Bakterien Rationalisten • Alexey Opayev • Populärwissenschaftliche Aufgaben zu den "Elementen" • Biologie

Rationalisten Bakterien

Aufgabe

Alle, selbst die einfachsten Tiere, müssen ihr eigenes Futter suchen. Aber oft sind die Ressourcen ungleich verteilt: Nahrung findet sich in sogenannten Futterflecken. Überraschenderweise bewältigen viele Bakterien und Wirbellose die Aufgabe, Nahrung ganz rational zu finden – sie finden sie erfolgreich in einer heterogenen Umgebung und entsorgen sie.

Tatsächlich erfordert dieses adaptive und rational aussehende Feed-Suchverhalten keinen "Geist" und kann implementiert werden, indem unabhängig von äußeren Faktoren nur zwei Bewegungstaktiken im Raum geschaltet werden – das heißt, ob diese Art von Bewegung erfolgreich war oder nicht. Was sind das? das sind Taktiken und nach welchem ​​Prinzip Sollten sie wechseln?


Hinweis

In Abb. 1 zeigt ein Fragment (1000 Schritte) der Trajektorie eines künstlich modellierten (auf einem Computer) Agens in Abwesenheit äußerer Stimulation. Die gewünschten zwei Arten von Bewegungen sind in dieser Figur sichtbar, und das Muster ihrer Umschaltung ist wahrnehmbar.

Abb. 1. 1000 Schritte der Bewegungsbahn des künstlich modellierten Agens ohne externe Stimulation. Abbildung aus dem Artikel von V. A. Nepomnyashchikh, 2006. Modelle des autonomen Suchverhaltens

Aufgrund dieses Musters unterscheidet sich die Flugbahn von der zufälligen Brown'schen Bewegung. Daher kehrt der Agent selten zu den bereits besuchten Bereichen zurück und untersucht für eine Zeiteinheit einen großen Bereich. Dies hat adaptive Vorteile, zum Beispiel bei der Nahrungssuche.


Lösung

Die Flugbahn des Tieres kann unter Verwendung aufeinanderfolgender Segmente beschrieben werden (ihre Länge kann gleich oder verschieden sein). Jedes Segment – bewegt sich eine bestimmte Strecke in einer geraden Linie. Daher ist für die Beschreibung der Trajektorie ein solcher Parameter wie der Drehwinkel von Bedeutung. Oder alternativ der Winkel zwischen zwei nacheinander durchlaufenen Segmenten.

Wir beschreiben die gewünschte Taktik anhand dieses Parameters unter der Annahme, dass sie einen von zwei Werten hat: Die erste Taktik (bedingt) ist 90-180 ° (großer Winkel), die zweite – 0-90 ° (kleiner Winkel). Wenn das Tier die erste Taktik immer wieder ausführt, wird dies zu einer mehr oder weniger geradlinigen Bewegung führen. Und wenn man sich an die zweite Taktik hält, wird es sich "an Ort und Stelle drehen". Dies ist das gewünschte Prinzip des Taktikwechsels. Zuerst musst du eine Taktik konsistent durchführen, dann umschalten und für eine Weile bei einer anderen bleiben.Das heißt, der Wechsel der Taktik kann als eine Sequenz 1111222111112221111 … dargestellt werden, wobei 1 und 2 die erste und zweite Taktik sind. Dies ist nichts anderes als Autokorrelation – eine Korrelation zwischen den aufeinanderfolgenden Handlungen eines Tieres (in diesem Fall zwischen dem Drehwinkel in aufeinanderfolgenden Manövern).

Im nächsten Abschnitt werden wir auf diese Weise Beispiele von in Tieren organisierten Bewegungen geben, und dann werden wir über den adaptiven Sinn dieses Verhaltens sprechen.

Verschiebung in Abwesenheit äußerer Reize

Copepoden Temora longicornis Selbst im Aquarium, wo ihre Nahrung (einzellige Algen) gleichmäßig verteilt war, bewegten sie sich nicht zufällig. Sie machten mehrere Bewegungen, fast ohne die Richtung zu ändern. Und dann begannen sie plötzlich, häufig die Richtung zu wechseln und drehten sich an einer Stelle. Ein solcher Wechsel von Richtungsbewegungen und Kreisen ist in Abb. 2

Abb. 2 Weg der Bewegung von Copepod Temora longicornis im dreidimensionalen Raum (auf der linken Seite) und das Auftreten von sich selbst (auf der rechten Seite). Bild von F. G. Schmitt, L. Seuront, 2001. Multifraktaler Irrweg bei Copepoden

Ähnliche Methoden der Bewegung in Abwesenheit äußerer Reize sind auch für Bakterien bekannt. So sieht das spontane Verhalten von E. coli-Bakterien aus. Escherichia coli. Seine Bewegung besteht aus einer Reihe von fast geraden Läufen, abwechselnd mit Rotation an Ort und Stelle und kurzen Bewegungen. Es ist nicht schwer zu erkennen, dass das Schema hier im Wesentlichen das gleiche wie das der Krebstiere ist.

Es ist überraschend, ähnliche Muster in so unterschiedlichen und evolutionär entfernten Organismen zu finden. Außerdem – in einer homogenen Umgebung, dh ohne den Einfluss von externen Faktoren oder Landmarken. Dies deutet darauf hin, dass dieses Verhalten von einem chemischen Prozess abhängt (nicht notwendigerweise bei Bakterien und Krebstieren). Und für E. coli wurde tatsächlich ein solcher Mechanismus gefunden. Es stellte sich heraus, dass der Wechsel einer Reihe von geradlinigen Bewegungen mit einer Reihe von Rotationen durch den chemischen Zyklus der Synthese und Zerstörung des CheR-Proteins in der Zelle erklärt wird. Seine Anhäufung führt zu einer Erhöhung der Rotationswahrscheinlichkeit, und umgekehrt reduziert die Zerstörung und Abnahme der Konzentration diese Wahrscheinlichkeit (Abb. 3).

Abb. 3 Die Häufigkeit von Rotationen von E. coli hängt von der intrazellulären Konzentration des CheR-Proteins ab. Figur aus U. Alon et al., 1999. Robustheit in der bakteriellen Chemotaxis

Was ist Anpassungsfähigkeit und wie verändern externe Anreize die Regeln?

Es stellte sich heraus, dass die beschriebene Organisation der Bewegung – der Wechsel einer Reihe von zwei alternativen Taktiken – es möglich macht, eine zufällige oder gepunktete verteilte Beute recht effektiv zu finden.Dies zeigte zum Beispiel das Studium des Verhaltens von Daphnien Daphnia Magna. Bei der Suche nach Nahrung wechseln diese Krustentiere zwei Arten von Verhalten ab – gerade Würfe in einer vertikalen Ebene und wenden sich in einer zufälligen Richtung, und der Drehwinkel variiert von Fall zu Fall. Die Modellierung des Verhaltens von Daphnien an einem Computer sowie deren Beobachtung im Labor zeigten folgendes. Wenn sich diese beiden Verhaltensweisen in Reihe abwechseln (mehrere Würfe, dann mehrere Umdrehungen usw.), ist es möglich, Nahrung zu finden, die zufällig im Raum verteilt ist (N. T. Dees et al., 2008. Stochastische Resonanz und die Entwicklung von Daphnien Suchstrategie).

Aber der am besten adaptive autokorrelierte Wechsel von zwei Taktiken wird, wenn dieses Muster unter dem Einfluss äußerer Bedingungen modifiziert werden kann. Beachten Sie, dass es sich um Verhaltensänderungen handelt, deren Aussehen nicht von Umweltbedingungen abhängt. Die oben erwähnten Copepoden sind ein gutes Beispiel. Temora longicornis. Wie wir im Bild gesehen haben. 2, in einem Aquarium, in dem Nahrung gleichmäßig verteilt wird, bewegen sie sich nicht zufällig. Hier scheint die Bedeutung dieses Verhaltens unklar. Trotzdem hilft es in der Natur den Krustentieren, erfolgreich Nahrung zu finden.Tatsache ist, dass ihre Nahrung in der Natur normalerweise nicht gleichmäßig verteilt ist, sondern in Gruppen gefunden wird – "Futterflecken". Gefangen in der Ansammlung von Algen, wechseln Krustentiere oft die Bewegungsrichtung, was ihnen hilft, hier zu bleiben und die Futterfläche besser zu nutzen. Außerhalb von Algenansammlungen bewegen sich Krustentiere häufiger entlang einer geradlinigen Flugbahn. Dies ermöglicht ihnen, schnell einen Cluster zu finden, anstatt an einer Stelle zu stagnieren und selten zu den bereits überwachten Bereichen zurückzukehren.

Ein markanteres Beispiel sind die Ergebnisse der Untersuchung von Larven von Köcherfliegen Chaetopteryx villosa. Sie bewohnen den Boden von Süßwasserkörpern. Um die Larven zu schützen, tragen sie ein "Haus" auf sich – eine Sandröhre und andere Partikel, die sie finden können. Die Partikel werden durch einen klebrigen Proteinfaden zusammengehalten. Je größer die Partikel sind, desto schneller und kostengünstiger wird ein Haus gebaut. Im Experiment (Abb. 4, oben) wurden die Larven zusammen mit Sand, Fragmente der Eierschale angeboten. Sie waren größer als Sandkörner, also war es profitabel, die Muscheln zu benutzen. Und die meisten Larven taten genau das (Abb. 4, unten). Allerdings haben sie natürlich nicht alle Teilchen miteinander verglichen, um den größten zu finden. Und handelte sehr einfach.Die Larven bewegten sich entlang des Bodens, bis ein geeignetes Partikel gefunden wurde. Danach blieben sie mit hoher Wahrscheinlichkeit an diesem Ort und begannen die benachbarten Teilchen zu fühlen. Je größer das gefundene Teilchen war, desto mehr Zeit haben sie die nächste Nachbarschaft beobachtet. Gerade an der Stelle, an der sich die Schale ansammelte, waren sie daher am längsten rein wahrscheinlich. Dies führte dazu, dass das "Haus" der Mehrzahl der getesteten Personen dieses Material mehr oder weniger umfasste, was für sie nicht so charakteristisch war.

Abb. 4 Oben – experimenteller runder Korridor mit Sand: Die Köcherfliegenlarve befindet sich auf einem Gelände mit Schalenfragmenten. Unten links – Die Larve versucht die Schale, unten rechts – das fertige Haus, mit diesem Material gemacht. Abbildung aus dem Artikel von V. A. Nepomnyashchikh. 2006. Modelle des autonomen Suchverhaltens

In der Natur ist dieses Verhalten auch adaptiv: Partikel einer ähnlichen Größe sammeln sich schließlich an einer Stelle an. Die Umsetzung ist, wie wir gesehen haben, sehr einfach. Dieser Wechsel einer Reihe von zwei alternativen Aktionen (Bewegung und Inspektion der nächsten Umgebungen).Die Dauer dieser Reihen hängt jedoch von der "Verstärkung" ab (welche Größe Teilchen gefunden wird).


Nachwort

Roboter, künstliche Intelligenz und Tierverhalten

Die oben besprochenen Ergebnisse der Untersuchung des Verhaltens von Tieren sind nicht nur für Biologen von Interesse. Aber auch – in der Robotik und in der Schaffung künstlicher Intelligenz. Als die Entwicklung auf dem Gebiet der künstlichen Intelligenz gerade erst begann, nahmen die Wissenschaftler den folgenden Algorithmus zur Lösung dieses Problems durch diesen "Intellekt" an. Es bestand aus drei Hauptschritten: (1) Sammeln aller für die Lösung des Problems erforderlichen Informationen (2), um es zu analysieren und (3) um die optimale Lösung zu finden und zu deren Umsetzung zu gelangen. Wie Sie sich denken können, ist dieser Ansatz nur in einer einfachen künstlichen Umgebung mit gegebenen Eigenschaften gut. In Wirklichkeit, um zu sammeln das Ganze Informationen können zu teuer sein. Daher brauchen wir einen solchen Algorithmus, der auf Basis bestimmter vorgegebener Verhaltensregeln eine mehr oder weniger optimale Lösung findet, ohne vollständige Daten zu haben.

V. A. Nepomnyaschykh hat dazu in seinem Artikel "Modelle des autonomen Suchverhaltens" (2006) ein Beispiel gegeben.Stellen Sie sich einen Roboter vor, der zu einem unerforschten Planeten geschickt wird, um seine Oberfläche zu untersuchen und geologische Proben mit dem maximalen Urangehalt auszuwählen. Und für eine begrenzte Zeit und mit einer begrenzten Versorgung mit Energie. Mit dieser Formulierung des Problems ist nicht klar, was der "maximale Urangehalt" bedeutet. Tatsächlich ist seine Verteilung in Proben nicht im Voraus bekannt, ebenso wie die Verteilung von Proben über die Oberfläche des Planeten nicht klar ist. Natürlich könnte man einfach eine Vorstudie über das Territorium und verschiedene Proben durchführen. Es ist jedoch nicht im Voraus bekannt, wie viel Zeit und Energie benötigt wird, um genügend Daten zu sammeln. Und die Zeit und Energie des Roboters ist begrenzt. In einer solchen Situation ist es am sinnvollsten, sich so zu verhalten, wie es die Caddis bei der Suche nach Partikeln für sein "Haus" tut: Anstatt "vollständige" Informationen zu sammeln, zu speichern und zu analysieren, werden nur "lokale" Daten verwendet (dh auf Signale reagieren, die gerade wahrgenommen werden). . Und dann handeln Sie nach einigen Suchregeln. So wie es von den Köcherfliegenlarven gemacht wird, erreicht man vielleicht nicht das bestmögliche, aber durchaus akzeptable Ergebnis.

Dieser Ansatz wurde erstmals in der zweiten Hälfte der 1980er Jahre vorgeschlagen. Bei der Schaffung autonomer "denkender" Roboter wurde vorgeschlagen, Verhaltensmodelle nachzuahmen, die von Tieren in ihrem natürlichen Lebensraum durchgeführt werden. Das einfachste dieser Modelle wurde oben kurz diskutiert.

Quellen:
1) V. A. Nepomnyaschikh. Modelle des autonomen Suchverhaltens // "Von Modellen zum Verhalten" (ed. Von VG Red'ko). 2006. M .: URSS. Pp. 200-242.
2) V. A. Nepomnyaschikh. Erhöhte Variabilität im Tierverhalten durch Autokorrelationen // Zeitschrift für Allgemeine Biologie. 2012. T. 73. №4. Ps. 243-252.


Like this post? Please share to your friends:
Schreibe einen Kommentar

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: