Hành trình Khoa học, Không gian và Thời gian!
Một phân tích mới tinh vi quá kết hợp các chiến lược toán học tiên tiến có thể giúp cách mạng hóa cách các nhà nghiên cứu điều tra sự lây lan và phân phối các vec tơ bệnh nguy hiểm, tiến triển nhanh.
Mô hình của họ, kết hợp các chiến lược toán học tiên tiến, có thể giúp cách mạng hóa cách các nhà nghiên cứu điều tra sự lây lan và phân phối các vec tơ bệnh nguy hiểm, tiến triển nhanh.
Nghiên cứu đột phá là sự hợp tác liên ngành giữa nhà toán học sau tiến sĩ Somayeh Mashayekhi và nhà sinh học tính toán Peter Beerli, cả hai thuộc Khoa tính toán khoa học của FSU. Phát hiện của họ đã được công bố trên tạp chí Proceedings of the National Academy of Science .
“Chúng tôi là ứng dụng đầu tiên của phép tính phân số cho di truyền dân số,” Beerli nói. “Điều này sẽ giúp chúng tôi đưa ra ước tính tốt hơn về số lượng có thể quan trọng để chống lại mầm bệnh.”
Mô hình của nhóm, được gọi là f-hợp nhất cho việc sử dụng tính toán phân số mới, theo dòng dõi của một mô hình tương tự nhưng hạn chế hơn được gọi là n-hợp nhất. Được đề xuất bởi nhà toán học người Anh John Kingman vào năm 1982, sự hợp nhất n cho phép các nhà khoa học đưa ra những tuyên bố thống kê về quá khứ của một dân số sử dụng dữ liệu thu thập được trong hiện tại.
“Sự hợp nhất n đã đưa ra một cái nhìn hồi tưởng về mối quan hệ giữa các cá nhân,” Beerli nói.
Nó cho phép các nhà nghiên cứu sử dụng các mẫu gen từ dân số để đưa ra các tuyên bố xác suất về nguồn gốc của các biến thể gen khác nhau trong quần thể đó. Điều này đã mang lại cho các nhà khoa học cái nhìn sâu sắc chưa từng thấy về các kịch bản và tương tác giúp hình thành sự biến đổi trong một loài theo thời gian.
Nhưng đối với tất cả các lợi thế lý thuyết đột phá của nó, sự hợp nhất n có một trở ngại lớn: Mô hình hoạt động theo giả định rằng dân số là đồng nhất. Đó là, nó giả định rằng mỗi cá nhân chia sẻ kinh nghiệm giống hệt nhau, với cùng một nghịch cảnh đe dọa sự sống còn của họ và cùng lợi ích mang lại cho họ một sự cạnh tranh mạnh mẽ.
Đây là nơi mà sự hợp tác mới của nhóm FSU tiến bộ so với người tiền nhiệm. Mô hình của họ cho phép tăng tính không đồng nhất môi trường, đặc biệt là trong khoảng thời gian và địa điểm. Những phụ cấp này giúp mang lại hình ảnh rõ ràng hơn khi các biến thể di truyền khác nhau xuất hiện – thông tin rất quan trọng trong việc phân tích mầm bệnh phát triển nhanh chóng để đáp ứng với các môi trường khác nhau.
Trong nghiên cứu của họ, Beerli và Mashayekhi đã áp dụng hợp nhất f cho ba bộ dữ liệu thực: dữ liệu trình tự ty thể của cá voi lưng gù, dữ liệu ty thể của ký sinh trùng sốt rét và dữ liệu bộ gen hoàn chỉnh của chủng vi-rút cúm H1N1.
Họ phát hiện ra rằng mặc dù tính không đồng nhất của môi trường dường như ít ảnh hưởng đến bộ dữ liệu cá voi lưng gù, dữ liệu về cúm và sốt rét cho thấy nên xem xét tính không đồng nhất khi đánh giá mầm bệnh phát triển nhanh do thay đổi áp lực chọn lọc.
Mashayekhi nói: “Sự không đồng nhất có ảnh hưởng đến thời gian trong phả hệ”. “Sự kết hợp f sẽ dẫn đến các ước tính tốt hơn về thời điểm này, điều này sẽ dẫn đến những thay đổi quan trọng trong việc phân tích mầm bệnh.”
Trong khi hợp tác f đưa ra một phương pháp mới đầy hứa hẹn để cải thiện sự hiểu biết của chúng ta về sự phát triển biến đổi và năng động của các mầm bệnh này, các nhà nghiên cứu cho biết mô hình này cần được mở rộng hơn nữa để tính đến nhiều yếu tố có thể ảnh hưởng đến dân số thay đổi.
“Chúng ta cần mở rộng lý thuyết của mình ra ngoài một dân số duy nhất và bao gồm nhập cư vào mô hình”, Beerli nói. “Chỉ sau đó chúng ta mới có thể tấn công các vấn đề như thay đổi trong việc phân phối cúm hoặc các mầm bệnh phát triển nhanh khác.”
Nghiên cứu được tài trợ bởi Quỹ khoa học quốc gia.
Nguồn tin tức:
Tài liệu được cung cấp bởi Đại học bang Florida . Bản gốc được viết bởi Zachary Boehm. Lưu ý: Nội dung có thể được chỉnh sửa cho kiểu dáng và độ dài.
Tạp chí tham khảo :