В настоящее время проблема анализа сложных динамических процессов в физической, биологической и социальной областях является важной частью современной нелинейной динамики. Традиционные чисто аналитические инструменты способны решать лишь ограниченный круг задач. Поэтому важным направлением является разработка подходов, сочетающих аналитические и численные методы. В реальных системах нелинейность всегда сопряжена со стохастичностью. При наличии случайных возмущений нелинейные системы могут проявлять неожиданные явления, не имеющие аналогов в детерминистическом случае, такие как индуцированные шумом переходы [1,2], стохастический резонанс [3], стохастические бифуркации [4], стохастическая возбудимость [5], фантомный аттрактор [6,7]. Полное математическое описание стохастической динамики дается уравнением Фоккера- Планка-Колмогорова [8], но сложность его решения даже в двумерном нелинейном случае вынуждает искать новые методы, используя аппроксимации [9,10]. Среди последних результатов можно отметить подход, основанный на технике доверительных областей [11,12,13] для численной аппроксимации сложных пространственных распределений вероятности. Данный подход позволяет проводить детальный параметрический анализ стохастических явлений, обнаруженных при прямом численном моделировании стохастических решений [14].
На сегодняшний день растущий интерес нелинейной науки сосредоточен на проблемах моделирования и анализа живых систем [15]. Развитие вычислительных подходов к анализу клеточных ритмов является одним из важных направлений [16,17,18]. Здесь математическое моделирование и численный анализ необходимы для понимания механизмов биологических ритмов [19]. В кинетике клетки особую роль играют биохимические процессы, катализируемые ферментами. Математические модели таких процессов имеют сильную нелинейность, приводящую к сложным колебательным решениям, которые очень чувствительны к неизбежно возникающим случайным возмущениям.
В данной работе изучаются три нелинейных модели, предложенных Альбертом Голдбетером [20],[21],[22] для описания ферментативной реакции аденозинтрифосфата (АТФ) как субстрата и аденозиндифосфата (АДФ) как продукта, а также аденилатциклазы как катализирующего фермента. Две из этих
ОГЛАВЛЕНИЕ
моделей являются двумерными, одна—трехмерной. Математически эти нелинейные модели интересны своей быстро медленной динамикой при наличии автоколебаний канардового типа, крайней неоднородностью детерминированных фазовых портретов, большой вариабельностью и сосуществованием динамических режимов. В этих условиях даже небольшие случайные возмущения могут кардинально изменить динамику системы и индуцировать стохастическую возбудимость, мультимодальность, фантомный аттрактор и переходы от порядка к хаосу. Целью настоящей работы является понимание основных механизмов этих явлений с помощью методов численного и статистического анализа, а также теоретического подхода, основанного на функции стохастической чувствительности и методе доверительных областей.
Основные цели и задачи работы могут быть сформулированы следующим образом:
1. Исследование аттракторов детерминированных моделей Голдбетера. Анализ устойчивости и построение бифуркационных диаграмм.
2. Прямое моделирование стохастических систем. Анализ стохастической чувствительности равновесий и циклов. Изучение индуцированных шумом феноменов, анализ частотных и амплитудных характеристик.
В работе изучена стохастическая вариабельность нелинейной динамики в трех различных моделях ферментативной реакции. Для упрощенной двумерной модели исследованы особенности стохастического поведения в зоне колебаний канардового типа, продемонстрирована высокая неоднородность детерминированного фазового портрета и чувствительность к изменению параметров. Для анализа феномена стохастической возбудимости, индуцированной шумом мультимодальности и перехода от порядка к хаосу использован конструктивный метод, сочетающий аналитическую асимптотику (функция стохастической чувствительности) и численные аппроксимации вероятностных распределений (доверительные области). В данной модели обнаружен новый динамический феномен стохастической генерации фантомного аттрактора, индуцированный мультипликативными случайными возмущениями. Это феномен сдвига и локализации случайных состояний стохастической системы вдали от исходных детерминированных аттракторов. Явление исследовано с помощью прямого численного моделирования, распределения плотности вероятности и статистического анализа стохастических решений.
В случае двумерной биохимической модели, учитывающей нелинейное преобразование продукта реакции в субстрат, выявлены параметрические зоны сосуществования аттракторов. Присутствие случайного шума генерирует стохастические переходы случайных траекторий с одного детерминированного аттрактора в бассейн притяжения другого. Данное явление предпочтения аттракторов обусловлено степенью стохастической чувствительности исходных аттракторов и их близости к сепаратной кривой, разделяющей бассейны притяжения.
В последнюю очередь была исследована расширенная трехмерная био-химическая модель Голдбетера. В детерминированном случае модель обладает большим разнообразием динамических режимов, среди которых периодические, соответствующее предельным циклам, сочетание либо двух пери-одических режимов, либо предельного цикла с равновесием и хаосом, хаос. Подробно рассмотрены стохастические эффекты в параметрических зонах бистабильности (равновесие и предельный цикл), биритмичности (два предельных цикла) и детерминированного хаоса. Шумовые переходы между ат-тракторами были описаны численно и изучены аналитическим подходом, сочетающим технику стохастической функции чувствительности, доверительные эллипсоиды и торы, а также геометрическое расположение сепаратных поверхностей между бассейнами аттракторов. Для рассматриваемой модели было выявлено явление стохастического возбуждения большеамплитудных спайковых колебаний. Показано, что индуцированная шумом генерация сложных многофазовых колебаний сопровождается переходом от порядка к хаосу. Таким образом, наше исследование показывает, что даже в зоне регулярной детерминированной динамики, благодаря высокой нелинейности и бистабильности, трехмерная модель Голдбетера демонстрирует богатое разнообразие сложных стохастических колебаний и переход к хаосу.
Представленные в диссертации результаты докладывались на конференциях:
1. V Международная молодежная научная конференция «Физика. Технологии. Инновации ФТИ-2018»
2. Международная (49-я Всероссийская) молодежная школа-конференция «Современные проблемы математики и ее приложений» 2018
3. International Conference «Dynamics, bifurcations and stränge attractors» 2018
4. Международная математическая конференция «Динамические системы в науке и технологиях» 2018
5. International Conference «ShilnikovWorkshop-2018»
6. VI Международная молодежная научная конференция «Физика. Технологии. Инновации ФТИ-2019»
7. Eleventh Conference of the Euro-American Consortium for Promoting the Application of Mathematics in Technical and Natural Sciences, Albena, Bulgaria, 2019
8. Международная (50-я Всероссийская) молодежная школа-конференция «Современные проблемы математики и ее приложений» 2019
9. VI Международная молодежная научная конференция «Физика. Технологии. Инновации ФТИ-2020»
А также опубликованы в статьях [31-42].
[1] Horsthemke W., Lefever R. Noise-Induced Transitions.- Berlin: Springer, 1984.
[2] I. Bashkirtseva, L. Ryashko, E. Slepukhina. Stochastic generation and deformation of toroidal oscillations in neuron model // International Journal of Bifurcation and Chaos.- 2018.- Vol. 28.- P 1850070.
[3] McDonnell M.D., Stocks N.G., Pearce C.E.M., Abbott D. Stochastic Resonance: from Suprathreshold Stochastic Resonance to Stochastic Signal Quantization.- Cambridge: Cambridge University Press, 2008.
[4] I. Bashkirtseva, S. Fedotov, L. Ryashko, E. Slepukhina. Stochastic bifurcations and noise induced chaos in 3D neuron model // International Journal of Bifurcation and Chaos.- 2016.- Vol. 26.- P 1630032.
[5] I. Bashkirtseva, L. Ryashko, S. Zaitseva. Analysis of nonlinear stochastic oscillations in the biochemical Goldbeter model // Communications in Nonlinear Science and Numerical Simulation.- 2019.- Vol. 73.- P 165¬176.
[6] I. Bashkirtseva, L. Ryashko. How additive noise generates a phantom attractor in a model with cubic nonlinearity // Physics Letters A.- 2016.- Vol. 380.-P 3359-3365.
[7] B. Alexandrov, I. Bashkirtseva, L. Ryashko. Anomalous stochastic dynamics induced by the slip-stick friction and leading to phantom attractors // Physica D: Nonlinear Phenomena.- 2019.- Vol. 399.- P 153-158.
[8] Gardiner C.W. Handbook of Stochastic Methods for Physics, Chemistry, and the Natural Sciences.-Berlin: Springer-Verlag, 1983.
[9] Freidlin M.I., Wentzell A.D. Random Perturbations of Dynamical Systems.- NewYork: Springer, 1984.
[10] Milshtein G.N., Ryashko L.B. A first approximation of the quasipotential in problems of the stability of systems with random non-degenerate perturbations // J. Appl. Math. Mech.- 1995.- Vol. 59, iss. 1.- P 47-56.
[11] Ryashko L., Bashkirtseva I., Gubkin A., Stikhin P Confidence tori in the analysis of stochastic 3D-cycles // Mathematics and Computers in Simulation.- 2009.- Vol. 80, iss. 2.- P 256-269.
[12] Bashkirtseva I., Ryashko L., Slepukhina E. Noise-induced oscillating bistability and transition to chaos in Fitzhugh-Nagumo model // Fluctuation and Noise Letters.-2014.-Vol. 13, iss. 1.-P 1450004.1-1450004.16.
[13] Bashkirtseva I., Neiman A., Ryashko L. Stochastic sensitivity analysis of noise-induced suppression of firing and giant variability of spiking in a Hodgkin-Huxley neuron model // Phys. Rev. E.- 2015.- Vol. 91, iss. 5.- P 052920.1-052920.11.
[14] Kloeden P.E., Platen E. Numerical Solution of Stochastic Differential Equations.-Berlin: Springer-Verlag, 1992.
[15] Schuster P Stochasticity in Processes: Fundamentals and Applications to Chemistry and Biology.-Berlin: Springer, 2016.
[16] Gurel D., Gurel O. Oscillations in Chemical Reactions.- Berlin: Springer-Verlag, 1983.
[17] Goldbeter A. Biochemical Oscillations and Cellular Rhythms. The Molecular Bases of Periodic and Chaotic Behavior.- Cambridge: Cambridge University Press, 1996.
[18] Frank T.D. A limit cycle oscillator model for cycling mood variations of bipolar disorder patients derived from cellular biochemical reaction equations // Communications in nonlinear science and numerical simulation.-2013.-Vol. 18, iss. 8.-P 2107-2119.
[19] Goldbeter A. Computational approaches to cellular rhythms // Nature.- 2002.-Vol. 420.- P 238-245.
[20] Goldbeter A., Erneux T., Segel L.A. Excitability in the adenylate cyclase reaction in Dictyostelium discoideum // FEBS Letters.- 1978.- Vol. 89, iss. 2.-P. 237-241.
[21] A. Goldbeter, F. Moran. Dynamics of a biochemical system with multiple oscillatory domains as a clue for multiple modes of neuronal oscillations // Eur. Biophys. J.- 1988.-Vol. 15, iss. 5.-P. 277-287.
[22] O. Decroly, A. Goldbeter. Birhythmicity, chaos, and other patterns of temporal selforganization in a multiply regulated biochemical system // Proc. Natl. Acad. Sci. USA.- 1982.-Vol. 79, iss. 22.-P 6917-6921.
[23] Arnold L. Random Dynamical Systems.— Berlin : Springer-Verlag, 1998.
[24] I. Bashkirtseva, L. Ryashko, T. Ryazanova. Method of confidence domains in the analysis of noise-induced extinction for tritrophic population system // The European Physical Journal B.- 2017.- Vol. 90.
[25] I. Bashkirtseva, L. Ryashko. Stochastic sensitivity of 3D-cycles // Math. Comput. Simulation.- 2004.- Vol. 66.- P 55-67.
[26] Gao J.B., Hwang S.K., Liu J.M. When can noise induce chaos? // Phys. Rev. Lett.- 1999.-Vol. 82, iss. 6.-P 1132-1135.
[27] Вентцель A., М. Фрейдлин. Флуктуации в динамических системах под действием малых случайных возмущений.- М.: Наука, 1979.
[28] Башкирцева И.А., Перевалова Т.В. Анализ стохастических аттракторов при бифуркации точка покоя-цикл // Автоматика и телемеханика.- 2007.-Vol. 10.- P 53-69.
[29] Bashkirtseva I., Nasyrova V., Ryashko L. Analysis of noise effects in a map-based neuron model with Canard-type quasiperiodic oscillations // Communications in Nonlinear Science and Numerical Simulation.- 2018.- Vol. 63.- P 261-270.
[30] Goldbeter A., G'erard C., Gonze D. et al. Systems biology of cellular rhythms // FEBS Letters.- 2012.- Vol. 586.- P 2955-2965.
[31] И. Башкирцева, С. Зайцева. Исследование стохастической динамики модели ферментативной реакции // Сборник статей участников XXI Областного конкурса научно-исследовательских работ Научный Олимп по направлению Естественные науки. - 2018. - С. 60-62.
[32] I. Bashkirtseva, S. Zaitseva. Analysis of nonlinear stochastic oscillations in the biochemical Goldbeter model // AIP Conference Proceedings. - 2018. - Vol. 2015. - P 020006-1 - 020006-7.
[33] И. Башкирцева, С. Зайцева. Стохастические осцилляции в модели Голдбетера // Актуальные направления научных исследований XXI века: теория и практика. - 2018. - Т 6, Вып. 6 (42). - С. 40-42.
[34] I. Bashkirtseva, S. Zaitseva. Stochastic dynamics in the bistable goldbeter model // AIP Conference Proceedings. - 2018. - Vol. 2025. - P 040005-1 - 040005-7.
[35] I. Bashkirtseva, L. Ryashko, S. Zaitseva. Analysis of nonlinear stochastic oscillations in the biochemical Goldbeter model // Communications in Nonlinear Science and Numerical Simulation, Elsevier. - 2019. - Vol. 73. - P 165-176.
[36] И. Башкирцева, С. Зайцева. Анализ мультимодальных стохастических осцилляций в модели биохимической реакции // Известия Института математики и информатики Удмуртского государственного универси-тета. - 2019. - Т 53. - С. 27-35.
[37] I. Bashkirtseva, S. Zaitseva. Order and chaotic regimes in 3D Goldbeter model // AIP Conference Proceedings. - 2019. - Vol. 2164. - P 060002.
[38] I. Bashkirtseva, S. Zaitseva, A. Pisarchik. Noise-induced phantom attractor in the enzyme kinetics // AIP Conference Proceedings. - 2019. - Vol. 2164. -P 060003.
[39] I. Bashkirtseva, S. Zaitseva. Stochastic multimodal oscillations in nonlinear biochemical model // AIP Conference Proceedings. - 2019. - Vol. 2174. - P. 020190.
[40] I Bashkirtseva, L. Ryashko, S. Zaitseva. Stochastic sensitivity analysis of noise-induced transitions in a biochemical model with birhythmicity // Journal of Physics A: Mathematical and Theoretical. In press. http://iopscience.iop.org/10.1088/1751-8121/ab8ff3
[41] I Bashkirtseva, L. Ryashko, S. Zaitseva. Noise-induced variability of nonlinear dynamics in 3D model of enzyme kinetics // Communications in Nonlinear Science and Numerical Simulation. In press. https://www.sciencedirect.com/science/article/pii/S10075704203018307via
[42] I Bashkirtseva, S. Zaitseva. Noise-induced effects in Goldbeter model // Mathematical Analysis With Applications. CONCORD-90 2018. Springer Proceedings in Mathematics and Statistics.- 2020.- Vol. 318.- P 173-182.