معلومة

12: نماذج ما بعد الولادة والموت - علم الأحياء

12: نماذج ما بعد الولادة والموت - علم الأحياء



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

ناقشت في هذا الفصل النماذج التي تتجاوز نماذج معدل المواليد والوفيات الثابت. في بعض الحالات ، تتنبأ نماذج مختلفة جدًا بنفس النمط في أشجار النشوء والتطور ، مما يستدعي بعض الحذر حتى يمكن دمج البيانات الأحفورية المباشرة. لقد وصفت أيضًا نموذجًا للانتواع المطول ، حيث يستغرق الانتواع بعض الوقت حتى يكتمل. من المحتمل أن يكون هذا النموذج الأخير مرتبطًا بشكل أفضل بنماذج التطور الجزئي من الانتواع ، ويمكن أن يشير إلى اتجاهات مثمرة للحقل. نحن نعلم أن النماذج البسيطة للمواليد والوفيات لا تلتقط ثراء الانقراض والانقراض عبر شجرة الحياة ، لذا فإن هذه النماذج التي تتجاوز الولادة والموت ضرورية لنمو الأساليب المقارنة.

  • 12.1: التقاط التطور المتغير
    نماذج المواليد والوفيات البسيطة ذات المعدل الثابت ليست كافية لالتقاط التعقيد وديناميكيات الانتواع والانقراض عبر شجرة الحياة. تختلف معدلات الانقراض والانقراض بمرور الوقت ، عبر الفروع ، وبين المناطق الجغرافية. يمكننا في بعض الأحيان التنبؤ بهذا الاختلاف بناءً على ما نعرفه عن الآليات التي تؤدي إلى الانتواع و / أو الانقراض. يستكشف هذا الفصل بعض الامتدادات لنماذج الولادة والوفاة التي تسمح لنا باستكشاف التنويع بمزيد من التفصيل.
  • 12.2: التباين في معدلات التنويع عبر Clades
    نعلم من تحليلات توازن الأشجار أن شجرة الحياة غير متوازنة أكثر مما تتنبأ به نماذج المواليد والموت. يمكننا استكشاف هذا التباين في معدلات التنويع من خلال السماح لنماذج الولادة والوفاة بالتنوع على طول الفروع في أشجار النشوء والتطور. السيناريو الأبسط هو عندما يكون لدى المرء تنبؤ معين حول معدلات التنويع للاختبار. على سبيل المثال ، قد نتساءل عما إذا كانت معدلات التنويع في فرع واحد أعلى منها في بقية شجرة النشوء والتطور.
  • 12.3: التباين في معدلات التنويع عبر الزمن
    بالإضافة إلى النظر في تباين المعدل عبر الطبقات ، قد نتساءل أيضًا عما إذا كانت معدلات الولادة و / أو الوفاة قد تغيرت بمرور الوقت. على سبيل المثال ، ربما نعتقد أن كليدنا عبارة عن إشعاع تكيفي شهد تنوعًا سريعًا عند وصوله إلى أرخبيل جزيرة وتباطأ مع امتلاء هذه المنطقة التكيفية الجديدة. هذه الفرضية هي مثال على التنويع المعتمد على الكثافة ، حيث يعتمد معدل التنويع على عدد السلالات الموجودة
  • 12.4: النماذج المعتمدة على التنوع
    غالبًا ما تُستخدم النماذج المعتمدة على الوقت في القسم السابق كبديل لالتقاط عمليات مثل الابتكارات الرئيسية أو الإشعاعات التكيفية. تشير العديد من هذه النظريات إلى أن معدلات التنويع يجب أن تعتمد على عدد الأنواع الحية في وقت أو مكان معين ، وليس على الوقت. لذلك ، قد نرغب في تحديد معدل الانتواع بطريقة تعتمد على التنوع حقًا بدلاً من استخدام الوقت كبديل.
  • 12.5: الانتواع المطول
    في جميع نماذج التنويع التي درسناها حتى الآن ، يحدث الانتواع على الفور ؛ لحظة واحدة لدينا نوع واحد ، ثم على الفور اثنان. لكن هذا ليس مقبولًا بيولوجيًا. يستغرق الانتواع وقتًا ، كما يتضح من الأعداد المتزايدة للمجموعات المتميزة جزئيًا التي حددها علماء الأحياء في العالم الطبيعي. علاوة على ذلك ، يمكن أن يكون لحقيقة أن الانتواع يستغرق وقتًا تأثير عميق على أشكال أشجار النشوء والتطور.
  • 12- نماذج ما بعد الولادة والموت (ملخص)

النماذج الرياضية الكلاسيكية لوصف وتوقع نمو الورم التجريبي

على الرغم من التعقيد الداخلي ، تتبع حركية نمو الورم قوانين بسيطة نسبيًا يمكن التعبير عنها كنماذج رياضية. لاستكشاف هذا الأمر بشكل أكبر ، تم إجراء التحليل الكمي لأكثرها كلاسيكية. تم تقييم النماذج مقابل بيانات من نظامين تجريبيين في الجسم الحي: ورم تخليقي خارج الرحم (سرطان الرئة لويس) وسرطان الثدي البشري المقوّم بطريقة xenograft. كانت الأهداف ثلاثية الأبعاد: 1) تحديد نموذج إحصائي لوصف خطأ القياس ، 2) لتحديد القوة الوصفية لكل نموذج ، باستخدام العديد من مقاييس الجودة الملائمة ودراسة قابلية التعريف البارامترية ، و 3) للتقييم قدرة النماذج على التنبؤ بنمو الورم في المستقبل. تضمنت النماذج المدرجة في الدراسة القانون الأسي ، الخطي الأسي ، قانون القوة ، Gompertz ، اللوجستي ، اللوجستي المعمم ، von Bertalanffy ونموذج ذو قدرة تحمل ديناميكية. بالنسبة لبيانات الثدي ، تم التقاط الديناميكيات بشكل أفضل بواسطة نماذج Gompertz والنماذج الخطية الأسية. أظهر الأخير أيضًا أعلى قوة تنبؤية ، مع درجات تنبؤ ممتازة (80٪) تمتد حتى 12 يومًا في المستقبل. بالنسبة لبيانات الرئة ، قدم نموذجا قانون Gompertz والقوة الوصف الأكثر شحًا وقابل للتحديد من الناحية المعيارية. ومع ذلك ، لم يكن أي من النماذج قادرًا على تحقيق معدل تنبؤ كبير (70٪) يتجاوز نقطة بيانات اليوم التالي. في هذا السياق ، أدى ربط المعلومات المسبقة حول توزيع المعلمات إلى تحسن كبير. على سبيل المثال ، ارتفعت معدلات النجاح المتوقعة من 14.9٪ إلى 62.7٪ عند استخدام نموذج قانون الطاقة للتنبؤ بمنحنيات نمو الورم المستقبلية الكاملة ، باستخدام ثلاث نقاط بيانات فقط. هذه النتائج ليس لها فقط آثار مهمة على النظريات البيولوجية لنمو الورم واستخدام النمذجة الرياضية في تحقيقات العقاقير قبل السريرية المضادة للسرطان ، ولكنها قد تساعد أيضًا في تحديد كيف يمكن أن تكون النماذج الرياضية بمثابة أدوات تنبؤية محتملة في العيادة.

بيان تضارب المصالح

وقد أعلن الباحثون إلى أن لا المصالح المتنافسة موجودة.

الأرقام

الشكل 1. خطأ في قياس الحجم.

الشكل 1. خطأ في قياس الحجم.

A. الحجم الأول المقاس ذ 1 ضد الثاني ص ...

A. الحجم الأول المقاس ذ 1 ضد الثاني ذ 2. كما تم رسم خط الانحدار (معامل الارتباط ص = 0.98 ، ميل الانحدار = 0.96). B. خطأ مقابل تقريب الحجم المعطى بمتوسط ​​القياسين . ال χ رفض اختبار 2 التوزيع الغوسي للتباين المستمر () ج. رسم بياني للخطأ الطبيعي تطبيق نموذج الخطأ الذي قدمه مع α = 0.84 و الخامسم = 83 ملم 3. يظهر توزيع غاوسي (χ 2 اختبار لم يتم رفضه ، ص = 0.196) مع الانحراف المعياري .

الشكل 2. القوة الوصفية للنماذج ...

الشكل 2. القوة الوصفية للنماذج لبيانات ورم الرئة والثدي.

الشكل 3. أمثلة على القدرة التنبؤية.

الشكل 3. أمثلة على القدرة التنبؤية.

أمثلة تمثيلية للأداء المتوقع للنماذج ...

الشكل 4. عمق التنبؤ وعدد ...

الشكل 4. عمق التنبؤ وعدد نقاط البيانات.

القدرة التنبؤية لبعض النماذج التمثيلية ...

القدرة التنبؤية لبعض النماذج التمثيلية اعتمادًا على عدد نقاط البيانات المستخدمة لتقدير المعلمات (ن) وعمق التوقع في المستقبل (د). أعلى: في الموضع (ن,د) يمثل اللون النسبة المئوية للحيوانات التي تم التنبؤ بها بنجاح عند الاستخدام ن نقاط البيانات والتنبؤ بالنقطة الزمنية ، كما تم تحديدها من خلال النتيجة (مضروبة في 100) معرفة في (17). تشمل هذه النسبة فقط الحيوانات التي لديها قياسات في هاتين النقطتين الزمنيتين ، وبالتالي القيم في صف مختلف د في نفس العمود ن أو العكس قد يمثل تنبؤات في حيوانات مختلفة. تتوافق المربعات البيضاء مع المواقف التي كان فيها هذا الرقم منخفضًا جدًا (& lt5) وبالتالي لم يتم الإبلاغ عن درجة النجاح ، التي تعتبر غير مهمة. أسفل: توزيع الخطأ النسبي للتنبؤ (20) ، جميع الحيوانات و (ن,د) مجمعة معًا. تم تصنيف النماذج بترتيب تصاعدي لمتوسط ​​درجات النجاح الإجمالي الوارد في الجدولين 5 و 6. أ. بيانات ورم الرئة. بيانات أورام الثدي.

الشكل 5. بداهة المعلومات والتحسين ...

الشكل 5. بداهة المعلومات وتحسين معدلات نجاح التنبؤ.

تم أخذ التوقعات في الاعتبار عندما ...

تم أخذ التنبؤات في الاعتبار عند التقسيم العشوائي للحيوانات بين مجموعتين متساويتين ، إحداهما تستخدم لتعلم توزيع المعلمات والأخرى للتنبؤ باستخدام ن = 3 نقاط بيانات. يتم الإبلاغ عن معدلات النجاح على أنها متوسط ​​± الانحراف المعياري عبر 100 قسم عشوائي إلى مجموعتين. A. التنبؤ بمنحنى المستقبل العالمي ، محددًا كميًا بالدرجة (انظر المواد والطرق ، نماذج طرق التنبؤ لتعريفها). ب. فائدة طريقة التنبؤ في اليوم التالي باستخدام ثلاث نقاط بيانات (درجة ). ج. تحسين التنبؤ بأعماق مختلفة باستخدام نموذج قانون القوة (بيانات الرئة) أو النموذج الخطي الأسي (بيانات الثدي). بسبب نقص الحيوانات التي يمكن التنبؤ بها لبعض التخصيصات العشوائية ، لم تعتبر نتائج الأعماق 2 و 4 و 6 و 9 لبيانات الثدي مهمة ولم يتم الإبلاغ عنها (انظر المواد والطرق). * = ص& lt0.05 ، ** = ص& lt0.001 ، اختبار الطالب.

عمليات الولادة / الولادة والوفاة واحتمالات انتقالها القابلة للحساب مع التطبيقات البيولوجية

تتبع عمليات الولادة والوفاة حجم مجموعة سكانية أحادية المتغير ، لكن العديد من الأنظمة البيولوجية تتضمن تفاعلًا بين السكان ، مما يستلزم نماذج لمجموعتين أو أكثر في وقت واحد. ومع ذلك ، فإن الافتقار إلى الأساليب الفعالة لتقييم احتمالات انتقال الوقت المحدد للعمليات ثنائية المتغير قد قيد الاستدلال الإحصائي في هذه النماذج. يعتمد الباحثون على طرق باهظة الثمن حسابيًا مثل الأس المصفوفة أو تقريب مونت كارلو ، أو تقييد الاستدلال القائم على الاحتمالية للأنظمة الصغيرة ، أو الطرق غير المباشرة مثل حساب بايز التقريبي. في هذه الورقة ، نقدم عملية الولادة / الولادة والوفاة، امتداد ثنائي المتغير لعملية الولادة والوفاة ، حيث يُسمح للمعدلات بأن تكون غير خطية. نقوم بتطوير خوارزمية فعالة لحساب احتمالات الانتقال باستخدام تمثيل الكسر المستمر لتحويلات لابلاس الخاصة بهم. بعد ذلك ، نحدد العديد من النماذج النموذجية الناشئة في علم الأوبئة الجزيئي ، وتطور الطفيليات الكبيرة ، ونمذجة الأمراض المعدية التي تقع ضمن هذه الفئة ، ونوضح مزايا طريقتنا المقترحة على الأساليب الحالية للاستدلال في هذه النماذج. والجدير بالذكر أن النموذج العشوائي القابل للإزالة (SIR) المنتشر في كل مكان يقع ضمن هذه الفئة ، ونؤكد أن احتمالات الانتقال المحسوبة تمكّن حديثًا من الاستدلال المباشر للمعلمات في نموذج SIR. نقترح أيضًا طريقة سريعة جدًا لتقريب احتمالات الانتقال وفقًا لنموذج SIR عبر تبسيط عملية التفرع الجديدة ، ومقارنتها بطريقة تمثيل الكسر المستمر مع التطبيق على طاعون القرن السابع عشر في Eyam. على الرغم من أن الطريقتين تنتجان تقديرات متشابهة بحد أقصى لاحقة ، إلا أن عملية التقريب المتفرعة تفشل في التقاط بنية الارتباط في التوزيع الخلفي المشترك.

هذه معاينة لمحتوى الاشتراك ، والوصول عبر مؤسستك.


نماذج في بحوث الأحياء

يستخدم العلماء النماذج في المقام الأول بطريقتين. أولاً وقبل كل شيء ، تُستخدم النماذج لزيادة فهمنا للعالم من خلال الاختبارات القائمة على الأدلة. لتقييم مزايا وقيود النموذج ، يجب الطعن فيه بالبيانات التجريبية. يجب مراجعة النماذج غير المتوافقة مع الأدلة التجريبية أو تجاهلها. بهذه الطريقة ، فإن النمذجة هي أداة ما وراء المعرفة المستخدمة في نهج اختبار الفرضيات للطريقة العلمية (بلات ، 1964). ثانيًا ، يستخدم العلماء النماذج للتواصل وشرح نتائجهم للآخرين. وهذا يسمح للمجتمع العلمي الأوسع بمزيد من التحدي ومراجعة النموذج. علاوة على ذلك ، تسمح هذه الجودة الديناميكية للنماذج العلمية للباحثين باختبار وإعادة اختبار واكتساب فهم ورؤية جديدة في نهاية المطاف.

يستخدم علماء الأحياء نماذج في كل جانب من جوانب البحث العلمي والبحث والاتصال تقريبًا. النماذج هي أدوات مفيدة لتمثيل الأفكار والتفسيرات ويستخدمها العلماء على نطاق واسع للمساعدة في وصف العمليات التي تحدث في العالم الطبيعي وفهمها والتنبؤ بها. تسلط جميع النماذج الضوء على بعض السمات البارزة للنظام مع تقليل أدوار الآخرين (Starfield et al. ، 1990 Hoskinson et al. ، 2014). بحكم طبيعة فائدتها ، يمكن أن تتخذ النماذج العديد من الأشكال بناءً على كيفية إنشائها أو استخدامها أو توصيلها. بعد التفكير في أنواع النماذج التي نستخدمها في عملنا اليومي كباحثين بيولوجيين ، حددنا ثلاث فئات رئيسية من النماذج المستخدمة بانتظام في الممارسة العلمية: ملموسة ، ومفاهيمية ، ورياضية (الشكل 1).

قد تكون النماذج العلمية ملموسة (تمثيلات فيزيائية ثنائية أو ثلاثية الأبعاد) ، أو رياضية (معبرًا عنها بشكل رمزي أو بياني) ، أو مفاهيمية (يتم توصيلها شفهيًا أو رمزيًا أو بصريًا). يمكن أن تكون النماذج الخرسانية تمثيلات مبسطة للنظام (أ) أو النماذج الأولية على نطاق العمل (ب). يمكن أن تكون النماذج الرياضية وصفية أو تنبؤية وتجريبية أو ميكانيكية. يصور النموذج الوصفي ، مثل خط الانحدار ، نمط ارتباط مشتق من البيانات التجريبية (ج) ، بينما يستخدم النموذج التنبئي المعادلات لتمثيل الفهم الآلي للعملية (د) يمكن التعبير عن كل منها بشكل رمزي ومرئي. تركز النماذج المفاهيمية على فهم كيفية عمل العملية ويمكن التعبير عنها على أنها مرئية (ه) أو رمزي (F) التمثيلات وكذلك من خلال الأوصاف اللفظية أو المقارنات (ز).

قد تكون النماذج العلمية ملموسة (تمثيلات فيزيائية ثنائية أو ثلاثية الأبعاد) ، أو رياضية (معبرًا عنها بشكل رمزي أو بياني) ، أو مفاهيمية (يتم توصيلها شفهيًا أو رمزيًا أو بصريًا). يمكن أن تكون النماذج الخرسانية تمثيلات مبسطة للنظام (أ) أو النماذج الأولية على نطاق العمل (ب). يمكن أن تكون النماذج الرياضية وصفية أو تنبؤية وتجريبية أو ميكانيكية. يصور النموذج الوصفي ، مثل خط الانحدار ، نمط ارتباط مشتق من البيانات التجريبية (ج) ، بينما يستخدم النموذج التنبئي المعادلات لتمثيل الفهم الآلي للعملية (د) يمكن التعبير عن كل منها بشكل رمزي ومرئي. تركز النماذج المفاهيمية على فهم كيفية عمل العملية ويمكن التعبير عنها على أنها مرئية (ه) أو رمزي (F) التمثيلات وكذلك من خلال الأوصاف اللفظية أو المقارنات (ز).

يمكن أن يؤدي تطوير نماذج علمية من نوع واحد إلى دفع وإبلاغ نماذج من أنواع أخرى. على سبيل المثال ، طور Watson and Crick نموذجًا ماديًا للحمض النووي للمساعدة في تحديد كيف يمكن أن تتزاوج قواعد النوكليوتيدات المختلفة لإنتاج بنية حلزونية مزدوجة (الشكل 1 ب) ، والتي بدورها اقترحت نموذجًا مفاهيميًا لتكرار الحمض النووي (Watson & amp Crick ، ​​1953) . أدت ملاحظة جاك مونود لـ "منحنى النمو المزدوج" للبكتيريا التي انحرفت عن نموذج النمو الأسي المتوقع إلى تطوير نموذج جديد وأكثر دقة للتنظيم الخلوي للتعبير الجيني (الشكل 1e Jacob & amp Monod ، 1961). طور عالما البيئة جيمس إستس وجون بالميسانو نماذج مفاهيمية للنمو السكاني والانحدار بين أنواع المفترس البحري والفرائس (الشكل 1 ز) في الطريق إلى إنشاء نماذج رياضية لديناميكيات ثعالب البحر وقنفذ البحر وعشب البحر على طول ساحل ألاسكا (Estes & amp Palmisano، 1974).


خلفية

إن تسلسل العديد من الجينومات من جميع مناحي الحياة ، بما في ذلك ممثلين متعددين لسلالات متنوعة من البكتيريا والعتائق وحقيقيات النوى ، يخلق فرصًا غير مسبوقة للدراسات الجينية المقارنة [1-3]. أحد الأساليب السائدة لعلم الجينوم هو التحليل المقارن للبروتين أو تكوين المجال للبروتينات المتوقعة [2،4،5]. غالبًا ما تركز هذه الدراسات على المجالات بدلاً من البروتينات بأكملها لأن العديد من البروتينات لها هياكل متعددة المجالات متغيرة ، لا سيما في حقيقيات النوى المعقدة (خلال هذا العمل ، نستخدم مصطلح المجال لتعيين وحدة تطورية متميزة من البروتينات ، والتي يمكن أن تحدث إما في قائمة بذاتها شكل أو كجزء من معماريات متعددة المجالات في كثير من الأحيان ولكن ليس بالضرورة ، تتوافق هذه الوحدة مع مجال هيكلي). بمجرد توفر تسلسل الجينوم للبكتيريا ، تبين أن جزءًا كبيرًا من الجينوم لكل نوع ، من حوالي الثلث في البكتيريا ذات الجينوم الصغير جدًا ، إلى الغالبية العظمى في الأنواع ذات الجينوم الأكبر ، يتكون من عائلات من Paralogs ، الجينات التي تطورت عن طريق الازدواج الجيني في مراحل مختلفة من التطور [6-9]. مرة أخرى ، ربما يكون من الأفضل إجراء تحليل شامل للعلاقات المتوازنة بين الجينات على مستوى مجالات البروتين الفردية ، أولاً ، لأن العديد من البروتينات تشترك فقط في مجموعة فرعية من المجالات المشتركة ، وثانيًا ، لأنه يمكن اكتشاف المجالات بشكل ملائم وبدقة معقولة باستخدام المجموعات المتاحة من ملفات تعريف التسلسل الخاصة بالمجال [10-12]. كشفت مقارنات ذخيرة المجال عن أوجه تشابه كبيرة بين الأنواع المختلفة ، لا سيما فيما يتعلق بالوفرة النسبية لمجالات التدبير المنزلي ، والاختلافات الرئيسية [4،5]. وأبرز مظاهر هذه الاختلافات هو التوسع النوعي لعائلات البروتين / المجال ، والذي ربما يشير إلى تكيفات فريدة [13 ، 14]. علاوة على ذلك ، فقد ثبت أن الكائنات الحية الأكثر تعقيدًا ، على سبيل المثال تمتلك الفقاريات مجموعة متنوعة من المجالات ، وبصفة عامة ، لها هياكل بروتينية أكثر تعقيدًا من أشكال الحياة الأبسط [1،2].

تم فحص التوسعات الخاصة بالنسب وأحداث فقدان الجينات التي تم اكتشافها نتيجة للتحليل المقارن لتركيبات المجال لبروتينات مختلفة في الغالب على المستوى النوعي ، من حيث الظواهر البيولوجية الأساسية ، مثل التكيف المرتبط بالتوسع أو الفقدان المنسق للوظائف مجموعات مرتبطة من الجينات [15]. يتضمن النهج التكميلي تحليلًا كميًا مقارنًا لتوزيعات التردد للبروتينات أو المجالات في البروتينات المختلفة. أشارت العديد من الدراسات إلى أن هذه التوزيعات بدت متوافقة مع قانون السلطة: ص(أنا) & # x02248 ci - & # x003b3 أين ص(أنا) هو عدد مرات تكرار عائلات المجال بما في ذلك بالضبط أنا أفراد، ج هو ثابت تسوية و & # x003b3 هو معلمة ، والتي عادة ما تفترض القيم بين 1 و 3 [16-19]. من الواضح ، في الإحداثيات اللوغاريتمية المزدوجة ، مؤامرة ص ك وضيفة من أنا هو خط مستقيم ميله سالب. تظهر قوانين القوة في العديد من السياقات البيولوجية والفيزيائية وغيرها ، والتي تبدو مختلفة اختلافًا جوهريًا ، على سبيل المثال. توزيع عدد الروابط بين الوثائق على الإنترنت ، أو عدد سكان المدن أو عدد الأنواع التي انقرضت في غضون عام. قانون باريتو الشهير في الاقتصاد الذي يصف توزيع الناس حسب دخلهم وقانون Zipf في علم اللغة الذي يصف تواتر توزيع الكلمات في النصوص ينتمي إلى نفس الفئة [20-29]. اقترحت الدراسات الحديثة أن قوانين القوة تنطبق على توزيعات نطاق واسع بشكل ملحوظ من الكميات المرتبطة بالجينوم ، بما في ذلك عدد النسخ لكل جين ، وعدد التفاعلات لكل بروتين ، وعدد الجينات أو الجينات الكاذبة في العائلات المتكافئة وغيرها [30] .

توزيعات قانون القوة خالية من المقاييس ، أي أن شكل التوزيع يظل كما هو بغض النظر عن قياس المتغير الذي تم تحليله. على وجه الخصوص ، تم وصف السلوك الخالي من المقاييس لشبكات ذات طبيعة متنوعة ، على سبيل المثال المسارات الأيضية للكائن الحي أو الاتصالات المعدية أثناء انتشار الوباء [20،25-27]. النمط الرئيسي لتطور الشبكة الذي يضمن ظهور توزيعات الطاقة (وبالتالي ، الخصائص الخالية من المقاييس) هو المرفق التفضيلي ، حيث يزداد احتمال حصول العقدة على اتصال جديد مع عدد الاتصالات التي تمتلكها هذه العقدة بالفعل.

ومع ذلك ، اقترحت دراسة شاملة حديثة أن العديد من الكميات البيولوجية التي يُزعم أنها تتبع قوانين القوة ، في الواقع ، يتم وصفها بشكل أفضل من خلال ما يسمى بوظيفة باريتو المعممة: ص(أنا) = ج(أنا+أ) - & # x003b3 أين أ هي معلمة إضافية [31]. من الواضح ، على الرغم من أن في أنا & # x0003e & # x0003eأ، يصبح توزيع باريتو المعمم غير قابل للتمييز عن قانون السلطة ، على نطاق صغير أنافإنه ينحرف بشكل كبير عن حجم الانحراف حسب قيمة أ. علاوة على ذلك ، بخلاف توزيعات قانون القوة ، لا تُظهر توزيعات باريتو المعممة خصائص خالية من المقاييس.

تكمن أهمية تحليل توزيعات التردد للمجالات أو البروتينات في حقيقة أن الأشكال المتميزة لمثل هذه التوزيعات يمكن ربطها بنماذج محددة للتطور. لذلك ، من خلال استكشاف التوزيعات ، يمكن إجراء استنتاجات على وضع ومعلمات تطور الجينوم. لهذا الغرض ، يجب استكشاف الروابط بين توزيعات تردد المجال والنماذج التطورية نظريًا ضمن فئة عامة من النماذج. في هذا العمل ، نجري مثل هذا التحليل الرياضي باستخدام نماذج بسيطة للتطور ، والتي تشمل الازدواجية (الولادة) ، والقضاء (الموت) و من جديد ظهور (ابتكار) المجالات كعمليات أولية (يشار إليها فيما يلي بنماذج BDIM والولادة والوفاة والابتكار). تم تحديد جميع المقاربات لترددات التوازن لعائلات المجال ذات الأحجام المختلفة الممكنة لـ BDIM وتم التحقق من اعتمادها على معلمات النموذج. على وجه الخصوص ، يتم تحديد الشروط التحليلية لمعدلات الولادة والوفاة التي تنتج مقاربات الطاقة. نثبت أن مقاربات قانون القوة تظهر إذا ، وفقط إذا ، كان النموذج متوازنًا ، أي أن معدلات ازدواج المجال وحذفه متساوية بشكل مقارب مع الترتيب الثاني ، وأن أي قوة مقاربة بدرجة لا تساوي -1 يمكن أن تظهر فقط إذا تم رفض افتراض استقلالية معدلات الازدواج / الحذف على حجم عائلة المجال. نحن نطبق الشكلية المطورة لتحليل توزيعات تردد المجالات في جينومات بدائية النواة وحقيقية النواة الفردية ونظهر ملاءمة جيدة لهذه البيانات لنسخة معينة من النموذج ، BDIM الخطي المتوازن من الدرجة الثانية.


لطالما سعى علماء البيئة النظريون إلى فهم كيف يعتمد استمرار السكان على العوامل الحيوية وغير الحيوية. أظهر العمل الكلاسيكي أن العشوائية الديموغرافية تؤدي إلى زيادة متوسط ​​الوقت للانقراض بشكل كبير مع حجم السكان ، في حين أن التباين في الظروف البيئية يمكن أن يؤدي إلى مقياس قانون السلطة. ركز العمل الأخير بشكل خاص على تأثير بنية الارتباط الذاتي ("اللون") للضوضاء البيئية. في الفيزياء النظرية ، هناك نشاط بحثي سريع في تحليل التقلبات الكبيرة في ديناميات السكان العشوائية. يوفر هذا البحث أدوات قوية لتحديد أوقات الانقراض وتوصيف مسار الانقراض. إنه ينتج ، بالتالي ، رؤى ثاقبة لعمليات الانقراض ولديه إمكانات كبيرة لمزيد من التطبيقات في علم الأحياء النظري.

نحن نستخدم ملفات تعريف الارتباط للمساعدة في توفير وتحسين خدماتنا وتخصيص المحتوى والإعلانات. من خلال الاستمرار فإنك توافق على استخدام ملفات تعريف الارتباط .


نماذج الدماغ البشري المصغر

الأدمغة البشرية المصغرة المهندسة ، التي أصبحت ممكنة بفضل المعرفة من تقارب الهندسة الدقيقة الدقيقة وبيولوجيا الخلية ، تسمح بإجراء دراسات منهجية للعمليات العصبية المعقدة والتسبب في الأمراض بما يتجاوز ما يمكن عمله مع النماذج الحيوانية. من خلال استنبات خلايا الدماغ البشري باستخدام إشارات بيئية مكروية فسيولوجية ، تعيد نماذج الدماغ المصغر للإنسان ترتيب الأنسجة الهيكلية وبعض الوظائف البيولوجية المعقدة للدماغ البشري. في هذا الاستعراض ، نسلط الضوء على أهم التطورات التي أدت إلى نماذج الدماغ المصغر للإنسان الفيزيولوجية الدقيقة. نقدم تاريخ تطور الدماغ المصغر ، ونراجع طرق إنشاء نماذج دماغية صغيرة في ظروف ثابتة ، ونناقش أحدث أنظمة الثقافة الخلوية الديناميكية ذات الصلة. نراجع أيضًا نماذج الدماغ البشري المصغرة التي تعيد بناء جوانب الاضطرابات العصبية الرئيسية في ظل ظروف ثابتة أو ديناميكية. ستساهم الأدمغة البشرية المصغرة المهندسة في النهوض بدراسة علم وظائف الأعضاء ومسببات الاضطرابات العصبية ، وتطوير الأدوية المخصصة لهم.


استنتاج

النموذج الرياضي هو آلة منطقية لتحويل الافتراضات إلى استنتاجات. إذا كان النموذج صحيحًا ونؤمن بافتراضاته ، فيجب علينا ، كمسألة منطقية ، أن نصدق استنتاجاته. يسمح هذا الضمان المنطقي للمصممين ، من حيث المبدأ ، بالانتقال بثقة بعيدًا عن الافتراضات ، وربما أبعد بكثير مما قد يسمح به الحدس ، بغض النظر عن مدى ثاقبة البصيرة ، والتوصل إلى استنتاجات مفاجئة. ولكن ، وهذه هي النقطة الأساسية ، فإن اليقين دائمًا متعلق بالافتراضات. هل نصدق افتراضاتنا؟ نحن نؤمن بالفيزياء الأساسية التي يقوم عليها علم الأحياء. يمكننا أن نستنتج أشياء كثيرة من الفيزياء ولكن ليس ، للأسف ، وجود علماء الفيزياء. هذا يتركنا ، على الأقل في المجال الجزيئي ، في أيدي الظواهر والتخمين المستنير. لا حرج في ذلك ، لكن لا ينبغي لنا أن نخدع أنفسنا بأن نماذجنا موضوعية وتنبؤية ، بمعنى الفيزياء الأساسية. إنها ، في عبارة جيمس بلاك الرنانة ، "أوصاف دقيقة لتفكيرنا المثير للشفقة".

النماذج الرياضية هي أداة استخدمها بعض علماء الأحياء لتأثير كبير. حاول زميلي المميز في جامعة هارفارد ، إدوارد ويلسون ، طمأنة الأشخاص الذين يعانون من الرهاب من الرياضيات بأنهم لا يزالون قادرين على القيام بالعلوم الجيدة بدون الرياضيات [65]. بالتأكيد ، لكن لماذا لا تستخدمه عندما تستطيع؟ علم الأحياء معقد بدرجة كافية لدرجة أننا بالتأكيد بحاجة إلى كل أداة تحت تصرفنا. بالنسبة لأولئك الذين يفكرون في ذلك ، فإن المنظور الذي تم تطويره هنا يقترح الإرشادات التالية:

طرح سؤال. إن بناء النماذج من أجل القيام بذلك قد يُبقي علماء الرياضيات سعداء ، لكنها طريقة سيئة للقيام بعلم الأحياء. طرح سؤال يوجه اختيار الافتراضات ونكهة النموذج ويوفر معيارًا يمكن من خلاله الحكم على النجاح.

أبقيها بسيطة. قد يؤدي تضمين جميع التفاصيل البيوكيميائية إلى طمأنة علماء الأحياء ، لكنها طريقة سيئة للنمذجة. حافظ على تعقيد الافتراضات بما يتماشى مع السياق التجريبي وحاول إيجاد التجريدات الصحيحة.

إذا كان النموذج لا يمكن تزويره ، فهو لا يخبرك بأي شيء. المناسب هو لعنة النمذجة. إنه يخدعنا للاعتقاد بأننا توقعنا ما قمنا بتركيبه عندما كان كل ما فعلناه هو اختيار النموذج بحيث يكون مناسبًا. لذلك ، لا تتناسب مع ما تريد شرحه ، قم بلصق عنق النموذج بعد تركيبه وحاول تزويره.

في وقت لاحق من حياته ، نظر تشارلز داروين إلى نفوره المبكر للرياضيات ، وهو خطأ المعلم الذي كان `` رجلًا مملًا للغاية '' ، وقال: `` لقد ندمت بشدة لأنني لم أتقدم بما يكفي على الأقل لفهم شيء يبدو أن المبادئ التوجيهية العظيمة للرياضيات للرجال التي تم منحها على هذا النحو تتمتع بحس إضافي '[66]. كان أحد هؤلاء الأشخاص ذوي الحس الإضافي راهبًا أوغسطينيًا ، يكدح في غموض إقليمي لمدينة برون النمساوية المجرية ، حيث قام بتدريس الفيزياء في المدرسة المحلية بينما وضع الأسس لإنقاذ نظرية داروين من النسيان [67] ، وهي مهمة تم إنجازها لاحقًا في يد JBS Haldane و RA Fisher و Sewall Wright ، إلى حد كبير عن طريق الرياضيات. يمثل داروين ومندل التقاليد النوعية والكمية في علم الأحياء. إنها مأساة تاريخية لم يجتمعوا قط في حياتهم. إذا أردنا فهم بيولوجيا الأنظمة ، فسيتعين علينا القيام بالكثير بشكل أفضل.


19.2 النمو السكاني والتنظيم

يستخدم علماء البيئة السكانية مجموعة متنوعة من الأساليب لنمذجة ديناميكيات السكان. يجب أن يكون النموذج الدقيق قادرًا على وصف التغييرات التي تحدث في السكان والتنبؤ بالتغييرات المستقبلية.

النمو السكاني

يستخدم أبسط نموذجين للنمو السكاني المعادلات القطعية (المعادلات التي لا تأخذ في الاعتبار الأحداث العشوائية) لوصف معدل التغيير في حجم السكان بمرور الوقت. أول هذه النماذج ، النمو الأسي ، يصف السكان النظريين الذين يزدادون في الأعداد دون أي قيود على نموهم. النموذج الثاني ، النمو اللوجستي ، يقدم حدودًا للنمو الإنجابي تصبح أكثر كثافة مع زيادة حجم السكان. لا يصف أي من النموذجين بشكل كافٍ المجموعات الطبيعية ، لكنهما يوفران نقاطًا للمقارنة.

النمو الأسي

تأثر تشارلز داروين ، في نظريته عن الانتقاء الطبيعي ، إلى حد كبير برجال الدين الإنجليزي توماس مالتوس. نشر Malthus كتابًا في عام 1798 يفيد بأن السكان ذوي الموارد الطبيعية غير المحدودة ينموون بسرعة كبيرة ، وهو ما يمثل نموًا هائلاً ، ثم يتناقص النمو السكاني مع استنفاد الموارد ، مما يشير إلى نمو لوجستي.

يظهر أفضل مثال على النمو الأسي في الكائنات الحية في البكتيريا. البكتيريا هي بدائيات النوى التي تتكاثر إلى حد كبير عن طريق الانشطار الثنائي. يستغرق هذا الانقسام حوالي ساعة للعديد من الأنواع البكتيرية. إذا تم وضع 1000 بكتيريا في دورق كبير يحتوي على كمية وفيرة من العناصر الغذائية (بحيث لا يتم استنفاد العناصر الغذائية بسرعة) ، فإن عدد البكتيريا سيتضاعف من 1000 إلى 2000 بعد ساعة واحدة فقط. في ساعة أخرى ، تنقسم كل بكتيريا من 2000 نوع ، منتجة 4000 بكتيريا. بعد الساعة الثالثة ، يجب أن يكون هناك 8000 بكتيريا في القارورة. إن المفهوم المهم للنمو الأسي هو أن معدل النمو - عدد الكائنات الحية المضافة في كل جيل تناسلي - يتزايد بحد ذاته أي أن حجم السكان يتزايد بمعدل أكبر وأكبر. بعد 24 من هذه الدورات ، كان عدد السكان قد زاد من 1000 إلى أكثر من 16 مليار بكتيريا. عندما يكون حجم السكان ، ن، بمرور الوقت ، يتم إنتاج منحنى نمو على شكل J (الشكل 19.5أ).

لا يمثل مثال البكتيريا في القارورة حقًا العالم الحقيقي حيث تكون الموارد عادة محدودة. ومع ذلك ، عندما يتم إدخال نوع ما في موطن جديد يجد أنه مناسب ، فقد يظهر نموًا أسيًا لفترة من الوقت. في حالة البكتيريا الموجودة في القارورة ، تموت بعض البكتيريا أثناء التجربة وبالتالي لا تتكاثر ، ينخفض ​​معدل النمو من المعدل الأقصى الذي لا يوجد فيه نفوق. يتم تحديد معدل نمو السكان إلى حد كبير عن طريق طرح معدل الوفيات ، د، (عدد الكائنات الحية التي تموت خلال فترة ما) من معدل المواليد ، ب، (عدد الكائنات الحية التي ولدت خلال فترة ما). يمكن التعبير عن معدل النمو في معادلة بسيطة تجمع بين معدلات المواليد والوفيات في عامل واحد: ص. وهذا موضح بالصيغة التالية:

قيمة ال ص يمكن أن يكون موجبًا ، بمعنى أن عدد السكان يتزايد في الحجم (معدل التغيير إيجابي) أو سلبي ، مما يعني أن عدد السكان يتناقص في الحجم أو صفر ، وفي هذه الحالة يكون حجم السكان غير متغير ، وهي حالة تُعرف باسم النمو السكاني الصفري.

النمو اللوجستي

لا يمكن تحقيق النمو الأسي الموسع إلا عند توفر موارد طبيعية غير محدودة ، لكن هذا ليس هو الحال في العالم الحقيقي. أدرك تشارلز داروين هذه الحقيقة في وصفه "للصراع من أجل الوجود" ، والذي ينص على أن الأفراد سوف يتنافسون (مع أفراد من جنسهم أو أنواع أخرى) على موارد محدودة. من المرجح أن يظل الناجحون على قيد الحياة وينقلون السمات التي جعلتهم ناجحين إلى الجيل التالي بمعدل أكبر (الانتقاء الطبيعي). لنمذجة واقع الموارد المحدودة ، طور علماء البيئة السكانية نموذج النمو اللوجستي.

القدرة على التحمل والنموذج اللوجستي

في العالم الحقيقي ، بموارده المحدودة ، لا يمكن أن يستمر النمو المتسارع إلى ما لا نهاية. قد يحدث النمو المتسارع في البيئات التي يوجد فيها عدد قليل من الأفراد والموارد الوفيرة ، ولكن عندما يصبح عدد الأفراد كبيرًا بدرجة كافية ، ستنفد الموارد وسيتباطأ معدل النمو. في النهاية ، سوف يستقر معدل النمو أو يستقر (الشكل 19.5ب). يُطلق على حجم السكان هذا ، والذي يتم تحديده من خلال الحد الأقصى لحجم السكان الذي يمكن أن تحافظ عليه بيئة معينة ، القدرة الاستيعابية ، أو ك. في السكان الحقيقيين ، غالبًا ما يتجاوز عدد السكان المتنامي قدرته الاستيعابية ، ويزداد معدل الوفيات إلى ما بعد معدل المواليد مما يؤدي إلى تراجع حجم السكان إلى القدرة الاستيعابية أو أقل منها. عادة ما يتقلب السكان حول القدرة الاستيعابية بطريقة متموجة بدلاً من كونها موجودة بالفعل.

تضيف الصيغة المستخدمة لحساب النمو اللوجستي القدرة الاستيعابية كقوة معتدلة في معدل النمو. التعبير "كن"يساوي عدد الأفراد الذين يمكن إضافتهم إلى مجموعة سكانية في وقت معين ، و"كن"مقسومة على"ك"هو جزء من القدرة الاستيعابية المتاحة لمزيد من النمو. وبالتالي ، فإن نموذج النمو الأسي مقيد بهذا العامل لتوليد معادلة النمو اللوجستي:

لاحظ ذلك متى ن تكاد تكون صفرًا ، والكمية الموجودة بين قوسين تساوي تقريبًا 1 (أو ك/ك) والنمو قريب من الأسي. عندما يكون حجم السكان مساوياً للقدرة الاستيعابية ، أو ن = ك، الكمية الموجودة بين قوسين تساوي صفرًا والنمو يساوي صفرًا. الرسم البياني لهذه المعادلة (النمو اللوجستي) يعطي منحنى على شكل حرف S (الشكل 19.5ب). It is a more realistic model of population growth than exponential growth. هناك ثلاثة أقسام مختلفة لمنحنى على شكل حرف S. في البداية ، يكون النمو أسيًا نظرًا لوجود عدد قليل من الأفراد والموارد المتاحة. ثم ، عندما تبدأ الموارد في التقلص ، ينخفض ​​معدل النمو. Finally, the growth rate levels off at the carrying capacity of the environment, with little change in population number over time.

دور المنافسة غير المحددة

يفترض النموذج اللوجستي أن كل فرد ضمن مجموعة سكانية ما سيكون له وصول متساوٍ إلى الموارد ، وبالتالي ، فرصة متساوية للبقاء على قيد الحياة. For plants, the amount of water, sunlight, nutrients, and space to grow are the important resources, whereas in animals, important resources include food, water, shelter, nesting space, and mates.

في العالم الحقيقي ، يعني التباين الظاهري بين الأفراد داخل مجموعة سكانية أن بعض الأفراد سيكونون أكثر تكيفًا مع بيئتهم من غيرهم. The resulting competition for resources among population members of the same species is termed intraspecific competition . Intraspecific competition may not affect populations that are well below their carrying capacity, as resources are plentiful and all individuals can obtain what they need. ومع ذلك ، مع زيادة حجم السكان ، تشتد هذه المنافسة. In addition, the accumulation of waste products can reduce carrying capacity in an environment.

أمثلة على النمو اللوجستي

Yeast, a microscopic fungus used to make bread and alcoholic beverages, exhibits the classical S-shaped curve when grown in a test tube (Figure 19.6أ). تنخفض مستويات نموها حيث يستنفد السكان العناصر الغذائية اللازمة لنموها. ومع ذلك ، في العالم الحقيقي ، هناك اختلافات في هذا المنحنى المثالي. Examples in wild populations include sheep and harbor seals (Figure 19.6ب). في كلا المثالين ، يتجاوز حجم السكان القدرة الاستيعابية لفترات زمنية قصيرة ثم ينخفض ​​إلى أقل من القدرة الاستيعابية بعد ذلك. يستمر هذا التقلب في حجم السكان في الحدوث حيث يتأرجح السكان حول قدرته الاستيعابية. ومع ذلك ، حتى مع هذا التذبذب ، تم تأكيد النموذج اللوجستي.

اتصال مرئي

If the major food source of seals declines due to pollution or overfishing, which of the following would likely occur?

  1. ستنخفض القدرة الاستيعابية للأختام ، وكذلك عدد الفقمات.
  2. ستنخفض القدرة الاستيعابية للأختام ، لكن عدد الفقمات سيبقى كما هو.
  3. The number of seal deaths would increase, but the number of births would also increase, so the population size would remain the same.
  4. ستبقى القدرة الاستيعابية للأختام كما هي ، لكن عدد الأختام سينخفض.

ديناميات السكان وتنظيمهم

إن النموذج اللوجستي للنمو السكاني ، على الرغم من صلاحيته في العديد من المجموعات الطبيعية ونموذج مفيد ، هو تبسيط لديناميات السكان في العالم الحقيقي. ضمنيًا في النموذج هو أن القدرة الاستيعابية للبيئة لا تتغير ، وهذا ليس هو الحال. القدرة الاستيعابية تختلف سنويا. على سبيل المثال ، يكون بعض الصيف حارًا وجافًا بينما يكون البعض الآخر باردًا ورطبًا في العديد من المناطق ، وتكون القدرة الاستيعابية خلال فصل الشتاء أقل بكثير مما هي عليه خلال فصل الصيف. أيضًا ، يمكن للأحداث الطبيعية مثل الزلازل والبراكين والحرائق أن تغير البيئة وبالتالي قدرتها على التحمل. بالإضافة إلى ذلك ، لا يوجد السكان عادة في عزلة. يتشاركون البيئة مع الأنواع الأخرى ، ويتنافسون معهم على نفس الموارد (المنافسة بين الأنواع). هذه العوامل مهمة أيضًا لفهم كيفية نمو مجموعة سكانية معينة.

يتم تنظيم النمو السكاني بعدة طرق. يتم تجميعها في عوامل تعتمد على الكثافة ، حيث تؤثر كثافة السكان على معدل النمو والوفيات ، والعوامل المستقلة عن الكثافة ، والتي تسبب الوفيات في السكان بغض النظر عن الكثافة السكانية. يريد علماء الأحياء في الحياة البرية ، على وجه الخصوص ، فهم كلا النوعين لأن هذا يساعدهم على إدارة السكان ومنع الانقراض أو الاكتظاظ السكاني.

Density-dependent Regulation

Most density-dependent factors are biological in nature and include predation, inter- and intraspecific competition, and parasites. Usually, the denser a population is, the greater its mortality rate. For example, during intra- and interspecific competition, the reproductive rates of the species will usually be lower, reducing their populations’ rate of growth. In addition, low prey density increases the mortality of its predator because it has more difficulty locating its food source. Also, when the population is denser, diseases spread more rapidly among the members of the population, which affect the mortality rate.

Density dependent regulation was studied in a natural experiment with wild donkey populations on two sites in Australia. 2 On one site the population was reduced by a population control program the population on the other site received no interference. The high-density plot was twice as dense as the low-density plot. From 1986 to 1987 the high-density plot saw no change in donkey density, while the low-density plot saw an increase in donkey density. The difference in the growth rates of the two populations was caused by mortality, not by a difference in birth rates. The researchers found that numbers of offspring birthed by each mother was unaffected by density. Growth rates in the two populations were different mostly because of juvenile mortality caused by the mother’s malnutrition due to scarce high-quality food in the dense population. Figure 19.7 shows the difference in age-specific mortalities in the two populations.

Density-independent Regulation and Interaction with Density-dependent Factors

Many factors that are typically physical in nature cause mortality of a population regardless of its density. These factors include weather, natural disasters, and pollution. An individual deer will be killed in a forest fire regardless of how many deer happen to be in that area. Its chances of survival are the same whether the population density is high or low. The same holds true for cold winter weather.

In real-life situations, population regulation is very complicated and density-dependent and independent factors can interact. A dense population that suffers mortality from a density-independent cause will be able to recover differently than a sparse population. For example, a population of deer affected by a harsh winter will recover faster if there are more deer remaining to reproduce.

اتصال التطور

Why Did the Woolly Mammoth Go Extinct?

Woolly mammoths began to go extinct about 10,000 years ago, soon after paleontologists believe humans able to hunt them began to colonize North America and northern Eurasia (Figure 19.8). A mammoth population survived on Wrangel Island, in the East Siberian Sea, and was isolated from human contact until as recently as 1700 BC. We know a lot about these animals from carcasses found frozen in the ice of Siberia and other northern regions.

It is commonly thought that climate change and human hunting led to their extinction. A 2008 study estimated that climate change reduced the mammoth’s range from 3,000,000 square miles 42,000 years ago to 310,000 square miles 6,000 years ago. 3 Through archaeological evidence of kill sites, it is also well documented that humans hunted these animals. A 2012 study concluded that no single factor was exclusively responsible for the extinction of these magnificent creatures. 4 In addition to climate change and reduction of habitat, scientists demonstrated another important factor in the mammoth’s extinction was the migration of human hunters across the Bering Strait to North America during the last ice age 20,000 years ago.

The maintenance of stable populations was and is very complex, with many interacting factors determining the outcome. It is important to remember that humans are also part of nature. Once we contributed to a species’ decline using primitive hunting technology only.

Demographic-Based Population Models

Population ecologists have hypothesized that suites of characteristics may evolve in species that lead to particular adaptations to their environments. These adaptations impact the kind of population growth their species experience. Life history characteristics such as birth rates, age at first reproduction, the numbers of offspring, and even death rates evolve just like anatomy or behavior, leading to adaptations that affect population growth. Population ecologists have described a continuum of life-history “strategies” with ك-selected species on one end and ص-selected species on the other. ك-selected species are adapted to stable, predictable environments. Populations of ك-selected species tend to exist close to their carrying capacity. These species tend to have larger, but fewer, offspring and contribute large amounts of resources to each offspring. Elephants would be an example of a ك- الأنواع المختارة. ص-selected species are adapted to unstable and unpredictable environments. They have large numbers of small offspring. Animals that are ص-selected do not provide a lot of resources or parental care to offspring, and the offspring are relatively self-sufficient at birth. أمثلة على ص-selected species are marine invertebrates such as jellyfish and plants such as the dandelion. The two extreme strategies are at two ends of a continuum on which real species life histories will exist. In addition, life history strategies do not need to evolve as suites, but can evolve independently of each other, so each species may have some characteristics that trend toward one extreme or the other.


In Vitro Tumor Models: Advantages, Disadvantages, Variables, and Selecting the Right Platform

In vitro tumor models have provided important tools for cancer research and serve as low-cost screening platforms for drug therapies however, cancer recurrence remains largely unchecked due to metastasis, which is the cause of the majority of cancer-related deaths. The need for an improved understanding of the progression and treatment of cancer has pushed for increased accuracy and physiological relevance of in vitro tumor models. As a result, in vitro tumor models have concurrently increased in complexity and their output parameters further diversified, since these models have progressed beyond simple proliferation, invasion, and cytotoxicity screens and have begun recapitulating critical steps in the metastatic cascade, such as intravasation, extravasation, angiogenesis, matrix remodeling, and tumor cell dormancy. Advances in tumor cell biology, 3D cell culture, tissue engineering, biomaterials, microfabrication, and microfluidics have enabled rapid development of new in vitro tumor models that often incorporate multiple cell types, extracellular matrix materials, and spatial and temporal introduction of soluble factors. Other innovations include the incorporation of perfusable microvessels to simulate the tumor vasculature and model intravasation and extravasation. The drive toward precision medicine has increased interest in adapting in vitro tumor models for patient-specific therapies, clinical management, and assessment of metastatic potential. Here, we review the wide range of current in vitro tumor models and summarize their advantages, disadvantages, and suitability in modeling specific aspects of the metastatic cascade and drug treatment.

الكلمات الدالة: metastasis microvessel models spheroids transwell assay tumor models.


شاهد الفيديو: أسباب النزيف بعد الولادة وطرق الوقاية والعلاج (أغسطس 2022).