生物世界的自组织现象与可能的机理.pdfVIP

生物世界的自组织现象与可能的机理 李衍达 清华大学自动化系／生物信息学教育部重点实验室，北京，100084 在生物系统中，经常可以观察到自组织现象，系统的一些参数表现出与尺度无关的特性。 例如，代谢网络，物种间协同进化过程，以及tntemet中的BBSID。networks都可以观察到 类似情况。这种与尺度无关特性出现的机理，可能在于在演化进程中，其变异(或联结)具 有倾向于聚集中心的偏好性，也就是说，引起演化的变异不是纯随机的，而是趋向聚集中心 的变异概率更大。由Bamb磊si与Albert提出的BA模型，其机理为“线性偏好联结”特性。 若网络中某顶点其最近邻的顶点数称为“度”，假定有七个最近邻顶点，若一个新的顶点加 入该网络，那么，新顶点连接到具有“k”度的顶点的概率正比与计％，％为一个常数。由 此可知，越具有聚集性的项点与新加入的顶点连接的概率就越大。进一步，由BA模型可以 观察到其聚集系数与尺度无关的特性。对广义的BA模型，我们通过仿真还可以看到其“度” 与“聚集度”的概率均出现与尺度无关特性，而且这两者的尺度特性之间存在某种关系。 另外，从物种间协同进化过程，也可以看到地球上生态系统与复杂系统的联系。我们曾 构建生态系统协进化模型(MCEM：ModelofCoevolutionof basedonMarkov Ecosystem Chain)。仿真结果表明，生态系统也出现雪崩进化效应，物种间的相互依赖关系能够加速生 态系统的进化过程。利用MCEM模型可以模拟生态系统的进化幕，即各个生态系统的进化 阶段，仿真结果与实际情况是一致的。 为什么生物系统采取倾向于聚集中心的偏好性呢?我们在进化计算模型中改变原来的 基因随机变异的策略，改为向聚集方向以更大概率变异的“定向变异”策略。结果发现，将 定向变异与随机变异相结合或利用定向变异，都能大大加快优化的进程，在各种情况下，其 优化结果均优于随机变异。 由于生物系统是一个复杂系统，复杂系统在其演化过程中，并不是按照已有的模式，也 不是按照最优方式演化；而是具有一定的偶然性，按照临近偏好方式，逐渐形成某一趋势。 因此，复杂系统的演化也不是无序的，但对其中新演化的部分，还难以预测。这个过程有点 像美国司法系统的案例引用，所以，对于系统中新形成的部分可以采用案例分析法进行分析。 其演变方式可看为是案例和偏好的结合，而其分析方法可以通过案例和偏好得到其统计特 性，再进行建模和预测。复杂系统的演化结果使得生物系统既有鲁棒性、代偿性、适应性， 又有脆弱性。复杂系统的多通道部分具有鲁棒性和代偿性，但如果其关键结点受到攻击，则 系统可能崩溃，而导致脆弱性。 综上所述，生物系统在演化过程中采用了向聚集中心变异的偏好性，这使得生物能更 快、更好的产生对环境的适应性，因而，生物就采用了这样的策略从而使其更适于生存—— 这是自然选择的结果。这种有偏好的变异使得生物系统的演化具有一定的特点，即演化既不 是按已有的模式，也不是按最优方式，因此，其演化是不可预测的，但在其形成模式后，又 具有统计特性。因此，在分析方法上，可以对已形成的模式使用统计学习方法，而对刚出现 的部分使用案例推理法。这种演化结果产生的生物系统具有了适应性、鲁棒性、代偿性，但 同时又具有脆弱性。 、