जीवविज्ञान में क्रांति? जीन से परे bioelectric code
(bitsofwonder.co)- Michael Levin का शोध जैविक विकास को केवल जीन-केंद्रित नज़रिए से नहीं देखता, बल्कि यह परिकल्पना सामने रखता है कि कोशिकाएँ bioelectric networks के जरिए शरीर की संरचना का समन्वय करती हैं
- planaria प्रयोगों में कोशिकाओं के resting membrane potential और सापेक्ष विद्युत अवस्था ने सिर-पूंछ पुनर्जनन में भूमिका निभाई, और कुछ ion channels को रोकने वाली दवाओं से शरीर की संरचना बदली जा सकी
- planaria में कुछ बदलाव gene editing के बिना भी बने रहे, और दो-सिर वाली संरचना बिना अतिरिक्त हस्तक्षेप के अगली पीढ़ियों तक चली
- यही तरीका मेंढकों में अतिरिक्त अंगों और असामान्य स्थानों पर आँखें बनाने, चलने और स्वयं-प्रतिकृति करने वाले biobot बनाने, और क्षतिग्रस्त neurons को ठीक करने वाले मानव कोशिका-आधारित biobot तक विस्तृत हुआ
- यदि कोशिकाएँ, ऊतक और अंग लक्ष्य की ओर बढ़ते हुए साधन बदल सकने वाली collective intelligence रखते हों, तो bioengineering और cognitive science का दायरा बहुत व्यापक हो सकता है
एकल कोशिका से शरीर बनने की प्रक्रिया
- एक निषेचित अंडाणु को भ्रूण और फिर वयस्क बनने के लिए हड्डियों, त्वचा, मांसपेशियों, अंगों और लगभग 100 अरब neurons की व्यवस्था और कनेक्शन बनाने होते हैं
- मशीनों में इंसान ब्लूप्रिंट के अनुसार parts जोड़ते हैं, लेकिन जैविक विकास में ऐसा कोई central control center नहीं होता जो पूरे शरीर को ऊपर से देखकर हर हिस्से को आदेश दे
- पारंपरिक जीवविज्ञान आमतौर पर ऐसी bottom-up structure के करीब रहा है, जिसमें molecular mechanisms कोशिका-कार्य बनाते हैं और कोशिका-कार्य अंगों व शरीर को बनाते हैं
- 2003 में human genome sequencing के बाद बहुत-सा शोध इस पर केंद्रित रहा कि genes और chemical pathways उच्च-स्तरीय जैविक संरचनाओं को कैसे निर्धारित करते हैं
- Levin का मुख्य तर्क यह है कि genes शरीर बनाने के लिए बहुत-सी जानकारी रखते हैं, लेकिन विकास को समझने और उसमें हस्तक्षेप करने के लिए वे एकमात्र abstraction layer नहीं हैं
- programming की तुलना में genes machine code के करीब हैं, जबकि आधुनिक programmers objects, modules और applications जैसे उच्च-स्तरीय constructs के साथ काम करते हैं
- जीवविज्ञान में भी अर्थपूर्ण higher control layers हैं, और उनका एक रूप bioelectric networks हैं
bioelectric networks और planaria पुनर्जनन
- neurons membrane के electrical patterns और neurotransmitters से network communication करते हैं, लेकिन पूरे शरीर की कोशिकाएँ भी यही communication components रखती हैं और धीमी गति से signals का आदान-प्रदान करती हैं
- Levin और उनके सहयोगी इसे neural networks से अलग बताने के लिए bioelectric networks कहते हैं
- planaria लगभग 2 cm लंबा जीव है, जो बूढ़ा नहीं होता, कैंसर से ग्रस्त नहीं होता, और शरीर के 250 से अधिक टुकड़ों में कट जाने पर भी हर भाग को पुनर्जीवित कर सकता है
- पुनर्जनन की मुख्य पहेली यह है कि हर कटा हुआ टुकड़ा कैसे पहचानता है कि उसके पास पहले से कौन-सा हिस्सा है और उसे नया क्या बनाना है
- पूरे शरीर की कोशिकाओं में resting membrane potential का gradient मौजूद होता है
- कोशिकाएँ इसी विद्युत अवस्था से शरीर में अपनी स्थिति ट्रैक करती हैं
- प्रयोगों ने दिखाया कि शरीर के बाकी हिस्सों की तुलना में किसी कोशिका की विद्युत अवस्था कहाँ स्थित है, यह सिर या पूंछ के पुनर्जनन के निर्णय में शामिल होता है
- पुनर्जनन क्षमता में वयस्क stem cells यानी neoblasts भी महत्वपूर्ण हैं, और ये कोशिकाएँ planaria के शरीर का 30% तक हिस्सा हो सकती हैं
- सभी जीवविज्ञानी bioelectric networks की केंद्रीय भूमिका से सहमत नहीं हैं; Alfonso Martinez Arias का मानना है कि stem cell क्षमता पर अधिक ध्यान देना चाहिए
जीन बदले बिना शरीर की संरचना बदलने वाले प्रयोग
- Levin की टीम ने planaria को ऐसी दवा वाले घोल में रखा जो विशेष ion channels को रोकती थी, इससे कोशिकाओं की विद्युत अवस्था बदली गई और एक के बजाय दो सिर बनने लगे
- इसी तरह के प्रयोगों में ऐसी स्थितियाँ भी मिलीं जिनमें सिर बिल्कुल नहीं बना, या किसी दूसरी कृमि प्रजाति का सिर बन गया
- इन कृमियों के genes edit नहीं किए गए थे, और ये सभी जीवित, कार्यक्षम जीव थे, लेकिन उनकी शरीर-रचना अलग थी
- कुछ बदलाव स्थायी रहे, इसलिए दो-सिर वाले planaria बिना अतिरिक्त दवा या हस्तक्षेप के लगातार दो-सिर वाली संतानें बनाते रहे
- यह planaria lineage fission reproduction से प्रजनन करती है, जिसमें शरीर दो हिस्सों में विभाजित होकर बढ़ता है
- ये परिणाम दिखाते हैं कि genes बदले बिना भी शरीर की संरचना में स्थायी बदलाव लाए जा सकते हैं, और Levin के नज़रिए से यह शरीर के bioelectric code को डिकोड करने की दिशा में एक कदम है
मेंढक, आँखें और biobot तक विस्तृत विकास नियंत्रण
- Levin की लैब और अन्य शोधकर्ताओं ने bioelectric networks को नियंत्रित करके विकास पर नियंत्रण के कई उदाहरण बनाए हैं
- मेंढकों में अतिरिक्त अंग विकसित किए गए
- मेंढकों की आंत में आँखें बनाई गईं, या पूंछ पर वास्तव में देखने वाली आँखें विकसित की गईं
- Levin का अंतिम लक्ष्य एक anatomical compiler है, जिसमें किसी भी अंग या शरीर-डिज़ाइन का इनपुट देने पर उसे बनाने के लिए आवश्यक chemical और electrical signals का सेट आउटपुट मिले
- इस विचार में हर सूक्ष्म संरचना को अलग-अलग निर्दिष्ट करने के बजाय “पूंछ पर अतिरिक्त आँख” जैसा उच्च-स्तरीय वर्णन दिया जाता है, और इसकी तुलना जीवविज्ञान के DALL-E से की जाती है
- लंबे समय में इसे trauma, congenital defects, degenerative diseases, cancer और aging जैसी biomedical समस्याओं पर लागू करने की संभावना की बात की जाती है
- हालांकि, ऐसी प्रणालियाँ अभी बहुत speculative and distant possibility हैं, और इनके विकास के दौरान कई ethical समस्याएँ उठ सकती हैं
विकास प्रक्रिया की बुद्धिमत्ता और अनुकूलनशीलता
- Levin के व्यापक दृष्टिकोण में “intelligence” और “cognition” केवल मस्तिष्क के neurons तक सीमित नहीं हैं, बल्कि जीवविज्ञान के और भी स्तरों पर लागू हो सकते हैं
- एक प्रयोग में tadpole के चेहरे के अंगों को हाथ से उलट-पुलट देने पर भी परिपक्वता के दौरान वे सही जगह पर पहुँच गए, जो दिखाता है कि विकसित होता शरीर लक्ष्य अवस्था की ओर बढ़ सकता है
- इस “picasso frogs” स्थिति के बारे में कहा जाता है कि इसके विकासवादी वातावरण में होने की संभावना कम थी, इसलिए इसे किसी विशेष परिस्थिति के लिए genetic hard-coding कहना कठिन है
- Levin एक ही लक्ष्य को अलग-अलग साधनों से हासिल करने की क्षमता को intelligence मानते हैं
- इसके संबंधित उदाहरण कई जैविक स्तरों पर दिखते हैं
- भ्रूण को शल्यक्रिया से दो हिस्सों में काटने पर दो आधे शरीर नहीं, बल्कि दो स्वस्थ जुड़वाँ विकसित होते हैं
- salamander कोशिकाओं को कृत्रिम रूप से बड़ा करने पर भी kidney tubules कम कोशिकाओं का उपयोग करके वही वस्तुनिष्ठ आकार विकसित करते हैं
- जब कोशिकाएँ और बड़ी हो जाती हैं, तो salamander ऐसे tubules भी बना सकता है जो भीतर मुड़ी हुई एक ही कोशिका से बने हों
रचनात्मकता, agency और collective intelligence
- जैविक प्रणालियाँ व्यवधान के बाद केवल वही कार्य वापस नहीं पातीं, बल्कि सही signals मिलने पर नए कार्य भी अपना सकती हैं
- Levin की टीम ने भ्रूणीय मेंढक की त्वचा कोशिकाओं को विशेष signals देकर स्वयं चलने और स्वयं-प्रतिकृति करने वाले biobot बनाए
- इस मामले में भी gene modification नहीं की गई; सामान्य stem cells को दवाएँ देकर यह किया गया
- हाल में वयस्क मानव फेफड़े के ऊतक की कोशिकाओं से चलने वाले biobot बनाए गए, और दिखाया गया कि वे क्षतिग्रस्त neurons को ठीक कर सकते हैं
- संभावित अनुप्रयोगों में cancer cells पर हमला, environmental toxins की सफाई, और क्षीण हो चुके nervous tissue की मरम्मत शामिल हैं
- Levin का मानना है कि मस्तिष्क के उभरने से पहले भी evolution ने morphogenesis, bacterial colonies, और gene networks जैसे निम्न-स्तरीय subsystems में agency और intelligent information processing खोज ली होगी
- यदि कोशिकाओं और कोशिका-समूहों को जन्मजात बुद्धिमत्ता वाले systems के रूप में देखा जाए, तो उस बुद्धिमत्ता को इच्छित उद्देश्यों के लिए उपयोग करने वाली शोध-दिशाएँ खुलती हैं
cognitive science का विस्तृत दायरा
- यदि मस्तिष्क, अंग और कोशिकाएँ समान मूलभूत cognitive components रखते हैं, तो tools और ideas को अलग-अलग क्षेत्रों के बीच साझा किया जा सकता है
- “cognitive science” मस्तिष्क neurons के अध्ययन से आगे बढ़कर साथ मिलकर समन्वित होने वाली सभी cell types, और उससे भी व्यापक रूप में सभी collectives तक फैल सकती है
- पहले से ऐसे अध्ययन हुए हैं जो cancer को कोशिका-समूह का “dissociative identity disorder” मानते हैं, या जिनमें ant colonies के मस्तिष्क जैसी visual illusions में फँसने की घटना देखी गई है
- Levin सभी intelligence को collective intelligence मानते हैं
- अलग-अलग प्रकार की intelligence कई उप-इकाइयों के मेल से बनती है, जिनमें अपनी-अपनी क्षमताएँ और subordinate intelligences होती हैं
- मनुष्य भी लगभग 100 अरब neurons और खरबों अन्य कोशिकाओं के सहयोग से बना एक collective है
- शरीर कोशिकाओं का एक समाज है, और मानव समाज तथा शरीर के भीतर कोशिकाओं के समाज के बीच संबंध सिर्फ़ रूपक से अधिक हो सकता है
1 टिप्पणियां
Hacker News की राय
Michael Levin का नज़रिया Humberto Maturana के autopoiesis और Nick Lane के proton pumping के काफी करीब जाता दिख रहा है
autopoiesis आसान concept नहीं है, लेकिन इसका एक मुख्य विचार यह है कि structure की बारीकियों से ज़्यादा उन relationships को बनाए रखना महत्वपूर्ण है, जो अपने components को लगातार replenish करने देती हैं। Planaria का बेहद adaptable होना कोई नई बात नहीं है
Nick Lane DNA की तुलना में bioenergetics और membranes के आर-पार proton pumping पर ज़ोर देते हैं, और अपनी हालिया किताब “Transformer” में Krebs cycle और mitochondria को life के केंद्र में रखते हैं। Lane को पढ़ना बहुत आसान है, लेकिन Maturana लगभग दुरूह हैं
मूल लेख पढ़कर अच्छा लगा, लेकिन development को “bioelectricity” तक reduce करने में मुझे असहजता है। यह एक complementary perspective तो है, पर पता नहीं कि यह पुराने developmental molecular biology से आगे हमें कितना दूर ले जाएगा
दूसरे क्षेत्रों में ऐसा author ढूंढना मुश्किल है जिससे इतना कुछ सीखा जा सके और फिर भी वह असली मेहनत जैसा न लगे
mass-centric नज़रिए से हटकर, electrical engineering में idealized electromagnetic radiation की mathematical completeness तक जाएं, तो theoretical applications में इसकी value दिखती है
मैंने programmable cellular automata से एक tree के बढ़ने का simulation बनाया था। हर cell आसपास की conditions और age/iteration count के आधार पर replication जैसे operations चलाता है
इस technique से और जटिल organisms भी grow कराए जा सकते हैं। यहां खुद try कर सकते हैं: https://acionescu.github.io/digitalfire/WebContent/
footnote 5 में एक अहम बात छिपी है। जब two-headed planaria two-headed offspring बनाते हैं, तो वे eggs नहीं देते, बल्कि fission से reproduce करते हैं
यानी यह physiological trait genes के जरिए pass on नहीं होता। अगर यह genes से pass on होता, तो यह काफी चौंकाने वाला Lamarckian तथ्य होता
Planaria आम तौर पर sexual और asexual reproduction, यानी eggs·sperm और body को split करने, दोनों तरीकों का इस्तेमाल करते हैं
लेख की अभिव्यक्ति थोड़ी अतिशयोक्तिपूर्ण है। पैटर्न निर्माण में gradient शामिल होने के कई उदाहरण पहले से मौजूद हैं; electrical potential बस अपेक्षाकृत नया research area है
फल-मक्खी के development में WNT signal-आधारित chemical gradient, limbs के pattern formation और body-axis asymmetry में SHH (sonic hedgehog) chemical gradient, और पौधों के development में auxin signal भी हैं
Alan Turing के 1950s के प्रसिद्ध paper ने भी pattern formation के लिए reaction-diffusion mechanism पर चर्चा की थी। evolution को repeatable patterns बनाने हों, तो उसे किसी तरह के gradient से शुरू करके उसे gene transcription से जोड़ना पड़ता है
फल-मक्खी वाले उदाहरण में यह WNT signal के जरिए nucleus तक पहुँचने वाला chemical trigger है, और flatworm वाले उदाहरण में chemical gradient की जगह membrane polarization gradient इसे drive करता है। electrical depolarization से बनाए जा सकने वाले patterns शायद chemical interactions से ज्यादा सरल होंगे, क्योंकि उनमें reaction-diffusion से निकलने वाले दिलचस्प interactions खो जाते हैं
असल में जिस state का वर्णन किया जा रहा है, वह animal body के अंदर और बाहर मौजूद कई ions और molecules की concentrations से तय होती है। electrically charged atomic ions और molecules शामिल होते हैं, इसलिए chemical concentration changes के परिणामस्वरूप potential distribution बनता है, और वह potential कई chemical concentrations को आपस में couple करने वाले mechanism जैसा है
वही “bioelectric” state, यानी वही potential distribution, अलग-अलग ion distributions से आ सकता है, और दिखने में वही electrical state होने पर भी वास्तविक behavior काफी अलग हो सकता है
यह कुछ वैसा ही है जैसे semiconductors में केवल charge distribution से operation simulate नहीं किया जा सकता; electrons, holes, fixed crystal defects जैसे अलग-अलग charge carrier concentrations को अलग से consider करना पड़ता है
organism के बढ़ने के दौरान cells समय और space में क्या करना है, यह कैसे जानते हैं, और वह logic genome में कैसे encoded होता है?
Eric Davidson ने sea urchin में इस spatiotemporal genomic logic को बारीकी से “debug” करने का pioneering काम किया था, और यह सचमुच हैरान करने वाला है। हम जैसे eukaryotes में gene के ठीक upstream regulatory elements ही नहीं, बल्कि सैकड़ों हजार base pairs दूर मौजूद regulatory elements भी होते हैं
gene के start पर open reading frame से ठीक पहले वाले DNA region में आम तौर पर DNA motifs होते हैं, जिनसे gene expression बढ़ाने या घटाने वाले proteins bind करते हैं, और Davidson आदि ने दिखाया कि इन regulatory motifs से बंधे transcription factors के ऊपर proteins की एक और layer bind करती है, और वह secondary protein sequence फिर tertiary protein layer को recruit करता है, जो identity के आधार पर expression को conditionally regulate करती है
secondary और tertiary layers logic operations की hierarchy encode करती हैं, इसलिए इसे literally एक तरह की abstraction माना जा सकता है। आम पाठकों के लिए भी concept को और विस्तार से समझाने वाला open-access overview Ellen Rothenberg का “ERIC DAVIDSON: STEPS TO A GENE REGULATORY NETWORK FOR DEVELOPMENT” है: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4828313/
decoded logic को pseudocode और diagrams में देखना हो, तो Howard और Davidson का “cis-Regulatory control circuits in development” देखें: https://doi.org/10.1016/j.ydbio.2004.03.031
memory, learning और action potential की समझ में जड़ें रखने वाले अपने basic neuroscience knowledge के आधार पर मैंने इस topic के बारे में LLM से पूछा, लेकिन research कम और scattered है, इसलिए यह भरोसा करना मुश्किल है कि जवाब सही है या नहीं
मैं जानना चाहता हूँ कि voltage gradient ठीक-ठीक क्या है, action potential से कैसे अलग है, और cell-level processes बड़े system से कैसे जुड़ते हैं। उदाहरण के लिए, क्या SHH pattern formation के साथ-साथ limb regeneration में भी इस्तेमाल होता है, क्या normal limb में यह dormant रहता है, यह limb cell है या brain cell, और किन papers ने यह दिखाया है
Claude ने amphibian limb regeneration में Hv1 voltage-gated proton channels, amputation site epithelial cells की depolarization, pH/proton gradients, calcium/sodium gradients, gap junctions के जरिए long-distance bioelectric signal propagation, और regeneration outcome तय करने वाले voltage/ion gradient patterns को explain किया
उसने यह भी जवाब दिया कि voltage gradient या bioelectric field किसी एक point का single voltage value नहीं, बल्कि spatially distributed voltage differences का pattern है, और action potential उससे अलग है क्योंकि वह किसी खास समय पर cell membrane के दोनों ओर voltage difference होता है। हालांकि फिर भी ऐसा लगा कि कोई core बात “कालीन के नीचे बुहार” दी गई है
ये संबंधित सामग्री हैं। क्या और भी कुछ है?
Computational Boundary of a Self: Bioelectricity and Scale-Free Cognition (2019) - https://news.ycombinator.com/item?id=39244333 - फ़रवरी 2024
Brains are not required to think or solve problems – simple cells can do it - https://news.ycombinator.com/item?id=39127028 - जनवरी 2024
Bioelectricity, Biobots, and the Future of Biology [video] - https://news.ycombinator.com/item?id=38423588 - नवंबर 2023
How bioelectricity could regrow limbs and organs - https://news.ycombinator.com/item?id=38027587 - अक्टूबर 2023
M. Levin – Bioelectrical signals reveal, induce, and normalize cancer [video] - https://news.ycombinator.com/item?id=37140965 - अगस्त 2023
https://news.ycombinator.com/item?id=36912245 - जुलाई 2023
Aging as a morphostasis defect: a developmental bioelectricity perspective - https://news.ycombinator.com/item?id=36264719 - जून 2023
Bioelectric networks: cognitive evolutionary scaling from physiology to mind - https://news.ycombinator.com/item?id=36009513 - मई 2023
Bioelectric networks: from body intelligence to regenerative medicine - https://news.ycombinator.com/item?id=35763121 - अप्रैल 2023
Non-neural, developmental bioelectricity as a precursor for cognition - https://news.ycombinator.com/item?id=33902641 - दिसंबर 2022
Michael Levin: Intelligence Beyond the Brain (networked daptive morphogenesis~) - https://news.ycombinator.com/item?id=33217070 - अक्टूबर 2022
Plasticity without genetic change – Michael Levin [video] - https://news.ycombinator.com/item?id=32119375 - जुलाई 2022
Mike Levin on using bioelectricity to study how cells form (2019) - https://news.ycombinator.com/item?id=27819791 - जुलाई 2021
Persuading the Body to Regenerate Its Limbs - https://news.ycombinator.com/item?id=27062477 - मई 2021
The Link Between Bioelectricity and Consciousness - https://news.ycombinator.com/item?id=26435281 - मार्च 2021
Growing Neural Cellular Automata: A Differentiable Model of Morphogenesis - https://news.ycombinator.com/item?id=22300376 - फ़रवरी 2020
What Bodies Think About: Bioelectric Computation Outside the Nervous System - https://news.ycombinator.com/item?id=18736698 - दिसंबर 2018
Brainless Embryos Suggest Bioelectricity Guides Growth - https://news.ycombinator.com/item?id=16589702 - मार्च 2018
Memory in the Flesh: Can memories survive outside the brain? - https://news.ycombinator.com/item?id=9226391 - मार्च 2015
Growing Neural Cellular Automata https://news.ycombinator.com/item?id=22300376, फरवरी 2020
यह हैरान करने वाला है कि इंसान बनाने के लिए ज़रूरी जानकारी बिना compress किए भी करीब 750MB ही है। मसलन इसमें कंधे की हड्डी की बहुत specific shape या मकड़ियों का डर जैसी चीज़ें भी शामिल हैं
अगर एक जैसे 10 fertilized eggs को 10 अलग-अलग लोगों में रखा जाए, तो लोगों की आम धारणा के मुताबिक 10 clones नहीं, बल्कि 10 अलग-अलग इंसान पैदा होंगे। इसकी वजह यह है कि मां के genes ही नहीं, बल्कि diet, lifestyle और past history भी भ्रूण के शुरुआती विकास पर बड़ा असर डालते हैं
एक living cell को पूरी तरह describe करने के लिए कितना data चाहिए, यह हमें नहीं पता। मौजूदा cell के बिना सिर्फ DNA से cell नहीं बनाया जा सकता, इसलिए ज़रूरी जानकारी सिर्फ DNA में नहीं होती
जब cell divide या reproduce करता है, तो पूरा nanorobot थोड़े-बहुत modifications के साथ copy होता है। DNA बताता है कि copied nanorobot को कैसे modify करना है, और किसी भी cell को उसकी original state में reprogram करना भी संभव है
cell नाम के nanorobot को शून्य से कैसे बनाया जाए, यह कोई नहीं जानता। जैसे computer program में computer बनाने के निर्देश नहीं होते, वैसे ही वह जानकारी DNA के अंदर नहीं होती
इसके अलावा हम अभी epigenetics की सतह ही खुरच रहे हैं
“उनका काम Scientific American से लेकर Lex Fridman podcast और The New Yorker तक कई जगहों पर feature हुआ है” जैसी अभिव्यक्ति वैज्ञानिक उपलब्धि बताने के तरीके के तौर पर अजीब है
अगर कहा गया होता कि उन्होंने Lancet, Nature, Science जैसी जगहों पर papers publish किए हैं, तो scientific weight साफ दिखता, लेकिन popular science media, मशहूर podcasts और आम पाठकों की magazine में feature होना बस यह दिखाता है कि वे research को कितनी अच्छी तरह समझा या बेच सकते हैं; यह research की मजबूती नहीं बताता
“उन्होंने मेंढक से extra limbs बनवाए, या intestine या tail पर सचमुच दिखाई देने वाली आंखें बनवाईं” वाले हिस्से पर दो उलटी प्रतिक्रियाएं आती हैं
एक है “science सच में कमाल है!”, और दूसरी है “बेचारा मेंढक, कितना भयानक है”
title सच में बहुत खराब है। मेरे हिसाब से बेहतर title Bioelectric Signals Guide Body Development and Regeneration जैसा होना चाहिए
उन्होंने lung cells नहीं, बल्कि human bronchial cells इस्तेमाल किए थे
उनका कहना था, “क्योंकि यह शरीर के उन गिने-चुने tissues में से एक है जिनमें motile cilia होते हैं”
इसलिए वे घूम-फिर सकते हैं
[0] https://twitter.com/drmichaellevin/status/173042805284737055...