Содержание к диссертации
Введение
ГЛАВА 1. Моделирование гормонально управляемого роста линейных многоклеточных структур растительного типа 19
1.1. Биологические основы построения модели роста растительной клеточной структуры 19
1.1.1. Рост и развитие растений 19
1.1.2. Растительные гормоны 21
1.1.3. Ауксины и цитокинины в качестве гормонов роста 22
1.1.4. Транспорт веществ в растении 23
1.1.5. Особенности транспорта ауксина 29
1.2. Моделирование закономерностей роста организмов растительного типа 30
1.3. Гормональная регуляция роста растений 33
1.4. Анализ концептуальной модели роста клеточной структуры 34
1.5. Динамика транспорта гормонов в клеточной структуре 38
1.6. Модель запуска клеточного деления 41
1.7. Алгоритм роста клеточной структуры для вычислительных экспериментов 44
1.8. Программный комплекс для работы с моделью 46
1.9. Расчеты на модели. Интерпретация результатов моделирования
1.10. Выводы 49
ГЛАВА 2. Автоматизированная система научных исследований (АСНИ) физиологических процессов растений в вегетационной камере 50
2.1. Назначение и состав АСНИ 50
2.2. Описание вегетационной камеры 52
2.3. Структура объекта управления 54
2.4. Модель объекта управления 55
2.5. Си стема упр авления вегетационной камеры 5 9
2.6. Поисковые алгоритмы и технические решения, используемые в системе автоматической оптимизации физиологических процессов растений 60
2.6.1. Алгоритм с переменной частотой пробных воздействий 60
2.6.2. Алгоритм упреждения знака реакции инерционного объекта на пробное воздействие 64
2.6.3. Система стабилизации параметров микроклимата в вегетационной камере 68
2.6.4. Автоматический оптимизатор и особенности его использования при работе с вегетационной камерой 69
2.7. Цифро-аналоговая информационно-измерительная система 70
2.7.1. Назначение и структура информационно-измерительной системы І 70
2.7.2. Устройство связи с объектом (УСО) в стандарте КАМАК 72
2.7.3. Программный комплекс информационно-измерительной системы 75
2.8. Цифро-аналоговая система управления вегетационной камерой 79
2.8.1. Цифровая система оптимизации 79
2.8.2. Структура цифро-аналоговой системы управления 81
2.8.3. Назначение и функции программного комплекса системы автоматической оптимизации физиологических процессов (ПК САОФП) 83
2.8.4. Использование интерфейса УСО для управления параметрами объекта 84
2.8.5. Измерительная программа ПК САОФП 84
2.8.6. Программы системы оптимизации 85
2.8.7. Взаимодействие задач системы оптимизации і 86
2.8.8. Обмен информацией в системе оптимизации ' 87
2.8.9. Сервисные программы, вспомогательное программное обеспечение ПК САОФП 87
2.8.9.1. Программная организация доступа к установочным и регистрируемым данным в системной разделяемой области памяти 88
2.8.9.2. Вспомогательные программы и косвенные командные файлы 88
2.8.10. Возможности изменения структуры поисковой системы 89
2.9. Результаты экспериментов 91
2.10. Выводы 94
ГЛАВА 3. Автоматизация микроскопных исследований клеточных препаратов на предметных стеклах 95
3.1. Базовая конфигурация устройств системы автоматизации 95
3.1.1. Состав и взаимосвязи устройств базовой конфигурации системы 95
3.1.2. Учет систематической погрешности установки предметного стекла на подвижном столике микроскопа 98
3.2. Система автоматизации микроскопных исследований хромосомных препаратов ; 102
3.2.1. Назначение системы 102
3.2.2. Программное обеспечение и обработка данных в системе автоматизации микроскопных исследований хромосомных препаратов 104
3.3. Выводы 106
ГЛАВА 4. Моделирование двигательных реакций нервно-мышечной системы человека на основе поисковых алгоритмов оптимизации 107
4.1. Эксперимент по минимизации внешнего раздражения 107
4.2. Модель минимизации внешнего раздражения нервно-мышечной системой 110
4.3. Моделирование сети из мотонейронов и клеток Реншоу 113
4.4. Настройка модели биологической системы управления 121
4.5. Программирование уточненной модели системы управления координированным движением 126
4.6. Создание эквивалентного электронного устройства : 130
4.7. Выводы 130
Заключение 131
Библиография 138
Приложения.
- Моделирование закономерностей роста организмов растительного типа
- Алгоритм упреждения знака реакции инерционного объекта на пробное воздействие
- Учет систематической погрешности установки предметного стекла на подвижном столике микроскопа
- Модель минимизации внешнего раздражения нервно-мышечной системой
Введение к работе
Развитие технических средств на базе компьютерной техники создает широкие возможности их практического применения в научных исследованиях. Создание моделей исследуемых процессов и сопровождающих программных комплексов для работы с моделями имеет самостоятельное значение в качестве инструментария вычислительного эксперимента. Кроме того, комплексы программ широко и успешно используются в автоматизированных системах для проведения натурных экспериментов. С помощью программных комплексов осуществляется моделирование исследуемых процессов, программная реализация и настройка теоретически разработанных алгоритмов управления, практическая реализация цифровых систем управления натурными экспериментами.
В работе рассматриваются актуальные задачи по моделированию и разработке комплексов программ, возникающие при управлении процессами, измерениях и регистрации данных в научных экспериментах с объектами биологического типа. К этой категории задач относятся: изучение внутренней регуляции роста и развития растений, оптимизация внешних условий для повышения продуктивности с/х культур, автоматизация анализа микропрепаратов при проведении массового скрининга хромосомных аберраций у человека и исследование реакции человека на внешнее раздражение [62,63].
Самоорганизация биологической материи представляет собой сложное явление, поэтому адекватные модели роста и развития растений, описывающие те или иные универсальные черты этих процессов, вносят реальный вклад в эту область научных познаний. Для понимания сущностных связей, определяющих самоорганизацию целостного растения, актуальным является создание и развитие моделей, которые отражают процессы, управляемые внутренними, т.е. эндогенными
7 факторами [11,14,16]. Среди эндогенных факторов следует выделить действие сигнальных молекул, в особенности, молекул гормонов. Создание и исследование моделей возможного взаимодействия пар гормонов активатор-ингибитор, в которых инициируемые процессы обусловлены синтезом гормонов-регуляторов и их диффузионным переносом в соседние зоны [18,30,31], позволило установить, что чередование зон формирования устьичных клеток и жилок у листьев растений зависит от распределения гормонов-регуляторов. Другой важной функцией гормонов является активация клеточных делений. Известно, что клетки растений для своего деления нуждаются в определенных концентрациях двух фитогормонов, ауксина и цитокинина [10,24]. Эта потребность растительной клетки является одной из ее важнейших черт, не имеющей аналогии у животных или микроорганизмов. Создание и развитие динамической модели регуляции процесса клеточных делений, инициируемых действием двух гормонов, явилось одной из задач представленной работы [3,4,5,6,7]. Модель отражает концепцию самоорганизации роста в целостном растении за счет системы синтеза и транспорта двух гормонов.
Для решения целого ряда задач в исследованиях реакции объектов биологического типа на внешнее воздействие используются алгоритмы автоматического поиска. Применение алгоритмов автоматического поиска обусловлено недостатком априорной информации об объекте управления, его сложной динамикой и отсутствием приемлемых количественных моделей исследуемого процесса. Использование алгоритмов автоматического поиска, разработка и использование сложных систем управления для проведения натурных экспериментов актуальны и по другой причине: стала возможной реализация сложной системы управления в виде комплексов программ, действующих на базе компьютерной техники. Система, построенная по такому принципу, позволяет исследовать изменение физиологических процессов растений
8 при изменении параметров внешней среды. С помощью такой системы управления параметрами внешней среды можно обеспечить экстремальное значение какого-либо важного физиологического показателя, называемого критерием качества, в данном случае, интенсивности фотосинтеза. Следует отметить, что положение экстремума критерия качества в пространстве параметров среды, влияющих на физиологические показатели растений, изменяется во времени, что еще более усложняет задачу оптимизации. В диссертации разработана автоматизированная система оптимизации физиологических показателей роста растений, в которой получение информации об объекте (вегетационная камера с растениями) и управление объектом осуществляется с помощью комплексов программ.
Для проведения массовых обследований населения, направленных на выявление хромосомных аномалий, необходима микроскопная обработка большого объема данных. Только для обследования одного человека требуется проанализировать не менее 1000 микрообъектов субклеточного уровня (так называемых метафаз). В этой ситуации актуальным становится решение задачи компьютерной автоматизации [56] основных процедур при цитогенетических обследованиях с помощью микроскопа. Подключение микроскопа к компьютеру обеспечивает автоматическую передачу координат микрообъектов в компьютер, автоматизацию документирования результатов обследования пациентов и хранение объективной визуальной информации в базе данных. Такой подход позволяет сделать последующий этап обработки результатов - анализ аберраций — независимым от этапа предварительного поиска аберраций. Этот подход реализован в разработанной и представленной в работе компьютерной системе автоматизации микроскопных исследований хромосомных аберраций.
Использование автоматизированного документирования результатов обследования пациентов увеличивает производительность труда цитогенетика. Создание баз данных по уникальным хромосомным аномалиям и болезням расширяет возможности клинической диагностики.
9 Изложенное выше дает основания утверждать, что представленные в работе задачи, такие, как создание моделей роста клеточных структур, исследования объектов биологического происхождения с помощью поисковых систем, создание систем автоматизации цитологических исследований являются актуальными.
Цель работы состояла в создании динамических моделей для использования в вычислительных и натурных экспериментах при исследовании процессов, характерных для объектов биологического типа: роста клеточных структур растений, фотосинтеза растений, минимизации болевого раздражения нервно-мышечным аппаратом человека, а также в разработке и создании комплексов программ на основе полученных алгоритмов и построении систем автоматизации научных экспериментов с объектами биологического типа.
В Главе 1 разработана и предложена динамическая модель гормонально управляемого роста многоклеточных структур растительного типа. Рост клеточной структуры происходит за счет деления клеток. Рассмотрены факторы, определяющие рост растений [12,29], выделены зависимости деления клеток от концентрации гормонов определенных групп — ауксинов и цитокининов. Приведены механизмы синтеза [7,20] и транспорта [8,15] гормонов в растении, которые обусловливают неравномерное распределение этих фитогормонов вдоль продольной оси растения [21,27]. Указаны особенности транспорта ауксина:" Отмечена определяющая роль процессов синтеза и транспорта гормонов в регулировании концентрации гормонов в тканях и органах растения на клеточном и субклеточном уровнях. Рассмотрена концептуальная модель гормональной регуляции роста клеточной структуры растительного типа [1]. В концептуальной модели (ржГТЗ}клеточная структура представляет собой цепочку клеток, связанных единой системой синтеза и транспорта гормонов - ауксина и цитокинина. Сигнальное действие гормонов, запускающее процесс деления клетки, определяется концентрациями
10 гормонов: деление клетки становится возможным, когда концентрации гормонов в ней достигают определенных пороговых значений (сигнальное условие). В свою очередь, концентрации гормонов в произвольной клетке структуры зависят от механизма транспорта гормонов в клеточной структуре. Источниками гормонов являются концевые клетки, синтезирующие гормоны. Модель имитирует эндогенно управляемый рост клеточной структуры, обусловленный делением, главным образом, ее концевых (апикальных) клеток.
В развитие концептуальной модели автором разработана и предложена динамическая модель роста клеточной структуры растительного типа. В модели транспорт гормонов через клетки структуры происходит по типу транспорта ауксина в растении. Исходя из специфики транспорта ауксина, продвижение гормона через клетку можно охарактеризовать некоторым временным интервалом, а транспортные потери при передаче гормонов из клетки в клетку отразить с помощью постоянных коэффициентов. Тогда транспорт и накапливание гормонов в клетках можно описать с помощью линейных звеньев первого порядка. При этом транспорт гормона через срединную клетку, то есть клетку, проводящую гормоны и находящуюся между двумя другими, можно представить с помощью инерционного звена, а накапливание гормона в концевой клетке - с помощью интегрирующего звена. На основании этих представлений и сигнального условия для деления клетки, определенного в концептуальной модели, были разработаны модели деления срединных и концевых клеток, в которых запуск процесса деления управляется изменением концентраций двух гормонов. Как показали эксперименты с клетками в культуре [12], деления клеток являются статистически устойчивыми событиями, причем фиксированным значениям концентраций гормонов соответствует определенная частота клеточных делений: 0=/и/п, где /л - количество поделившихся клеток, а п - общее количество клеток в культуре. Экспериментально полученные зависимости частоты деления клеток от концентрации гормона (при фиксированной концентрации другого гормона) имеют форму кривых, близких к «перевернутой» параболе. В модели зависимость частоты деления клеток от концентрации гормонов идеализированно отражена с помощью эллиптического параболоида ^пмН^тД^Г Поскольку деление клеток носит вероятностный характер, то сигнальное условие, определенное в концептуальной модели, является условием ненулевой вероятности деления клеток. С учетом вероятностного характера деления автором для клеточной структуры были разработана схема моделирования внутренней регуляции клеточных делений двумя гормонами. В вычислительном эксперименте в качестве начальных условий задавалось исходное количество клеток структуры и концентрации гормонов в этих клетках. Запуск деления клетки моделировался с помощью программы генератора случайных чисел с равномерным распределением вероятности. Численное моделирование роста клеточной структуры производилось с помощью модифицированного метода Эйлера. Для исследования динамики роста клеточной структуры в зависимости от параметров транспорта гормонов автором разработан программный комплекс. Графический интерфейс программного комплекса позволяет строить характеристики процессов, происходящих в клеточной структуре и воспроизводить на экране монитора картину роста клеточной структуры. Моделирование показало, что небольшая асимметрия параметров гормонального транспорта приводит к существенной разнице в соотношении «надземной» и «подземной» частей клеточной структуры. Основными областями деления клеток в модели являются концевые области структуры, что соответствует локализации зон деления клеток в живых растениях. Данное исследование получило финансовую поддержку Российского фонда фундаментальных исследований (грант 95-01-01П5а).
В Главе 2 рассмотрена задача оптимизации показателей роста высших растений в натурных экспериментах, проводимых в вегетационной камере
12 закрытого типа. Проведено исследование объекта управления -вегетационной камеры с растениями. Установлено, что вегетационная камера представляет собой многосвязный объект с нелинейными связями между параметрами микроклимата — освещенностью E(t), температурой ДО и относительной влажностью 4/(t), а сами параметры зависят как от контролируемых возмущений, так и от возмущений, вносимых растениями. Растения являются еще более сложным объектом, так как их динамические характеристики зависят от параметров внешней среды, времени суток и возраста растений. Составлена модель объекта, содержащая модель вегетационной камеры в линейном приближении и модель фотосинтеза растений. Рост растений пропорционален интенсивности фотосинтеза. По данным из физиологии растений, зависимость интенсивности фотосинтеза от управляющих параметров внешней среды — освещенности, температуры и влажности - можно считать унимодальной и гладкой на всей области допустимых значений перечисленных параметров. В натурных экспериментах с растениями задача управления ставилась как отыскание и поддержание набора значений параметров микроклимата в камере, соответствующих максимальной интенсивности фотосинтеза растений. Интенсивность фотосинтеза пропорциональна количеству углекислого газа, поглощенному растениями. В экспериментах осуществлялся непрерывный продув воздуха через камеру, и определение интенсивности фотосинтеза Ф у растений производилось по величине разности концентраций углекислого газа на входе и выходе камеры, измеренной с помощью дифференциального инфракрасного анализатора. Для поиска максимума интенсивности фотосинтеза применялась система цифровой оптимизации. В ней использовался алгоритм поиска с переменной частотой пробных воздействий [34], дополненный алгоритмом упреждения знака реакции инерционного объекта на пробное воздействие [32, 49, 50]. В натурных экспериментах применялась двухуровневая система управления: на первом уровне - система автоматического регулирования, на втором - система автоматического поиска (рис. 2.6). Разработана автоматизированная система научных исследований (АСНИ) физиологических процессов растений. АСНИ включает в себя информационно-измерительную систему и систему оптимизации. Информационно-измерительная система предназначена для автоматизации процесса сбора и обработки информации о состоянии объекта при проведении экспериментов по выращиванию высших растений в вегетационной камере. АСНИ объединила многоконтурную систему автоматического регулирования, реализованную на промышленных регуляторах, и цифровую компьютерную систему автоматической оптимизации, связанную с
2. объектом через интерфейс в стандарте КАМАК]^ше^7). Поиск максимума интенсивности фотосинтеза выполнялся за счет коррекции уставок автоматических регуляторов с помощью цифровой системы оптимизации. Для АСНИ автором разработаны два совместно работающих комплекса программного обеспечения; комплекс программ информационно-измерительной системы [41] и комплекс программ системы оптимизации физиологических процессов (САОФП) растений [42]. Автором предложена и разработана конфигурация и программный интерфейс для УСО в стандарте КАМАК, разработано программное приложение MESM для связи программных комплексов с объектом управления и многоконтурной системой автоматического регулирования через УСО. Реализация системы оптимизации в виде программных комплексов открывает широкие возможности «конструирования» системы управления программным способом (изменение на программном уровне алгоритмов управления и функциональных блоков) и изменения параметров системы управления в ходе эксперимента
Разработанная АСНИ принята межведомственной комиссией и опробована в эксплуатации на вегетационной камере Института физиологии растений им. К.А.Тимирязева РАН.
В Главе 3 разработана и описана система автоматизации микроскопных исследований хромосомных препаратов, предназначенная для проведения цитогенетического анализа хромосом человека с целью выявления аномалий, вызванных вредным воздействием внешней среды.
Цитогенетический анализ позволяет отличить повреждения хромосом, вызванные химическими мутагенными факторами, от повреждений, связанных с воздействием ионизирующих излучений. Действенным средством для увеличения производительности при цитогенетических исследованиях препаратов является автоматизация поиска и регистрации аномальных хромосом. Процесс выполнения анализов цитогенетических препаратов можно разделить на три этапа: 1) поиск заданных микрообъектов, 2) анализ и/или морфометрические исследования и 3) документирование результатов. Компьютерные системы автоматизации дают возможность разделить этап поиска микрообъектов и этап проведения анализа. Компьютеризация позволяет предварительно выполнять поиск необходимого количества микрообъектов (в ручном или автоматическом режиме, в зависимости от возможностей используемой системы) и запоминание результатов поиска в базе данных. Анализ и классификацию микрообъектов можно проводить позже, используя при этом и компьютер, и микроскоп.
Для системы автоматизации предложена и разработана базовая конфигурация устройств, в состав которой входят: микроскоп, компьютер и устройство связи с цифровым выходом, предназначенное для преобразования координат микрообъекта на предметном стекле препарата {Хм, Yk{} в координаты пера планшета {Хл, Ул } и ввода их в цифровой форме в компьютер ^ем^^Еж^З-}.- В качестве устройства связи, выполняющего функции датчика-преобразователя координат микрообъекта., применен планшет-дигитайзер. При разработке базовой конфигурации устройств рассмотрен процесс измерения координат микрообъектов, преобразования их в цифровую форму и передачи в
15 компьютер. Предложен и разработан алгоритм коррекции первоначальных значений координат микрообъектов в случае повторного исследования препарата. Базовая система пригодна к применению в различных областях техники и научного эксперимента, связанных с микроскопными исследованиями.
На основе базовой конфигурации устройств предложена и разработана система автоматизации микроскопных исследований хромосомных препаратов на предметных стеклах. Система осуществляет следующие функции: автоматическую передачу координат микрообъекта из системы координат предметного стекла в систему координат карты препарата на экране монитора; запись и хранение информации о микрообъектах препарата (координаты и характеристики микрообъектов) в базе данных; коррекцию координат микрообъектов при повторной установке препарата; отображение на экране монитора карты препарата; расчеты, формирование и печать протокола исследований.
Следует отметить отличия представляемой системы автоматизации от автоматических систем обработки препаратов в микроскопных исследованиях. В автоматических системах процесс поиска и регистрации микрообъектов полностью автоматизирован и включает в себя программное управление электроприводом подвижной части столика микроскопа, а также систему ввода поля видимости микроскопа в компьютер с помощью видеокамеры и специализированной видеокарты. Такие системы сложны в настройке, поэтому, как правило, составляют специализацию фирм-изготовителей. Они дороги - их цена составляет несколько десятков тысяч условных единиц. Представляемая в работе базовая система автоматизации не может претендовать на конкуренцию с такими системами автоматической обработки микроскопных препаратов, однако, она обеспечивает определенный уровень автоматизации функций оператора и цитогенетика и обладает тем достоинством, что обеспечивает разделение процессов регистрации и анализа микрообъектов.
Программное обеспечение системы автоматизации выполнено с помощью системы объектно-ориентированного программирования (ООП) Borland С++ Builder.
Система опробована в лаборатории цитогенетики Всероссийского Центра Рентгенорадиологии.
В Главе 4 рассмотрена задача моделирования двигательных реакций участка нервно-мышечной системы человека при действии внешнего раздражения.
Системы управления процессами в живых организмах, начиная с простейших и заканчивая человеком, во множестве ситуаций обеспечивают нахождение таких состояний, при которых достигается наилучшее приближение управляющих параметров к значениям, обеспечивающим оптимальную жизнедеятельность организма при действии возмущений внешней среды [77,79]. Отсюда происходит гипотеза о главенствующей роли автоматического поиска в функционировании биологических систем. Автоматический поиск пригоден не только для решения задач, экстремальных по своей постановке, но и в тех случаях, когда имеется возможность непрерывного получения информации о знаке отклонения управляемой величины от требуемого значения. Процесс поиска характеризуется наличием пробных поисковых воздействий. Не исключено, что такими воздействиями у человека и животных является физиологический тремор [68]. В данном исследовании моделирование базировалось на результатах экспериментов, в которых человек, изменяя положение предплечья, находил точку минимума внешнего раздражения. Величина внешнего раздражения Q зависела от положения объекта - предплечья — в области возможных перемещений S. Иными словами, внешнее раздражение Q рассматривалось
17 как экстремальная (с одним минимумом) функция перемещений объекта хh...,хт обусловленных усилиями п эффекторов - мышц, управляющих движением предплечья:
Задача состояла в том, чтобы найти такие значения х,. =х*,і = 1,...,п в области S: х = (xlt...,xn) єS , при которых {mingCt,,...,) :{хг,...,хп) є S} = Q(x'r..,xl)
Для построения системы управления, осуществляющей поиск значений я,*, желательно располагать информацией о частных производных dQ/dXj минимизируемой функции. Обычно сведения о dQ/dxj получают нахождением производных по времени: dQ/дхі = dQ/dt : дх/dt. Существует достаточно много фактов, свидетельствующих о способности человека и животных реагировать на производную раздражающего воздействия по времени. Известен и тот факт, что не только увеличение, но и уменьшение сигнала раздражения рецепторов в определенных ситуациях сопровождается возбуждением эффектора, т.е. исполнительного органа управляющего устройства, которым в данном случае является нервно-мышечный аппарат. Понятно, что наличие у нервной системы этого свойства является необходимым условием организации процесса минимизации раздражения.
В ходе проведения серии экспериментов и математического моделирования была предложена упрощенная модель системы управления положением предплечья человека. Перемещение предплечья определялось совместным действием двух мышц-антагонистов, выступавших в качестве эффекторов. Датчиками, регистрировавшими раздражение, являлись кожные, суставные и мышечные рецепторы, а формирование сигнала управления осуществляла через восходящие и нисходящие проводящие пути пулы из мотонейронов и клеток Реншоу, расположенные в двигательной зоне головного мозга. Эта работа проводились под
18 руководством д.т.н. Л.Н.Фицнера. Функции отдельных функциональных блоков модели уточнялись с помощью вычислительных экспериментов. Автором разработана схема моделирования уточненной модели. Затем на основании схемы моделирования составлена система уравнений в нормальной форме Коши, предназначенная для проведения вычислительных экспериментов на полученной модели. С помощью модифицированного метода Эйлера система уравнений была преобразована к конечно-разностному виду, пригодному для численного моделирования. На ней были воспроизведены режимы, соответствующих реальным эпизодам экспериментальных исследований. Зависимости, полученные в вычислительных экспериментах на модели, хорошо согласуются с осциллограммами натурных экспериментов по минимизации внешнего воздействия. С целью использования полученного алгоритма в разработках многокоординатных поисковых систем модель была реализована в виде электронного устройства и испытана с помощью электронно-измерительной аппаратуры.
Моделирование закономерностей роста организмов растительного типа
Индивидуальное развитие растительного организма, при котором реализуется наследственная информация в конкретных условиях окружающей среды, происходит на протяжении всего жизненного цикла [24]. Развитие состоит в качественном изменении структуры [15] и функциональной активности растения и его частей (органов, тканей и клеток) и сопровождается ростом - необратимым увеличением размеров и массы всего организма, либо отдельного органа или клетки, В процессе роста и развития новые ткани и органы растения закладываются в меристемах - эмбриональных зонах преимущественного клеточного деления. Меристемы содержат инициальные клетки (инициали), которые способны к делению в течение длительного времени, определяемого условиями существования. Верхушечные меристемы расположены на концах побегов и корней. Боковые меристемы образуют слои клеток вдоль каждого побега и корня (у двудольных растений). В основании молодых междоузлий и листьев функционируют вставочные меристемы. При повреждении растения становятся активными меристемы, из которых регенерируют ткани, органы и целые организмы.
Рост клеточных структур характеризуется двумя этапами - этаном деления клеток и этапом роста клеток за счет растяжения. Для вегетативных клеток высших растений, о делении и росте которых идет речь, характерен способ деления, называемый митозом. Главной особенностью митоза является то, что в результате деления каждая дочерняя клетка получает двойной набор хромосом, тождественный набору хромосом материнской клетки. В процессе митоза происходят сложные, подразделяющиеся на фазы, последовательные изменения структуры ядра и цитоплазмы. У растений этапы митотического цикла контролируются гормонами. Для подготовки и перехода клетки к делению необходимо совместное действие гормонов: ауксина ж цитокинина. Они поддерживают высокий уровень синтеза РНК и белков, высокую интенсивность дыхания, и, по-видимому, инициируют процессы перехода клеток к делению. Возникшие в результате деления клетки переходят к более быстрому типу роста — росту растяжением, существующему только у растительных клеток. Рост растяжением служит важнейшим механизмом, обеспечивающим увеличение площади листовой поверхности, длины стебля и корневой системы, что необходимо в первую очередь, для оптимизации процессов питания.
Возможно, переход к растяжению вызывается изменением соотношения концентраций ауксина и цитокинина и их рецепторов в сторону, менее благоприятную для деления и более соответствующую росту растяжением, поскольку для роста растяжением обязательно присутствие ауксина [Ц]. В клетках высших растений растяжение активируется в основном ИУК (ауксином). Под действием ауксина увеличивается пластическая растяжимость клеточной стенки. Действие ауксина на рост растяжением сопровождается синтезом РНК, белка и образованием полисахаридов и белков, необходимых для процесса клеточного растяжения. . Специализация клеток обеспечивается биохимическими и структурными особенностями, которые позволяют клетке выполнять определенные физиологические или другие функции, необходимые для жизнедеятельности того или иного органа или растения в целом. Специализация часто предопределяется в зоне деления. В основе качественного различия клеток лежат процессы избирательной активности генов. Каждая вегетативная клетка растительного организма в своем геноме і (совокупности генов, локализованных в ядре клетки) содержит полную информацию о развитии всего организма и в определенных условиях может дать начало формированию тех или иных органов или целого растения (свойство тотипотентности). Однако, находясь в составе организма, эта клетка будет реализовывать только часть своей генетической информации. Сигналами (эффекторами) для запуска и развития той или иной генетической программы служат определенные фитогормоны и юс сочетания.
Для выявления сущностных связей, управляющих ростом растения, наиболее ценны те модели, в которых моделируемые процессы определяются эндогенными факторами, т.е. факторами внутреннего происхождения [20]. Среди них, как отмечалось выше, важная роль принадлежит гормонам. Гормоны (от греческого «hormao» - привожу в движение) являются физиологически активными соединениями, с помощью которых осуществляется взаимодействие клеток, тканей и органов, управляющее внутренними процессами развития растения. Гормоны в малых концентрациях необходимы для запуска и регуляции физиологических и морфогенетических программ, определяющих процесс развития структур растения на протяжении всего жизненного цикла [16]. Гормоны образуются в различных тканях и органах растения и действуют в очень низких концентрациях порядка 10" - 10" моль/л [9]. При исследовании двигательных реакций растений - тропизмов - было установлено, что к воздействию внешних факторов наиболее чувствительны верхушки осевых органов растений (сенсорные зоны), а медленная двигательная ростовая реакция осуществляется на другом, расположенном ниже, участке (в «моторной» зоне). В связи с этим было выдвинуто предположение, что воздействие (свет, гравитация и др.), воспринятое сенсорной зоной, передается в расположенную ниже моторную зону с помощью химического стимула. В дальнейшем исследования сосредоточились главным образом на изучении участия этих физиологически активных веществ в процессах роста [29] и ростовых движений. В процессе изучения гормонов стало очевидным, что физиологически активные вещества этого класса принимают участие не только в процессах роста, но и в созревании, старении, в явлениях стресса, транспорта веществ и во многих других.
Следует отметить, что гормональная система растений менее специализирована, чем у высокоорганизованных животных, имеющих обособленные эндокринные железы. В растительных организмах для включения и выключения морфогенетических и физиологических программ нередко используются одни и те же гормоны в разных соотношениях.
Алгоритм упреждения знака реакции инерционного объекта на пробное воздействие
Рассмотрим функциональные элементы и механизмы, обеспечивающие транспорт веществ в растении (рис. 1.1), В зависимости от механизма перемещения веществ и энергетических затрат, в растении различают активный и пассивный транспорт. Пассивным транспортом называют перемещение веществ за счет разности давлений, сил сцепления молекул или путем диффузии по электрохимическому градиенту, т.е., электрическому и концентрационному градиентам. Пассивный транспорт осуществляется без затрат метаболической энергии. Активный транспорт -это трансмембранное перемещение веществ против электрохимического градиента с затратами метаболической энергии. Для переноса веществ в случае активного транспорта служат ионные насосы. Они переносят молекулы различных веществ через клеточную и субклеточные мембраны внутрь клетки и из нее, а таюке из одного внутриклеточного компартмента в другой. Клеточная мембрана - плазмалемма (рис. 1.2) — это оболочка, как правило, прилегающая к клеточной стенке изнутри клетки. Согласно современным представлениям клеточная мембрана состоит из двух слоев полярных липидных молекул, повернутых друг к другу гидрофобными окончаниями [9,21]. Слои асимметричны по составу липидов, т.к. наружная и внутренняя поверхности мембраны обращены в качественно разные гидрофильные среды. Молекулы липидов, входящие в состав мембраны, не закреплены жестко, а непрерывно меняются местами. Кроме липидов в состав мембран входят белки, выполняющие функции ферментов, насосов, переносчиков, ионных каналов, а таюке белки-регуляторы и структурные белки [9]. Подвижность и разнообразие молекул в структуре мембран позволяет выполнять им различные функции: барьерные, транспортные, осмотические, электрические, структурные, энергетические, биосинтетические, секреторные, рецепторно-регуляторные [8] и некоторые другие. Первичным назначением клеточной мембраны было отделение внутренней среды от внешней. Затем в процессе эволюции возникло болыцое количество специализированных внутриклеточных отсеков (компартментов) (рис. 1.2), что позволило клетке создавать отличную от внешней физико-химическую микросреду и осуществлять на разных сторонах мембраны разнообразные, иногда противоположно направленные биохимические реакции.
Одновременно с появлением мембранных барьеров возникли и механизмы трансмембранного переноса ионов, субстратов, метаболитов: пассивного (по химическому и электрическому градиентам) и активного (против электрохимического градиента с затратой метаболической энергии) транспорта.
Перенос ионов через биологические мембраны с использованием АТР или NAD(P)H получил название протонной помпы (ЬҐ-помгш или НҐ-насоса). Она участвует в таких важнейших процессах, как регуляция внутриклеточного рН (рис. 1.2), создание мембранного потенциала, мембранный и дальний транспорт веществ (рис. 1.1), поглощение минеральных солей корнями, рост и др. При активации ЕҐ-насоса мембранный электрохимический потенциал ионов Н4" ( Ари ) возрастает, что означает увеличение его электрического (AW) и химического (АрН) компонентов : А(хн = АЧК + АрН. Оба компонента могут использоваться для перемещения ионов и молекул различных веществ. Электрический потенциал служит энергетической основой для поглощения катионов (К+, Mg2+, Мл2+ , Са2+ и др.), а протонный, химический - для поступления в клетку анионов, Сахаров, аминокислот в симпорте с ионами-Н+, а также для осморегуляции. Действие ионных насосов и осмотический приток воды, вызванный этим действием, играют определяющую роль в существовании и поддержке дальнего транспорта растворов веществ по ксилеме и флоэме.
Осмосом (от греч. «osmos» - толчок, давление) называется диффузия растворителя в раствор, который отделен от растворителя полупроницаемой мембраной, пропускающей только молекулы растворителя, но не молекулы растворенных веществ. В данном случае рассматриваются водные растворы.. Для расчета осмотического давления PQS при постоянной температуре известна следующая формула, предложенная Вант-Гоффом: где с - концентрация раствора в молях, Т - абсолютная температура, R — газовая постоянная, і - изотонический коэффициент, причем: г-1 + а{п-1), где а - степень электролитической диссоциации, п - число ионов, на которые распадается молекула электролита. Осмотическое давление измеряется в Па (Паскалях) и отражает способность раствора поглощать воду.
При загрузке транспортных систем ионные насосы перемещают и локализуют в местах загрузки осмотически активные вещества в избыточной концентрации (рис. 1.1). Это вызывает осмотический приток воды, обеспечивающий избыточное гидростатическое давление для поддержания тока жидкости в транспортной магистрали. В местах потребления работа ионных насосов приводит к выкачиванию доставленных веществ из транспортной магистрали и вызывает осмотический отток воды и падение гидростатического давления.
Идея о том, что механизм флоэмного транспорта определяется действием ионных насосов и явлением осмоса, была развита и экспериментально промоделирована немецким физиологом К.Мюнхом. За счет флоэмного транспорта совершается доставка ассимилятов (у большинства растений это сахароза) из фотосинтезирующих клеток листьев по ситовидным трубкам флоэмы вниз к корневой части растения в места расположения активных и запасающих клеток, а также к другим акцепторам, например, цветам или плодам. Рассмотрим процесс флоэмного транспорта подробнее (рис. 1.1). В листьях сахароза, образовавшаяся при фотосинтезе, посредством ионных насосов активно накачивается в ситовидные трубки мелких листовых жилок. Это вызывает осмотический приток воды из системы ксилємного транспорта и повышение гидростатического давления в этой части флоэмы. Под действием избыточного давления вода с растворенными сахарами перемещается к акцепторам. В потребляющих клетках органов-акцепторов системы происходит активное (за счет работы ионных насосов) выкачивание сахарозы из флоэмных окончаний, что вызывает осмотический отток воды из флоэмы в ксилему.
Учет систематической погрешности установки предметного стекла на подвижном столике микроскопа
В настоящее время для исследований, связанных с! выращиванием высших растений, применяются системы автоматической обработки информации и системы автоматического управления, в которых объектом являются вегетационные камеры с растениями [38,39]. Объединение этих технических средств привело к разработке автоматизированной системы научных исследований (АСНИ) для изучения фундаментальных вопросов физиологии растений и проведения зколого-физиологических исследований (рис. 2.1). В настоящей главе представлены следующие разработки автора: комплексы программ автоматизированной системы научных исследований (АСНИ) физиологических процессов растений, аппаратный и программный интерфейс для связи с объектом - вегетационной камерой с растениями - через систему блоков в стандарте КАМАК. АСНИ объединяет в себе информационно-измерительную систему и систему управления объектом [47,48]. Целью проводимых исследований была оптимизация физиологических показателей роста растений, поэтому для управления объектом применялась поисковая система оптимизации. Одним из основных показателей роста растений является интенсивность фотосинтеза. Как известно, рост растений сопровождается внутренними энергозатратами, а процесс фотосинтеза обеспечивает образование углеводов - основных источников энергии растений [21]. Экспериментально установлено, что интенсивность фотосинтеза (при прочих постоянных условиях) зависит от освещенности растений, температуры и влажности окружающей среды. Существенно, что зависимость фотосинтеза по каждому из этих параметров (при постоянных значениях других параметров) имеет явно выраженный максимум или выход на плато. Положение максимума интенсивности фотосинтеза по каждому из параметров зависит от значений параметров микроклимата в камере, времени суток и возраста растений. На основании изложенного можно считать, что в любой момент времени интенсивность фотосинтеза имеет экстремум при некоторых значениях освещенности Е , температуры Т э и относительной влажности ЧҐ, причем эти значения изменяются во времени: где ФятоюДО можно интерпретировать, как, своего рода, «экстремаль» интенсивности фотосинтеза на всем промежутке времени проведения эксперимента.
Очевидно, что исследование зависимости ФЭ1:стр (?) у различных видов и сортов растений имеет не только научное, но и большое практическое значение для уменьшения сроков вегетации и повышения урожайности при выращивании различных культур.
Вегетационные камеры предназначены для проведения экспериментов с растениями. В вегетационных камерах осуществляется измерение физиологических показателей состояния растений и управление параметрами микроклимата в камере.
Для проведения экспериментов по оптимизации физиологических процессов растений использовалась герметичная вегетационная камера, установленная в Институте физиологии растений РАН им. К.А.Тимирязева, с ручным и автоматическим управлением тремя параметрами: интенсивностью облучения растений в диапазоне от 50 до 750 Вт/м физиологически активной, то есть поглощаемой растениями, радиации (ФАР), температурой воздуха от +10 С до +45С и относительной влажностью 60% - 90%.
Растения размещались в герметичной камере 1 (рис. 2.2) с непрозрачными боковыми стенками, покрытыми светорассеивающим пластиком. Термостатированная кювета 2 для высадки растений закрывалась крышкой 3 с отверстиями для стаканчиков 4, заполненных пластмассовыми гранулами (искусственный заменитель почвы) для закрепления корневой системы растений. В эксперименте растения выращивались по методике водной культуры, когда вместо почвы использовался водный питательный раствор, через который постоянно прокачивался воздух. Конструкция камеры позволяла изменять высоту подвеса кюветы с растениями относительно верхней прозрачной крышки 5 по мере роста растений. Под кюветой располагались: холодильник 6, электронагреватель 7 и увлажнитель 8. Воздух из камеры засасывался в воздуховод 9 центробежным вентилятором 10, подогревался, увлажнялся паром и подавался в камеру через воздуховод 11. Скорость воздуха, поступающего в камеру, регулировалась жалюзийными решетками 15 (максимально до 2 м/сек). Номинальная скорость протока воздуха через камеру составляла 0,5 м/сек. При такой скорости воздуха в максимально загруженной растениями камере вертикальный температурный градиент (по высоте камеры) составлял 2,0С, горизонтальный (по длине камеры) -1,4С. Растения в камере облучались пятью двухкиловаттными металлогалоидными лампами 3 типа ДРН-2000-6. Интенсивность облучения регулировалась изменением положения шторок 14, перекрывающих поток света, и высоты подвеса ламп над камерой. Над камерой располагался водяной экран 12, заполненный водой для поглощения инфракрасной составляющей излучения ламп.
Структурная схема объекта управления (рис. 2.3) содержит собственно вегетационную камеру, растения, устройства для измерения параметров микроклимата в камере (освещенности Е, температуры Т, относительной влажности % интенсивности фотосинтеза Ф) и исполнительные механизмы, которые изменяют параметры микроклимата в камере (освещенность Е, температуру Т, относительную влажность !Р).
Модель минимизации внешнего раздражения нервно-мышечной системой
Из сравнения выражений (2.12) и (2.13) видно, что Г, Т2. Следовательно выходная координата движется к экстремуму дольше, чем от него. За один период времени Тпр =TY-vT2, называемым периодом пробного воздействия, выходная координата приближается к экстремуму на величину: Ах =kM2Ur(Tl2), где кИ1 - коэффициент усиления выходного интегрирующего звена АО, UT - амплитуда напряжения на выходе триггера. В течение следующего периода Тпр2 система вновь приблизится к экстремуму на Ах; и т.д. После окончания процесса поиска отклонение среднего за период пробного воздействия Тпр значения х от х станет равным нулю, и система будет совершать периодические колебания вокруг этого значения с постоянной амплитудой.
При осуществлении поиска из начальной точки, находящейся на левой ветви параболы Q процесс достижения экстремума будет аналогичным. При этом длительность периодов пробного воздействия уменьшается по мере приближения к значению х в силу линейного убывания производной и следовательно, входного сигнала и оптимизатора.
Следует отметить повышенную помехозащищенность рассмотренной схемы от высокочастотной помехи, обусловленную наличием входного интегрирующего звена оптимизатора АО.
При использовании поисковых систем для управления объектами, содержащими инерционности и запаздывания, необходимо учитывать значительное отставание реакции объекта при действии поискового колебания [40]. Так как устойчивая работа системы возможна лишь при сдвиге фаз между пробным воздействием на входе объекта и реакцией на это воздействие на его выходе, не превышающем —, то обычно в таком случае уменьшают частоту пробных воздействий. Но снижение частоты при постоянных параметрах выходного исполнительного устройства приводит, к замедлению процесса поиска и к увеличению амплитуды колебаний выходной величины в установившемся режиме, что увеличивает потери на «рысканье». С целью преодоления этих трудностей в системе оптимизации использовался алгоритм упреждением знака реакции инерционного объекта на поисковое воздействие [3537], который позволяет повысить быстродействие и уменьшить потери на «рысканье» без снижения частоты пробных воздействий и сохраняет при этом устойчивую работу.
Рассмотрим принцип действия одноканальной системы с упреждением знака реакции (Рис.2.8), По сравнению с ранее рассмотренной схемой здесь добавлены элемент упреждения ЭУ, в качестве которого использован одновибратор, и ключ, управляемый этим одновибратором. Система может работать как с линейным, так и с нелинейным формирующим устройством. Для наглядности будем в дальнейшем рассматривать систему с нелинейным УФВС. Механизм упреждения знака реакции инерционного объекта действует следующим образом. Величина Uax с выхода РЭ в зависимости от состояния ключа К подается на вход АО или непосредственно, или через инвертор. Состояние ключа определяется одновибратором ЭУ, который подключает иш через инвертор ко входу генератора Г на заданное время после каждого срабатывания генератора Г. Время включения сигнала и с обратным знаком устанавливается, исходя из динамических свойств объекта управления О. Если в объекте имеется запаздывание сигнала на время тъ, то время включения ищ через инвертор устанавливается равным тъ. В этом случае при изменении знака пробного воздействия на входе О элемент упреждения с помощью ключа К изменяет знак сигнала иш на входе генератора Г. Изменение знака U,K происходит на время запаздывания тг, а по истечении этого времени сигнал подключается на вход Г уже со знаком выходного сигнала объекта. Таким образом осуществляется упреждение знака реакции на пробное воздействие.
Рассмотрим влияние времени упреждения Ту на быстродействие и амплитуду установившихся колебаний в системе (рис.2.8), для случая, когда период пробного воздействия т 2т3. Устойчивую работу системы .можно обеспечить и при меньших периодах пробного воздействия т„р, но это приведет к возникновению дополнительных колебаний в экстремуме, что нежелательно, и этот режим работы системы не рассматривается. Скорость поиска в системе с переменной частотой пробных воздействий определяется выражением.
