Все выпуски

В настоящей работе представлена методика оценки функционирования сложных систем с учетом типа распределения показателей, характеризующих функционирование структурных элементов такой системы, действующей в условиях неопределенности. В отличие от ранее проведенных исследований, в работе осуществлена интеграция идентификации типа распределения индикаторов с их байесовской оценкой с учетом нормативов, характеризующих требуемые результаты функционирования структурных элементов системы. Тип распределения и его характеристики дают более полную информацию о свойствах объекта, и их учет влияет на результаты оценки функционирования элементов сложных систем, особенно в случаях наличия «тяжелых» хвостов, характерных для ряда социально-экономических процессов и систем. Показано, что идентификацию типа распределения целесообразно осуществлять по модифицированным за счет исключения наилучшего по статистическим характеристикам тренда данным. Определение наилучшего типа распределения осуществляется по критерию согласия Колмогорова–Смирнова, показавшему лучшие (по имеющееся выборке), по сравнению с другими критериями или их смесью, статистические оценки. Полученный тип распределения используется при вероятностной оценке результатов функционирования элементов подсистемы на основе байесовских интеллектуальных технологий, успешно работающих в условиях неопределенности и которые дают возможность представить такие результаты на числовой и лингвистической шкалах в общей иерархической информационной модели. Методика была апробирована на примере объектной подсистемы (пространственно-временная классификация Г.Б. Клейнера) экономической подсистемы Тульской области. В качестве показателей оценки были использованы объемы валового регионального продукта по шести разделам общероссийского классификатора видов экономической деятельности (разделы A, B, C, D, E). В некоторых случаях удается снизить уровень неопределенности в оценках показателей; получить более строгие по отношению к нормативу оценки, что в итоге позволяет сделать вывод, что использование типа распределения при формировании вероятностных оценок показателей структурных элементов сложных систем дает возможность обосновать их корректное применение в рамках концепции доказательного моделирования.

Астроциты, ключевой тип клеток глии центральной нервной системы, характеризуются сложной трехмерной морфологией, которая тесно связана с их многочисленными функциями и меняется при развитии, адаптационной пластичности и патологии. Автоматизированная реконструкция этой морфологии из конфокальных микроскопических изображений остается методической проблемой из-за высокого пространственного разнообразия отростков, зашумленности данных и отсутствия специализированных открытых инструментов. Представлен новый алгоритм для автоматической реконструкции морфологии астроцитов, основанный на комбинации многомасштабного анализа анизотропности и метода быстрого марша. Основное нововведение заключается в построении профиля скорости для уравнения эйконала через нормировку отклика фильтра Сато на величину проекции градиента яркости на направление, перпендикулярное центральной линии отростков, позволяя эффективно выделять осевые линии отростков разного калибра. Для параметризации получаемых деревьев использовались топологические морфологические дескрипторы и анализ степенного распределения узлов графа. Алгоритм был валидирован на открытом наборе данных изображений астроцитов разных стадиях созревания морфологии в ходе развития. Показано, что распределение весов узлов реконструкции подчиняется степенному закону, показатель которого монотонно уменьшается с возрастом, отражая увеличение иерархической упорядоченности морфологии. Низкоразмерное UMAP-представление портретов персистентности, построенных на основе реконструкций, выявило четкую «ось созревания», вдоль которой кластеризуются клетки в соответствии с возрастом животного. Предложенный метод предоставляет эффективный инструмент для количественного анализа трехмерной архитектуры астроцитов, что может найти применение в исследованиях роли астроцитов в работе центральной нервной системы.

В кратком обзоре описаны тематика и выборочные доклады Школ по моделированию сложных биологических систем. Школы явились естественным развитием этого направления науки в нашей стране, местом коллективного мозгового штурма, вдохновляемого такими выдающимися фигурами современности, как А. А. Ляпунов, Н. В. Тимофеев-Ресовский, А. М. Молчанов. На школах в острой дискуссионной форме поднимались общие вопросы методологии математического моделирования в биологии и экологии, обсуждались фундаментальные принципы структурной организации и функции сложных биологических и экологических систем. Школы служили важным примером междисциплинарного взаимодействия ученых разных не только и не столько специальностей, сколько разных мироощущений, подходов и способов отодвигать границу непознанного. Что тем не менее объединяло математиков и биологов, участников школ, так это общее понимание плодотворности данного союза. Доклады, дискуссии, размышления, сохранившиеся в материалах Школ, не потеряли актуальность до сих пор и могут служить определенными ориентирами для современного поколения ученых.

Фотосинтетический аппарат растительной клетки состоит из множества фотосинтетических электронтранспортных цепей (ЭТЦ), каждая из которых участвует в усвоении квантов света, сопряженном с переносом электрона между элементами цепи. Эффективность усвоения квантов света варьирует в зависимости от физиологического состояния растения. Энергия той части квантов, которую не удается усвоить, диссипирует в тепло либо высвечивается в виде флуоресценции. При действии возбуждающего света уровень флуоресценции постепенно растет, доходя до максимума. Кривая роста уровня флуоресценции в ответ на действие возбуждающего света называется кривой индукции флуоресценции (КИФ). КИФ имеет сложную форму, которая претерпевает существенные изменения при различных изменениях состояния фотосинтетического аппарата, что позволяет использовать ее для получения информации о текущем состоянии растения.

В реальном эксперименте, при действии возбуждающего света, мы наблюдаем ответ системы, представляющей собой ансамбль миллионов фотосинтетических ЭТЦ. С целью воспроизведения вероятностной природы процессов в фотосинтетической ЭТЦ разработана кинетическая модель Монте-Карло, в которой для каждой индивидуальной цепи определены вероятности возбуждения молекул светособирающей антенны при попадании кванта света, вероятности захвата энергии либо высвечивания кванта света реакционным центром и вероятности переноса электрона с донора на акцептор в пределах фотосинтетических мультиферментных комплексов в тилакоидной мембране и между этими комплексами и подвижными переносчиками электронов. События, происходящие в каждой из цепей фиксируются, суммируются и формируют кривую индукции флуоресценции и кривые изменения долей различных редокс-состояний переносчиков электрона, входящих в состав фотосинтетической электронтранспортной цепи. В работе описаны принципы построения модели, изучены зависимости кинетики регистрируемых величин от параметров модели, приведены примеры полученных зависимостей, соответствующие экспериментальным данными по регистрации флуоресценции хлорофилла реакционного центра фотосистемы 2 и окислительно-восстановительных превращений фотоактивного пигмента фотосистемы 1 — хлорофилла.

Независимые компоненты, взаимодействующие между собой при помощи комплексного управления, делают работу сложных распределенных вычислительных систем плохо масштабируемой в рамках имеющегося промежуточного коммуникационного программного обеспечения. Можно выделить две основные проблемы масштабирования таких систем: перегрузка неравноценных узлов из-за равномерного перераспределения нагрузки и сложности в реализации продолжительного взаимодействия нескольких узлов системы. В данной работе мы рассмотрели созданное решение позволяющее обеспечивать визуальное отображение работы такой динамической системы.