[{"@context":"http:\/\/schema.org\/","@type":"BlogPosting","@id":"https:\/\/wiki.edu.vn\/wiki29\/2021\/11\/29\/evolution-in-variabler-umgebung-wikipedia\/#BlogPosting","mainEntityOfPage":"https:\/\/wiki.edu.vn\/wiki29\/2021\/11\/29\/evolution-in-variabler-umgebung-wikipedia\/","headline":"Evolution in variabler Umgebung \u2013 Wikipedia","name":"Evolution in variabler Umgebung \u2013 Wikipedia","description":"before-content-x4 Evolution in variabler Umgebung (VORABEND) ist ein Computerprogramm, das entwickelt wurde, um mikrobielles Zellverhalten in verschiedenen Umgebungen zu simulieren.","datePublished":"2021-11-29","dateModified":"2021-11-29","author":{"@type":"Person","@id":"https:\/\/wiki.edu.vn\/wiki29\/author\/lordneo\/#Person","name":"lordneo","url":"https:\/\/wiki.edu.vn\/wiki29\/author\/lordneo\/","image":{"@type":"ImageObject","@id":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/44a4cee54c4c053e967fe3e7d054edd4?s=96&d=mm&r=g","height":96,"width":96}},"publisher":{"@type":"Organization","name":"Enzyklop\u00e4die","logo":{"@type":"ImageObject","@id":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","url":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","width":600,"height":60}},"image":{"@type":"ImageObject","@id":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","url":"https:\/\/wiki.edu.vn\/wiki4\/wp-content\/uploads\/2023\/08\/download.jpg","width":100,"height":100},"url":"https:\/\/wiki.edu.vn\/wiki29\/2021\/11\/29\/evolution-in-variabler-umgebung-wikipedia\/","wordCount":1755,"articleBody":"     (adsbygoogle = window.adsbygoogle || []).push({});before-content-x4Evolution in variabler Umgebung (VORABEND) ist ein Computerprogramm, das entwickelt wurde, um mikrobielles Zellverhalten in verschiedenen Umgebungen zu simulieren.  Die Vorhersage zellul\u00e4rer Reaktionen ist ein sich schnell entwickelndes Thema in der Systembiologie und Computerbiologie.  Ziel ist es, das Verhalten eines bestimmten Organismus als Reaktion auf eine Reihe von Umweltreizen vorherzusagen in silico.  Solche Vorhersagen k\u00f6nnen einen erheblichen Einfluss auf die Pr\u00e4ventivmedizin, die Biotechnologie und das Mikroben-Reengineering haben.  Die computergest\u00fctzte Verhaltensvorhersage hat zwei Hauptkomponenten: die Integration und Simulation riesiger biologischer Netzwerke und die Erzeugung externer Reize.  Derzeitige Einschr\u00e4nkungen der Methode sind: Mangel an umfassenden experimentellen Daten zu den verschiedenen zellul\u00e4ren Subsystemen und unzureichende Rechenalgorithmen.       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Table of Contents\u00dcberblick[edit]Programmkomponenten[edit]Mobilfunkmodell[edit]Umweltmodell[edit]Rechenrahmen[edit]Programm\u00fcbersicht[edit]Programmfunktionen[edit]Generationsbasierter Simulator[edit]Echtzeitsimulator[edit]Verschiedene Arten von Simulationen[edit]Vorhersageergebnisse[edit]Nachteile[edit]Verweise[edit]Externe Links[edit]\u00dcberblick[edit]Ein Organismus, der lernt, sein Verhalten und seine Genexpression basierend auf zeitlichen Wechselbeziehungen zwischen Umweltfaktoren zu modulieren, besitzt einen Wettbewerbsvorteil gegen\u00fcber anderen Organismen, die solche Vorhersagen nicht treffen k\u00f6nnen.  Zum Beispiel erm\u00f6glicht es dem Organismus zu lernen, wann N\u00e4hrstoffe in der Umwelt vorhanden sind, selektiv Gene zu exprimieren, die die Nahrungsquelle aufnehmen, wodurch der Organismus Energie gewinnen kann.Die Modellierung dieser Verhaltensmuster selbst einfacher Bakterien stellt gewisse Herausforderungen.  Angesichts der Vielfalt biologischer Systeme scheint die Zahl der Verhaltensreaktionen auf eine Umweltver\u00e4nderung nahezu unendlich zu sein.  Neuere Studien haben jedoch gezeigt, dass biologische Systeme f\u00fcr eine bestimmte Umgebung optimiert sind und daher relativ spezifisch auf Reize reagieren.  Diese Spezifit\u00e4t vereinfacht die Berechnungen erheblich.       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Die zweite Herausforderung sind die scheinbar zuf\u00e4lligen Umweltereignisse.  Da zirkadiane oder zeitliche Zyklen wie Tag- und Nachtzeit oder die verschiedenen Jahreszeiten ausgeschlossen werden, sind viele Ereignisse in der Umwelt unvorhersehbar, wie Wettermuster, Wassersalzgehalt und Sauerstoffgehalt.  Es stellt sich jedoch heraus, dass bestimmte Umweltfaktoren zeitlich gekoppelt sind.  Beispielsweise korreliert ein Anstieg der Wassertemperatur h\u00e4ufig mit einem Anstieg des Wassersalzgehalts.  Diese Beziehungen erm\u00f6glichen es Organismen, rechtzeitig auf bestimmte Umweltfaktoren zu reagieren und so ihre biologische Fitness zu steigern.Die Vorhersage zellul\u00e4rer Reaktionen ist f\u00fcr Wissenschaftler, \u00c4rzte und Bioingenieure gleicherma\u00dfen von gro\u00dfem Interesse.  Beispielsweise kann die Untersuchung, wie ein bestimmter Organismus auf \u00e4u\u00dfere und innere Reize reagiert, Einblicke in die Mechanismen der Evolution geben.  Gleichzeitig kann dieses Wissen \u00c4rzten und Gesundheitsbeh\u00f6rden helfen, die Infektionszyklen von krankheitserregenden Bakterien und Protisten zu verstehen und pr\u00e4ventive Ma\u00dfnahmen zu ergreifen.  Schlie\u00dflich kann das Wissen dar\u00fcber, wie sich Bakterien unter verschiedenen Stimuli verhalten, die Entwicklung von gentechnisch ver\u00e4nderten Bakterien erleichtern, die bestimmte Funktionen erf\u00fcllen, wie beispielsweise das Beseitigen von \u00d6lverschmutzungen.  Diese Beispiele sind nur einige der vielen Anwendungen der Verhaltensvorhersage.[1]Programmkomponenten[edit]Mobilfunkmodell[edit]Mit der raschen Erweiterung des menschlichen Verst\u00e4ndnisses der Zell-, Molekular- und chemischen Biologie wurden umfangreiche Daten zu Stoffwechselwegen, Signal\u00fcbertragungswegen und Genregulationsnetzwerken generiert.  Cellular Modeling versucht, diese Pfade mit Hilfe von Computern zu analysieren und zu visualisieren.  Ein wesentlicher Teil von EVE ist dem Schreiben von Algorithmen, Datenstrukturen und Visualisierungswerkzeugen f\u00fcr diese biologischen Systeme gewidmet.Umweltmodell[edit]Die H\u00e4ufigkeit des Auftretens von Umweltfaktoren liegt zwischen zwei Extremen: den vollst\u00e4ndig periodischen Ereignissen und vollst\u00e4ndig zuf\u00e4lligen Ereignissen.  Bestimmte Ereignisse erscheinen, wenn sie isoliert betrachtet werden, v\u00f6llig zuf\u00e4llig.  In Verbindung mit einem anderen Ereignis k\u00f6nnen diese Ereignisse jedoch sehr \u201evorhersehbar\u201c erscheinen.  Solche Beziehungen k\u00f6nnen auf mehreren Zeitskalen existieren, die die hochstrukturierten Lebensr\u00e4ume freilebender Organismen widerspiegeln.  EVE versucht, diese Zwischenereignisse zu modellieren.       (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4Rechenrahmen[edit]Die meisten Zellmodelle basieren auf einzelligen Mikroben.  Da diesen einfachen Organismen ein komplexes neuronales Netzwerk fehlt, konzentriert sich die Computermodellierung auf die verschiedenen biochemischen Wege der Zellen, wie Transkription, Translation, posttranslationale Modifikation und Protein-Protein-Interaktionen.  Es gibt eine Vielzahl von Algorithmen und Programmen, die versuchen, diese Art von Interaktionen zu modellieren.Programm\u00fcbersicht[edit]EVE ist ein Simulationsframework, das in der Lage ist, pr\u00e4diktive interne Modelle f\u00fcr komplexe Umgebungen zu modellieren.  EVE operiert nach dem \u201ezentralen Dogma\u201c, der Annahme, dass alle biochemischen Stoffwechselwege die folgenden Schritte durchlaufen: DNA => RNA => Protein.  Dar\u00fcber hinaus entwickeln sich die biochemischen Netzwerke asynchron und stochastisch.  Diese beiden Annahmen erm\u00f6glichen die Simulation der zeitlichen Dynamik von Kaskaden biochemischer Interaktionen\/Transformationen.Aufbauend auf fr\u00fcheren Versuchen, zellul\u00e4res Verhalten wie etwa zirkadiane Rhythmen zu simulieren, integriert EVE laut seinen Machern \u201eviele Merkmale, die den biochemischen, evolution\u00e4ren und \u00f6kologischen Realismus unserer Simulationen verbessern, Merkmale, die f\u00fcr die Simulation mikrobieller Regulationsnetzwerke in der Kontext der Interaktionen mit der Umwelt.\u201c[2]  Das Programm ber\u00fccksichtigt alle molekularen Spezies und ihre Interaktionen, einschlie\u00dflich, aber beschr\u00e4nkt auf RNA, mRNA und Proteine.  Jede Komponente wird durch einen sogenannten Node repr\u00e4sentiert, der simulierte biologische Parameter wie basale Expression, Abbau und Regulationsst\u00e4rke enth\u00e4lt.  Das Programm verkn\u00fcpft diese Knotennetze miteinander und simuliert die Interaktionen zwischen den einzelnen Knoten.Jeder Reaktionsweg wird so modelliert, dass er hohe energetische Kosten hat.  Der k\u00fcnstliche Organismus nimmt Energie in Form von \u201eNahrung\u201c aus der Umgebung auf, wobei jeder Interaktionsweg viel Energie verbraucht.  Dieser Aufbau erzeugt einen Selektionsdruck, der die Energieminimierung beg\u00fcnstigt.Zellen in silico werden in diese Computer\u00f6kologie eingeordnet und k\u00f6nnen miteinander um Ressourcen konkurrieren.  Die Verteilung der Ressourcen wird zeitabh\u00e4ngig festgelegt.  W\u00e4hrend jeder Runde werden zuf\u00e4llige Mutationen und St\u00f6rungen in die biochemischen Wege eingef\u00fchrt.  Am Ende jeder Runde werden die Zellen mit der niedrigsten Energiezahl eliminiert.  Dies selektiert nach Zellen, die in der Lage sind, die Energieaufnahme zu maximieren, indem sie die Expression ihrer Stoffwechselwege in einem bestimmten Zeitraum optimieren.Programmfunktionen[edit]Generationsbasierter Simulator[edit]Eine Population mit fester Gr\u00f6\u00dfe erh\u00e4lt ein vordefiniertes \u201eEnergiepaket\u201c.  An einem bestimmten Punkt w\u00e4hrend der Simulation werden die Pfade der Zelle Mutationen unterzogen und die Eigenschaften jedes Knotens werden aktualisiert.  Nach dem Ende einer Runde werden die Zellen basierend auf einer Wahrscheinlichkeit ausgew\u00e4hlt, die direkt proportional zu ihrer erworbenen Energie ist.Echtzeitsimulator[edit]\u00c4hnlich wie beim generierungsbasierten Simulator erhalten Zellen zu Beginn der Simulation ein vordefiniertes Energiepaket.  Zu jedem Zeitpunkt des Experiments k\u00f6nnen die Zellen jedoch mutieren oder absterben.Verschiedene Arten von Simulationen[edit]Basierend auf dem Selektionsdruck wurden die verschiedenen Simulationen in die folgenden Gruppen eingeteilt: – Delayed Gates: Signale und Ressource sind durch ODER, UND, XOR, NAND, NOR dynamische Logikfunktionen verbunden.  – Multi-Gates: Signale und Ressource sind austauschbar durch Kombinationen von ODER-, UND-, XOR-, NAND-, NOR-dynamischen Logikfunktionen verbunden.  -Oszillatoren: Selektionsdruck zur Entwicklung des oszillatorischen Ausdrucks von RP1 mit oder ohne ein periodisches F\u00fchrungssignal.  – Bistabile Schalter: Auswahldruck zur Entwicklung der Bistabilit\u00e4t in Umgebungen, in denen zwei Umgebungssignale als EIN\/AUS-Impulsschalter arbeiten.  -Dauer\/Varianz-Sperre: Selektionsdruck zur Entwicklung von Netzwerken, die die Dauer einer Umweltressource mit schwankender Dauer oder Phasenvarianz vorhersagen.Vorhersageergebnisse[edit]Nach einigen tausend Generationen produzierte die Simulation Organismen, die ihre \u201eMahlzeiten\u201c anhand zeitlich verkn\u00fcpfter Umweltsignale vorhersagen konnten.  Dieses Evolutionsmuster wiederholte sich f\u00fcr jede Art der oben genannten durchgef\u00fchrten Simulationen.  Die Ergebnisse dieser Studie veranlassten die Wissenschaftler, experimentell umzuprogrammieren E coli Zellen in vivo.  Normalerweise, E coli schaltet auf anaerobe Atmung um, wenn eine signifikante Temperatur\u00e4nderung auftritt.  Den Prinzipien der Simulation folgend, konnten die Wissenschaftler die Bakterien jedoch dazu bringen, die aerobe Atmung zu aktivieren, wenn sie h\u00f6heren Temperaturen ausgesetzt waren.  Diese Experimente zeigen, wie solche Simulationen wichtige Einblicke in die zellul\u00e4ren Reaktionswege eines Bakteriums liefern k\u00f6nnen.[3][4]Nachteile[edit]Simulationen ben\u00f6tigen viel Rechenleistung und Zeit.  Das EVE-Framework verwendet Multi-Knoten-Supercomputer-Cluster (BlueGene\/L und Beowulf), die in der Simulation von \u00fcber 2 Jahren f\u00fcr eine durchschnittliche 500-Knoten-Workload liefen E coli.  Die richtige Datenmenge ist f\u00fcr den Erfolg des Programms entscheidend.  Da das Programm Informationen \u00fcber bekannte Stoffwechselwege und Wechselwirkungen integriert, sind solche Simulationen nur f\u00fcr Organismen sinnvoll, deren wesentliche biochemische Stoffwechselwege weitgehend aufgekl\u00e4rt sind.Verweise[edit]Externe Links[edit]     (adsbygoogle = window.adsbygoogle || []).push({});after-content-x4"},{"@context":"http:\/\/schema.org\/","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"item":{"@id":"https:\/\/wiki.edu.vn\/wiki29\/#breadcrumbitem","name":"Enzyklop\u00e4die"}},{"@type":"ListItem","position":2,"item":{"@id":"https:\/\/wiki.edu.vn\/wiki29\/2021\/11\/29\/evolution-in-variabler-umgebung-wikipedia\/#breadcrumbitem","name":"Evolution in variabler Umgebung \u2013 Wikipedia"}}]}]