物理学家正在寻找一种“生命理论”，来解释生命为什么可以存在。
生物体兼具复杂性和有序性，正如上图这个植物茎的切片。科研人员希望最终发展出能够描述所有生命的基本方程
关于生命，一切都不简单。每秒钟，一个细胞能发生数百万次有序的化学反应；数十亿个单细胞生物会形成群落；数万亿个细胞可以精确地黏附在一起，形成组织和器官。尽管生命如此复杂，却很容易识别。物理学家认为，这种可识别性可能源自构成所有生命基础的基本物理学原理。而他们正在寻找一种基于这些物理学原理的数学理论，以期解释为什么生命可以存在，以及生命的运作机理。他们认为，这样一种理论可以让科研人员以目前不可能的方式，控制和操纵生命系统。
物理学家热衷统一理论。这些统一理论把复杂现象归结为一组概念，能利用数学公式进行非常成功的预测。例如，热力学定律是解释小到原子、大到飓风的各种不同尺度的系统中，能量如何转移的理论，能够精确预测一壶水煮沸需要多长时间。尽管取得了这样的成功，科研人员尚未找到通用方程，可以描述与生命相关的日常现象。这样的通用方程能够提供和其他统一理论相同的预测能力，使科研人员能够精确地控制生物，从而能够为细菌感染提供更好的治疗方案，改进癌症疗法，并提供防止植物对除草剂产生耐药性的方法等。
德国马克斯·普朗克动力学与自组织研究所所长拉明·戈尔斯塔尼安（Ramin Golestanian）说：“物理学家研究了很多复杂系统，但是在复杂性和自由度的数量方面，生命系统属于一个完全不同的类别。”
戈尔斯塔尼安研究生命系统，比如细菌群，通过建模，使其成为移动的耗能粒子群，即所谓的“活性物质”。他还帮助组织了2018年美国物理学会“生命体的物理学”（Physics of Living Matter）会议。科研人员在这个会上讨论了找到生命的数学理论是否有可能；如果可以实现，这样一个理论应该回答哪些问题。
对于这个研究领域的一些科学家而言，找到一个理论是从颠覆生物学家对生命系统的描述开始的。美国伊利诺伊大学厄巴纳﹣香槟分校物理学家奈杰尔·戈登费尔德（Nigel Goldenfeld）研究演化和生态学的相关问题，他说：“当我参加生物学会议时，总会听到有人说‘生命是化学’，然后展示一串假定的化学反应，但我并不认为生命就是化学。”例如，化学提供了创造生命所需分子的信息，但是并没有提供如何获得一个正常运作的细胞的信息。反而，他觉得“生命是物理学”，科研人员应该把生物视为受到热力学约束的凝聚态物质系统。
角马成群结队地迁徙，穿过肯尼亚马赛马拉大草原。科研人员使用活性物质模型来模拟这种行为，这种模型还可以描述从鸟群到细菌群等生物群体的行为
果蝇的视觉器官由750多只单眼组成。美国普林斯顿大学理论物理学家威廉·比亚莱克已经证明，果蝇的这些眼睛协同工作，创造出一种视觉系统，能进行精度极高的计算
科研人员希望“生命理论”有助于研发出防止有害植物对除草剂产生耐药性的方法
戈尔斯塔尼安和戈登费尔德都认为，生命的一些特征，比如复制、演化、需要能量来运动，都是凝聚态物理学家所说的“涌现现象”的例子。涌现现象是指，由大量简单组分发生相互作用而产生的复杂特性。例如，超导电性是一种宏观的特性，是由金属中的电子之间相吸作用而产生，从而达到电阻为零的状态。至于生命，涌现行为产生于分子间的相互作用，以及分子如何组合在一起形成结构或发挥功能。
但是，生命的运作方式与金属或超导体这些常规的凝聚态物质截然不同，后者是“死的”，其行为是预先决定的。活的生物对于相同的刺激，可以用看似完全不同的方式做出反应。戈登费尔德说：“生物系统具有这种反馈回路，使得我们很难运用标准的微分方程对其进行分析。”他表示，他还不知道如何解决这个问题。
美国加州大学圣巴巴拉分校克里斯蒂娜·马尔凯蒂（Cristina Marchetti）也赞同戈登费尔德的观点。马尔凯蒂和戈尔斯塔尼安一样，通过建模来研究生命体。马尔凯蒂说：“生命系统会因为与其他系统发生相互作用或信息交换而演化、适应和改变。”但是，目前她和其他人为描述特定生物系统的行为（比如，细菌群的运动或是肿瘤细胞的聚簇）发展出来的理论还缺少对上述基本过程的阐释。马尔凯蒂说：“解释生命系统演化状态的理论研究实际上还处于起步阶段。”
发展出一个解释生命为何能存在的普遍理论的另一个挑战在于极少人研究这个问题。戈登费尔德表示，大多数研究生命内部运作的生物学家和物理学家，都聚焦于针对某些生物的一些特定过程（比如，某个特定种属的果蝇的视觉工作机理）进行建模，而不关心更广范围的研究图景。
美国普林斯顿大学理论物理学家威廉·比亚莱克（William Bialek）同意这一观点，却也看到研究特定生物的积极一面。他指出，理论物理学家如果“脱离对细节的研究”，可能会在理论探索的道路上失败。
比亚莱克说：“我们探索这个领域的根本在于——找到探索普遍的理论和参与特定系统的实验细节研究之间的平衡点。”戈尔斯塔尼安认同此观点，并补充说，任何致力于构建一个具有普遍性的生命理论的人，将“必须培养研究一系列现象的欲望和能力，对各种现象分门别类，进而寻找并发展出一种全面描述的模式。”
美国埃默里大学伊利亚·内门曼（Ilya Nemenman）是采取这种研究方法的一位物理学家。他研究从蠕虫到鸟类的各种生物如何处理周围环境信息，旨在找到规律并推导出适用于多个系统的通用方程。内门曼说：“发展出生物系统的统一理论的最大障碍之一，是确定哪些参量是重要的，哪些参量无关紧要。”
在传统的凝聚态物理中，系统的对称性（是指坐标系变换后保持不变的参量）决定了关键的参量。比如，在晶体中，对称性是指原子的有序排列模式，如果把坐标轴从一个晶胞移动到另一个晶胞，一切看起来完全一样。但是，在生物系统中，这种对称性是不存在的，或者至少目前看不出来，这就给写出正确方程的过程又增加了额外的复杂性。内门曼认为，机器学习可能有助于实现这一目标，他的研究团队最近利用机器学习这一工具，揭示了描述蠕虫如何对热量做出反应的方程。
既然几个世纪以来，生物学领域一直没有这样一个统一理论也发展得很快，为什么还要致力于寻找这样一个统一理论呢？对戈登费尔德而言，支撑他探索的驱动力是因为统一理论具有潜在的预测能力，以及它可以对生物系统的行为进行控制，例如治疗细菌感染。现有的治疗方案并没有合理解释，当抗生素杀死一些不想要的细菌时，它们却发生演化并存活下来，进而成为耐抗生素的超级细菌，如耐甲氧西林金黄色葡萄球菌（MRSA）。戈登费尔德说：“如果我们知道如何控制一个活的、不断演化的系统，那么，我们就能找到既能杀死所有细菌又不会使问题恶化的治疗方案。”不过戈尔斯塔尼安指出：“在现阶段作具体的预测显然还为时过早，但我绝对相信，人类如果掌握这种统一理论，将会大有裨益。”
资料来源physics.aps.org
——————————
本文作者凯瑟琳·赖特（Katherine Wright）是美国物理学会Physics网站的高级编辑