Студопедия  
Главная страница | Контакты | Случайная страница

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Понятия модели и моделирования

Читайте также:
  1. DLL-библиотек общ.понятия.
  2. I. ОСНОВНЫЕ ПОНЯТИЯ
  3. II. ПОНЯТИЯ И ТЕРМИНЫ
  4. SADT- модели: назначение и синтаксис.
  5. V этап. Синтез компьютерной модели объекта.
  6. А.Бандура. Подражание и следование поведению модели.
  7. Аддитивная и мультипликативная модели временного ряда
  8. Административно-территориальное распределение власти. Модели федерализма. Достоинства и недостатки федерации.
  9. Актуальные модели немецкой модели социального рыночного хозяйства
  10. Акты применения норм права: понятия, виды

Содержание

[убрать]

· 1 Значения

· 2 История

· 3 Экспериментальные методы системной биологии

· 4 Инструменты системной биологии

· 5 См. также

· 6 Примечания

Значения[править | править вики-текст]

Системная биология может пониматься как:

· Область исследований, посвященная изучению взаимодействий между составляющими биологических систем, и как эти взаимодействия приводят к появлению функций и характеристик систем (например, взаимодействие метаболитов и ферментов в метаболических системах).

· Научная парадигма, противопоставляемая так называемой редукционистской парадигме в изучении сложных биологических систем, однако полностью соответствующая научному методу познания[3][4].

· Набор исследовательских протоколов, а именно, цикл исследований, состоящий из теории, аналитического или компьютерного моделирования для формулировки гипотез о системе, экспериментальной проверки, и затем использование полученных данных для описания клетки или клеточных процессов для улучшения компьютерной модели или теории[5]. Поскольку целью является модель взаимодействий в сложной системе, экспериментальные методики, которые используются в системной биологии должны быть наиболее детальными. По этой причине для верификации моделей используются такие методики кактранскриптомика, метаболомика, протеомика и другие высокопроизводительные технологии для сбора численных данных.

· Применение теории динамических систем к биологическим системам.

· Соционаучный феномен, определяемый как стремление к интеграции сложных данных о взаимодействиях в биологических системах, полученных из различных экспериментальных источников, используя междисциплинарные методы.

Различие в понимании системной биологии объясняется тем фактом, что данное понятие относится скорее к совокупности пересекающихся концепций, чем к одному строго определенному направлению. Несмотря на различие в понимании целей и методов системной биологии, термин широко используется исследователями, в том числе как часть названий научных подразделений и целых институтов по всему миру.

История[править | править вики-текст]

Предпосылками появления системной биологии являются:

· Количественное моделирование ферментативной кинетики — направление, формировавшееся между 1900 и 1970 годами,

· Математическое моделирование роста популяций,

· Моделирование в нейрофизиологии,

· Теория динамических систем и кибернетика.

Пионером системной биологии можно считать Людвига Фон Бeрталанфи, создателя общей теорией систем, автора книги «Общая теория систем в физике и биологии», опубликованной в 1950 году. Одной из первых численных моделей в биологии является модель британских нейрофизиологов и лауреатов нобелевской премии Ходжкина и Хаксли, опубликованной в 1952 году. Авторы создали математическую модель, объясняющую распространение потенциала действия вдоль аксона нейрона[6]. Их модель описывала механизм распространения потенциала как взаимодействие между двумя различными молекулярными компонентами: каналами для калия и натрия, что можно расценить как начало вычислительной системной биологии[7]. В 1960 году на основе модели Ходжкина и Хаксли Денис Нобл создал первую компьютерную модель сердечного водителя ритма[8].

Формально первая работа по системной биологии, как самостоятельной дисциплине, была представлена системным теоретиком Михайло Месарович в 1966 году на международном симпозиуме в Институте технологии в Кливленде (США, штат Огайо) под названием «Системная теория и биология».[9][10]

В 60-х, 70-х годах двадцатого века был разработан ряд подходов для изучения сложных молекулярных систем, таких как теория контроля метаболизма и теория биохимических систем. Успехи молекулярной биологии в 80-х годах при некотором спаде интереса к теоретической биологии вообще, которая обещала больше, чем смогла достичь, привели к падению интереса к моделированию биологических систем.

Тем не менее, рождение функциональной геномики в 1990-х годах привело к доступности большого количества данных высокого качества, что совместно с бумом в развитии вычислительной техники, позволило создавать более реалистичные модели. В 1997 году группа Масару Томита опубликовала первую численную модель метаболизма целой (гипотетической) клетки. Термин «системная биология» может быть также найден в статье В. Зиглгансберга и Т. Толле, опубликованной в 1993 году. В течение 1990-х годов Б. Зенг создал ряд концепций, моделей и терминов: системная медицина (апрель 1992), системная биоинженерия (июнь 1994) и системная генетика (ноябрь 1994).

В течение 2000-х годов, когда создавались институты системной биологии в Сиэтле и Токио, системная биология вступила в полные права, будучи вовлеченной в различные геномные проекты, обрабатывая и интерпретируя данные из «-омик» (протеомика, метаболомика), помогая в интерпретации прочих высокопроизводительных экспериментов, включая биоинформатику. По состоянию на лето 2006 года в связи с нехваткой системных биологов[11] было создано несколько учебных центров по всему миру.

Экспериментальные методы системной биологии[править | править вики-текст]

Для верификации создаваемых моделей системная биология работает с самыми различными типами экспериментальных данных, описывающих как отдельные составляющие, так и систему в целом. Зачастую в качестве исходной информации для формулировки гипотез и выводов используются данные, полученные в других областях биологии: биохимии, биофизики, молекулярной биологии. Тем не менее, существует ряд специфичных методов, прочно ассоциируемых с системной биологией. Эти методы характеризует большое количество экспериментальных измерений, а также одновременное детектирование многих характеристик, что стало возможным с появлением автоматизированных потоковых методик экспериментов.

Примерами таких методов могут являться:

· Геномика: высокопроизводительные методы секвенирования ДНК, включая изучение вариабельности в различных клетках одного организма.

· Эпигеномика/Эпигенетика: изучение факторов транскрипции, не кодируемых в ДНК (метилирование ДНК, и т. д.).

· Транскриптомика: измерение экспрессии генов, используя ДНК-микрочипы и другие методы.

· Интерферомика: измерение взаимодействия транскрибируемых РНК.

· Протеомика/Транслатомика: измерение уровня белков или пептидов с использованием двумерного гель-электрофореза, масс-спектрометрии или многомерных методик измерения белков.

· Метаболомика: измерение концентраций так называемых малых молекул, метаболитов.

· Гликомика: измерение уровня углеводов.

· Липидомика: измерение уровня липидов.

Кроме представленных методов измерения уровня молекул, существуют также более сложные методы, позволяющие измерять динамику характеристик во времени и взаимодействие между компонентами:

· Интерактомика: измерение взаимодействий между молекулами (например, измерение белок-белковых взаимодействий: PPI).

· Флаксомика: измерение динамики потоков и концентраций во времени (как правило метаболитов).

· Биомика: системный анализ биома

Многие перечисленные методики в настоящее время все ещё активно развиваются как в направлении увеличения точности и информативности измерений, так и в способах численной обработки получаемых данных.

Инструменты системной биологии[править | править вики-текст]

Исследования в области системной биологии чаще всего заключаются в разработке механистической модели сложной биологической системы, то есть модели, сконструированной на основе количественных данных об элементарных процессах, составляющих систему[12][13].

Метаболический или сигнальный путь может быть описан математически на основе теорий ферментативной или химической кинетики. Для анализа полученных систем могут применяться математические методы нелинейной динамики, теории случайных процессов, либо использоваться теория управления.

Из за сложности объекта изучения, большого количества параметров, переменных и уравнений, описывающих биологическую систему, современная системная биология немыслима без использования компьютерных технологий. Компьютеры используются для решения систем нелинейных уравнений, изучения устойчивости и чувствительности системы, определения неизвестных параметров уравнений по экспериментальным данным. Новые компьютерные технологии оказывают существенное влияние на развитие системной биологии. В частности, использование исчисления процессов, автоматических средств поиска информации в публикациях, вычислительная лингвистика, разработка и наполнение общедоступных баз данных.

В рамках системной биологии ведется работа над созданием собственных программных средств для моделирования и универсальных языков для хранения и аннотации моделей. В качестве примера можно привести SBML, CellML (расширения XML для записи моделей), а также SBGN (язык графического представления структуры взаимодействий элементов биологических систем).

Эмердже́нтность (от англ. emergent — возникающий, неожиданно появляющийся)[1] в теории систем — наличие у какой-либо системы особых свойств, не присущих её элементам, а также сумме элементов, не связанных особыми системообразующими связями; несводимость свойств системы к сумме свойств её компонентов; синоним — «системный эффект».

В биологии и экологии понятие эмерджентности можно выразить так: одно дерево — не лес, скопление отдельных клеток — не организм. Например, свойства биологического вида или биологической популяции не представляют собой свойства отдельных особей, понятия наследуемость, рождаемость, смертностьнеприменимы к отдельной особи, но применимы к популяции или виду в целом.

В эволюционистике выражается как возникновение новых функциональных единиц системы, которые не сводятся к простым перестановкам уже имевшихся элементов.

В почвоведении: эмерджентным свойством почвы является плодородие.

В классификации систем эмерджентность может являться основой их систематики как критериальный признак системы.

Понятия модели и моделирования

Моделирование можно рассматривать как замещение исследуемого объекта (оригинала) его условным образом, описанием или другим объектом, именуемым моделью и обеспечивающим близкое к оригиналу поведение в рамках некоторых допущений и приемлемых погрешностей. Моделирование обычно выполняется с целью познания свойств оригинала путем исследования его модели, а не самого объекта. Разумеется, моделирование оправдано в том случае когда оно проще создания самого оригинала или когда последний по каким-то причинам лучше вообще не создавать.

Под моделью понимается физический или абстрактный объект, свойства которого в определенном смысле сходны со свойствами исследуемого объекта. При этом требования к модели определяются решаемой задачей и имеющимися средствами [19]. Существует ряд общих требований к моделям:

1. Адекватность – достаточно точное отображение свойств объекта;

2. Полнота – предоставление получателю всей необходимой информации об объекте;

3. Гибкость – возможность воспроизведения различных ситуаций во всем диапазоне изменения условий и параметров;

4. Трудоемкость разработки должна быть приемлемой для имеющегося времени и программных средств.

Моделирование – это процесс построения модели объекта и исследования его свойств путем исследования модели.

Таким образом, моделирование предполагает 2 основных этапа:

1. Разработка модели;

2. Исследование модели и получение выводов.

При этом на каждом из этапов решаются разные задачи и используются отличающиеся по сути методы и средства.

На практике применяют различные методы моделирования. В зависимости от способа реализации, все модели можно разделить на два больших класса: физические и математические.

Математическое моделирование принято рассматривать как средство исследования процессов или явлений с помощью их математических моделей.

Под физическим моделированием понимается исследование объектов и явлений на физических моделях, когда изучаемый процесс воспроизводят с сохранением его физической природы или используют другое физическое явление, аналогичное изучаемому [10, 41]. При этом физические модели предполагают, как правило, реальное воплощение тех физических свойств оригинала, которые являются существенными в конкретной ситуации. Например, при проектировании нового самолета создается его макет, обладающий теми же аэродинамическими свойствами; при планировании застройки архитекторы изготавливают макет, отражающий пространственное расположение ее элементов. В связи с этим физическое моделирование называют также макетированием [10].

Полунатурное моделирование представляет собой исследование управляемых систем на моделирующих комплексах с включением в состав модели реальной аппаратуры [41]. Наряду с реальной аппаратурой в замкнутую модель входят имитаторы воздействий и помех, математические модели внешней среды и процессов, для которых неизвестно достаточно точное математическое описание. Включение реальной аппаратуры или реальных систем в контур моделирования сложных процессов позволяет уменьшить априорную неопределенность и исследовать процессы, для которых нет точного математического описания. С помощью полунатурного моделирования исследования выполняются с учетом малых постоянных времени и нелинейностей, присущих реальной аппаратуре. При исследовании моделей с включением реальной аппаратуры используется понятие динамического моделирования, при исследовании сложных систем и явлений - эволюционного, имитационного и кибернетического моделирования [10, 18, 41].

Очевидно, действительная польза от моделирования может быть получена только при соблюдении двух условий:

1. Модель обеспечивает корректное (адекватное) отображение свойств оригинала, существенных с точки зрения исследуемой операции;

2. Модель позволяет устранить перечисленные выше проблемы, присущие проведению исследований на реальных объектах.

Основные понятия моделирования
 

 

Моделирование – это метод познания, состоящий в создании и исследовании моделей, т.е. исследование объектов путем построения и изучения моделей. Модель – это некоторое упрощенное подобие реального объекта, который отражает существенные особенности (свойства) изучаемого реального объекта, явления или процесса. Модель - это такой материальный или мысленно представляемый объект, который замещает объект-оригинал с целью его исследования, сохраняя некоторые важные для данного исследования типичные черты и свойства оригинала. Объект – это некоторая часть окружающего мира, рассматриваемого человеком как единое целое. Каждый объект имеет имя и обладает параметрами, т.е. признаками или величинами, характеризующие какое-либо свойство объекта и принимаемые различные значения.   Модель должна строится так, чтобы она наиболее полно воспроизводила те качества объекта, которые необходимо изучить в соответствии с поставленной целью. Во всех отношениях модель должна быть проще объекта и удобнее его для изучения. Таким образом, для одного и того же объектамогут существовать различные модели, классы моделей, соответствующие различным целям его изучения. Этапы моделирования: 1. Постановка задачи: описание задачи, цель моделирования, формализация задачи 2. Разработка модели: информационная модель, компьютерная модель 3. Компьютерный эксперимент – план эксперимента, проведение исследования 4. Анализ результатов моделирования Хорошо построенная модель, как правило, доступнее для исследования, чем реальный объект (например, такой, как экономика страны, Солнечная система и т.п.). Другое, не менее важное назначение модели состоит в том, что с ее помощью выявляются наиболее существенные факторы, формирующие те или иные свойства объекта. Модель также позволяет учиться управлять объектом, что важно в тех случаях, когда экспериментировать с объектом бывает неудобно, трудно или невозможно (например, когда эксперимент имеет большую продолжительность или когда существует риск привести объект в нежелательное или необратимое состояние). Таким образом, можно сделать вывод, что модель необходима для того, чтобы: – понять, как устроен конкретный объект - каковы его структура, основные свойства, законы развития и взаимодействия с окружающим миром; – научиться управлять объектом или процессом и определить наилучшие способы управления при заданных целях и критериях (оптимизация); – прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект, процесс.

Понятие модели модельный эксперимент

Модель – это воспроизведение явления в определенных, искусственно созданных условиях. В модельном опыте можно повторить необходимое число раз анализируемое явление. Оно может воспроизводиться в упрощенной, но более точной форме.

Модельный эксперимент характеризуется большей приближенностью к реальным действиям. В нем имеется возможность одновременно использовать большой комплекс методов исследования (включая и инструментальные) и тем самым с большой точностью и детализацией раскрыть обнаруженную закономерность. Существенными признаками модели являются наглядность, известное отвлечение, элемент научной и творческой фантазии, использование аналогии с практической действительностью. В ходе применения модели в экспериментальной работе шлифуются ее отдельные стороны. В первоначальный вариант опыта вносятся коррективы. Вариант как бы превращается в модель второго, третьего и т. д. порядка. В итоге, варианты модельных исследований могут служить методом тренировки, локально воздействующим на ту или иную сторону подготовки спортсмена.

С помощью модельного эксперимента, например, можно в искусственно создаваемых условиях установить перечень оптимальных технических действий при изменении определенных статических и динамических ситуаций. После этого последует их отработка и проверка за счет естественного эксперимента.

Модели в биологии

Применяются для моделирования биологических структур, функций и процессов

на разных уровнях организации живого: молекулярном, субклеточном, клеточном,

органно-системном, организменном и популяционно-биоценотическом. Возможно также

моделирование различных биологических феноменов, а также условий жизнедеятельности

отдельных особей, популяций, экосистем.

В биологии применяются в основном три вида моделей: биологические, физико-

химические и математические (логико-математические).

Биологические модели воспроизводят на лабораторных животных

определенные состояния или заболевания, встречающиеся у животных или у человека.

Это позволяет изучать в эксперименте механизмы возникновения данного состояния или

заболевания, его течение и исход, воздействовать на его протекание. Примеры таких

моделей - искусственно вызванные генетические нарушения, инфекционные процесс,

интоксикации, воспроизведение гипертонических и гипоксических состояний,

злокачественных новообразований, гиперфункции или гипофункции некоторых органов, а

также неврозы и эмоциональные состояния. Для создания биологических моделей

применяют различные способы воздействия на генетический аппарат, заражение

микробами, введение токсинов, удаление отдельных органов или ведение продуктов их

жизнедеятельности (например, гормонов), различные воздействия на центральную ипериферическую нервную систему, исключение из пищи тех или иных веществ,

помещение в искусственно создаваемую среду обитания и многие другие способы.

Биологические модели широко используются в генетике, физиологии, фармакологии.

Физико - химические модели воспроизводят химическими или физическими

средствами биологические структуры, функции или процессы и, как правило, являются

далеким подобием моделируемого биологического явления. Начиная с 60-х гг. 19в. были

сделаны попытки создания физико-химической модели структуры и некоторых функций

клеток. Немецкий ученый М. Траубе (1867) имитировал рост живой клетки, выращивая

кристаллы CuSO4 в водном растворе K4[Fe(CN)6]; французский физик С. Ледюк (1907),

погружая в насыщенный раствор K3PO4 сплавленный CaCl2, получил - благодаря

действию сил поверхностного натяжения и осмоса - структуры, внешне напоминающие

водоросли и грибы. Смешивая оливковое масло с разными растворимыми в воде

веществами и эту смесь в каплю воды, О. Бючли (1892) получал микроскопические пены,

имевшие внешне сходство с протоплазмой; такая модель воспроизводила даже амебное

движение. С 60-х гг. 19 в. предлагались также разные физические модели проведения

возбуждения по нерву. В модели, созданной итальянским ученым К. Маттеуччи и немцем

Л. Германом, нерв был представлен в виде проволоки, окруженной оболочкой из

проводника второго рода. Присоединении оболочки и проволоки с гальванометром

наблюдалась разность потенциалов, изменявшаяся при нанесении на участок «нерва»

электрического «раздражения». Такая модель воспроизводила некоторые

биоэлектрические явления при возбуждении нерва. Французский ученый Р. Лилли на

модели распространяющейся по нерву волны возбуждения воспроизвел ряд явлений,

наблюдаемых в нервных волокнах (рефрактерный период, закон «все или ничего»,

двустороннее приведение). Модель представляла собой стальную проволоку, которую

помещали сначала в крепкую, затем в слабую азотную кислоту. Проволока покрывалась

окислом, который восстанавливался при ряде воздействий; возникший в одном участке

процесс восстановления распространялся вдоль проволоки. Подобные модели,

показавшие возможность воспроизведения некоторых свойств и появлений живого

посредством физико-химических явлений, основаны на внешнем качественном сходстве и

представляют лишь исторический интерес.

Позднее более сложные модели, основанные на гораздо более глубоком

количественном подобии, строились на принципах электротехники и электроники. так, на

основе данных электрофизиологических исследований были построены электронные

схемы, моделирующие биоэлектрические потенциалы в нервной клетке, ее отростке и

синапсе. Построены также механические машины с электронным управлением,

моделирующие сложные действия поведения. Однако, такие модели сильно упрощают

явления, наблюдаемые в организме, и имеют большее значение для бионики, чем для

биологии.

Значительно большие успехи достигнуты в моделировании физико-химических

условий существования живых организмов, их органов и клеток. Так, подобраны

растворы неорганических и органических веществ (растворы Рингера, Локка, Тироде и

др.), имитирующие внутреннюю среду организма и поддерживающие существование

изолированных органов или культивируемых внутри организма клеток.

Модели биологических мембран (пленка из природных фосфолипидов разделяет

раствор электролита) позволяют исследовать физико-химические основы процессов

транспорта ионов и влияние на него различных факторов. С помощью химических

реакций, протекающих в растворах в автоколебательном режиме, моделируют

колебательные процессы, характерные для многих биологических феноменов -

дифференцировки, морфогенеза, явлений в сложных нейронных сетях и т.д.

Математические модели (математические и логико-математические

описания структуры, связей и закономерностей функционирования живых систем)

строятся на основе данных эксперимента или умозрительно, формализованно описываютгипотезу, теорию или открытую закономерность того или иного биологического феномена

и требуют дальнейшей опытной проверки. Различные варианты подобных экспериментов

выявляют границы применения математических моделей и дают материал для ее

дальнейшей корректировки. «Проигрывание» математической модели биологического

явления на ЭВМ позволяет предвидеть характер изменения исследуемого биологического

процесса в условиях, трудно воспроизводимых в эксперименте. Математические модели

позволяют в отдельных случаях предсказать некоторые явления, ранее неизвестные

исследователю. Так, модель сердечной деятельности, предложенная голландскими

учеными ван дер Полом и ван дер Марком, основанная на теории релаксационных

колебаний, указала на возможность особого нарушения сердечного ритма, впоследствии

обнаруженного у человека. Из математических моделей физиологических явлений следует

назвать также модель возбуждения нервного волокна, разработанную английскими

учеными А. Ходжкином и А. Хаксли. На основе теории нервных сетей американских

ученых У. Мак-Каллока и У. Питса строятся логико-математические модели

взаимодействия нейронов. Системы дифференциальных и интегральных уравнений

положены в основу моделирования биоценозов (В. Вольтерра, А.Н. Колмогоров).

Марковская математическая модель процесса эволюции построена О.С. Кулагиной и А.А.

Ляпуновым. И.М. Гельфандом и М.Л. Цетлиным на основе теории игр и теории конечных

автоматов разработаны модельные представления об организации сложных форм

поведения. Показано, что управление многочисленными мышцами тела строится на

основе выработки в нервной системе некоторых функциональных блоков - синергий, а не

путем независимого управления каждой мышцей.

В настоящее время в области математического моделирования биообъектов и

биосистем сложились работают следующие научные школы: Научно-исследовательский

институт новых медицинских технологий Минздрава РФ, Тульский государственный

университет, Институт математики НАН Украины. Разработаны: универсальный метод

моделирования физиологических систем человека в норме и патологии на основе

вычисления рекуррентных рядов; аппарат дифференциальных форм (внешней алгебры)

применен для решения задач биоэнергоинформационного обмена и гемодинамики; для

формирования алгоритмов моделирования процессов мышления и внутриорганного

биоинформационного обмена, базирующихся на солитонном механизме волновой

передачи, разработан метод решения канонических уравнений и др.

Важнейшие свойства биологических систем Следующая  
[ Оглавление ] 1. Способность к обмену веществ. Все живые существа способны обмениваться веществами и энергией с окружающей средой. 2. Способность к размножению (самовоспроизведению). Все живые организмы могут размножаться, оставлять потомство. В основе этого качества животного лежит способность молекул ДНК к точному самовоспроизведению. 3. Способность к движению. Все живые существа могут двигаться, изменять своё положение в пространстве. Внутри всех живых клеток происходит движение цитоплазмы. 4. Способность к раздражимости. Все живые организмы могут отвечать на внешние раздражители (тепло, холод, свет и т.д.) например, двигаясь в направлении этих раздражителей или от них. 5. Наследственность. Организмы могут передавать потомству свои наследственные свойства и признаки. Эти признаки повторяются в длительном ряду поколений. 6. Изменчивость. Организмы не только сохраняют признаки своих предков, но и могут приобретать новые качества и признаки. Это свойство создаёт разнообразие признаков и свойств между особями любой степени родства. Изменчивость - важнейшая основа эволюции, которая позволяет организмам и видам приспосабливаться к изменению внешних условий. Для живых организмов характерны и другие важнейшие свойства, такие, как потребность в потоке энергии извне, способность поддерживать постоянство своего состава и жизненных процессов, способность к развитию и т.д.

 




Дата добавления: 2015-04-11; просмотров: 28 | Поможем написать вашу работу | Нарушение авторских прав

<== 1 ==> |


lektsii.net - Лекции.Нет - 2014-2024 год. (0.024 сек.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав