Vándorlás a rend és káosz peremén (A génektől a spin-üvegekig )
description
Transcript of Vándorlás a rend és káosz peremén (A génektől a spin-üvegekig )
Vándorlás a rend és káosz peremén
(A génektől a spin-üvegekig)
Kovács István
Bolyai Kollégium 2004 november 24.
Milyen egy komplex rendszer?
A rend és káosz peremén állnak Kauffman Lewin (1992)
Kauffman (1993):- Önszerveződő- Alkalmazkodóképes- Robusztus- Kritikus
Stuart Kauffman Santa Fe Institute
Egy komplex rendszer:
E. Coli
• Sejthossz: 1-3 mikron
• 1 kromoszóma
• 4400 gén
• 2500 aktív protein
Az E.Coli teljes metabolikus hálózata: 791 él (kémiai anyag) 744 csúcs (kémiai reakció) <k>=2.1 (bejövő élek átlaga)
Boole hálózatok
Irányított gráf
Csúcsok: N gén, 2 állapot:
on (1) vagy off (0)
Élek: Boole függvények, amik K másik pont függvényei
Megadása: melyik állapotból melyik lesz?
Fix topológia
Dinamikus
Szinkron: egyszerre több gén aktivitása is változhat
Diszkrét állapotok
Stochasztikus vagy Determinisztikus?
Konkrét példa:
T T+1
ABC > A’B’C’ 000 > 110 001 > 010 010 > 010 011 > 100 100 > 011 101 > 110 110 > 111 111 > 110
3 gén
A
B C
Genetikai szabályozó hálózat
P(A)=5/8
P(B)=7/8
P(C)=6/8
Attraktorok megjelenése!
101
000 > 110 > 111
001 > 010
100 > 011
Az attraktorok száma és hossza a Boole függvények tulajdonságaitól függ.
Attraktor = Sejtciklus
Attraktorok száma = Sejtfajták száma
Az összes állapot eléri valamelyik attraktort
Egy állapotgráf
A ciklus mérete:7, N=13, K=3
Példa állapotgráfokra
Lehetséges állapotok:
Piros: pl. 50 lépés óta nem változott az aktivitásaZöld: Változott az aktivitása
„Rend” „Rend és káosz Peremén”
„Káosz”
Hibák hatása a rendszerre ?
Rend
K=1 esetén
A rendszerben alig zajlik változás
Külső zavarra kis reakció
„Be van fagyva”
Ember: 30 ezer gén 230000=109000 állapot
A „peremen”
K=2-nélCiklus hossza: ½ sqrt(N)Attraktorok száma: ~ sqrt(N)30000 gén : 170 attraktor, 85 lépésHa kb. 10 perc egy lépés a sejtben:
tipikusan 14 óra hosszú periódusValójában 8-48 óra egy tipikus osztódás Kis zavar: általában kis változás, ritkán
óriási is lehet!
A modell jóslata
Valójában: a DNS mennyisége nem arányos a gének számával, így a gyökfüggvénytől a lineárisig változhat!
Log-log ábra: A sejtek száma a DNSMennyiségének a gyökével arányos
Káosz
K>=2 eseténCiklus hossza: sqrt(2N)Attraktorok száma: N/e30000 gén : 11 ezer, 104500 lépésHa kb. 10 perc egy lépés a sejtben:
messze vagyunk még a végétől! Kis zavar: a hatása szinte az összes
génre kiterjed!
Az állapot paraméterfüggése
Távolság bevezetése 2 állapot között:
-eltérések száma/N
Ha kis kezdeti távolság átlagban nő: káosz (K>2)
Ha csökken: rend (K<=2)
„Derrida-ábra”
I. trükk a rend elérésére
• P: Az összes esetet figyelembe véve az adott gén gyakoribb állapotának a valószínűsége
• Derrida: Ha K>2 P-t választhatjuk olyan nagynak, hogy visszajussunk a „rend” fázisba
II. trükk
„Vezető” függvények: ha legalább egy változónak van olyan értéke, ami egyértelműen meghatározza a választ
Ha K nő az arányuk erősen csökken random függvények esetén.Jó megválasztásukkal a „rend” fázisba jutunk!
Biológiailag helyes?
• Kémiailag egyszerűbb vezető függvényeket létrehozni! A legtöbb enzim hatása ilyen.
• Mérésekből: – Eukariota sejtekben a különböző K-val
rendelkező géncsoportoknál a vezető függvények aránya annyi, hogy a Derrida ábrán kb. egybeessenek a görbéik!
– A konnektivitás >2, de kevesebb mint 10 változós függvények!
Konklúzió• Eredmények:Fázisátalakulás K,P,C
szerintA káosz peremén élünk.A sejtciklusok skálázása.Hibatűrés
Több fokozatú modell is ugyanígy viselkedik!
(Glass and Hill)
• Hiányosságok:A gének szabályozása sokkal
összetettebb
Környezeti hatások jelentősége túl kicsi
Mérési adatok elemzésére alkalmatlan
Az NK modell(Kauffman 1993; Levinthal 1997)
Mutáció: az egyik szomszédba kerülünk (általában a legmagasabb fitneszűbe )
Alaptulajdonságai:
Egymás fitneszét határozzák meg, és nem az állpotát!
Általában több lokális maximum
K: a rendszer komplexitását
határozza meg
A befolyásoló állapotok
lehetnek szomszédosak
vagy távoliak
Átlag helyett lehet más fv. is
Modellcsalád K/N szerint:
• K=0 (szilárd) Fujiyama: egy csúcs, laposan emelkedik. Az egymás melletti fitnesz értékek alig különböznek
• K>=2 (folyadék): Fokozatos átmenet, több csúcs, amik közel vannak egymáshoz (2-nél több allélre már nem igaz!) Széles körben változnak a tulajdonságai K függvényében
• K=N-1(gáz): teljesen random, rengeteg lokális maximum, egy lépés után az új fitnesz érték nem korrelál a régivel. Komplexitás katasztrófa: Ha N nő, az átlagosan elérhető fitnesz csökken!
Tulajdonságai• A magas csúcsok közel vannak egymáshoz!!!• A legmagasabb csúcsnak a legnagyobb a
gyűjtőterülete!• Következmény:
– Mindkettő növeli az elérhető fitneszt egy véletlenszerű kezdőállapotból.
Evolúció: jelentős gyorsítás ahhoz képest, ha véletlenszerűen mutálódna és szelektálódna egy tetszőleges felületen
Sokan felfigyeltek erre a modellre!
Lokális maximum körüli viselkedés
• K növelésével egyre hepe-hupásabb a felület, K=N-1 -nél teljesen véletlen-szerű.
Továbbfejlesztések
• Több kromoszóma, több allél• Környezet hatása: w db külső paraméter
amitől függ a fitnesz– Tetszőlegesen varálhatjuk az állapotát, és
vizsgálhatjuk a következményeit…
• Több rendszer kölcsönhatása:– C db génjétől függ a másik élőlénynek– S féle faj
Evolúció = Közös hegymászás• A továbbfejlesztett modellben:
– A fajok együtt vándorolnak a fitness-felületen a csúcs felé
– Egy faj változása is megváltoztatja a felület alakját!
– A modellben megjelent egy belső hajtóerő, ami segít a rendszereknek felérni a csúcsra! > gyorítja az evolúciót!
– Biológusok problémája: a rengeteg lehetőség között hogyan jut el egy magas maximumba? Elég-e rá az idő?
Alkalmazások:
• Genetikai modellek, evolúciós elméletek– Koevolúció
• Közgazdaságtan: cégek mindegyike lokális maximumra törekszik, de ezzel változtatják egymás lehetőségeit, a maximumok értékét
• Technológiák fejlődése• Egyéb komplex rendszerek:
– Erőforrás szükséglet vagy versenyhelyzet modellezése– digitális organizmusok elmélete
Jó, jó de hol vannak már a spin-üvegek?
A modell kezdetleges verziójáról Anderson mutatta ki, hogy a spin-üvegek egy fajtája
2 féle állapot, egy környezetének az állapotától függ az összenergiaHegymászás = Energia minimalizálás
(biológia) (fizika) Frusztrált alakzatok megjelenése: még
hepehupásabbá válik a felület
Living systems exist in the solid regime near the edge of chaos, and natural selection achieves and sustains such a poised state.