Конструирование модели клеточной конкуренции

Общие сведения о клеточной конкуренции

Клеточной конкуренцией является один из самых важных процессов контроля качества, гарантирующий, что развитие организма будет зависеть от здоровых клеток. Учёные распознали секреты, которые лежат в основе клеточной конкуренции, и то, какие особенности способны предопределить выживание клетки. Дефекты в процессе воспроизводства энергии обладают решающим значением для того, чтобы клетки стали уязвимыми для ликвидации.

Поскольку многоклеточная жизнь обладает зависимостью от межклеточного взаимодействия, то совсем неудивительно, что это не всегда мирный процесс. Клетки, обладающие более высоким уровнем приспособленности, стремятся устранить клетки с более низким уровнем приспособленности при помощи клеточной конкуренции. Конкуренция клеток появилась как механизм контроля качества и появляется, когда клетки генетически или иным образом имеют отличия друг от друга. У млекопитающих процесс клеточной конкуренции наблюдается, к примеру, при раке, во время гомеостаза органов и во время развития как процесс отбора самых приспособленных клеток у эмбриона и взрослого человека. Тем не менее особенности, которые помогли бы отличить клетки, имеющие статус победителей, от проигрывающих клеток, а также наличие ключевых детерминант клеточной конкуренции в разных биологических контекстах, остаются пока недосягаемыми.

Конструирование модели клеточной конкуренции

Клеточные модели могут иметь практическое воплощение и в социальной жизни людей, например, в модели электоральных процессов. В работах известных специалистов рассматривается ряд контекстуальных моделей электорального процесса. К примеру, предполагается, что избирательные предпочтения индивида могут определяться установками его ближайшего окружения. В одной из моделей делается предположение, что индивид может принимать решение голосовать в момент t + 1 за республиканцев или за демократов согласно правилам простого большинства. Следует принять во внимание взгляды индивида и четырех его ближайших соседей в момент t, то есть, окрестность фон Неймана.

Когда из пяти человек трое или более высказываются за поддержку демократов, то индивид также проголосует за демократов. А когда большинство представляют республиканцы, то индивид и в данном случае разделит точку зрения большинства. В этом случае клеточный автомат обладает двумя состояниями, а именно:

• «1» означает голосовать за республиканцев.
• «0» означает голосовать за демократов.

Очевидно, что приведённую выше модель можно легко реализовать на компьютере. Коллектив специалистов провёл вычислительный эксперимент на решетке 128х128, причём этом начальное распределение было задано случайным образом. Модель была исследована на большом временном интервале, составляющем примерно 20 000 тактов. Исследования показали, что партийная борьба может приводить к очень сложным конфигурациям, которые в существенной степени зависят от исходных распределений. По мнению учёных, эта модель может быть отнесена к четвертому классу клеточных автоматов.

Известно также обобщение данной модели на случай, когда могут быть учтены взгляды индивида и восьми его ближайших соседей, то есть это окрестность Мура. Если из девяти человек пятеро или больше высказываются за поддержку демократов, то индивид тоже будет голосовать за демократов. А когда большинство представляют республиканцы, то индивид и в таком варианте разделит точку зрения большинства.

Приведённый подход базируется на методологии иконно логического моделирования. Следует заметить, что в этом случае возможности моделирования могут быть значительно расширены за счет применения макросов. Возможность корректирования текста макроса, путём вставки операторов цикла и условных переходов, позволяют пользователям самостоятельно выстраивать сложные компьютерные модели, без использования помощи программистов.

Существует ещё модель диффузии инноваций, которая также считается клеточной моделью конкуренции. Индийские ученые разработали следующую модель клеточного автомата. Любой индивид должен соответствовать одной клетке, которая способна находиться в следующих состояниях:

• «1» означает, что новинка принята.
• «0» означает, что новинка пока еще не принята.

Выдвигается предположение, что автомат, который принял новинку один раз, будет принимать её и далее. Автомат может принять решение о новинке, ориентируясь на мнение ближайших соседей, то есть применяется окрестность Мура. Предположим, что в окрестности определённой клетки насчитывается «т» сторонников новинки. Осуществляется генерация случайного числа «р», то есть, вероятность принятия новинки. Если:

рт ≥ r,

где r является фиксированным пороговым значением, то автомат должен принять нововведение, в противоположном случае новинка должна быть отвергнута.

Авторы модели предполагают, что вероятность принятия новинки со временем может уменьшаться, поскольку уровень новизны постепенно понижается. Учёные провели моделирование на решетке, размером 100х100. Процесс эволюции системы рассматривался на временном интервале в сто тактов, если вероятность принятия новинки р = 0,1, и 130 тактов при вероятности р = 0,05. Для обоих случаев было осуществлено пятьдесят прогонов модели. Помимо этого, выполнялось также изучение влияния на поведение модели исходного распределения сторонников новшества.

Для всех временных тактов t осуществлялся подсчёт количества автоматов, которые приняли инновацию (nt). Приведённые авторами графики функции nt показали хороший уровень совпадения с моделью Фишера - Прея. По мнению индийских ученых, клеточное моделирование предоставляет возможность построения значительно более реалистичной модели рынка, чем традиционные подходы к исследованию диффузии инноваций. Основным достоинством такого подхода является возможность эмпирической оценки фактора вероятности «р» принятия новинки. Для этого могут быть использованы данные социологических опросов и материалы фокус-групп. Другим преимуществом предлагаемого подхода является возможность получения оценок требуемого количества сторонников и их пространственного распределения в исходный момент кампании.