cadsc ii - são carlos, julho 2005 a vida por um bit! américo t. bernardes depto física/ufop
TRANSCRIPT
CADSC II - São Carlos, julho 2005
A vida por um bit!
Américo T. BernardesDepto Física/UFOP
CADSC II - São Carlos, julho 2005
Sumário
• Fatos: evolução e envelhecimento• Modelo básicos• Modelos computacionais• Resultados
CADSC II - São Carlos, julho 2005
Estudando populaçõesEstudando populações
Numa população de N(t) indivíduos,que podem ser agrupados em faixasetárias Nj(t), define-se a probabilidadede sobrevivência como:
)()1(1
tNtN
Sj
jj
Tabela de vida parao carneiro montês de Dall
•Num instante de tempo•Variando o tempo
CADSC II - São Carlos, julho 2005
Probabilidade de sobrevivênciapara o carneiro montês de Dall
A queda da probabilidadede sobreviência com a idadeé chamada de senescênciaou envelhecimento.
Diversos fatores podeminfluenciar a distribuiçãode probabilidades
Probabilidade de sobrevivênciada pulga d’água em relaçãoà densidade populacional
CADSC II - São Carlos, julho 2005
Taxa de mortalidade para a população alemã.
0,000100
0,001000
0,010000
0,100000
1,0000001 12 23 34 45 56 67 78 89 100 111
Para a população americana.
Taxa de mortalidade:
)()1(
1 1
tNtN
qj
jj
cxoeqxq )(
Lei de Gompertz
CADSC II - São Carlos, julho 2005
As populações podemvariar com o tempo
Variação da população decarneiros na ilha daTasmânia
Evolução de população damariposa de inverno
“pequenas” flutuações
CADSC II - São Carlos, julho 2005
E onde entram as ervilhas?Em 1866, Mendel publicao resultado de um árduotrabalho de pesquisa, ondesão definidas as idéiasbásicas da hereditariedade
Demora um pouco atéo trabalho de Mendel sernotado. A partir da décadade 1920, são formuladasas bases da modernaTeoria Genética de Populações
Assim, aevolução
de umapopulação será
determinada por:
ReproduçãoMutaçãoSeleção
CADSC II - São Carlos, julho 2005
Em 1953, Watson e Crickapresentam a descobertada dupla hélicedo ADN
A informaçãosobre aconstituiçãode um ser vivo está armazenada no interior dos núcleos das células,nos cromossomos
CADSC II - São Carlos, julho 2005
Envelhecimento!?
ao diabo com isto....
Mefistófeles e Fausto,na vesão de C.Marlowe.
... em biologia, conjunto de modificações inevitáveis e irreversíveis, que acontecem num organismo com o passar do tempo e que finalmente conduzem à morte.
CADSC II - São Carlos, julho 2005
Na reprodução, falhas podem ocorrer na duplicação do DNA, gerando mutações. As mutações são,geralmente, maléficas (deletérias).
As doenças genéticas podemse expressar em diferentes idades. Quanto mais tarde aparecem, maior será sua disseminação entre a população:
As mutações queprovocam doençasque se expressarãoem idades avançadassão fracamenteselecionadas. Há umacúmulo destasmutações napopulação. É esteo principal causadordo envelhecimento.
CADSC II - São Carlos, julho 2005
Sindrome deHutchinson Gilford
Fibrose cística
Doença de Alzheimer
Síndrome de Hutchinson GilfordSíndrome de Hutchinson Gilford:cerca de 20 casos
Fibrose císticaFibrose cística: 1/3900 da populaçãoamericana. Metade dos portadoresmorre antes dos 30 anos
Doença de AlzheimerDoença de Alzheimer: 1,5% da populaçãoamericana. Surge por volta dos 60anos de idade.
CADSC II - São Carlos, julho 2005
Como fazer um modelo?Como fazer um modelo?Ingredientes básicos:•População com estrutura etária ou não•Indivíduo caracterizado pelo genoma
• levar (ou não) em conta o fenótipo•Reprodução
•assexuada ou sexuada•Mutação
• só na reprodução ou também somática•Seleção
•expressão genética•acidentes aleatórios•predação
•Ambiente finito
CADSC II - São Carlos, julho 2005
Classes de problemas• Microevolução
– dinâmica de uma população (Eigen, Charlesworth, Penna, Heumann-Hotzel)
• Coevolução– competição e coexistência de populações (Penna,
Lotka-Volterra)• Macroevolução
– a dinâmica de muitas epsécies (Bak-Snnepen)
CADSC II - São Carlos, julho 2005
Microevolução
Teoria Genética de Populações (1908-)
Somente para casos muito especiais é possível acompanhar o processo evolutivo em estado selvagem.!
Hipóteses fundamentais (teoria clássica)• população constante - supõe-se que a população atingiu um estado de
equilíbrio: balanço seleção-mutação.Para fitness decrescente, implica em uma taxa de natalidade
crescente.Alguns fenômenos são causados pela evolução fora de equilíbrio de
populações finitas: extinção?
CADSC II - São Carlos, julho 2005
• gerações sem interseção - como na reprodução de bactérias. Alguns modelos atualmente trabalham com populações com distribuição etária.
• tamanho do genoma constante – todos os modelos assumem que o genoma permanece com o tamanho inalterado no processo evolutivo.
Isto deve ser alterado para o estudo de especiação.
meio-ambiente constante- o processo evolutivo não altera o meio-ambiente.
A especiação em geral é uma resposta à mudanças no meio-ambiente.
Hipermutação pode ser uma resposta a meio-ambientes muito agressivos
?
?
CADSC II - São Carlos, julho 2005
Modelos para evolução de populações
Os primeiros modelos:O primeiro modelo foi proposto em 1740 porLinnaeus. É o modelo do crescimento exponencial
A população do ano seguinte, depende do tamanho da população hoje e da taxa de crescimento.
CADSC II - São Carlos, julho 2005
dNdt rN 1 N
Nmax
Malthus, em 1800, afimaque o crescimento
deveria ser detido porrestrições ambientais
(falta de comida, espaço....)
Isto influenciouDarwin na sua
proposta deseleção dos
mais aptos (1865)
CADSC II - São Carlos, julho 2005
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
Linh
0,20,20,30,30,40,40,50,50,60,60,70,70,80,80,90,91,0
Mapa logà stico
tempo
popu
lação
relat
iva
Exemplo: = 3,8. Duas séries:Xo=0,200Xo=0,202
Xo
X1= Xo (1- Xo)
X3
...
X2
0,200000 0,2020000,608000 0,6125450,905677 0,9018680,324620 0,3363080,833119 0,8481790,528320 0,4893310,946952 0,9495670,190888 0,1819790,586909 0,5656770,921298 0,9336090,275531 0,2355370,758531 0,6842250,696014 0,8210330,803998 0,5583640,598823 0,9370560,912889 0,2241330,302186 0,6608100,801304 0,8517330,605020 0,4798800,908089 0,9484620,317160 0,1857520,822964 0,5747430,553639 0,9287710,939067 0,2513910,217437 0,7151350,646600 0,7741250,868332 0,6644520,434460 0,8472320,933677 0,4918350,235312 0,949747
X é a população relativa;
é a taxa intrínseca decrescimento.
O mapa logístico representa a evolução de populações com período de acasalamento bem definido.
Xt+1= Xt (1- Xt )
CADSC II - São Carlos, julho 2005
Modelos computacionaisOs modelos mais utilizados são dos tipo bitstring, isto é, o genoma (ou parte dele) é representado por sucessão de bits
cada gene tem dois alelos
Em nosso trabalho, dois modelosvem sendo utilizados: Penna e umaversão adaptada de Charlesworth
CADSC II - São Carlos, julho 2005
O modelo de Penna (1995)O modelo de Penna (1995)Pegue somente os genes cujamutação provoca uma doença genética.Ordene-os, seguindo a cronologiadas doenças que poderão aparecer.
“Genoma cronológico”
Apenas dois alelos0 - normal1 - mutação
Cada posição representaum período na vidado indivíduo (“ano”).
No quarto período de vidaeste indivíduo poderiaexpressar uma doença.
Aquele quesofrer Tdoenças, morre.
Penna TJP, J Stat Phys, 78 (1995)
CADSC II - São Carlos, julho 2005
Como funcionaComo funciona1. Reprodução
cada indivíduo com idade acimade R anos produz a cada ano F filhas.
2. MutaçãoEm cada filha (cópia), M mutações são introduzidasaleatoriamente. 0 -> 1
1 -> 13. Seleção
T doenças expressas matamo indivíduo. Morte também devidoa restrições ambientais.
max
)(1N
tNPsurv
CADSC II - São Carlos, julho 2005
Resultados de uma simulaçãoResultados de uma simulaçãoDados:• No=10.000 • Nmax=1.000.000• R=8• T=3• F=2• M=1• tempo=10.000
CADSC II - São Carlos, julho 2005
CADSC II - São Carlos, julho 2005
O modelo de Penna (SEXO!)O modelo de Penna (SEXO!)
“Genoma cronológico”
Apenas dois alelos0 - normal1 - mutação
No quarto período de vidaeste indivíduo poderia
sofrer uma doença.No décimo,
certamentesofreria
Organismo diplóide:o surgimento de uma doença depende de o gene ser recessivo ou dominante
CADSC II - São Carlos, julho 2005
1. ReproduçãoA partir de uma idade R uma fêmea escolhe aleatoriamente um macho (com idade acima de R) e gera com ele B descendentes.
O genoma do descendente é formado pela “fusão” dos gametas de mãe e pai.
Como funcionaComo funciona
crossing-overe recombinação
CADSC II - São Carlos, julho 2005
2. MutaçãoQuando os dois gametasse unem, M mutações sãoaleatoriamente introduzidas
Definido o novo indivíduo, o sexo é escolhidode forma aleatória, com igual probabilidadepara macho ou fêmea.
3. SeleçãoT doenças expressas matamo indivíduo. Morte também devidoa restrições ambientais.
max
)(1N
tNPsurv
CADSC II - São Carlos, julho 2005
Caos em dinâmica de populações
ATB, Moreira e Castro-e-Silva: EPJ 1, 393 (1998); Castro-e-Silva e Bernardes, PA, 301 (2001)
Ao contrário de uma estabilidade, observamos uma evolução irregular, sugerindo um padrão caótico.
Caso das mariposas do inverno• idade de reprodução bem definida• alta taxa de natalidade• grande predação
CADSC II - São Carlos, julho 2005
Simulação:
A dinâmica do modelo Penna pode ser representada pela equação: X t 1 λt X t 1 X t
Onde X(t) representa a densidade da população e (t) a taxa de crescimento intrínseco da população
No=105
Nmax=10No
M=1R=4T=6B=20; 35
CADSC II - São Carlos, julho 2005
Estudo da série atravésdo “embedding theorem”(Takens and Manè).
Variáveis importantes:time lag (L) e embedding dimension (de)
CADSC II - São Carlos, julho 2005
A existência de vários expoentes de Lyapunov pequenos configura o cenário nomeado por Kaneko de homeochaos.
- caos fraco- alta dimensionalidade- robustez frente a alterações
O caos fraco é importante, pois permite a estabilidade do sistema quando perturbações externas se apresentam.
Grandes oscilações ou alterações rápidas na dinâmica (caos forte) podem levar a poplação a um estado em que não seja capaz de sobreviver.
Como o homeochaos existe numa região mais larga que aquela dada por um ponto crítico (a fronteira do caos), ele é mais robusto para mudanças de parâmetros.
CADSC II - São Carlos, julho 2005
MenopausaMenopausaDo ponto de vista evolucionário, a cessação da reprodução e morteestão intimamente relacionados.Um exemplo é a senescênciacatastrófica do salmão do pacífico.
Assim, é um enigma aexistência de um longo períodode vida após a cessação doperíodo reprodutivo: menopausa.
Moss de Oliveira S, Bernardes AT & Martins JSS,EPJ B 7, 501 (1999)
CADSC II - São Carlos, julho 2005
É muito difundida a idéia de que a menopausa seria um produto dos avanços da civilização: o tempo de vida da mulher ultrapassaria o estoque de óvulos .
Contudo:•existem citações antigas da ocorrência do fenômeno•existência em outras espécies de mamíferos
???
Williams (1957): a menopausa podeter surgido como uma adaptaçãoa um ciclo de vida caracterizado por:envelhecimento, um longo período de dependênciajuvenil e problemas na gravidez e parto.
CADSC II - São Carlos, julho 2005
Novos ingredientes no modelo:•Cuidados maternais: se a mãe morre, todos os
filho(a)s menores que Amc morrerão
•Risco reprodutivo: quando dá a luz, a fêmea temum risco = Gd / T de não sobreviver;
= fator predefinido (0.25)Gd = número atual de doençasgenéticas
•Cessação da reprodução das fêmeas: inicialmente Am=32.
Am(filha) = Am(mãe) 1 com (1-Pm)/2
Am(mãe) com Pm
CADSC II - São Carlos, julho 2005
No = 1600Nmax= 160000M = 2R = 10T = 4 = 0.25Amc=5Pm=0.5
• Simulações
Evolução temporal da idade de cessação da reprodução para a população de fêmeas. <Am> (acima), m (abaixo)
CADSC II - São Carlos, julho 2005
Distribuição de idade de menopausa:círculos - Amc=5; diamantes - Amc=0
Taxas de sobrevivência:círculos (cheios: M; abertos F) para Amc=5; dimantes - Amc=0
CADSC II - São Carlos, julho 2005
Quando penicilina e outras drogas antibióticas foram descobertas ou desenvolvidas, imaginou-se que tínhamos as armas definitivas para eliminar bactérias
Contudo, cada vez aparecem novos microorganismos cada vez mais resistentes.
Esta resistência a ambientes extremamentes hostis pode ocorrer naturalmente devido a processo de regulacão metabólica.
Será que isso violaria as definicões mais fundamentais da teoria da evolucão?
Evolução em ambientes mutáveis
Fehsenfeld, Dickmann, ATB, PRE (2003)
CADSC II - São Carlos, julho 2005
O problema aqui é simular a dinâmica de uma população que evolui num meio ambiente que pode alterar-se bruscamente.
Definimos uma população de (inicialmente) N0 indivíduos haplóides (bactérias)
..... 1 2 3 4 5 6 7 127 128
A probabilidade de sobrevivência deste indivíduo será dada por
• representa a flexibilidade do ambiente• A representa a variabilidade genética que pode existir neste ambiente;• H é a distância de Hamming entre o indivíduo e um genoma ideal para este ambiente.
Pse1 eA Ï„
eH 128Ï„ eA Ï„
CADSC II - São Carlos, julho 2005
REP
MUT
SEL
Cada um dos N(t) indivíduos gera 2 descendentes (ao contrário do modelo Penna, neste caso não há superposição de gerações).
Em cada descendente são introduzidas m mutações (dadas por uma distribuição de Poisson).
Mede-se a distância de Hamming e calcula-se a probabilidade de sobrevivência Pse.
A sobrevivência dos indivíduos também é regulada por um fator de Verhulst:
Ps 1 N tNmax
CADSC II - São Carlos, julho 2005
Dependendo dos valoresde e A, pode ocorrer ounão extinção.
No = 105
Nmax = 10 No
A população final tem uma distribuição de classes dada por uma gaussiana
CADSC II - São Carlos, julho 2005
Com base nos resultados de simulação e campo médio, podemos construir o diagrama de fases.
extinção
CADSC II - São Carlos, julho 2005
Em andamento:
- o problema da hipermutação simulado através de mudanças repentinas no genoma ideal
- número de mudanças- velocidade das mudanças
- isto implicará na introdução de uma taxa de mutação que dependerá do stress sofrido pelo indivíduo (hipermutação)
CADSC II - São Carlos, julho 2005
Há muito a se fazer• Problemas em aberto:
– especiação– evolução em ambientes mutáveis– coevolução– dinâmicas em ecosistemas– interação em redes
• Mas afinal, como surge a vida e em que condições ela se estabiliza?