معلومة

لماذا يتم ربط المناطق منخفضة التعقيد بالاختيار المريح؟

لماذا يتم ربط المناطق منخفضة التعقيد بالاختيار المريح؟


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.

أنا أقرأ نصًا (Wagner ، 2007) حول تحديد الاختيار الإيجابي. في الورقة البحثية ، يقول المؤلف أن مناطق التعقيد المنخفضة معروفة بأنها مرتبطة بالاختيار المريح. أحاول أن أفهم لماذا هذا صحيح. أفهم أنه إذا كانت المنطقة تحت الانتقاء المريح ، فسيتم تحمل معظم الطفرات ولكن لماذا يؤدي ذلك إلى تعقيد منخفض (بخلاف شيء مثل الانزلاق أثناء تكرار الحمض النووي)

يوجد في القسم: "القليل من التداخل بين مجموعات الأشكال والمناطق منخفضة التعقيد"

Wagner A. 2007. الكشف السريع عن الانتقاء الإيجابي في الجينات والجينومات من خلال مجموعات التباين. علم الوراثة 176(4): 2451-2463.


ما هو التعقيد؟

"التعقيد" في هذه الحالة مشتق من خوارزمية SEG ، والتي تعتمد على إنتروبيا معلومات شانون. هذه ليست بالضرورة مناطق متكررة ، ولكن المناطق التي يتم فيها استخدام مجموعة محدودة من الأحرف (على سبيل المثال مناطق الغشاء ، حيث من المرجح أن ترى بقايا كارهة للماء أكثر من تلك القطبية). يمكن أن تساعدك هذه البرامج النصية في حساب تعقيد التسلسل إذا كان لديك أمثلة محددة في الاعتبار.

تسأل هذه الفكرة كيف تكون "مضغوطة" هي المعلومات الموجودة في سلسلة الأحرف (فكر في ملفات مضغوطة). تحتاج الأحرف العشوائية في السلاسل إلى مزيد من المعلومات ، بينما يمكن تسجيل المناطق الأقل تنوعًا والتي يمكن التنبؤ بها بمعلومات أقل وتكون أقل تعقيدًا. لذا فإن المنطقة التي يمكنك فيها بسهولة تخمين الحمض الأميني التالي تكون بسيطة ، كما أن تسلسلات الأحماض الأمينية العشوائية معقدة. غالبًا ما تكون التسلسلات الأكثر تعقيدًا أكثر أهمية من الناحية الوظيفية وأكثر فائدة كمؤشرات وظيفية من التسلسلات منخفضة التعقيد. في الواقع ، استخدم BLAST لإخفاء المناطق منخفضة التعقيد لأنها لم تكن مفيدة لعمليات البحث عن التماثل.

لماذا المناطق المعقدة أكثر تنوعًا؟

السؤال كما أفهمه هو طرح هذا الاستنتاج الرابع من الورقة.

رابعًا ، تحدث مجموعات التباين في مجالات بروتينية محددة جيدًا من الناحية الهيكلية وذات أهمية وظيفية عالية التعقيد.

هذا الآن ليس متناقضًا كما يبدو. من المرجح أن تحدث المناطق شديدة التباين مع الكثير من الأحماض الأمينية العشوائية / التي لا يمكن التنبؤ بها مثل تلك ذات الهياكل والوظائف المحددة جيدًا في المناطق ذات التعقيد العالي نتيجة لذلك (وهو مقياس العشوائية في تسلسل).

هناك ما هو أكثر مما تراه العين ...

هذه بالطبع ليست القصة كاملة. في المناطق شديدة التعقيد ، توجد بقايا محفوظة للغاية وضرورية لمخلفات الحياة التي لا يمكن تغييرها. على الطرف الآخر من المقياس ، هناك أيضًا مناطق مثل تقارير المعاملات المشبوهة ذات التعقيد المنخفض ولكنها متغيرة للغاية في الطول بين الأفراد وتدعم بصمة الحمض النووي.


تتكرر المناطق منخفضة التعقيد في النيوكليوتيدات (أو الأحماض الأمينية). على سبيل المثال PPCDPPPPPPKDKKKKDDGPP أو AAATAAAAAAAATAAAAAAT. تقارن مقالة 2011 هذه 14 جينومًا منفردًا من Plasmodium falciparum وتجد أن هذه التكرارات متغيرة للغاية بين الأفراد - بعضها قد يكون قصير AAAATAAAA والبعض الآخر قد يكون أطول AAAATAAAAAAAAATAAAAAAATAAAATAAAA ... AATAA حتى لعشرات من القواعد.

أعتقد أنه ليس من الواضح ما تفعله هذه التسلسلات ، لكن مجرد حقيقة أنها يمكن أن تختلف كثيرًا من فرد قابل للحياة إلى آخر يشير إلى أنها ليست انتقائية بشدة. * إذا كانوا خاضعين للاختيار ، فستتمكن من رؤية الاختلاف في التباين في الصحة واللياقة والتكاثر الذي تحدثه هذه التغييرات الجينية المهمة ، ولكن في هذه الحالة ، لن يغير التغيير في التسلسل خصائص التسلسل كثير على الإطلاق. *

أعتقد أن هذه مرتبطة أيضًا بمناطق متغير رقم النسخ (CNV). التي تتوسع وتتقلص في الجينوم بسهولة حتى بين التوائم المتماثلة. (آسف للإشارة غير المباشرة - مثل العديد من قصص SDN ، المرجع خاطئ تمامًا) ، لكنني أتذكر هذا العمل ...


ربط الحمض النووي الريبي الخاطئ في المرض

النسخة البشرية هي نتاج سلسلة منسقة من الأحداث التنظيمية النسخية ، والنسخ المشترك ، وما بعد النسخ.

يعد تضفير الحمض النووي الريبي خطوة تنظيمية رئيسية في التعبير الجيني الذي يسمح للجينوم المحدود بالتعبير عن تنوع مثير للإعجاب من الحمض النووي الريبي المشفر وغير المشفر.

يتسبب التضفير الخاطئ في الحمض النووي الريبي في مجموعة كبيرة من الأمراض التي تصيب الإنسان بسبب الطفرات الوراثية والجسدية.

قد ينتج التضفير الخاطئ عن طفرات في الحمض النووي الريبي رابطة الدول المستقلة-العناصر التنظيمية ، المكونات الأساسية لصق أو عبر- فاعلية العوامل التنظيمية.

الطفرات في بعض الجينات ، مثل lamin A (LMNA) ، تسبب أنواعًا متعددة من الأمراض ، من ضمور العضلات إلى متلازمات الشيخوخة المبكرة.

يعمل أحد مكونات الحمض النووي الريبي النووي الصغير (snRNA) في الجسيمات الصغرى الصغيرة كمفتاح تنشيط الإجهاد للتحكم في مستويات التعبير عن الجينات التي تحتوي على إنترونات ثانوية.

تحتوي بعض عوامل الربط المرتبطة بالأمراض ، مثل التصلب الجانبي الضموري ، على مناطق منخفضة التعقيد مع نطاقات تشبه البريون تكون عرضة للتجمع غير الطبيعي.

تم تطوير استراتيجيات علاجية تعديل الربط التي تستهدف مجموعة من الأمراض ، بما في ذلك الضمور العضلي وأمراض الخلايا العصبية الحركية ، ويتم اختبارها حاليًا في التجارب السريرية.


عمليات شبيهة بالتطور في التنمية

لقد تم تطوير فهم كيف ولماذا ينتج الانتقاء الطبيعي التعقيد بشكل كبير من خلال التعرف على كيفية مساهمة العمليات الشبيهة بالداروينية التي تحدث على مستويات أخرى من التطور والنطاق. إحدى الآليات التنموية ذات الصلة بشكل خاص بتطور التعقيد المعرفي هي عملية شبيهة بالاختيار تعمل على ضبط أنماط الاتصال المحوري في الجهاز العصبي النامي. يُظهِر التنظيم العالمي لأدمغة الثدييات نزعة محافظة عميقة ، مع وجود آليات جينية مشتركة مسؤولة عن تنظيمها القطاعي وتحديد أنماط الاتصال واسعة النطاق بين المناطق (29 –31). ولكن تكميلًا لهذا القواسم المشتركة الأساسية للهندسة المعمارية المتولدة في المراحل المبكرة من التطور الجنيني ، هناك أيضًا مرحلة لاحقة من البلاستيك ، ومرحلة "ارتدادية" أكثر أو أقل من تطور الدماغ ، والتي تساهم في الاختلافات حول هذا الموضوع العام (32 ⇓ ⇓ ⇓ –36). يتضمن الضبط الدقيق للدوائر العصبية لمطابقة بنية الجسم المحددة والتخصصات الحسية ، وتنوعاتها داخل الأنواع وفيما بينها ، منطقًا منحوتًا مشابهًا بشكل فضفاض للانتقاء الطبيعي بعدة طرق. يتضمن إنشاء الروابط العصبية عن طريق النمو المحوري والغزو في البداية مرحلة غير محددة إلى حد ما حيث يتم التحكم في التوجيه المحوري إلى حد كبير من خلال آليات الجذب والتنافر والالتصاق المحافظة للغاية ، إلى حد كبير نتيجة لتأثيرات التعبير الجيني المحلي. يبدو أن هذه العملية عامة إلى حد ما ، مع العديد من الآليات التي تشترك فيها مجموعة واسعة من الفقاريات.

على الرغم من أن التعديلات الطفيفة في بنية الدماغ العامة لهذا النوع من المحتمل أن تلعب أدوارًا مهمة في إنتاج الاختلافات الهيكلية والوظيفية لأدمغة الأنواع المختلفة ، إلا أن هناك مساهمة مهمة تأتي أيضًا من عمليات تشبه الانتقاء التي تدمج المعلومات داخل وخارج الكائن الحي في الضبط الدقيق. من الدوائر العصبية. يصبح نمط الاتصال العالمي العام للأنواع والذي يخضع لتوجيهات جينية قوية ولكن منخفضة الدقة بمثابة سقالات للتمايز الوصلي اللاحق استجابةً للمنافسة المعتمدة على النشاط بوساطة الإشارة من أجل الاستقرار التشابكي (37). يبدو أن هذه التفاعلات التنافسية تتبع منطق ارتباط الإشارات Hebbian الذي يتميز بـ "الخلايا العصبية التي تطلق معًا الأسلاك معًا". في العديد من الأنظمة ، يرتبط الانتقاء التنافسي للوصلات أيضًا بالاستماتة العصبية (موت الخلايا "المبرمج"). تنتج هذه العملية الدقة الدقيقة لأنماط الاتصال التي تتوافق مع التجمعات العصبية والتضاريس للدماغ المترابط والهياكل المحيطية.

يعكس هذا إحدى استراتيجيات الحياة العامة للتعامل مع مشكلة الحصول على مجموعة واسعة من ميزات الكائن الحي لتحقيق تكامل وظيفي جيد مع بعضها البعض - تتكيف بشكل فعال لتكمل بعضها البعض - بأقصى قدر من المرونة والحد الأدنى من معلومات التصميم. تم اقتراح مقدمة لهذه الفكرة في تسعينيات القرن التاسع عشر من قبل عالم الأجنة الدارويني المؤثر أوغست وايزمان ، والذي يُذكر في الغالب بسبب نجاحه في نبذ مفهوم الوراثة اللاماركية. لتقديم تفسير بديل للميزات التي افترض لاماركيون أنها تتطلب عملية وراثة استخدام ، اقترح أنه قد يكون هناك الانتخاب عملية تحدث في ما يرقى إلى النظام البيئي للجسم (38). على الرغم من اختلافها عما قصده وايزمان في الأصل ، فإن عملية الانتقاء المحوري هي في الواقع نوع من عملية الاختيار داخل الكائن الحي ، على الرغم من اختلاف منطقها عن الانتقاء الطبيعي في أحد الجوانب المهمة: اختيار هذا النوع يقتصر على الحفظ التفاضلي فقط ، وليس التكاثر التفاضلي. في هذا الصدد ، هو مثل جيل واحد من عملية الانتقاء الطبيعي. هذه الطريقة الأكثر عمومية لتوصيف المنطق المميز للانتقاء الطبيعي تميزت من قبل المدافع الأول عن هذا التعميم للداروينية ، دونالد ت. كامبل ، بعبارة "التباين الأعمى مع الاحتفاظ الانتقائي" (39).

هذا وثيق الصلة بمشكلة التطور. بشكل عام ، كلما كان النظام أكثر تعقيدًا وترابطًا وتكاملًا وظيفيًا ، زاد احتمال تدهوره وظيفيًا بسبب التباين الهيكلي. هذا هو السبب في أن لا أحد يتخيل أنه سيتم تحسين تصميم الكمبيوتر عن طريق أخذ عينات عشوائية من خطط الدوائر البديلة. للحفاظ على الاستمرارية الوظيفية على الرغم من التغييرات الهيكلية المحلية يجب أن تتطلب إعادة تنظيم تعويضية في جميع أنحاء. وبالتالي ، إذا كانت دارات الدماغ محددة مسبقًا وراثيًا ، فمن المحتمل أن تكون هشة للغاية بحيث لا يمكن تطويرها.

يتمثل الدور الذي تلعبه عملية الانتقاء الداخلي هذه في التطور التكيفي للدماغ في دماغ جرذ الخلد الأعمى ، سبالاكس (40). هذه الأنواع الأحفورية لها عيون أثرية. في دماغها ، يتم "غزو" النواة الركبية الجانبية (النواة البصرية المهادية) أثناء التطور عن طريق الإسقاطات السمعية والجسدية لجذع الدماغ التي تتفوق على الإسقاطات المتناثرة القادمة من شبكية العين الصغيرة. إن الإسقاطات من المهاد إلى القشرة الخلفية التي في الثدييات الأخرى ستخضع للمعالجة البصرية بدلاً من ذلك تخدم الوظائف الجسدية والسمعية. التلاعب التجريبي في الأنواع الأخرى ، حيث يتم تقليل الإسقاطات من طريقة حسية واحدة في التطور المبكر ، وبالمثل تظهر تأثيرات استيلاء مماثلة (41 ، 42) ، وتثبت التلاعبات في المحيط الحسي أيضًا أن الانتقاء يتكيف مع التضاريس الوظيفية العصبية فيما يتعلق بالتجربة الوظيفية. هذه مساهمة كبيرة في تطور الدماغ وآلية عامة متاحة لتجنيد الانتقاء الطبيعي. تكاد تكون هذه الآليات ذات صلة بتطور الدماغ البشري للغة ، لا سيما بالنظر إلى أن اللغة تساهم بشكل كبير في التجربة المبكرة.


باستخدام منصة التطور التجريبية في السيليكو Aevol ، اختبرنا وجود ملف اسئلة التعقيد من خلال تطوير مجموعات من الكائنات الرقمية في ظل ظروف بيئية يمكن للكائنات البسيطة أن تزدهر فيها وتتكاثر. لاحظنا أنه في معظم عمليات المحاكاة ، تصبح الكائنات الحية معقدة على الرغم من أن هذه الكائنات أقل ملاءمة بكثير من الكائنات البسيطة ولا تتمتع بميزة القوة أو قابلية التطور. هذا يستثني الاختيار من مجموعة التفسيرات المحتملة لتطور التعقيد. ومع ذلك ، أظهرت التجارب التكميلية أن الانتقاء ضروري مع ذلك لتطور التعقيد ، مع استبعاد التأثيرات غير الانتقائية أيضًا. عند تحليل المصير طويل المدى للكائنات الحية المعقدة ، أظهرنا أن الكائنات الحية المعقدة لا تعود أبدًا إلى البساطة على الرغم من الفوائد المحتملة للياقة. على العكس من ذلك ، فهي تتراكم باستمرار التعقيد على المدى الطويل ، وفي الوقت نفسه تزيد ببطء لياقتها ولكنها لا تتجاوز أبدًا تلك الموجودة في الكائنات الحية البسيطة. يشير هذا إلى وجود سقاطة التعقيد المدعومة من الإبستاسيس السلبي: الطفرات التي تؤدي إلى حلول بسيطة ، والتي تكون مواتية في بداية المحاكاة ، تصبح ضارة بعد أن تم إصلاح الطفرات الأخرى - التي تؤدي إلى حلول معقدة. يشير هذا أيضًا إلى أنه لا يمكن التغلب على أداة التعقيد هذه بالاختيار ، ولكن يمكن الإطاحة بها بالقوة بسبب القيود التي تفرضها على قدرة الترميز للجينوم.

على الرغم من عقود من الاهتمام العميق من قبل المجتمعات العلمية المختلفة (بما في ذلك الحياة الاصطناعية ، وعلم الوراثة السكانية ، والبيولوجيا الحاسوبية ، وبالطبع علم الأحياء التطوري) ، فإن مسألة الأصل التطوري للتعقيد البيولوجي لا تزال مثيرة للجدل. في حين أن هناك اتفاق عام - خفف من خلال الاعتراف بأن التعقيد قد انخفض في بعض الكائنات الحية [4] - على أن التعقيد البيولوجي قد ازداد عالميًا خلال الزمن الجيولوجي ، لا يوجد اتفاق عام حول ما إذا كان هذا هو الاتجاه العام أم لا [19]. لكن النقطة الأكثر مناقشة هي الأسباب النهائية لزيادة التعقيد. تقريبًا ، هناك فئتان من النظريات تتنافسان على تفسير هذه الزيادة: تلك القائمة على الاختيار وتلك التي تستدعي عملية التباين نفسها. وفقًا لنظريات الفئة الأولى ، يرتفع التعقيد لأن الكائنات الحية المعقدة أكثر احتمالًا أن تتفوق على الكائنات البسيطة في بيئة متطلبة (لكن الآليات الدقيقة تختلف بين المؤلفين). بالنسبة للنظريات التي تنتمي إلى الفئة الأخيرة ، فإن التعقيد متجذر في خصائص عملية التباين ، والتي من المفترض أن تكون منحازة نحو زيادة التعقيد (هناك مرة أخرى ، يختلف أصل التحيز بين المؤلفين). قدمت الحياة الاصطناعية العديد من الأمثلة على السابق [2 ، 35]. من المنتسبين المشهورين لهذا الأخير ستيفن جاي جولد ، الذي اقترح أنه نظرًا لأن التعقيد له حد أدنى ، فإنه لا يمكن أن يزداد إلا من خلال عملية تباين عشوائية (نموذج "مشي السكارى") ، من حيث الاتجاه الملحوظ [12]. بعد مماثل الحياد اقترح كل من Soyer و Bonhoeffer أن اتجاه التعقيد يرجع إلى كون الازدواجية أقل ضررًا من الحذف ، وهي عملية طفرية غير متحيزة وبالتالي من المحتمل أن تنتج كائنات حية معقدة بشكل متزايد على المدى الطويل [30]. في الآونة الأخيرة ، اقترح McShea و Brandon قانون تطوري القوة الصفرية (ZFEL، [21]) مشيرًا إلى أنه "في أي نظام تطوري يوجد فيه تنوع ووراثة ، هناك ميل للتنوع والتعقيد للزيادة ، نظام موجود دائمًا ولكن قد يعارضه الانتقاء الطبيعي أو يزيده ، هناك قوى أخرى ، أو القيود التي تعمل على التنوع أو التعقيد "[21 ، الفصل 1 ، ص. 4]. وفقًا للمؤلفين ، يدفع ZFEL تلقائيًا الأنظمة المتطورة نحو زيادة التنوع والتعقيد حتى في غياب الاختيار وحتى عندما تكون العملية الطفرية غير متحيزة أو عندما يكون النظام المدروس بعيدًا عن الحد الأدنى من التعقيد ، مما يجعله عالميًا قويًا آلية.

هناك العديد من الأسباب التي تجعل تطور التعقيد مثيرًا للجدل [22]. اثنان منها أساسيان: أولاً ، عدم وجود مقياس مقبول عالميًا للتعقيد (على الرغم من أن آدمي اقترح طريقة أنيقة لتجاوز هذه الصعوبة ، الذي يعتبر التعقيد مكافئًا لكمية المعلومات التي يدمجها الكائن الحي حول بيئته. ]) ثانيًا ، أن الكائنات البيولوجية هي أنظمة متعددة المقاييس يمكن أن تزيد من تعقيدها - أو لا - على مستويات تنظيمية مختلفة أو حتى تزيد - أو تنقص - عدد مستويات التنظيم (أي التعقيد الأفقي والرأسي ، على التوالي [20]) . وخير مثال على ذلك هو الفقدان الشديد للتعقيد الذي يتعرض له المتعايشون الداخليون ، والذي يرتبط ارتباطًا مباشرًا بظهور نظام جديد من خلال الارتباط بين حقيقيات النوى والبكتيريا [4]. حتى عند التفكير في الكائنات الحية المفردة ، لا يوجد سبب لافتراض أن الاختلافات في التعقيد (أو كمية المعلومات) متجانسة عبر مستويات الجينوم والنسخة والبروتيوم والنمط الظاهري: بعض المفارقات المعروفة مثل ج- مفارقة القيمة [31] و جيتوضح مفارقة القيمة [13] حقيقة أن كمية المعلومات المشفرة في الجينوم قد لا تكون مرتبطة بكمية المعلومات على مستوى النمط الظاهري. ومن ثم ، في حين أن معظم النماذج المستخدمة للتحقيق في تطور التعقيد تركز على مستوى مؤسسة واحد ، فمن الضروري النظر في تطور التعقيد على مستوى معين في سياق التعقيد المطلوب على مستويات أعلى. باتباع هذه الفكرة ، من أجل التحقيق فيما إذا تم تحديد زيادة التعقيد أم لا ، يتعين على المرء استخدام نموذج متعدد المقاييس والسماح للكائنات الحية بالتطور في بيئة تتطلب فقط نمطًا ظاهريًا بسيطًا (ومن ثم استبعاد فرضية الاختيار). من خلال ملاحظة ما إذا كان هذا النمط الظاهري البسيط سيتم ترميزه بواسطة منظمة وظيفية بسيطة أو معقدة ، فمن الممكن بعد ذلك التمييز بين الاتجاهات السلبية والنشطة نحو الهياكل المعقدة.

استخدمنا هنا نموذج Aevol [5 ، 14 ، 15] لتنفيذ برنامج البحث هذا. Aevol عبارة عن منصة تطور رقمية يتم فيها ترميز الكائنات الحية على مستوى الجينوم ولكن مع إجراء فك ترميز مستوحى مباشرة من رسم الخرائط من النمط الجيني إلى النمط الظاهري ووصفًا تجريديًا للمستويات الوظيفية (البروتينات والنمط الظاهري). نظرًا لأن إجراء فك التشفير هذا يتضمن درجات عديدة من الحرية ، فإن Aevol يسمح لمستويات التنظيم المختلفة (عادةً الجينوم والبروتيوم والنمط الظاهري) بتطوير درجات مختلفة من التعقيد. على سبيل المثال ، يمكن ترميز وظيفة نمطية بسيطة إما عن طريق مجموعة من العديد من الجينات المختلفة أو بواسطة جين واحد. وبالمثل ، يمكن أن يتطور الجينوم ليكون مضغوطًا إلى حد ما ، اعتمادًا على مقدار التسلسل غير المشفر واعتمادًا على مشاركة التسلسلات بين جينات متعددة ، على سبيل المثال ، أوبراز أو تداخل الجينات. هذا الفصل بين التعقيد بين المستويات التنظيمية المختلفة يجعل Aevol مناسبًا تمامًا لدراسة تطور التعقيد. في التجارب الموصوفة هنا ، استخدمنا نسخة معدلة قليلاً من النموذج حيث تسمح البيئة للكائنات الحية البسيطة جدًا بالنمو. ثم درسنا عددًا كبيرًا جدًا من المسارات التطورية لاختبار ما إذا كانت هذه المسارات تظهر زيادة في التعقيد أم لا. تظهر نتائجنا أنه على الرغم من أنه من المحتمل أن تتمتع الكائنات الحية البسيطة بلياقة أعلى من الكائنات المعقدة ، فإن معظم السلالات تظهر زيادة طويلة الأمد في التعقيد أثناء التطور. يشير هذا إلى أنه حتى في البيئات البسيطة ، يوجد ملف اسئلة التعقيد التي لا يمكن التغلب عليها بالاختيار. نظهر أيضًا أنه ، على عكس الحدس السائد ، فإن الكائنات الحية المعقدة ليست أكثر قابلية للتطور أو أكثر قوة من الكائنات البسيطة ، وأنه عند إزالة الانتقاء ، تفقد جميع الكائنات بسرعة التعقيد ، باستثناء ZFEL من مجموعة المرشحين المحتملين لشرح التعقيد الاتجاه الذي لوحظ في تجاربنا.أخيرًا ، تُظهر نتائجنا أنه في حين أن الانتقاء ليس قوياً بما يكفي لدفع التطور نحو البساطة ، فإن الحاجة إلى القوة الطفرية هي: عندما يواجه كائن حي معقد زيادة في معدل طفراته ، فمن المرجح جدًا أن ينخفض ​​تعقيده ، وفي النهاية يتحول إلى بسيط. بنية.


التطبيقات الشائعة للشبكات العصبية

يتم تمكين الاستخدام الشائع بشكل متزايد للنماذج التوليدية في البحوث الطبية الحيوية ويدفعها إلى حد كبير العمل الهندسي المكثف. التطور الأخير لمكتبات التعلم العميق المستقرة مثل Theano (نسخة أولية: The Theano Development Team ، 2016) ، TensorFlow (نسخة أولية: Abadi وآخرون، 2016) ، PyTorch (Paszke وآخرون، 2019) ، وآخرون أنقذوا المستخدم النهائي من الاستثمار في أعمال البنية التحتية الضرورية ، مثل كتابة التعليمات البرمجية لوحدات معالجة الرسوم (GPUs) أو اشتقاق التدرجات للوظائف الموضوعية. وضع خط ثان حاسم من العمل التجريبي بعض المعايير لبنى الشبكات العصبية وإجراءات التدريب مثل التسرب (سريفاستافا وآخرون، 2014) ، تطبيع الدُفعات (Ioffe & Szegedy ، 2015) ، وغير الخطية (Glorot وآخرون، 2011). ساعدت هذه المعايير في إنتاج أحدث النتائج في مهام رؤية الكمبيوتر واستقرت في تدريب النموذج القائم على الشبكة العصبية. يركز خط العمل الثالث على المشكلة المهمة للتعلم الآلي ، وهي مشكلة الهندسة المعمارية والبحث الفائق عن الشبكات العصبية (Kandasamy وآخرون، 2018). أخيرًا ، نظرًا لأن التقدير الكمي لعدم اليقين أصبح مركزيًا في أبحاث التعلم الآلي ، فقد تم تطوير شبكات عصبية مقترنة بالتنمية المهمة مع الاستدلال الإحصائي عبر تعميم اللغات الاحتمالية مثل ستان (كاربنتر وآخرون، 2017) ، بايرو (بينغهام وآخرون، 2019) ، إدوارد (تران وآخرون، 2017a) ، واحتمالية TensorFlow (نسخة أولية: Dillon وآخرون, 2017 ).

في ما يلي ، نقدم لمحة موجزة عن المفاهيم الكامنة وراء النمذجة التوليدية ونلخص العديد من أنواع النماذج الشائعة وتطبيقاتها (الشكل 1). ننتقل بعد ذلك إلى وصف أكثر تعمقًا للتطبيقات في علم الأحياء الجزيئي. بينما ستمتد مناقشتنا على مجموعة كبيرة من دراسات الحالة ، اخترنا ثلاثة أمثلة رائدة لاستخدامها في جميع أنحاء المخطوطة ، والتي نقدمها بعد ذلك.

الشكل 1. نظرة عامة على عملية النمذجة باستخدام DGMs

أمثلة رائدة

لتوضيح استخدام DGMs لنمذجة البيانات البيولوجية والتحقيق فيها ، ركزنا على ثلاث دراسات حالة محددة. لقد اخترنا هذه الحالات لأنها تغطي مجموعة من أنواع البيانات (قياسات نسخ الخلية المفردة ، والتسلسلات البيولوجية ، والهياكل الجزيئية ثلاثية الأبعاد) ، وأنواع النماذج (VAE و GAN) ، وبنى الشبكات العصبية (متصلة بالكامل ، ومتكررة ، وتلافيفية). الشبكات العصبية). توفر دراسات الحالة هذه أيضًا تطبيقات مفتوحة المصدر.

النموذج الأول المحدد هو الاستدلال المتغير أحادي الخلية (scVI (Lopez وآخرون، 2018 أ) ، الشكل 2 أ) ، والذي يهدف إلى توفير إطار احتمالي لتحليل بيانات تسلسل الحمض النووي الريبي أحادية الخلية. يأخذ scVI كمدخلات مصفوفة الخلايا × الجينات من عدد النسخ x ويستخدم إطار عمل VAE لاستنتاج توزيع البيانات الأساسي. يعتبر النموذج توليديًا من حيث أنه يتعلم التوزيع الشرطي ص(x|ض) أين ض هو تمثيل خفي منخفض الأبعاد للبيانات (الخلايا × ك مصفوفة أين ك عادة ما تكون في العشرات). التوزيع الشرطي ص(x|ض) يصف احتمال رؤية أي عدد معين من النصوص لكل جين في كل خلية ويبني التقدم في استخدام احتمالات العد لبيانات تسلسل الحمض النووي الريبي (Risso) وآخرون، 2018). يمكن استخدام هذا التوزيع لاختبار الفرضيات ، مثل التعبير التفاضلي. الإجراء يقترب أيضًا من الخلف ص(ض|x) ، والذي يوفر تمثيلاً لكل خلية في الفضاء الكامن. تلتقط هذه التمثيلات أهم خصائص كل خلية ، وبالتالي توفر طريقة فعالة لتقسيم الخلايا إلى مجموعات أو تدرجات ذات معنى بيولوجيًا. يمكن استخدام النموذج لمجموعة من المهام الإضافية ، مثل تقليل تشويش البيانات والتضمين (عن طريق إنشاء بيانات كاملة الأبعاد من الفضاء الكامن) ، بالإضافة إلى تصحيح تأثير الدُفعات.

الشكل 2. عرض تقديمي للنماذج المختارة التي سيتم دراستها بعمق لهذه المراجعة (A) scVI ، (B) DeepSequence ، و (C) ORGANIC

النموذج الثاني ، DeepSequence (Riesselman وآخرون، 2018) (الشكل 2 ب) ، إلى تحديد الطفرات الضارة في تسلسل الأحماض الأمينية أو النوكليوتيدات مع الافتراض الأساسي بأن الأهمية الوظيفية مرتبطة بالحفظ التطوري. يأخذ DeepSequence مجموعات إدخال من التسلسلات المتماثلة x من كائنات مختلفة ويتناسب مع VAE لتقدير احتمالية حدوث أي تسلسل معين في التطور. تم تصميم النموذج بحيث يلتقط بعض القيود التطورية التي أدت إلى التنوع داخل كل مجموعة من المتماثلات. يركز بشكل خاص على التفاعلات بين العناصر (الأحماض الأمينية أو النيوكليوتيدات) على طول التسلسل المرتبط بشكل مشترك بالحفظ المتزايد وبالتالي قد يشير إلى الوظيفة. تم تطبيق DeepSequence للتنبؤ بما إذا كان من المحتمل اختيار تعديلات التسلسل (على سبيل المثال ، طفرات النوكليوتيدات المفردة) عن طريق الانتقاء الطبيعي. تُستخدم مثل هذه التنبؤات كمؤشر للتنبؤ بتأثير الطفرات وفهم أيها من المرجح أن يكون ضارًا. تبين أن التقديرات من DeepSequence أكثر دقة من نسب الاحتمالية من أحدث النماذج الزوجية والمستقلة عن الموقع عند استخدام بيانات المسح الطفري العميق كحقيقة أساسية. علاوة على ذلك ، يتمثل أحد جوانب النمذجة السليمة بشكل خاص في DeepSequence في وضع مجموعة متفرقة على أوزان الطبقة الأخيرة من الشبكة العصبية التوليدية ، والتي تنتج وحدات حمض أميني قابلة للتفسير. والجدير بالذكر أن مصفوفة تشابه الأحماض الأمينية التي تم الحصول عليها مرتبطة بمصفوفة الاستبدال المعروفة BLOSUM62.

مثالنا الرائد الثالث هو GAN المعزز بالأهداف لكيمياء التصميم العكسي (ORGANIC (نسخة أولية: Guimaraes) وآخرون، 2018 ما قبل الطباعة: سانشيز لينجلينج وآخرون، 2017) ، الشكل 2 ج) ، الذي يهدف إلى تصميم مركبات كيميائية جديدة بالخصائص المرغوبة. يأخذ ORGANIC كمدخل مجموعة بيانات x من الهياكل الجزيئية (المحولة كسلسلة عبر ترميز إدخال خط الإدخال الجزيئي المبسط [SMILES]) بالإضافة إلى الصندوق الأسود "أوراكل" القادر على التنبؤ ص -خاصية كيميائية ذات أهمية (مثل التألق) لأي جزيء معين. يقوم ORGANIC بتدريب GAN للتمييز بين الجزيئات التي لها خاصية مقابل الجزيئات التي لا تمتلكها. والجدير بالذكر أنه يقترح تعلم التوزيع التوليدي المتحيز بحيث يتم تحويل ناتجه نحو مناطق في مساحة الجزيء التي ترضي أو تزيد من بعض الخصائص الكمية الكيميائية. باستخدام النموذج المدرب ، يولد ORGANIC جزيئات جديدة بتوزيع منحرف نحو درجات عالية فيما يتعلق بالخصائص الكيميائية ذات الأهمية ذ. على سبيل المثال ، تم استخدامه لتوليد الجزيئات المرشحة للدواء ، من خلال تعظيم الخصائص مثل درجة حرارة الانصهار ، والجمال الكيميائي ، ونقطة الانصهار ، أو قاعدة ليبينسكي 5 ، وقد ثبت أن الخوارزميات العضوية والخوارزميات المماثلة تولد جزيئات ذات تشابه كبير مع الأدوية الموجودة.


الانتروبيا والاختيار: الحياة كتكيف للنسخ المتماثل للكون

الانتقاء الطبيعي هو أقوى عملية مضادة للاتجاهات معروفة في الكون عند العمل على المستوى البيولوجي وقد يعمل أيضًا على المستوى الكوني. إن النظر في كيفية قيام الانتقاء الطبيعي البيولوجي بإحداث تكيفات قد يلقي الضوء على عواقب وأهمية الانتقاء الطبيعي الكوني. من المرجح أن تشكل السمة العضوية تكيفًا إذا تم وصفها بترتيب معقد غير محتمل ، وهذا الترتيب هو السمة المميزة للانتقاء البيولوجي. إذا كان الشيء نفسه ينطبق على السمات التي تم إنشاؤها عن طريق الانتقاء بشكل عام ، فكلما كان الشيء الأكثر ترتيبًا غير محتمل (أي ، كلما انخفض إنتروبيا) ، زادت احتمالية أن يكون تكيفًا بيولوجيًا أو كونيًا. وفقًا لهذا المنطق ، فإن الحياة الذكية (باعتبارها أقل كيان معروف من الانتروبيا) هي أكثر احتمالًا من الثقوب السوداء أو أي شيء آخر لتكون تكيفًا مصممًا بواسطة الانتقاء الطبيعي الكوني. يتناقض هذا الرأي مع اقتراح سمولين بأن الثقوب السوداء هي تكيف صممه الانتقاء الطبيعي الكوني وأن الحياة هي نتيجة ثانوية لانتقاء الثقوب السوداء. قد يكون الانتقاء هو العملية المضادة الرئيسية أو الوحيدة النهائية في الكون / الكون المتعدد ، أي أن الكثير أو كل النظام المرصود قد يكون في النهاية نتاجًا أو نتاجًا ثانويًا للانتقاء البيولوجي والكوني.

"المعنى الآخر المرتبط بالانتروبيا هو أنه مقياس لعدم التنظيم. تتشوش الذرات الموجودة في الغاز لدرجة أنه لا توجد طريقة لتمييز إحداهما عن الأخرى. في حالة التوازن ، يوجد اضطراب أقصى ، لأن كل ذرة تتحرك بشكل عشوائي ، بنفس متوسط ​​الطاقة مثل أي ذرة أخرى. على العكس من ذلك ، فإن النظام الحي يخلق باستمرار عددًا هائلاً من أنواع مختلفة من الجزيئات ، كل منها يؤدي بشكل عام وظيفة فريدة. وبالتالي ، فإن إنتروبيا كائن حي هي أقل بكثير ، ذرة للذرة ، من أي شيء آخر في العالم. "
سمولين (1997) ، حياة الكون ، ص. 28.

1 المقدمة

يشرح القانون الثاني للديناميكا الحرارية الوجود المتزايد باستمرار للاضطراب في الأنظمة الفيزيائية. لكن عملية زيادة الانتروبيا هذه ("العملية الحتمية") لا يمكن أن تحدث بدون بعض النظام في المقام الأول. هل هناك أيضًا عملية أساسية تفسر وجود النظام في الأنظمة المادية؟ تم تحديد مثل هذه العملية بالتأكيد للأنظمة البيولوجية: فالانتقاء الطبيعي يتسبب في الخصائص المنظمة بشكل غير عادي (أي التكيفية) للكائنات. ومع ذلك ، إلى أي مدى يمكن للعملية الانتقائية ، المصممة من الناحية الكونية وليس المصطلحات البيولوجية فقط ، أن تفسر أيضًا معظم أو حتى كل النظام في الكون؟

لتقدير الأهمية المحتملة للاختيار كعملية مضادة عامة ، فإنه يساعد على النظر في ما نعرفه بالفعل حول كيفية عمل الاختيار على المستوى البيولوجي. يشير هذا الاعتبار ليس فقط إلى أن الانتقاء قد يكون المصدر الأساسي للنظام في الكون - بشكل أساسي ، عكس العملية الإنتروبية - ولكن أيضًا تشير إلى أن الحياة الذكية أكثر احتمالًا من أي شيء آخر معروف في الكون لتكون تكيفًا صممه علم الكون. الانتقاء الطبيعي.

2. التكيفات التي صممها الانتقاء الطبيعي البيولوجي

الكائنات الحية هي الكيانات الأقل إنتروبيا (أي الأكثر تعقيدًا والأكثر احتمالًا) المعروفة بوجودها [1 ، 2]. الانتقاء الطبيعي البيولوجي (BNS) (المقصود منه اختصارًا لجميع أنواع الانتقاء البيولوجي ، بما في ذلك الانتقاء الطبيعي المناسب [3] ، والانتقاء الجنسي [4] ، واختيار الأقارب [5]) ، إذن ، هو أقوى عملية مضادة معروفة ، لأنه يخلق الكائنات الحية. الكائنات الحية لديها إنتروبيا منخفضة بشكل غير عادي لأن BNS يمنحها تكيفات تمكن في النهاية من التكاثر الجيني. يعد تحقيق النسخ المتماثل عملية معقدة ومنظمة للغاية وتتطلب كائنات حية معقدة وذات ترتيب عالٍ. أي أنها تتطلب كائنات حية تتكون من عدد لا يحصى من التكيفات المتخصصة وظيفيًا لحل أنواع مختلفة من مشاكل التكيف (مثل التنفس ، والرؤية ، والهضم ، والتزاوج). من خلال تمكين الكائن الحي من النجاح في المنافسة مع الكائنات الحية من أجل البقاء والتكاثر ، فإن الجينات التي ترمز هذه التكيفات قادرة في النهاية على التكاثر [5-7]. الجينات هي المضاعفات في هذه العملية ، والكائن الحي - الذي هو في الأساس حزمة من التكيفات - هو وسيلة الاختيار الخاصة بهم [8]. باختصار ، إذن ، تعمل العملية الانتقائية من خلال تفضيل تلك الجينات التي ، من خلال ترميز التصاميم التكيفية التي تتفوق على التصميمات الأخرى ، تمكن من تكرارها بنجاح.

BNS هي العملية الوحيدة المعروفة التي يمكن أن تصمم تكيفًا عضويًا ، ولكن ليست كل سمات الكائن الحي تكيفات. قد تكون السمات أيضًا منتجات ثانوية للتكيفات أو مجرد ضوضاء عشوائية لا علاقة لها بالتكرار وبالتالي فهي غير مرئية للاختيار. على سبيل المثال ، الحبل السري هو تكيف ، لكن السرة التي يتركها وراءه هي نتاجه الثانوي ، والحجم الدقيق وشكل هذه السرة مجرد ضوضاء. لتقييم ما إذا كانت سمة الكائن الحي تكيفًا أم لا ، نبحث عن دليل على التصميم الخاص [6]: ما مدى دقة تصميم هذا التكيف لحل مشكلة تكيفية معينة ، مثل المفتاح الذي تم تصميمه بدقة ليناسب قفلًا معينًا؟ إن تحديد سمة على أنها تكيف هو في النهاية إجراء تقييم احتمالي: ما هو احتمال أن تكون هذه السمة قد نشأت عن طريق الصدفة ، كحل مصمم بشكل ضيق لمشكلة تكيفية معينة [7]؟ وكلما كانت السمة غير محتملة في هذا الصدد - أي كلما انخفضت إنتروبياها - زادت احتمالية أن تكون تكيفًا ، على عكس منتج ثانوي أو ضوضاء.

على سبيل المثال ، تتكون عين الثدييات من عشرات المكونات المتنوعة التي يمكنها ، من خلال العمل المنسق ، تحويل الإشعاع الكهرومغناطيسي إلى معلومات مفيدة للكائن الحي. يمكننا أن نكون على يقين بنسبة 100 في المائة تقريبًا من أن العين هي تكيف ، لأنه سيكون من المستحيل أساسًا أن يظهر مثل هذا الجهاز المعقد وظيفيًا عن طريق الصدفة. ومع ذلك ، يجب تقليل هذا المستوى من اليقين عند النظر في العديد من السمات الأخرى ، حتى تلك التي لا تزال تبدو على الأرجح تكيفات. على سبيل المثال ، الأشخاص الذين عاش أسلافهم التطوريون حديثًا نسبيًا لأجيال عديدة في بيئات شمالية أكثر برودة لديهم كمية أقل من الميلانين في جلدهم من أولئك الذين ينحدر أسلافهم من مناطق استوائية مشمسة. من المحتمل أن يكون جلدهم الفاتح تكيفًا مصممًا للسماح لمزيد من الأشعة فوق البنفسجية باختراق الجلد وبالتالي السماح للجسم بإنتاج المزيد من فيتامين د. عن طريق الصدفة (أي أكثر إنتروبيا). حتى لو كنا واثقين تمامًا من أن انخفاض الميلانين هو تكيف مع المناخات الشمالية ، فإن وضعه كتكيف هو بالضرورة أقل تأكيدًا من حالة العين.

3. التكيفات التي صممها الانتقاء الطبيعي الكوني

وفقًا لنظرية الانتقاء الطبيعي الكوني (CNS) ، نحن نعيش في كون متعدد تكون فيه تصاميم الكون الأكثر تمثيلًا هي الأفضل في التكرار. مقارنةً بـ BNS ، يعد الجهاز العصبي المركزي عملية غير موثقة ومفهومة جيدًا إلى حد كبير. ومع ذلك ، لا يزال بإمكاننا التفكير بشكل معقول في ما ستكون عليه العواقب إذا كان الجهاز العصبي المركزي صحيحًا. هدفي هنا ليس تقديم حالة واسعة النطاق لسبب حدوث الجهاز العصبي المركزي بشكل معقول ، ولكن بدلاً من ذلك اتخاذ منظور تكيفي حول نظرية الجهاز العصبي المركزي التي تم تطويرها بالفعل بواسطة Smolin [1 ، 9] وآخرون [10]. وفقًا لهذه النظرية ، فإن الثقوب السوداء هي الآلية التي تتكاثر بها الأكوان ، ويتم اختيار تصميمات الكون لإنتاج أعداد أكبر من الثقوب السوداء. ومع ذلك ، إذا طبقنا منطق التكيف الموضح أعلاه على نموذج سمولين ، فستبدو الحياة أكثر احتمالية من الثقوب السوداء لتكون آلية لتكرار الكون.

كما هو مذكور أعلاه ، يمكننا أن نحكم على المدى الذي من المحتمل أن تكون فيه سمة الكائن الحي تكيفًا عن طريق إجراء تقييم احتمالي: الصفات التي يتم ترتيبها بشكل أكثر تعقيدًا أقل احتمالية للظهور عن طريق الصدفة ، وبالتالي فهي أكثر احتمالا أن تكون نتاج مباشر للسمات. أقوى عملية مضادة موثقة ، BNS. غالبًا ما يكون إجراء هذا التقييم بسيطًا نسبيًا عندما يكون الكائن الحي هو وسيلة الاختيار ، ولكن ماذا عن الوقت الذي يكون فيه الكون هو المحرك؟ وفقًا لنموذج سمولين ، الثقوب السوداء هي تكيفات صممها الجهاز العصبي المركزي. ومع ذلك ، اقترح منظرين آخرين أن الحياة الذكية قد تشكل مثل هذا التكيف ، وهي فكرة تُعرف باسم "الانتقاء الطبيعي الكوني مع الذكاء" أو CNS-I [11] (أو بدلاً من ذلك ، "الانتقاء الاصطناعي الكوني" [12]). تقترح نماذج CNS-I أن الذكاء يعمل في نهاية المطاف (بعد التطور إلى حالة معقدة بدرجة كافية) لإنشاء أكوان جديدة تكرر القوانين الفيزيائية ومعايير الكون الأصلي [11-15].

إذن ما هو الأكثر احتمالاً أن يكون تكيفًا لتكرار الأكوان أو الحياة الذكية أو الثقوب السوداء؟ استنادًا إلى منطق التكيف ، يبدو أن الحياة هي المرشح الواعد أكثر من الاثنين ، وذلك ببساطة لأنها منظمة بشكل أكثر تعقيدًا وأقل احتمالية للظهور عن طريق الصدفة. نظرًا لكونه أكثر شيء معروف بعيد الاحتمال في الكون ، تم تصميمه بواسطة أقوى عملية مضادة معروفة ، تبدو الحياة أكثر احتمالًا من الثقوب السوداء - أو أي كيان آخر معروف - ليكون تكيفًا مصممًا من قبل الجهاز العصبي المركزي. لكن هذا لا يعني أن الثقوب السوداء لا يمكن أن تكون أيضًا مثل هذه التكيفات. تمامًا كما يمكن أن تكون العيون وتقليل تصبغ الجلد من التكيفات المختارة من BNS ، يمكن أن تكون الحياة والثقوب السوداء على حد سواء تكيفات مختارة من الجهاز العصبي المركزي. ولكن مثلما من المرجح أن تكون العيون تكيفًا أكثر من تقليل الميلانين ، فمن المرجح أن تكون الحياة تكيفًا أكثر من الثقوب السوداء.

4. علاقة هذه الأفكار بنظريات CNS و CNS-I الأخرى

الهدف الرئيسي من هذه الورقة هو تقديم مراجعة تكيفية لنظرية CNS [1 ، 9 ، 10] التي تقترح الثقوب السوداء كآلية محتملة لتكرار الكون. إذا افترضنا ، كما تفعل نظرية الجهاز العصبي المركزي ، أن الأكوان تتكاثر ، فإن كل ما نعرفه عن كيفية عمل الانتقاء (على المستوى البيولوجي) يشير إلى أن الحياة أكثر احتمالًا من الثقوب السوداء لتكون تكيفًا لتمكين هذا التكاثر. هذا المنظور التكيفي لا يعني بالضرورة ، مع ذلك ، أن شكلاً من أشكال الحياة الذكية كان مسؤولاً عن تصميم حياتنا ملك كون. نحن نعلم بالفعل ، من خلال مراقبة BNS ، أن العملية الانتقائية غير المقصودة والميكانيكية البحتة يمكن أن تكون مصممًا بارعًا للتعقيد الوظيفي ولا يلزم وجود ذكاء أو تبصر. من هذا المنظور ، فإن ظروف كوننا التي تبدو مضبوطة بدقة للسماح للحياة بالوجود [16] يمكن أن تكون نتيجة لعملية انتقائية ميكانيكية بالكامل. إلى الحد الذي يمكن أن تتطور فيه الحياة الذكية في النهاية إلى وسيلة فعالة نسبيًا لتكرار الكون ، يجب أن يتم تمثيل تصميمات الكون الصديقة للبيئة بشكل جيد نسبيًا في كون متعدد. وجهة نظر بديلة لـ CNS-I هي أن كوننا قد تم تصميمه في الواقع بواسطة شكل من أشكال الحياة الذكية في كون أبوي [14]. على الرغم من أن هذا الاقتراح يجب أن يؤخذ في الاعتبار بالتأكيد ، إلا أنه يبدو أقل شحًا من النموذج الآلي: في اقتراحه أن التكيفات يتم إنتاجها بواسطة شيء أكثر تفصيلاً من عملية انتقائية آلية ، فإنه يضع افتراضات تتجاوز ملاحظاتنا حول كيفية إنشاء التكيفات على المستوى البيولوجي. . علاوة على ذلك ، فإنه لا يعالج قضية كيفية ظهور الضبط الدقيق في المقام الأول: ما لم نفترض حدوث تراجع لانهائي للأكوان الصديقة للبيئة التي تنتجها الحياة الذكية ، إذن يجب أن نفترض أن الصداقة البيولوجية كانت في مرحلة ما ناتجة عن عملية غير ذكية. .

5. الخلاصة

تم تلخيص الاعتبارات الرئيسية التي تمت مناقشتها أعلاه في الشكل 1. إذا كانت ملاحظتنا لـ BNS دليلًا موثوقًا لما يجب أن نتوقعه من الجهاز العصبي المركزي ، فهناك تأثيران مثيران للاهتمام بشكل خاص.الأول هو أنه على الرغم من أن كلاً من الحياة الذكية والثقوب السوداء مرشحتان مقبولتان لتكونا تكيفتين من تصميم الجهاز العصبي المركزي ، فإن احتمالية أن تكون مثل هذا التكيف أعلى للحياة منها بالنسبة للثقوب السوداء (أو أي كائن آخر معروف في الكون). والثاني هو أن الجهاز العصبي المركزي قد يكون السبب الرئيسي للنظام الكوني ، تمامًا كما أن BNS هو السبب الرئيسي للنظام البيولوجي. بعبارة أخرى ، قد يكون الكثير أو كل الترتيب الذي نلاحظه في الكون في النهاية نتاجًا أو منتجًا ثانويًا للاختيار للتكرار على المستويين البيولوجي والكوني. بدون هذا النظام ، لن تكون هناك عملية إنتروبيا (لأنه لا شيء سوف يتحلل إلى حالة أقل تنظيمًا) وبالتالي لن يكون هناك سهم للوقت [17]. باختصار ، قد تكون عملية الاختيار أكثر جوهرية لتفسير طبيعة كوننا مما هو مفترض بشكل عام.

تضارب المصالح

يعلن المؤلف أنه لا يوجد تضارب في المصالح فيما يتعلق بنشر هذه الورقة.

مراجع

  1. L. Smolin ، حياة الكون، مطبعة جامعة أكسفورد ، نيويورك ، نيويورك ، الولايات المتحدة الأمريكية ، 1997. عرض على: MathSciNet
  2. توبي ، "الوقوع في المكان: الإنتروبيا والإبداع اليائس للحياة" ، في هذا يفسر كل شيء، J. Brockman، Ed.، Harper Perennial، 2013. View at: Google Scholar
  3. سي آر داروين ، حول أصل الأنواع، جون موراي ، 1859.
  4. سي آر داروين ، نزول الرجل ، والاختيار بالنسبة للجنس، جون موراي ، 1871.
  5. دبليو هاميلتون ، "التطور الجيني للسلوك الاجتماعي. أنا،" مجلة علم الأحياء النظري، المجلد. 7 ، لا. 1، pp. 1–16، 1964. عرض على: موقع الناشر | منحة جوجل
  6. جي سي وليامز ، التكيف والانتقاء الطبيعي: نقد لبعض الفكر التطوري الحالي، مطبعة جامعة برينستون ، 1966.
  7. J. Tooby و L. Cosmides ، "الأسس النفسية للثقافة ،" في العقل المتكيف: علم النفس التطوري وجيل الثقافة، J. Barkow، L. Cosmides، and J. Tooby، Eds.، Oxford University Press، 1992. View at: Google Scholar
  8. ر. دوكينز ، الجين الأناني، مطبعة جامعة أكسفورد ، 1976.
  9. L. Smolin ، "هل تطور الكون؟" الجاذبية الكلاسيكية والكمية، المجلد. 9 ، لا. 1، pp. 173–191، 1992. عرض على: موقع الناشر | الباحث العلمي من Google | MathSciNet
  10. أ. غاردنر وجي بي كونلون ، "الانتقاء الطبيعي الكوني والغرض من الكون ،" تعقيد، المجلد. 18 ، ص 48-56 ، 2013. عرض على: الباحث العلمي من Google
  11. جي إم سمارت ، "Evo devo universe؟ إطار للتكهنات حول الثقافة الكونية "، في الكون والثقافة: التطور الثقافي في سياق كوني، S. J. Dick and M.L Lupisella، Eds.، pp. 201–295، Government Printing Office، NASA SP-2009-4802، Washington، DC، USA، 2009. View at: Google Scholar
  12. فيدال ، "البداية والنهاية: معنى الحياة في منظور كوني ،" سبرينغر، 2014. عرض على: موقع الناشر | منحة جوجل
  13. كرين ، "الآثار المحتملة للنظرية الكمومية للجاذبية: مقدمة لمبدأ الأنثروبيا المتوسط ​​،" أسس العلم، المجلد. 15، pp.369–373، 2010. عرض على: موقع الناشر | منحة جوجل
  14. إي آر هاريسون ، "الانتقاء الطبيعي للأكوان التي تحتوي على حياة ذكية ،" مجلة الجمعية الفلكية الملكية، المجلد. 36، pp. 193–203، 1995. View at: Google Scholar
  15. جيه إن غاردنر ، "العالم الحيوي الأناني" تعقيد، المجلد. 5، pp.34–45، 2000. عرض على: موقع الناشر | منحة جوجل
  16. إم ريس ، "ستة أرقام فقط: القوى العميقة التي تشكل الكون ،" كتب أساسية، 2001. عرض على: الباحث العلمي من Google | MathSciNet
  17. أ. إدينجتون ، "The Nature of the Physical World" ، ماكميلان، 1928. عرض على: الباحث العلمي من Google

حقوق النشر

حقوق النشر & # xa9 2017 Michael E. Price. هذا مقال مفتوح الوصول يتم توزيعه بموجب ترخيص Creative Commons Attribution License ، والذي يسمح بالاستخدام غير المقيد والتوزيع والاستنساخ في أي وسيط ، بشرط الاستشهاد بالعمل الأصلي بشكل صحيح.


علم التخلق - التعبير الجيني والآليات التنظيمية

حتى وقت قريب جدًا ، كان علم الوراثة السلوكي مهتمًا بشكل أساسي بتحديد تعدد أشكال الحمض النووي المرتبط بتغير السلوك. كان الافتراض العام هو أن هذه العوامل الجينية فقط هي المهمة في سياق تطوري ، حيث يمكن أن تنتقل عبر السلالة الجرثومية إلى الجيل التالي ، وبالتالي تسبب تغيرات عبر الأجيال. ومع ذلك ، فإن الجزء الأكبر من الأبحاث الحديثة يوضح بوضوح أن معظم التغييرات التطورية ، ليس أقلها فيما يتعلق بالسلوك ، يبدو أنها مرتبطة بالطفرات التنظيمية (Andersson and Georges، 2004 Hofmann، 2003). هذه لا تؤثر على بنية البروتين ، ولكن متى وإلى أي مدى يتم التعبير عن بروتين معين.

لذلك ليس من المستغرب أن يتزايد الاهتمام بفهم تنظيم الجينات فيما يتعلق بالاختلاف الظاهري. يتم شرح بعض الاختلافات التنظيمية بوضوح من خلال الآليات الجينية البحتة ، ولكن العديد منها يرجع إلى تعديلات كيميائية ، والتي لا تعتمد على تباين تسلسل الحمض النووي. كما هو موضح في مقدمة هذه المراجعة ، هذا هو موضوع علم التخلق (ريتشاردز ، 2006).

يمكن أن تكون الاختلافات المظهرية الكبيرة نتيجة للاختلافات في ملامح التعبير الجيني ، على سبيل المثال الفروق بين الجنسين داخل الأنواع. بطبيعة الحال ، فإن جينومات الذكور والإناث من نفس النوع متشابهة للغاية ، باستثناء كروموسوم جنس واحد (على سبيل المثال Y ، الموجود فقط في ذكور الثدييات ، و W ، الموجود في إناث الطيور). ومع ذلك ، فإن ملف تعريف التعبير الجيني على مستوى الجينوم يختلف اختلافًا كبيرًا بين الجنسين ، وهذا جزئيًا على الأقل نتيجة للاختلافات الجينية بين الجنسين (Ellegren and Parsch ، 2007). في الفئران ، يكون التعبير الجيني ثنائي الشكل موجودًا بالفعل قبل أن يبدأ إفراز الهرمون الجنيني (Dewing et al. ، 2003) وفي الدجاج ، تم العثور على المئات من الجينات المعبر عنها تفاضليًا في أدمغة إناث وذكور طيور الغابة الحمراء الأجداد والمستأنسة White Leghorns (لي وآخرون ، 2009 Nätt وآخرون ، 2014). ارتبطت العديد من جينات الدجاج باستجابات الإجهاد (على سبيل المثال ، البروتين المرتبط بالهرمون الذي يطلق الكورتيكوتروفين ، CRHBP، ووحدة مستقبلات GABA جبرا 2) ، وهو موحي بشكل خاص ، حيث يختلف الجنسين بشكل ملحوظ في استجاباتهم العاطفية والمتعلقة بالتوتر ، كما تم قياسه في الاختبارات القياسية مثل "المجال المفتوح" و "الخوف من الإنسان" (Nätt et al. ، 2014).

أيضًا ، بين الأنواع والسكان ، تختلف ملامح التعبير الجيني على نطاق واسع. على سبيل المثال ، عند مقارنة أدمغة البشر والشمبانزي ، وُجد أن مئات الجينات يتم التعبير عنها بشكل تفاضلي (Zeng et al. ، 2012) ، وكان العديد منها مرتبطًا بالتطور العصبي. في تحليل طموح عبر الأنواع ، ألبرت وآخرون. (ألبرت وآخرون ، 2012) بحثوا عن إشارات التعبير الجيني المرتبطة بقشرة الدماغ الشائعة في الثدييات المستأنسة. على الرغم من أن الدراسة لم تكشف عن مثل هذه الإشارة الشائعة ، إلا أنه كان من الواضح أن الاختلافات في التعبير الجيني بدت أكبر بكثير من الاختلافات في التسلسل بين أزواج المستأنسات وأسلافهم البرية. يشير هذا إلى أن تباين التعبير الجيني قد يكون أكثر أهمية في الانتواع من التباين في تسلسل الترميز. وبالمثل ، قمنا بمقارنة الاختلافات في التعبير الجيني الوطائي بين أجداد طائر الأدغال الأحمر والدجاج البياض المستأنسة ووجدنا مئات الجينات المعبر عنها تفاضليًا (Nätt et al. ، 2012). تم تمثيل هذه بشكل مفرط في مناطق المسح الانتقائي ، مما يشير إلى أنه أثناء التدجين ، قد يكون هناك مجموعة واسعة من ملفات تعريف التعبير الجيني التي يعتبرها البشر مواتية.


ملخص المؤلف

يشكل فك رموز وظائف البروتينات المختلفة للكائن الحي خطوة أولى نحو فهم بيولوجيته. نظرًا لأنها توفر أدلة قوية بخصوص وظائف البروتين ، تحتل المجالات موقعًا رئيسيًا بين التعليقات التوضيحية ذات الصلة التي يمكن تخصيصها للبروتين. مجالات البروتين هي أشكال متسلسلة يتم حفظها على طول التطور وتوجد في بروتينات مختلفة وفي مجموعات مختلفة. يتمثل أحد الأساليب الشائعة لتحديد مجالات البروتين في إجراء مقارنات تسلسل التسلسل باستخدام أدوات المحاذاة المحلية مثل BLAST. ومع ذلك ، فإن هذه الأساليب في بعض الأحيان تفوت العديد من النتائج ، خاصة بالنسبة للأنواع البعيدة نسبيًا عن الكائنات المرجعية. نقترح هنا طريقة لزيادة حساسية مقارنات التسلسل الزوجي. يستفيد هذا النهج من حقيقة أن مجالات البروتين تميل إلى الظهور مع عدد محدود من المجالات الأخرى على نفس البروتين (خاصية التواجد المشترك للمجال). تشغيل المتصورة المنجلية، يتيح نهجنا تحديد 2240 مجالًا جديدًا لا يمكن ، في معظم الحالات ، ربط أي مجال لقاعدة بيانات Pfam.

الاقتباس: Menichelli C ، Gascuel O ، Bréhélin L (2018) تحسين المقارنة الزوجية لتسلسلات البروتين مع التواجد المشترك للمجال. بلوس كومبوت بيول 14 (1): e1005889. https://doi.org/10.1371/journal.pcbi.1005889

محرر: سكوت ماركل ، داسو سيستيمز بيوفيا ، الولايات المتحدة

تم الاستلام: 28 أبريل 2017 وافقت: 23 نوفمبر 2017 نشرت: 2 يناير 2018

حقوق النشر: © 2018 Menichelli et al. هذا مقال مفتوح الوصول يتم توزيعه بموجب شروط ترخيص Creative Commons Attribution License ، والذي يسمح بالاستخدام غير المقيد والتوزيع والاستنساخ في أي وسيط ، بشرط ذكر المؤلف والمصدر الأصليين.

توافر البيانات: تتوفر البرامج التي تنفذ النهج المقترح والبيانات التكميلية على: https://gite.lirmm.fr/menichelli/pairwise-comparison-with-cooccurrence.

التمويل: تم دعم هذا العمل من قبل وكالة الأبحاث الوطنية الفرنسية (ANR-JCJC-2010) ومعهد البيولوجيا الحاسوبية (برنامج الاستثمار d’Avenir). لم يكن للممولين دور في تصميم الدراسة أو جمع البيانات وتحليلها أو اتخاذ قرار النشر أو إعداد المخطوطة.

تضارب المصالح: وقد أعلن الباحثون إلى أن لا المصالح المتنافسة موجودة.

هذا ال علم الأحياء الحسابي PLOS طرق الورق.


بيولوجيا الأنظمة المعقدة

تهتم نظرية الأنظمة المعقدة بتحديد وتوصيف عناصر التصميم المشتركة التي يتم ملاحظتها عبر أنظمة معقدة طبيعية وتكنولوجية واجتماعية متنوعة. تقدم بيولوجيا الأنظمة ، وهو نهج أكثر شمولية لدراسة الجزيئات والخلايا في علم الأحياء ، بسرعة في العقدين الماضيين. ومع ذلك ، لم يُمنح الكثير من التقدير لإدراك أن الخلية البشرية هي نظام نموذجي معقد. هنا ، أوجز مبادئ التصميم العامة المحددة في العديد من الأنظمة المعقدة ، ثم وصف الخلية البشرية كنظام معقد نموذجي. إن النظر في مفاهيم نظرية الأنظمة المعقدة في بيولوجيا الأنظمة يمكن أن ينير فهمنا العام لفسيولوجيا الخلية الطبيعية والتعديلات التي تؤدي إلى مرض الإنسان.

1. علم نظرية النظم المعقدة

يسمح لنا العلم والتكنولوجيا بفهم بيئتنا وكذلك التعامل معها وإنشاء بيئات وأنظمة جديدة. أدى هذا إلى خروج البشر من الطبيعة ، ومؤخراً خلق عوالم جديدة معقدة تشبه إلى حد كبير الأنظمة الطبيعية [1]. غالبًا ما تتبع الأنظمة التي من صنع الإنسان نفس مبادئ التصميم التي تحكم الأنظمة الطبيعية. إن أهم مبادئ التصميم هذه هو التطور عن طريق الانتقاء الطبيعي [2]. ومع ذلك ، فإن الأنظمة التي من صنع الإنسان ليست بالضبط نفس تلك التي أنشأتها الطبيعة. إننا نكتسب قدرة متزايدة على إنشاء بيئات معقدة جديدة وآلات جديدة تؤدي أداءً جيدًا أو أفضل من الكائنات الطبيعية [3]. الأنظمة المعقدة من صنع الإنسان ، مثل أسواق الأوراق المالية ، أو الشبكات الاجتماعية عبر الإنترنت متعددة المستخدمين ، والتقنيات التي يمكن استخدامها لجمع ومعالجة كميات متزايدة من البيانات توفر لنا فرصة لمراقبة وفهم الأنظمة المعقدة ، الطبيعية أو التي من صنع الإنسان. . يمكننا بشكل متزايد قياس نشاط المتغيرات التي تشكل هذه الأنظمة. يوفر هذا لمحة أفضل عن كمية واتصال معظم المتغيرات التي تتحكم في نظام معقد. عندما تعمل كل هذه المتغيرات معًا ، فإنها تشكل نظامًا يظهر لنا كوحدة واحدة على قيد الحياة.

لقد بدأنا ندرك أنه ، بشكل عام ، الأنظمة المعقدة ، من صنع الإنسان أو الطبيعة ، تشترك في العديد من مفاهيم أنماط التصميم العالمية ومبادئ التصميم التي تظهر مرة أخرى في أنظمة متنوعة تبدو غير مرتبطة [4،5]. تعد أنماط التصميم هذه العناصر الأساسية لبناء أنظمة معقدة ناجحة يمكنها العمل والتنافس والبقاء على قيد الحياة والتكاثر والتطور لفترات طويلة عبر أجيال متعددة نحو زيادة اللياقة والنمو العام. يحاول علم نظرية الأنظمة المعقدة اكتساب فهم حول مبادئ التصميم المتكررة الناشئة التي تظهر مرة أخرى في مختلف النظم والبيئات المعقدة الطبيعية والتي من صنع الإنسان [6]. الهدف من علم الأنظمة المعقدة هو تحديد هذه الخصائص بدقة أكبر من أجل فهم أكبر للأنظمة المعقدة ككل ، بما يتجاوز فهم نظام واحد محدد ، أو مفهوم تصميم محدد واحد. إن الفهم الأفضل لهذه المبادئ العالمية سيمكننا من استيعاب التغيرات السريعة التي تحدث من حولنا بشكل أفضل بسبب التطور التكنولوجي والاجتماعي [3]. لدراسة وفهم الأنظمة المعقدة ، عند الإمكان ، يجري الباحثون تجارب متعددة المتغيرات ، ويسجلون قياسات متغيرات النظام في ظل ظروف مضبوطة نسبيًا لتتبع ديناميكيات النظام في ظل اضطرابات مختلفة بمرور الوقت. تستخدم هذه القياسات والتسجيلات لبناء النماذج. هذه النماذج ضرورية لتوليد فرضيات تتفق مع البيانات. تحاول النماذج تمثيل النظام على مستوى تجريد خشن ، وهو هيكل عظمي للنظام المعقد الحقيقي قيد التحقيق. تهدف عملية النمذجة إلى التعرف على جوهر التعقيد ، وتجريد النظام الحقيقي إلى حجم يمكن إدارته ويمكن تفسيره معرفيًا ورياضيًا ونظريًا. تم تصميم النماذج التي تحاكي أنظمة معقدة في العالم الحقيقي لالتقاط ديناميكيات وبنية النظام للتنبؤ بسلوك النظام المستقبلي وشرح سلوكه السابق. تساعدنا هذه النماذج على فهم أعطال النظام وإصلاحها بشكل أفضل ، مثل تلك التي تحدث في عمليات المرض داخل الخلايا البشرية. المقولة الشهيرة حول النماذج هي أنها كلها خاطئة ، لكن بعضها مفيد [7] ، وعلى هذا النحو ، تلعب النماذج دورًا مهمًا في فهم وترويض الأنظمة المعقدة. من هذه النماذج ، يمكن استخلاص القواعد النظرية الثاقبة.

ومع ذلك ، بينما نرغب في الحصول على نماذج ديناميكية من شأنها أن تشرح سلوك الأنظمة المعقدة ، في الواقع ، غالبًا ما يكون إنشاء هذه النماذج صعبًا للغاية ، وعند بنائها ، تعاني هذه النماذج من العديد من أوجه القصور بشكل رئيسي بسبب نقص المعلومات. تكمن المشكلة في كل من نقص البيانات وطوفان البيانات. لكي تكون النماذج الديناميكية واقعية ، يجب أن يكون لها شروط أولية دقيقة ، وسببية دقيقة بين متغيرات الأنظمة [8] والخواص الحركية المحددة. غالبًا ما لا يمكن ملاحظة هذه البيانات بسهولة. ومن ثم ، فإن النماذج الديناميكية للأنظمة المعقدة تعاني من مشكلة المعلمات الحرة حيث يمكن للعديد من النماذج أن تناسب نفس البيانات المرصودة [9]. القضية الأخرى مع النماذج الديناميكية للأنظمة المعقدة هي الخاصية اللاخطية للأنظمة المعقدة [10]. بسبب العلاقات المعقدة بين المتغيرات في الأنظمة المعقدة ، سرعان ما تصبح ديناميكيات النظام غير خطية ومعقدة ، ومعظمها لا تستطيع الرياضيات الحالية شرحه بشكل جيد. من ناحية أخرى ، فإن الأساليب الإحصائية مثل تحليل الارتباط هي مناهج أبسط وأكثر عملية في الوقت الحاضر [11]. على الرغم من أن الأساليب القائمة على الارتباط لا تقدم تفسيرًا كاملاً لسلوك النظام بمرور الوقت ، وذلك بسبب وجود الكثير من البيانات ، ولأن البيانات مفقودة وغير دقيقة ، فإن إيجاد الارتباطات بين متغيرات النظام يوفر معرفة جديدة فورية.

في علم الأحياء ، تسمح التقنيات الناشئة مثل التسلسل العميق للحمض النووي والـ RNA [12] ، أو بروتينات قياس الطيف الكتلي [13] وعلم الأيض [14] ، بإلقاء نظرة خاطفة على الحالة الديناميكية للعديد من المكونات التي تشكل الأنظمة المعقدة داخل الخلايا البشرية. تساعد هذه التقنيات الحيوية الناشئة متعددة المتغيرات ، على الرغم من كونها غير دقيقة وصاخبة ، في تسريع اكتشاف الأعمال الداخلية للخلايا بالكامل لأنها يمكن أن تقيس مستوى آلاف الأنواع الجزيئية دفعة واحدة ، في تجربة واحدة. مع تراكم المزيد من المعرفة حول الأنظمة المعقدة ، مثل الخلية البشرية ، يمكن تغذية هذه المعرفة مرة أخرى في النماذج الرياضية أو الحسابية لتنقيحها ، مما يجعلها أكثر دقة. تضيف هذه المعلومات الإضافية مزيدًا من القوة والقيمة إلى قدرة النماذج على التقاط وظائف الأنظمة بمزيد من التفصيل ، وهذا يتيح إجراء تنبؤات أفضل حول كيفية تجميع مكونات وعمليات النظام معًا لتمكين السلوكيات الخلوية مثل الاستجابات للمنبهات التي تحفز تكاثر الخلايا ، نمو الخلايا ، تمايز الخلايا / التخصص أو موت الخلية المبرمج. الهدف هو ملء الأجزاء المفقودة من أحجية النموذج نحو فهم أفضل لأنظمة معقدة معينة مثل الخلية الطبيعية. مع تراكم المزيد من البيانات ، تتحول الطريقة العلمية للاعتماد بشكل متزايد على التنظيم والتكامل والتصور والاستفادة من المعرفة السابقة الخلفية المستخرجة من مجموعات البيانات الكبيرة التي تتكون من قياسات مسجلة من متغيرات أنظمة معقدة حقيقية. تُستخدم هذه المعرفة الأساسية المنظمة حسابياً لتحليل البيانات المكتسبة حديثًا [15]. مع تقدم التكنولوجيا ، تتراكم البيانات المسجلة حول تاريخ نظام معقد بسرعة أكبر من قدرتنا الحالية على تخزين وتحليل هذه البيانات لفهم مفيد أو بعبارة أخرى ، لاستخراج المعرفة الأمثل. نظرًا لأن تكلفة أجهزة التخزين تتناقص بسرعة ، وبدأت الأجهزة التي تسجل كل شيء تقريبًا من حولنا تظهر بسرعة ، نجد أنفسنا محاطين ببحر من البيانات [11]. توفر مثل هذه البيانات فرصة عظيمة للتغلب على أسرار التعقيد ولكنها أيضًا تطغى علينا بالبتات والبايتات من البيانات التي ليس لها معنى واضح. غالبًا ما نجد أنفسنا فقط نستخدم جزءًا صغيرًا من البيانات المقاسة ، ونخدش فقط سطح منجم مليء بالكنوز.

2. الأنماط الناشئة في الأنظمة المعقدة

تدرك مجالات مختلفة من البحث العلمي مثل علوم الكمبيوتر وعلم الاجتماع والرياضيات والفيزياء والاقتصاد وعلم الأحياء أهمية نظرية النظم المعقدة ، لأن أنماط ومفاهيم التصميم نفسها تظهر في هذه المجالات المختلفة من العلوم. عادةً ما يتم شرح النماذج التي تلتقط بنية وديناميكيات الأنظمة المعقدة من خلال عدد قليل من المبادئ الحاكمة مثل البقاء للأصلح [2] ، والثري يصبح أكثر ثراءً [16] والازدواجية - الاختلاف [17] بينما في الواقع ، هناك المزيد من القوى تعمل جميعها في تناسق لتشكيل بنية وسلوك العديد من الأنواع المختلفة للأنظمة المعقدة. مجتمعة ، يمكن أن تعمل هذه القوى بالتوازي ، وأحيانًا تتعارض مع بعضها البعض ، لإنتاج السلوك الناتج النهائي للنظام الذي يتجلى على أنه تغييرات هيكلية ديناميكية ووظيفية مستمرة. الأنظمة المعقدة المختلفة لها مجموعات مختلفة قليلاً من القوى ، ومكونات مختلفة تؤلف أجمالها.يمكن أن يؤدي الجمع الصحيح لمفاهيم وقوى التصميم ، إذا تم فهمه بشكل صحيح ، إلى القدرة على إنشاء الأنظمة المعقدة من حولنا والتحكم فيها والتنبؤ بها وإصلاحها بشكل أفضل ، بما في ذلك أنفسنا ومجتمعنا وبيئاتنا الطبيعية والاقتصادية والتكنولوجية. تعد الخلية البشرية والكائنات متعددة الخلايا والأنظمة الاقتصادية والأنظمة الهندسية المعقدة والويب كلها أنظمة معقدة تتطور في بيئات معقدة ومتغيرة ديناميكيًا. تشترك هذه الأنظمة في أنماط تصميم ناشئة مماثلة ، مخطط إنشاء نظام معقد. يمكن كشف بعض هذه الأنماط باستخدام النمذجة.

3. البيئات المعقدة مقابل العوامل المعقدة

عند استخدام المصطلح المعمم أنظمة معقدة ومناقشة مفاهيم تصميم النظام المعقد ، يمكننا التمييز بين نوعين رئيسيين: البيئات المعقدة والعوامل المعقدة. العوامل المعقدة هي تلك الأنظمة التي لها حدود محددة بوضوح ، حدود مادية تغلف النظام. تحتوي العوامل المعقدة عادةً على وحدة معالجة مركزية واحدة أو عدة وحدات ، وساعة ، فضلاً عن آليات للحصول على الطاقة واستخدامها بكفاءة. تشمل العوامل عادة أجهزة الاستشعار والمحركات. تتفاعل هذه الأنواع من الأنظمة المعقدة مع بيئاتها من خلال أجهزة الاستشعار ومشغلاتها ، ويمكنها عادةً التحرك والنمو والإصلاح الذاتي والتكاثر الذاتي. في كثير من الأحيان ، يدرك هؤلاء العملاء وجودهم. بعض الأمثلة على العوامل المعقدة هي نحن وخلايانا وأشجارنا وطيورنا وأسماكنا وديداننا وسياراتنا وطائراتنا وبعض الروبوتات (الشكل 1). العوامل المعقدة موجودة في بيئات معقدة ، أو داخل عوامل معقدة أخرى أكبر تضم. من ناحية أخرى ، البيئات المعقدة لها حدود أقل تحديدًا. كما أن حكمهم ليس محددًا جيدًا بشكل عام. لا تحتوي هذه الأنظمة المعقدة عادةً على وحدة معالجة مركزية ولا تحتوي على دماغ مركزي واحد. العوامل في مثل هذه البيئات المعقدة متشابهة في بعض الأحيان ، أو من نفس النوع ، أو على الأقل لديها بعض الخصائص الأساسية المشتركة. يعمل الوكلاء في البيئات المعقدة كأفراد ولكنهم ينشأون عن ديناميكيات النظام بالكامل. ومن الأمثلة على البيئات المعقدة النظم البيئية الطبيعية والتي من صنع الإنسان مثل قطعان الطيور أو المدن أو أنظمة المرور أو خلايا النحل أو البلدان أو الشبكات الاجتماعية (الشكل 1).

الشكل 1. أمثلة على البيئات المعقدة: قطيع من الطيور وخلية النحل والشبكات الاجتماعية والمدن والدول. أمثلة على العوامل المعقدة: طائرة ، دودة ، سيارة ، سمكة ، خلية ، طائر ، شجرة ، إنسان آلي. تميل البيئات المعقدة تدريجياً إلى التطور إلى عامل معقد. بمجرد وجود العديد من نسخ العامل المعقد ، يمكن لهذه النسخ ملء بيئة معقدة جديدة. (نسخة ملونة على الإنترنت.)

التمييز بين العوامل المعقدة والبيئات المعقدة ضبابي لأن بعض الخصائص النموذجية للبيئات المعقدة موجودة في بعض العوامل المعقدة والعكس صحيح. عادة ما يتم ملؤها البيئات المعقدة بواسطة عوامل معقدة. بشكل حدسي ، تنمو البيئات المعقدة بشكل أسرع حيث تصبح أكثر تعقيدًا وتنوعًا. من ناحية أخرى ، تصبح العوامل المعقدة أقل مرونة مع نموها في التعقيد ، لذلك ، من حيث المبدأ ، يتباطأ التطور مع زيادة التعقيد للعوامل المعقدة. نظرًا لوجود خط ضبابي يفصل بين العوامل المعقدة والبيئات المعقدة ، فمن المعقول أن تكون هذه الأنظمة المعقدة في مراحل مختلفة من تطورها. البيئات المعقدة هي في مرحلة الشباب ، التي تم إنشاؤها حديثًا من نظام معقد. بمرور الوقت ، ستبدأ هذه البيئات المعقدة في التجمد ، وتتراكم خصائص العوامل المعقدة واحدة تلو الأخرى أثناء تطورها لتصبح عاملاً. ومع ذلك ، بمجرد أن يصبح النظام وكيلًا بالكامل ، وهناك العديد من النسخ الدقيقة تقريبًا لتلك العوامل في البيئة ، فإن هذه العوامل المتفاعلة العديدة ستعمل على ملء بيئات معقدة (الشكل 1 ، الأسهم). يمكن دعم هذه النظرة المجردة من خلال فهمنا الأساسي لكيفية نشوء الخلايا الطبيعية البيولوجية ، أو كيف تطورت الكائنات متعددة الخلايا من كائنات وحيدة الخلية. في البداية ، كان النظام عبارة عن بيئة معقدة حيث تمتزج المكونات الخلوية مثل الحمض النووي الريبي في الحساء البدائي [18]. وبمجرد تطور التنظيم مرة أخرى ، تكونت الخلايا محاطة بأغشيتها. ثم تطورت الخلايا الغشائية لتصبح بها أجهزة استشعار ومكونات أخرى جعلتها عوامل نموذجية. بمجرد وجود العوامل الخلوية وتكاثرها ، بدأوا في تكوين كائنات متعددة الخلايا. تم إنشاء الكائنات متعددة الخلايا الأولى بواسطة نفس النوع من الخلايا ، ولكن بعد ذلك ظهرت أنواع من الخلايا حيث تولت الخلايا المختلفة أدوارًا متخصصة مختلفة. مع تزايد تخصص الخلايا ، أصبحت أيضًا أكثر اعتمادًا على بعضها البعض ، مما أدى في النهاية إلى إنتاج نوع جديد من العامل المعقد ، وهو كائن متعدد الخلايا. ومن ثم ، قد تكون البيئات المعقدة في مرحلة مبكرة من عملية تطور النظام المعقدة ، في طريقها للتقدم تدريجيًا نحو أن تصبح عاملاً معقدًا بمجرد وجود العديد من العوامل المعقدة من نفس النوع في البيئة ، ويمكنها تشكيل طبقة جديدة من التعقيد والتي يمكن أن تكون بمثابة أساس للطبقة التالية.

4. التطور الطبيعي مقابل التطور التكنولوجي

ظهرت أنظمة معقدة من خلال التطور الطبيعي أو من صنع الإنسان. وقد أنتج هذا أوجه تشابه بين الأنظمة الطبيعية والتكنولوجية على الرغم من اختلافاتهما. بينما كان التطور الطبيعي يتطور لمليارات السنين ، كان للتطور التكنولوجي والاقتصادي من صنع الإنسان تأثير كبير على الأرض فقط في آلاف السنين القليلة الماضية [1]. ومن ثم ، فإن معدلات التطور تختلف كثيرًا عند مقارنة نوعي الأنظمة المعقدة: من صنع الإنسان مقابل النظم الطبيعية [3]. يحتاج التطور الطبيعي إلى انتظار حدوث طفرات مواتية عشوائية في الحمض النووي للكائن الحي على مدى عدة أجيال ، بينما في التطور التكنولوجي يمكن أن تصبح الأفكار الجديدة منتجات جديدة بين عشية وضحاها. يبدو أن التطور التكنولوجي يتسارع باستمرار فهو يتحرك بمعدلات مختلفة عبر الكوكب ، ولكن بشكل عام ، منذ الثورة الصناعية ، يبدو أن معدل تعقيد الأنظمة التي من صنع الإنسان يتسارع بشكل عام. معدلات التطور المختلفة عبر الكوكب صحيحة أيضًا للتطور الطبيعي. في الغابات المطيرة ، يمكن أن تظهر العديد من الأنواع بسرعة لأن الظروف في تلك البيئة وفيرة ومواتية للحياة. هناك مياه عذبة وشمس وأمطار ، ودرجات الحرارة مناسبة تمامًا للحياة البيولوجية الطبيعية لتتطور وتزدهر. المناطق الأخرى على الكوكب مثل الصحاري القاحلة الساخنة أو الباردة لا تعزز التطور الطبيعي السريع ، وظهور التعقيد هناك يكون أبطأ. إن الظروف المتساهلة للنمو واضحة للأنظمة الطبيعية ، ولكنها أقل تحديدًا للتطور التكنولوجي. يتحرك التطور التكنولوجي بمعدلات أسرع بكثير في المدن الكبرى أو على الويب ، حيث تكون التفاعلات بين الناس والطلب على المنتجات الجديدة أكبر مما هي عليه في المناطق غير الصالحة للسكن في العالم. ومع ذلك ، هناك قوى توازن بين هذه الاتجاهات. أدى الانتشار الجغرافي للابتكارات [19] وانتشار التعقيد إلى انتشار التعقيد التكنولوجي والطبيعي إلى أماكن نائية على الأرض. يزداد التعقيد التكنولوجي في الهواء والبحر والفضاء الخارجي. البحر مليء بالحياة الطبيعية ، لكنه غير ملائم لحياة الإنسان والتطور التكنولوجي. من ناحية أخرى ، يمكن العثور على الفضاء ليكون أفضل مكان للروبوتات وأجهزة الكمبيوتر لأنه معزول عن الحرارة والغبار والعوامل البكتيرية الضارة [20].

5. أنواع الأنظمة مقابل مثيلاتها

لقطة من نظام معقد في لحظة معينة من الزمن تلتقط حالة متغيرات الأنظمة كما هي في ذلك الوقت. مثل هذه الحالة المجمدة في الوقت للنظام هي مظهر من مظاهر إنشاء مثيل للمتغيرات من أنواع مختلفة. يعتبر التمييز بين الأنواع المتغيرة وإنشاء مثيل للمتغيرات ، أو أنواع الأنظمة المعقدة مقابل الأنظمة المعقدة الفعلية ، أمرًا بالغ الأهمية لتقديم المزيد من الوضوح. مثيل المتغير الذي هو جزء من نظام معقد ، أو حالة نظام معقد بأكمله ، يتبع عادةً دورة الحياة والموت. من ناحية أخرى ، المتغير أو النظام المعقد نوع، هو تمثيل تجريدي لنوع النظام المتغير أو المعقد الذي هو عليه. إنه ليس كيانًا ماديًا فعليًا ولكنه نموذج. يمكن أن يتطور كل من النظام المعقد والحالات المتغيرة ، بالإضافة إلى أنواعها. ومع ذلك ، فإن الأمثلة الفعلية للمتغيرات ، أو الأنظمة المعقدة بأكملها ، تتطور فقط خلال الوقت الذي تكون فيه موجودة ، أو على قيد الحياة ، في حين أن القوالب يمكن أن تتطور إلى أجل غير مسمى. أنت مثال على النظام المعقد الذي يعد نموذجًا بشريًا. يمكن أن يتطور قالب المتغير ، أو نوع النظام المعقد ، والتعميم المجرد لأنواع الشيء الحقيقي ، دون الحاجة إلى تقييده بالوجود الحقيقي. القالب ليس له حدود زمنية. في لغات برمجة الكمبيوتر ، يكون التمييز بين المتغيرات وأنواع المتغيرات واضحًا. يمكن أن تكون المتغيرات من أنواع مختلفة. يتم أولاً التصريح عن المتغيرات لتصبح مثيلاً لها. ثم يتم تعيين القيم التي تناسب نوعها أثناء تنفيذ البرنامج للمتغيرات. يمكن أن تتغير هذه القيم أثناء تشغيل البرنامج ، وتعيش المتغيرات التي تحتوي على القيم داخل البرنامج لفترة قصيرة من الوقت عند تشغيل البرنامج. وبالمثل ، تحتوي الخلايا على DNA يعمل كقالب لإنتاج مثيلات من جزيئات الحمض النووي الريبي والبروتين. يمكن أن تساعد هذه المقارنات في النظر في التمييز بين مثيل ونوع ، أو قالب ، لنظام معقد أو متغير داخل نظام معقد.

6. ملخص مبادئ التصميم مع العلاقات الأولية

غالبًا ما تركز نظرية التعقيد على عدد قليل فقط من مبادئ تصميم الأنظمة المعقدة ، ويتم تطبيق معظم الوقت على نظام معقد واحد فقط في العالم الحقيقي: ومن المفارقات ، لا يزال الاختزال. تقترح وجهة النظر الاختزالية أن الأنظمة المعقدة تتكون من أجزاء ، ويمكن أن يؤدي فهم هذه الأجزاء إلى فهم النظام بأكمله [21]. سيطر هذا الرأي على العلم في الماضي ، ولكن من المقبول الآن أن هناك حاجة إلى طرق جديدة لفهم التعقيد بشكل أفضل ، وكيف تتجمع الأجزاء معًا لتنتج شيئًا أكبر من الأجزاء [22 ، 23]. لتحقيق هذا الفهم ، قد يكون من المفيد دراسة كيفية ارتباط أنماط تصميم الأنظمة المعقدة. لتطوير الحدس حول هذه الفكرة ، تم ذكر مجموعة أولية من مبادئ تصميم الأنظمة المعقدة أدناه مع وصف موجز لكل مبدأ. الخطوة التالية هي محاولة تحديد كيفية ارتباط هذه المبادئ. الأمل هو أن تصبح العلاقات بين مبادئ التصميم هذه واضحة بشكل فوري وبديهي. شيء واحد يجب أخذه في الاعتبار هو أن تعريفات العديد من هذه المفاهيم المجردة قد لا تكون دقيقة ، فهذه مشكلة لأن تعريف واحد قد يعني أشياء مختلفة لأناس مختلفين. يمكن بالتأكيد تحسين هذه التعريفات ، ولكن جعلها مثالية يمثل تحديًا ، وقد يتطلب تمثيلًا رياضيًا رسميًا. إن أوصاف مبادئ التصميم المعروضة أدناه مجردة ولكنها حقيقية. لذا حاول ألا تقلق للحظة بشأن الصياغات المحددة للتعريفات ولكن بشأن جوهر معناها. يتم ملاحظة بعض مبادئ التصميم هذه في الأنظمة المعقدة بشكل عام ، والتي تغطي الأنظمة الطبيعية والتكنولوجية ، مع بعض العلاقات المُلمحة بين المفاهيم.

البقاء للأصلح هو نمط تصميم مركزي يشكل الأنظمة المعقدة [2]. هذا المفهوم هو نتيجة المنافسة. غالبًا ما تكون المنافسة غير عادلة ، حيث يصبح الأغنياء والملائمون أكثر ثراءً أو لياقة أسرع من الآخرين [16]. الأغنياء يصبحون أكثر ثراءً هي عملية نمو حيث ينمو الأثرياء ، الذين لديهم العديد من العلاقات ، المركزية والأساسية والملائمة ، بشكل أسرع من الفقراء ، والوحيدين ، وغير المناسبين ، والضعفاء ، والأقل ترابطاً. عادة ما تنمو العوامل المعقدة في البيئات المعقدة عن طريق الازدواج والتباعد [17]. الازدواج - الاختلاف هو مبدأ تصميم بيولوجي معروف للتطور الطبيعي وهو شائع أيضًا في التطور التكنولوجي أو الاقتصاد أو على الويب. على سبيل المثال ، تتطور نماذج السيارات الناجحة والمواقع الإلكترونية والبرامج بشكل عام من خلال الازدواجية والاختلاف. ومن ثم ، يمكن للعامل أو الكائن أو المنتج الناجح والمعقد الناجح والمناسب أن يصبح عامل جذب ، حيث يجذب المزيد من الروابط والنسخ منه أكثر مما يجذب إليه [10]. في بعض الأحيان ، تظهر عوامل معقدة جديدة وناجحة وناجحة من اندماج عاملين حاليين ، لتشكيل وكيل أو منتج أو كائن حي مبتكر وأكثر قدرة على المنافسة. بمجرد النجاح ، يقوم الوكلاء المبتكرون بالتكرار والتنويع بسرعة. لذلك يلعب الابتكار دورًا مهمًا في التطور المستمر لنظام معقد. لا يمكن أن تتحقق الابتكارات إلا على أساس الابتكارات السابقة الموجودة بالفعل والمثبتة والناجحة [19]. ومن ثم ، كما هو مذكور أعلاه ، يتم تنظيم الأنظمة المعقدة في طبقات حيث تؤسس كل طبقة أساسًا متينًا لطبقة الترتيب التالي لتكون قادرة على التطور.

مبدأ آخر أساسي ومرتبط هو نقل المعلومات. تتدفق المعلومات باستمرار ، وعادة ما يتم ضغطها وفك ضغطها وترجمتها. تبث أجهزة الإرسال المعلومات ، ثم تعترضها أجهزة الاستشعار. لا يمتلك الوكلاء في الأنظمة المعقدة القدرة على الاستماع بشكل سلبي والتكيف مع بيئتهم فحسب ، بل يمكنهم أيضًا التواصل مع البيئة وتغيير البيئة لتتناسب مع احتياجاتهم. تقوم المستشعرات بتمرير معلومات حول حالة البيئة إلى مراكز المعالجة المركزية الداخلية. قبل أن يتم تمرير المعلومات إلى هذه المراكز ، يمكن تضخيم الإشارة وتصفيتها. في مراكز المعالجة ، يستخدم المصنفون المعلومات بذكاء ، ويتعلمون من التجارب لاتخاذ القرارات المثلى حول الاستجابة والتكيف مع حالة البيئة في المرة التالية التي يتعرضون فيها لحالة سابقة الخبرة. ومن ثم ، فإن هذه المصنفات تستخدم الذاكرة لتحديد الاستجابة المستقبلية المناسبة للعامل. غالبًا ما تكون هذه الاستجابة مجرد تشغيل أو إيقاف تشغيل مفتاح. تقوم المستشعرات والمكونات الأخرى التي تمرر المعلومات بتنفيذ مثل هذه المفاتيح بالإضافة إلى المرشحات ومكبرات الصوت لتحويل المعلومات المزعجة من البيئة إلى رسائل قيمة ومفيدة ، غالبًا من خلال عملية التقدير أو الرقمنة. يعد وضع علامات على الإشارات وترميزها وتجميعها وتصنيفها طرقًا لتجريد العديد من الأشياء المتشابهة والملاحظات المتعلقة بأشكال من البيئة إلى تمثيلات مبسطة مجردة. يتم تصنيف المجموعات والفئات وتحويلها من واقعها المادي إلى رموز مشفرة في رسائل. تسهل هذه الرموز على وحدة المعالجة المركزية معالجة المعلومات من البيئة ، وحساب الاستجابة المناسبة ، والتي تتضمن نقل المعلومات إلى عوامل معقدة أخرى. لحساب الاستجابة الصحيحة ، تستخدم مراكز المعالجة الداخلية التعلم والذاكرة والتكيف. تعد القدرة على التكيف مع البيئات الجديدة أمرًا بالغ الأهمية لبقاء العامل المعقد الذي يعيش في البيئة المعقدة. إن المتانة في مواجهة التقلبات والتغيرات في البيئة مطلوبة من أجل الملاءمة العامة والقدرة على البقاء [24]. ومع ذلك ، فإن التوازن بين الصلابة والمتانة وتحمل التغيير مقابل المرونة للتغيير مطلوب لتوفير المستوى الضروري من اللدونة للتكيف المناسب [25]. عندما يكون التعلم ناجحًا ، عادةً ما تكون الاستجابات تلقائية. الأتمتة ضرورية أيضًا للإنتاج الفعال. توجد آليات فعالة ومتطورة لتصنيع العديد من النسخ المتماثلة (تقريبًا الدقيقة) للعوامل المعقدة وأجزائها. هذا يسمح لدورة الولادة - الحياة - الموت بالاستمرار ، ولكي يتكاثر نوع النظام المعقد باستمرار. يرتبط مفهوم الولادة والحياة والموت بملاحظة أن الأنظمة المعقدة وأجزائها يتم استبدالها ديناميكيًا بأجزاء جديدة ، بينما تظل الأنماط العالمية للنظام المعقد والنظام البيئي بأكمله. على سبيل المثال ، البروتينات في الخلية تنقلب باستمرار ، وجزيئات الماء في النهر ليست هي نفسها ولكن النهر يبقى في تدفق مستمر ، والسيارات على الطريق السريع تستمر بالمرور ، وخلايا الدم تنتقل عبر الأوعية الدموية ، ويتنقل الناس ذهابًا وإيابًا إلى و من العمل داخل وخارج مدينة كبيرة هذه ليست سوى بعض الأمثلة. في بعض هذه الحالات ، تنتشر هذه العوامل المعقدة أو أجزائها. هذا هو الحال بالنسبة لخلايا الدم ، أو الأشخاص الذين يتنقلون للعمل ، بينما في حالات أخرى يتم استبدال العوامل المعقدة المتدفقة ، أو أجزائها ، تمامًا في كل مرة. ومن ثم ، فإن الأنظمة المعقدة لديها أنظمة نقل معقدة وفعالة تسمح بنقل الموارد والوكلاء إلى المواقع البعيدة بسرعة وكفاءة. عادة ما يتم تنظيم أنظمة النقل هذه في هيكل هرمي يشبه الشجرة ، حيث غالبًا ما يكون لأوراق الشجرة ، والمواقع الطرفية على نظام يشبه الشجرة ، عنوانًا فريدًا مشفرًا في سلسلة من الرموز. الهيكل الهرمي لأنظمة النقل شائع في الأنظمة المعقدة. للتنقل ، الحركة ضرورية. الحركة هي قدرة العوامل المعقدة على التحرك في بيئتها المعقدة. تعتمد الأنظمة الاقتصادية على الطائرات والسفن والشاحنات لنقل البضائع والعمال من عنوان محطة فريد إلى عنوان آخر. تفتقر النباتات النباتية إلى القدرة على الحركة ، ويتم تعويض هذا الإعاقة بقدرة مذهلة على استخدام الطاقة الشمسية ، والقدرة على استخلاص العناصر الغذائية من الأرض ، والقدرة على التلقيح والتكاثر بشكل فعال دون الحاجة إلى السفر. تحتوي النباتات والأنظمة الطبيعية المعقدة الأخرى على بذور تحتوي على معلومات مضغوطة يمكن استخدامها لإنشاء نسخ جديدة تمامًا من نفس العوامل المعقدة. غالبًا ما يكون لهذه البذور آليات للسفر والانتشار للوصول إلى هدفها للتخصيب الأمثل. يتم إنشاؤها في العديد من النسخ حيث تكون كل نسخة مختلفة قليلاً ، وحيث يتم اختيار عدد قليل فقط لتلقيح الجيل التالي.

توجد حواجز ملحوظة لحماية العوامل المعقدة من العوامل الأخرى ومن الخارج. تخفي هذه الحاويات ، أو الوحدات النمطية ، الأجزاء الداخلية من العناصر الخارجية المكشوفة. العناصر الخارجية لها واجهة تسهل القدرة على التواصل مع البيئة والأنظمة الأخرى ، باستخدام البروتوكولات القياسية والرموز والأعلام. يرتبط بهذا مبدأ تصميم التوصيل والتشغيل الذي يسمح بإعادة الاستخدام والتعميم. يسمح هذا المبدأ للأنظمة المعقدة بالعمل معًا لتشكيل أنظمة ذات ترتيب أعلى. هذه النمطية تخلق التسلسلات الهرمية. تفاعل الأنظمة المعقدة لديها القدرة على التبديل بين السلوك الفردي والسلوك مرة واحدة في الحزمة. عندما تكون في حزمة ، غالبًا ما تشكل الأنظمة المعقدة أشكالًا هندسية مميزة. عادة ما تتراكم الأشكال في الأنظمة المعقدة بالفسيفساء ، وتشكل فسيفساء معقدة [26]. تتصرف الأنظمة المعقدة متعددة الأشكال في حزمة بشكل عشوائي بالتوازي ولكنها غالبًا ما تعرض التزامن مذهلاً. يمكن تحقيق التزامن من خلال الحوكمة ، على سبيل المثال ، من خلال موصل يرسل إشارات إلى الأوركسترا ، ولكن غالبًا لا يتطلب التزامن الحوكمة في الأنظمة المعقدة. العشوائية والضوضاء مطلوبة لمثل هذا السلوك الناشئ. الضوضاء مطلوبة أيضًا للجوانب الأخرى للسلوك الديناميكي الذي يدعم التعقيد والتطور. الضوضاء هي آلية ضرورية للتغلب على الوقوع في أدنى حالة تطورية. ينتج عن العشوائية والضوضاء بحثًا مستمرًا عن التوازن ، ولكن الأنظمة المعقدة لا تستقر أبدًا في حالة مستقرة إلى الأبد [27]. تنمو الأنظمة المعقدة باستمرار وتتحسن في اللياقة وتزداد تعقيدًا لأن بيئتها تتغير باستمرار في هذا الاتجاه [28]. تحدث انتقالات الطور في فترات زمنية قصيرة حيث يمر النظام ، وهو في حالة مستقرة نوعًا ما ، بتغيير صغير واحد يؤدي إلى العديد من التغييرات ، مما يحول النظام إلى حالة أخرى شبه مستقرة [10].إن العثور على حالة لياقة محسنة هو مبدأ تصميم يرتبط ارتباطًا مباشرًا بالكفاءة واستخدام الطاقة.

في حين أن معظم العمليات في الأنظمة المعقدة تستخدم الطاقة ، وحيث تتنافس العوامل المعقدة على موارد الطاقة ، فإن استخدام الأنظمة للطاقة يكون أكثر اهتمامًا باللياقة العامة وأقل مع الحفاظ على الطاقة وكفاءة الطاقة [29]. هذا هو أحد المفاهيم العديدة التي تجعل الأنظمة المعقدة مختلفة عن الأنظمة النموذجية التي تتم دراستها في الفيزياء. ومع ذلك ، يمكن أن يساعد الحفاظ على الطاقة وكفاءتها الأنظمة المعقدة على المنافسة بشكل أفضل. من المثير للاهتمام أن الكائنات الميتة غالبًا ما تصبح مصدر الطاقة للكائنات الأخرى ، في حين أن المادة العضوية الأكثر تحللًا ، الزيت الخام ، تعمل كمصدر رئيسي للطاقة للمرحلة الأولية من التطور التكنولوجي الذي نراه اليوم. عادة ما تنتج معظم الأنظمة المعقدة نفايات في أنظمة بيئية متوازنة ، والنفايات من نظام معقد هي مورد لنظام آخر. ومع ذلك ، فإن الأنظمة المعقدة التكنولوجية من صنع الإنسان تنتج نفايات لا يتم إعادة تدويرها بشكل جيد. يرتبط بهذا حلقات التغذية الراجعة التي تعد هياكل ديناميكية مهمة تحدد إنشاء أنظمة معقدة في الحركة. كان الحساء الأيضي البدائي مصنوعًا من إنزيمات بسيطة تشكل حلقات تغذية مرتدة متنافسة [18]. تتضمن المنافسة اتخاذ إجراءات في الأسواق ، حيث تجعل التجارة فائزين أو أكثر من الأنظمة المعقدة. تتطلب التجارة الناجحة تنوع المنتجات والتخصص في الخدمات. غالبًا ما يكون الفائزون في التجارة هم المبتكرون أو أفضل المستمعين للابتكار. ينتج عن التجارة تعاون يمكن أن يتطور إلى تكافل: الاعتماد المشترك لنظامين معقدين منفصلين على بعضهما البعض من أجل التعايش. التكافل أحادي الاتجاه هو تطفل. تستخدم العوامل المعقدة الطفيلية نجاح مضيفيها لاحتياجات البقاء الخاصة بهم. يجب أن يتعلم العملاء المعقدون الناجحون كيفية إصلاح الذات ومحاربة الطفيليات ، بينما تنخرط الطفيليات في لعبة استراتيجيات التهرب الإبداعية. تقتل الطفيليات أحيانًا مضيفيها ، ولكن ليس قبل أن تتكاثر وتقفز نسخها إلى مضيفين آخرين ، حتى يتمكنوا من الانتشار.

تقدم جميع المفاهيم المذكورة أعلاه بإيجاز بعض مبادئ تصميم الأنظمة المعقدة مع بعض العلاقات الملمحة فيما بينها. لكن هناك حاجة إلى تفسيرات أكثر تفصيلاً لوصف كل هذه المفاهيم بقدر أقل من الغموض. بالإضافة إلى ذلك ، هناك حاجة إلى أمثلة محددة لتوضيح كيف تتشكل هذه المفاهيم في النظم الطبيعية والتكنولوجية في العالم الحقيقي. هذه الأوصاف التفصيلية خارج نطاق هذه المراجعة هنا ، ومع ذلك ، فنحن مهتمون بالتفكير في كيفية تطبيق بعض تلك الملاحظات العامة حول الأنظمة المعقدة على الخلايا البشرية وكيف يمكن لهذا المنظور أن يعلم بيولوجيا الأنظمة.

7. الخلية البشرية: مثال لنظام معقد

الخلية البشرية هي آلة طبيعية حية معقدة. الخلايا التي تتكون منها أجسامنا معًا هي مثال نموذجي لنظام معقد طبيعي تم تطويره وتحسينه على مدار مليارات السنين. ما يجعل الخلايا البشرية جزئيًا نظامًا معقدًا نموذجيًا هو أنها تتكون من العديد من أنواع المكونات المختلفة مع العديد من النسخ من نفس المكونات ، تعمل جميعها معًا وتتفاعل معًا وبالتوازي لتشكيل كيان وظيفي عالي المستوى يمثل جزءًا من كائن حي.

نحن مصنوعون من حوالي 50 تريليون خلية. تحتوي كل هذه الخلايا تقريبًا على نفس الشفرة الجينية المكونة من جزيئات طويلة من الحمض النووي وهي عبارة عن خيوط تحمل القالب والتعليمات الرمزية اللازمة لتكوين كائن حي بأكمله. يتم ضغط المعلومات حول كيفية بناء كائن حي كامل بشكل جيد في نوى الخلايا البشرية. على الرغم من أن الحمض النووي في جميع خلايانا هو نفسه ، فإن أنواع الخلايا المختلفة التي تشكل أجسامنا والتي يبلغ عددها 400 تقريبًا تختلف اختلافًا ملحوظًا عن بعضها البعض. هذا لأنه في كل نوع خلية ، يتم التعبير عن مجموعات مختلفة من الجينات. هذا التعبير التفاضلي للجينات هو نتيجة للإشارات المختلفة خارج الخلية التي ترشد الخلايا إلى كيفية التصرف. تتلقى الخلايا إشارات خارج الخلية من خلايا أخرى تخبرها بالجينات التي يجب أن تعبر عنها ، وبالتالي ، ما هي البروتينات التي يجب أن تصنعها ، وفي النهاية كيف تتصرف أي نوع من الخلايا يجب أن تصبح. يمكن للخلايا أن تشكل هياكل معقدة وتصبح متخصصة بسبب بروتوكولات الاتصال بين الخلية والخلايا التي تنتج إما عن تفاعلات بين الخلية والمصفوفة ، أو من إشارات paracrine أو الغدد الصماء القادمة من الخلايا الأخرى التي تحملها جزيئات صغيرة يمكن أن تمر عبر غشاء الخلية ، أو ترتبط بـ مستقبلات على سطح الخلية. هذه هي مجسات النظام المعقدة. يتم تشغيل مسارات إشارات الخلايا داخل الخلايا من خلال مجموعة معقدة من العوامل خارج الخلية التي تعمل جميعها بالتوازي لإعلام الخلايا بحالة البيئة. يتحكم هذا الشكل من الإشارات في ديناميكيات شبكات تنظيم الجينات التي تحدد برنامج التعبير الجيني للخلية. تمتد مستقبلات سطح الخلية عبر طبقة الدهون ثنائية الغشاء البلازمي للخلية. هذا هو حاجز نظام الخلية المعقد. تستمع هذه المستقبلات إلى ما يحدث خارج الخلية وتنقل التغييرات من البيئة إلى المكونات داخل الخلايا. عندما يتغير التركيز الكيميائي الحيوي لناقل عصبي في منطقة من الدماغ ، أو لهرمون في الدم ، يمكن تنشيط المستقبلات الموجودة على سطح الخلية أو تثبيطها. يتم إرسال معلومات هذا التغيير إلى آلية وحدة المعالجة المركزية للخلية ، وهي عبارة عن شبكة إشارات معقدة من البروتينات والمستقلبات التي تضخم المعلومات وتصفيها وتعالجها وتفك تشفيرها وتنقلها. ترتبط الجزيئات الصغيرة خارج الخلية التي تسمى الروابط ، مثل الهرمونات أو الناقلات العصبية أو الأدوية ، مباشرة ببروتينات المستقبل. إن ارتباط الجزيئات الحيوية خارج الخلية بالمستقبلات يقوي المستقبلات لتحويل الإشارات عن طريق تغيير البنية ثلاثية الأبعاد للمستقبلات. ينتج عن هذا التغيير في التكوين الهيكلي للمستقبلات بروتينات أخرى موجودة داخل الخلية ، مثل الإنزيمات ، لتغيير مستوى نشاطها ، على سبيل المثال ، عن طريق الارتباط أو فك الارتباط بالمستقبلات. يمكن أن تؤدي هذه التفاعلات داخل الخلايا إلى تنشيط إنزيمات أخرى تحفز التفاعلات الكيميائية الحيوية داخل الخلية. تؤدي هذه الديناميكيات الجزيئية الحيوية إلى نقل المعلومات من خارج الخلية إلى المناطق الداخلية للخلية. تعمل سلسلة من التفاعلات الكيميائية الحيوية باستمرار داخل الخلايا بالتوازي حيث يتم تنشيط وتعطيل مسارات الإشارات المختلفة باستمرار. ومن ثم ، تم دمج المعلومات من آلاف المستقبلات من أنواع مختلفة ، الموجودة على سطح كل خلية ، لتحديد سلوك الخلية. يمكن تحقيق ذلك من خلال تنظيم التعبير الجيني من خلال تنشيط أو تثبيط عوامل النسخ. عوامل النسخ هي بروتينات ترتبط بالحمض النووي للخلية لتنظيم التعبير الجيني. المؤثرات الأخرى لأحداث إشارات الخلية هي البروتينات التي تنظم ترجمة البروتين ، وتدهور البروتين ، وتعديل النشاط الكهربائي من خلال التعديلات اللاحقة للترجمة لبروتينات القناة في الغشاء ، بالإضافة إلى تنظيم العديد من الآليات والعضيات الخلوية الأخرى داخل الخلايا [30].

إحدى نتائج هذا التنظيم هي قدرة بعض الخلايا البشرية على الزحف [31-33]. يتم تحديد اتجاه وسرعة الزحف بواسطة شبكة إشارات الخلية [32] ، ويمكن اعتبارها أحد مشغلات الخلية. العضية الأخرى التي تنظمها شبكة الإشارات الخلوية هي الميتوكوندريا. تعمل الميتوكوندريا في الخلايا كمحركات وأجهزة استشعار [34]. إنها تنتج مصادر الطاقة بالعملة المشتركة ATP و GTP و NAD +. يمكن استخدام هذه الجزيئات المشحونة بالطاقة بواسطة العديد من البروتينات لأداء عملها. ومن المثير للاهتمام أن الميتوكوندريا في الخلايا تستشعر مستويات الطاقة ، وإذا تلقت إشارات معينة ، يمكن للميتوكوندريا أن تحفز موت الخلية المبرمج ، والذي يسمى أيضًا موت الخلايا المبرمج [35]. يبدأ هذا السلوك الإيثاري من قبل الميتوكوندريا عن طريق إطلاق البروتينات التي تطلق إشارات تقود الخلية إلى الانتحار من أجل تحسين الكائن الحي بأكمله. تمثل الأصول التطورية للميتوكوندريا أيضًا مثالاً على التعايش. يشير تشابه الميتوكوندريا مع بعض البكتيريا الموجودة اليوم بقوة إلى أن الخلايا أصيبت في البداية بالبكتيريا ، وأصبحت البكتيريا تدريجيًا جزءًا من الخلية من خلال علاقة تعايش جواني متطورة [36].

يلزم أحيانًا موت الخلايا المبرمج في حالة تلف الخلية أو إصابتها. ومع ذلك ، قبل اتخاذ مثل هذا الإجراء الصارم للتعامل مع العدوى أو الضرر ، تطورت الخلايا لتكون لديها آليات دفاع وإصلاح ذاتي. أحد الأمثلة على نظام الدفاع في الخلايا البشرية هو استجابة الإنترفيرون للعدوى الفيروسية [37]. تحتوي الخلايا على مستقبلات محددة وبروتينات داخل الخلايا يمكنها اكتشاف الحمض النووي الريبي مزدوج الشريطة الفيروسي ، والإشارة إلى شبكة الإشارات الخلوية لتشغيل الاستجابة المناعية. مثل هذه الاستجابة المناعية ترسل إلى الخلايا المجاورة أنباء عن الإصابة ، بالإضافة إلى إثارة رد فعل داخلي للتعامل مع الجسم الغريب بطرق مختلفة [38]. وبالمثل ، فإن أحد الأمثلة على آلية الإصلاح الذاتي هو استجابة تلف الحمض النووي ، وهي آلية يمكنها إصلاح فواصل الحمض النووي المزدوج الشريطة [39]. ترتبط آلية الاستجابة لتلف الحمض النووي أيضًا بآلية موت الخلايا المبرمجة. إذا كان تلف الحمض النووي واسعًا للغاية ، فإن الآلية ترسل إشارات إلى شبكة إشارات الخلية لتفعيل موت الخلايا المبرمج. ترتبط آلية الاستجابة لتلف الحمض النووي أيضًا بجهاز دورة الخلية ، وهي القدرة المذهلة للخلايا على إعادة إنتاج نسخة من نفسها بكفاءة. إذا تم الكشف عن تلف الحمض النووي ، يتم إرسال إشارة إلى برنامج دورة الخلية للتوقف. يمكن أن يحدث تلف الخلايا بسبب أنواع الأكسجين التفاعلية ، وهو منتج ثانوي لعملية التمثيل الغذائي [40،41]. يمكن اعتبار هذا أحد نفايات الخلية. طورت الخلايا آليات لتحييد أنواع الأكسجين التفاعلية وكذلك استخدامها للإشارات الخلوية ، ولكن عند المستويات المرتفعة يمكن أن تتسبب في تلف وتؤدي إلى المرض. مثال آخر على آلية التخلص من نفايات الخلايا هو الملاحظة الأخيرة بأن دماغنا يتقلص أثناء النوم. اقترحت دراسة حديثة أن هذا ضروري لإزالة السموم الأيضية المتراكمة خلال النهار بينما كنا مستيقظين ونستخدم أدمغتنا بشكل كامل [42]. في مرض الزهايمر ، يمكن اعتبار لويحات الأميلويد التي تتشكل في الدماغ نفايات خلوية يتم التعامل معها بشكل غير صحيح [43]. الدورة اليومية في الخلايا هي واحدة فقط من عدة ساعات مدمجة داخل إشارات الخلية وشبكات تنظيم الجينات. تضمن هذه الساعات التنظيم الدوري للعمليات التي يجب أن تكون نشطة بشكل دوري [44 ، 45]. يتم تلخيص الروابط المذكورة أعلاه بين أنماط التصميم العامة التي لوحظت في العديد من الأنظمة المعقدة وتلك التي لوحظت في الخلايا البشرية (الشكل 2). الاتصالات المدرجة ليست شاملة وتم إجراؤها هنا فقط لتوضيح المفهوم العام. من المتوقع أيضًا أنه مع زيادة فهمنا للمكونات الداخلية للخلايا البشرية ، ستظهر العديد من الأمثلة.

الشكل 2. الخلية البشرية عبارة عن نظام معقد نموذجي. باللون الأحمر وخارجه توجد خصائص أنظمة معقدة عامة. يوجد في الداخل مظاهر لهذه المفاهيم المجردة في الخلايا البشرية. مقالات المراجعة التي تشرح بشكل أكبر بعض الأنظمة دون الخلوية المذكورة في الشكل هي كما يلي: الزحف الخلوي [31-33] ، الميتوكوندريا [34-36] ، استجابة الإنترفيرون [37 ، 38] ، شبكة الإشارات الخلوية [30] ، تلف الحمض النووي الاستجابة [39] ، أنواع الأكسجين التفاعلية [40،41] ، إيقاعات الساعة البيولوجية [44،45] والالتهام الذاتي [46]. (نسخة ملونة على الإنترنت.)

8. الخلاصة

الخلايا ومكوناتها الداخلية صغيرة جدًا بحيث لا يمكننا مراقبتها بالعين المجردة ، ولا يمكن رصد المكونات الجزيئية داخل الخلايا إلا باستخدام أفضل المجاهر. حتى وقت قريب ، لم نتمكن من دراسة سوى عدد قليل من المكونات الجزيئية داخل الخلية في تجربة واحدة. ومع ذلك ، مع الاختراقات الجديدة في مجال التكنولوجيا الحيوية في العقود القليلة الماضية ، يمكننا الآن فهم الأعمال الداخلية للخلايا على نطاق عالمي أكبر بدقة وتفاصيل دقيقة. وذلك لأن هذه التقنيات الحيوية الجديدة الناشئة ، على سبيل المثال الحمض النووي ، والحمض النووي الريبي وتسلسل البروتين ، يمكن أن تقيس مستوى العديد من الأنواع الجزيئية في تجربة واحدة دفعة واحدة. تنتج هذه التقنيات لقطات لحالة العديد من المتغيرات التي يتكون منها النظام المعقد الخلوي. تسمى هذه الثورة في البيولوجيا الخلوية والجزيئية ببيولوجيا الأنظمة [22] ، وهو مصطلح قابل للتبديل الآن مع المعلوماتية الحيوية للبيانات الضخمة [47]. إنه يتيح فهم تنظيم الخلية بشكل أكثر شمولية وعالمية. ومع ذلك ، لتحقيق هذا الفهم ، هناك حاجة أيضًا إلى نظريات جديدة تشرح كيفية تجتمع كل هذه الأجزاء معًا لإنتاج وظائف عالية الترتيب. ولكن قبل أن تتشكل مثل هذه النظريات ، نحتاج إلى أن نكون قادرين على التعامل مع كميات كبيرة من البيانات التي تم جمعها باستخدام هذه التقنيات الجديدة. مع الانخفاض السريع في تكلفة الحوسبة والتخزين ، والتقنيات التي تسمح بتسجيل كل شيء تقريبًا ، يمكننا الآن تتبع حالة المتغيرات التي تشكل العديد من أنواع الأنظمة المعقدة ، بمرور الوقت وتحت مختلف الاضطرابات التلقائية الخاضعة للرقابة أو الطبيعية ، بما في ذلك الاضطرابات البشرية. الخلايا. كم عدد هذه البيانات التي نحتاج إلى جمعها من أجل بناء تمثيل دقيق خشن لنظام الخلايا البشرية بأكمله؟ كيف يمكننا استخلاص شذرات المعرفة على أفضل وجه من هذه البيانات ، وإجراء تنبؤات حول سلوكيات وظروف النظام التي لم يتم قياسها أو لم يتم رؤيتها بعد؟ كيف يمكننا تصور ودمج هذه البيانات عالية الأبعاد؟ هذه بعض التحديات الكبرى التي تواجه علماء البيانات اليوم بما في ذلك علماء بيولوجيا الأنظمة الحاسوبية.

إن مجال بيولوجيا الأنظمة غني بالبيانات ويفتقر إلى البيانات. إنه غني بالبيانات نظرًا لوجود أكوام من البيانات التي تم جمعها بالفعل ولكنها بحاجة إلى مزيد من التحليل ، كما أنها فقيرة بالبيانات لأن النظام معقد للغاية ويصعب مراقبته ، وبالتالي ، في الوقت الحالي ، من الواضح أن البيانات التي جمعناها بالفعل غير كافية لفهم الآليات الجزيئية المعقدة التي تحرك السلوك الخلوي البشري بشكل كامل.

في الوقت الحالي ، لا نفهم تمامًا جميع التفاصيل الجزيئية حول كيفية تكامل شبكات إشارات الخلية فعليًا ومعالجتها للمعلومات لتنظيم الوظيفة الخلوية. تتضمن الأسئلة المفتوحة كيف أن العديد من الروابط المختلفة ، المنتشرة في الوسائط خارج الخلية ، وقادرة على الارتباط بأنواع مستقبلات مختلفة ومتعددة ، تبدأ تغييرات في النشاط داخل الخلايا تؤدي إلى أنماط ظاهرية خلوية بديلة. حتى وقت قريب ، كان علماء الأحياء الخلوية والجزيئية يستخدمون نهجًا اختزاليًا لدراسة مثل هذا النظام المعقد. استلزم الاختزال في علم الأحياء أن التجريبيين أمضوا حياتهم العلمية بأكملها في التركيز على تحليل جينة واحدة فقط ، أو عدد قليل من الجينات ومنتجاتها البروتينية ، حيث في الواقع ، تحتوي كل خلية ثديية على آلاف الأنواع المختلفة من الجينات والبروتينات المعبر عنها من هذه الجينات ، لتعمل. تماما في وقت واحد. تعمل كل هذه الأنواع المختلفة من البروتينات معًا في تناسق ، مما يؤثر على نشاط بعضها البعض ومستوى الوفرة. ومع ذلك ، نظرًا لأن هذه الجزيئات الحيوية صغيرة جدًا ، لا يمكننا أن نرى بالضبط كيف تعمل ، وعلينا أن نلجأ إلى قياس نشاطها باستخدام طرق غير مباشرة. لا تزال دراسة عدد قليل من الجينات أو البروتينات بواسطة المعامل الفردية تهيمن على الأبحاث الطبية الحيوية اليوم. تتراكم باستمرار المعلومات المستمدة من تجارب الجين المفرد كثيفة العمالة منخفضة الإنتاجية والتي أجرتها العديد من المختبرات المختلفة حول العالم. يمكن استخدام المعلومات المستمدة من مثل هذه الدراسات ، التي تميز البروتينات الفردية وتفاعلاتها ، لإعادة بناء صورة أكثر شمولية للغز تنظيم الخلية [30] من خلال تكامل البيانات. ومع ذلك ، فإن جمع هذه البيانات يعاني من تحيزات تركيز البحث [48] ومخاوف التكاثر [49]. ومع ذلك ، أصبحت مناهج بيولوجيا الأنظمة تدريجيًا هي المعيار الجديد. تم تقديم مفهوم دراسة النظم في علم الأحياء من قبل ، ولكن بعد ذلك لم تتوفر تفاصيل جزيئية كافية لربط التفاعلات الجزيئية بسلوك النظام [22].

في السنوات الأخيرة ، تم توليد الكثير من الإثارة من الفرص التي قدمتها الوعد بالذكاء الاصطناعي والتعلم الآلي ، ولا سيما التعلم العميق. يمكن لتطبيقات التعلم العميق في بيولوجيا الأنظمة تسريع الاكتشاف عن طريق التضمين المعرفي [50]. يمكن أن يوفر التعلم العميق إجابات دون الحاجة إلى معرفة كل التفاصيل ، ولكن يمكنه أيضًا اكتشاف المعرفة الجديدة التي تجاهلها الباحثون ، على غرار الطريقة التي اكتشفت بها الشبكة العصبية العميقة استراتيجيات جديدة للعبة Go ، وهي استراتيجيات لم يفكر فيها البشر أبدًا لأكثر من 2000 عام من إتقان لعب هذه اللعبة المعقدة [51]. يشهد التطور التكنولوجي أيضًا تقدمًا سريعًا بسبب التقدم في جعل خوارزميات التعلم العميق أكثر سهولة من خلال الأجهزة المتخصصة ومكتبات البرامج سهلة الاستخدام مفتوحة المصدر. في حين أن هذه التطورات تمكن من التقدم ، يمكن أن يتحقق هذا التقدم في بعض الأحيان دون فهم كامل للآثار المستمدة من منظور نظرية الأنظمة المعقدة. في هذا الاستعراض ، حاولت تسليط الضوء بشكل أكبر على أهمية الحصول على فهم أعمق للخلية البشرية كنظام معقد ، وكذلك الأنظمة المعقدة الأخرى من حولنا وداخلنا.


لماذا يتم ربط المناطق منخفضة التعقيد بالاختيار المريح؟ - مادة الاحياء

التطور البيولوجي هو عملية على مستوى السكان يسترشد بها الاختيار ، ويؤدي إلى زيادة تكيف السكان مع الظروف البيئية التي يعيش فيها السكان. يمكن تعريف الثقافة بأنها كمال الإنجازات العقلية والمادية للمجتمع أو للبشرية جمعاء. تقدم نظرية التطور الثقافي تفسيرًا لكيفية تغير الثقافات والمجتمعات بمرور الوقت.

التين. 1. نقل المعلومات في التطور البيولوجي والثقافي. في التطور البيولوجي ، يكون النقل أحادي الاتجاه وعموديًا ، بينما في التطور الثقافي يكون ثنائي الاتجاه ، وعموديًا ، أفقيًا أو مائلًا - وبعبارة أخرى ، يشبه الشبكة.

التطور البيولوجي والثقافي لهما بعض أوجه التشابه ولكن أيضًا العديد من الاختلافات. كلاهما يعتمد على الاختلاف والوراثة والاختيار ، لكن كيف تظهر وتعمل هذه الاختلاف. التطور البيولوجي هو اللاوعي والانتهازي وليس الموجه نحو الهدف ، في حين أن التطور الثقافي واعي ، وفي أفضل الأحوال مخطط له ، ويمكن أن يكون له هدف. في العالم البيولوجي ، مصادر الاختلاف هي الطفرات وإعادة التركيب الجيني. ترتبط الوراثة بالتكاثر ، وتتوسطها الأجيال اللاحقة عبر المادة الجينية. يعمل الانتقاء بطريقتين ، الانتقاء الطبيعي والاختيار الجنسي.

الانتقاء الطبيعي هو القوة التي تختار المتغيرات التي ستبقى على قيد الحياة وستحصل على ذرية قادرة على التكاثر. يعني الاختيار الجنسي أنه عن طريق اختيار الكائنات الشريكة الجنسية في الواقع ، يتم اختيار الجينات التي يتلقاها النسل من الشريك. وهكذا ، فإن شكلي الانتقاء العاملين في العالم البيولوجي يحددان كيف تتطور التكرارات النسبية لأشكال الجينات المختلفة ومجموعات الجينات في مجموعة سكانية معينة ، وهذه العملية هي جوهر التطور البيولوجي. وبهذه الطريقة ، يزداد متوسط ​​اللياقة البدنية للسكان طالما كان هناك تباين وراثي في ​​اللياقة البدنية لدى السكان. وبعبارة أخرى ، فإن تكيف السكان مع الظروف البيئية يزداد باستمرار.

في نظام الثقافة الإنسانية ، تكون مصادر الاختلاف هي أعمال معينة تستند إلى الإبداع البشري ، مثل الابتكارات على سبيل المثال.في التطور الثقافي ، يشكل التقليد وبعض أشكال التعلم الأكثر تقدمًا ما يعادل وراثة التطور البيولوجي. يتمثل أحد الاختلافات المهمة بين التطور البيولوجي والثقافي في حقيقة أنه في السابق يتم إنكار وراثة الخصائص المكتسبة بينما تكون في الأخير جزءًا لا يتجزأ من النظرية. علاوة على ذلك ، في التطور البيولوجي ، يكون نقل المعلومات الجينية أحادي الاتجاه وعموديًا يحدث من جيل الوالدين إلى النسل فقط ، ويحدث مرة واحدة فقط في كل حالة. في التطور الثقافي من جانبه ، يعتمد نقل المعلومات بشكل أساسي على مفاهيم منطوقة أو مكتوبة غير مادية ، وهو ثنائي الاتجاه ، ويمكن أيضًا أن يكون أفقيًا أو منحرفًا ، أي يشبه الشبكة. يمكن أيضًا تخزين المعلومات الثقافية ، ويمكن تكرار نقلها حسب الرغبة. هذه الاختلافات بين التطور البيولوجي والثقافي تجعل الأخير أسرع بكثير من السابق.

في التطور الثقافي ، يكون الشكل الثالث من الاختيار فعالاً. هذا الشكل من الانتقاء ، المسمى بالاختيار الاجتماعي ، ينطوي على التنافس على الموارد الاجتماعية الأخرى غير أفراد الجنس الآخر. في الاختيار الاجتماعي ، تلعب التعليقات التي يقدمها أعضاء المجموعة الاجتماعية التي يعيش فيها الفرد المعني دورًا مهمًا. لذلك ، في الممارسة العملية ، في الاختيار الاجتماعي ، يتم تنفيذ فعل الاختيار من قبل أفراد آخرين غير الشخص الذي ستتأثر لياقته بالاختيار.

تتعامل اللياقة الثقافية مع الخصائص الثقافية مثل الأفكار والأفكار ، ويتم تعريفها على أنها دالة للوقت. فكلما طالت مدة الحفاظ على السمة الثقافية في السكان ، كانت ملاءمتها الثقافية أفضل.

يجب التأكيد على أهمية اللغة كشرط ضروري للتطور الثقافي ، فاللغة هي المضاعف الثقافي المقابل للجين في التطور البيولوجي. الإبداع البشري وقراءة العقل ، القدرة البشرية المحددة على إدراك ما يدور في أذهان الآخرين ، هي محركات محددة للتطور الثقافي.

بيتر بورتين
مختبر علم الوراثة قسم الأحياء
جامعة توركو ، توركو ، فنلندا


شاهد الفيديو: تشريعات المباني وممارسة المهنة مقدمة (سبتمبر 2022).


تعليقات:

  1. Raedburne

    أعتذر عن التدخل .. أنا على علم بهذا الوضع. اكتب هنا أو في PM.

  2. Boda

    أشاركها تمامًا وجهة نظرها. انا اعتقد انها فكرة جيدة.

  3. Moogucage

    نقطة مثيرة للاهتمام

  4. Chaz

    شكرا للمساعدة في هذا السؤال ، هل يمكنني مساعدتك مرادفًا لشيء ما؟

  5. Heathley

    نعم.....



اكتب رسالة