, igiene delle api — le varianti geniche spostano una fase, una soglia, un’intensità, o attivano un modulo già disponibile.
2. Un interruttore non è il programma che accende. Il gene fruitless commuta un intero rituale di corteggiamento in drosofila, ma seleziona una configurazione fra due già costruite da molti altri geni. Confondere il selettore con il selezionato è l’errore più diffuso su questi temi.
3. Gli ibridi mostrano che il comportamento è ereditabile e scomponibile, e che ricombinarlo lo rompe. Gli inseparabili ibridi di Dilger tentavano insieme le due tecniche di trasporto e a lungo non ne portavano a termine nessuna: il fenotipo intermedio è peggiore di entrambi i genitori.
4. Il genoma non può essere un diagramma di cablaggio, e questo indebolisce l’argomento dell’immagazzinamento. Specificare sinapsi per sinapsi il cervello di una drosofila costerebbe più bit dell’intero genoma: la conseguenza corretta non è che manchi lo spazio, ma che il genoma contenga regole generative compresse — meno bit da trovare e meno errori tollerati.
5. L’autoorganizzazione fa molto lavoro, ma non sceglie le regole. Gradienti, onde di attività spontanea, potatura sinaptica e stigmergia costruiscono struttura senza che sia scritta da nessuna parte, ma operano dentro soglie e condizioni iniziali che vanno specificate, e di cui non conosciamo l’origine.
6. La conclusione onesta è una domanda quantificata, non una vittoria. Né la biologia evolutiva né la ricerca sul disegno intelligente sanno oggi dire quanti bit di informazione funzionale coordinata separino una specie priva di un dato algoritmo da una che lo possiede.

Per approfondire

• I geni orfani e le discontinuità genomiche — il quadro generale del fenomeno applicato qui all’eusocialità.
• Il genoma come sistema gerarchico — perché il DNA di sequenza non basta a spiegare il fenotipo.
• Cosa può e cosa non può fare la selezione naturale — agisce solo su ciò che è già comparso.
• Complessità specificata — la nozione di informazione funzionale usata nella sezione 4.
• Il metodo scientifico dell’ID — la struttura dell’inferenza usata contro l’obiezione dell’argomento dall’ignoranza.

Riferimenti

Cassell, E. (2021). Animal Algorithms: Evolution and the Mysterious Origin of Ingenious Instincts. Discovery Institute Press.

Ben-Shahar, Y., Robichon, A., Sokolowski, M. B., & Robinson, G. E. (2002). Influence of gene action across different time scales on behavior. Science, 296(5568), 741–744. DOI 10.1126/science.1069911.

Rothenbuhler, W. C. (1964). Behavior genetics of nest cleaning in honey bees. IV. American Zoologist, 4(2), 111–123.

Oxley, P. R., Spivak, M., & Oldroyd, B. P. (2010). Six quantitative trait loci influence task thresholds for hygienic behaviour in honeybees. Molecular Ecology, 19(7), 1452–1461. DOI 10.1111/j.1365-294X.2010.04569.x.

Weber, J. N., Peterson, B. K., & Hoekstra, H. E. (2013). Discrete genetic modules are responsible for complex burrow evolution in Peromyscus mice. Nature, 493(7432), 402–405. DOI 10.1038/nature11816.

Dilger, W. C. (1960). The comparative ethology of the African parrot genus Agapornis. Zeitschrift für Tierpsychologie, 17(6), 649–685.

Demir, E., & Dickson, B. J. (2005). fruitless splicing specifies male courtship behavior in Drosophila. Cell, 121(5), 785–794. DOI 10.1016/j.cell.2005.04.027.

Zhan, S., Merlin, C., Boore, J. L., & Reppert, S. M. (2011). The monarch butterfly genome yields insights into long-distance migration. Cell, 147(5), 1171–1185. DOI 10.1016/j.cell.2011.09.052.

Zador, A. M. (2019). A critique of pure learning and what artificial neural networks can learn from animal brains. Nature Communications, 10, 3770. DOI 10.1038/s41467-019-11786-6.

Dorkenwald, S., et al. (2024). Neuronal wiring diagram of an adult brain. Nature, 634, 124–138. DOI 10.1038/s41586-024-07558-y.

Tautz, D., & Domazet-Lošo, T. (2011). The evolutionary origin of orphan genes. Nature Reviews Genetics, 12, 692–702.

Simola, D. F., et al. (2013). Social insect genomes exhibit dramatic evolution in gene composition and regulation while preserving regulatory features linked to sociality. Genome Research, 23(8), 1235–1247.

Kapheim, K. M., et al. (2015). Genomic signatures of evolutionary transitions from solitary to group living. Science, 348(6239), 1139–1143.

Johnson, B. R., & Linksvayer, T. A. (2010). Deconstructing the superorganism: social physiology, groundplans, and sociogenomics. The Quarterly Review of Biology, 85(1), 57–79.