Примеры сравнения в биологии: примеры научного метода сравнения в биологии - Управленческое образование

Содержание

метод изучения биологии: наблюдение, описание, сравние, измерение, эксперимент,

Наблюдение. Благодаря органам чувств, помогает изучить предметы и явления.

Самый доступный метод. Он требует внимания и терпения человека. Наблюдение помогает понять, из чего состоят тела и вещества, какие изменения происходят с ними. В древности ученые наблюдали за растениями, погодой, небесными телами и животными. Все это помогало им лучше приспосабливаться к окружающей среде.

Описание. Для этого нужно вначале собрать материал для описания. К примеру, палеонтолог нашел скелет. Он будет называть позвонки позвонками, так как он уже знает это по сравнению с другими скелетами животных. Метод описания следует из метода наблюдения.

Сравнение. Метод, который сопоставляет объекты для того, чтобы выявить сходство или различия между ними. Например, ученые сравнивают бабочек с Северного и Южного полушарий, ища в них сходства и различия.

Измерение. Этот метод исходит от метода сравнения. Но в отличии от сравнения, измерение выполняется при наличии средств измерений. Их различают на прямые и косвенные измерения. Например, чтобы измерить длину прыжка кенгуру, используют измерительные приборы и единицы измерения.

Эксперимент. Он тесно связан с применением опытов в тех условиях, которые нужны для полного исследования. Эксперимент подразумевает вмешательство в какие-то явления или процессы. Затем ведется наблюдение, как это вмешательство будет происходить. Различают полевые эксперименты и лабораторные. Полевые проводят в естественных условиях. Например, ученые экспериментируют на растениях. Как разные удобрения будут влиять на рост растений. Лабораторные эксперименты требуют подготовки и специальных помещений. Как правило, там проводятся эксперименты искусственным методом. Как пример можно привести дрожжи. В лабораториях исследуют, какие дрожжи лучше использовать для выпечки или виноделия.

Моделирование. Этот метод помогает исследовать функции, процессы и структуры с помощью имитации. Помогает отобразить общие черты или исход какого-нибудь процесса. Моделирование помогает прогнозировать последствия явлений или процессов. Помогает создавать явления или обьекты, которые затем сравниваются с реальными. Как пример, ученные исследуя опасные болезни человека, применяют их на подопытных животных, чтобы выявить результат. Или на примере аквариума можно создать имитацию водной экосистемы.

2. Методы исследования в биологии

Метод — это путь исследования, который проходит учёный, решая какую-либо научную задачу, проблему.

Научный метод — это совокупность приёмов и операций, используемых при построении системы научных знаний.

Методы, универсальные для всех биологических наук: описательный, сравнительный, исторический

и экспериментальный.

Описательный метод. В основе его лежит наблюдение. Этот метод использовали учёные древности, которые занимались сбором и изучением разных живых организмов; он применяется и в настоящее время (например, когда находят новый вид).

Наблюдение — метод, с помощью которого исследователь собирает информацию об объекте (восприятие природных объектов с помощью органов чувств).

Пример:

наблюдать можно визуально, например за поведением животных. Можно наблюдать с помощью приборов за изменениями, происходящими в живых объектах: например, при снятии кардиограммы в течение суток, при замерах веса телёнка в течение месяца. Наблюдать можно за сезонными изменениями в природе, за линькой животных и т. д. Выводы, сделанные наблюдателем, проверяются либо повторными наблюдениями, либо экспериментально.

Сравнительный метод начали использовать в \(XVII\) в. Этот метод дал возможность систематизировать живые организмы на основе сравнения их внешнего и внутреннего строения. В современной науке сравнительный метод также находит широкое применение.

Исторический метод — установление взаимосвязей между фактами, процессами, явлениями, происходившими на протяжении исторически длительного времени (несколько миллиардов лет). В биологии этот метод начали использовать во второй половине \(XIX\) века. Исторический метод дал учёным-биологам возможность не только заниматься описанием биологических явлений, но и позволил объяснять происхождение и развитие живых систем.
Экспериментальный метод — это получение новых знаний (изучение явления) с помощью поставленного опыта.

Эксперимент — метод исследования в биологии, при котором экспериментатор сознательно изменяет условия и наблюдает, как они влияют на живые организмы. Эксперимент можно проводить как в лаборатории, так и на открытом воздухе.

Экспериментальный метод начал применять в своих исследованиях при изучении кровообращения Уильям Гарвей (\(1578\)–\(1657\) гг.), а широко использоваться в биологии (при изучении физиологических процессов) он начал с \(XIX\) в. Г. Мендель, изучая наследственность и изменчивость организмов, впервые применил эксперимент не только для получения данных об изучаемых явлениях, но и для проверки гипотезы, формулируемой на основании получаемых результатов. В \(XX\) в., благодаря появлению новых приборов для биологических исследований (электронный микроскоп, томограф, и др.), экспериментальный метод стал ведущим в биологии.

Моделирование, т. е. метод исследования, основанный на построении и изучении моделей, также находит применение в современной биологии (с помощью компьютерного моделирования изучаются механизмы и направление эволюции, закономерности развития экосистем и биосферы).

Биология делится на множество частных наук, изучающих различные биологические объекты: биология растений и животных, физиология растений, морфология, генетика, систематика, селекция, микология, гельминтология и множество других наук. Поэтому наряду с общебиологическими методами выделяют методы, которые используются частными биологическими науками:

генетика — генеалогический метод изучения родословных,
селекция — метод гибридизации,
гистология — метод культуры тканей и т. д.

Научный факт — это форма научного знания, в которой фиксируется некоторое конкретное явление, событие; результат наблюдений и экспериментов, который устанавливает количественные и качественные характеристики объектов.

Гипотеза — предположение или догадка; утверждение, предполагающее доказательство, в отличие от аксиом, постулатов, не требующих доказательств.

Теория — наиболее развитая форма организации научного знания, дающая целостное представление о закономерностях и существенных связях определённой области действительности; учение, система идей или принципов, является совокупностью обобщённых положений, образующих науку или её раздел.

Наблюдение, описание и эксперимент как основные методы биологии

Библиографическое описание:

Кабакова, Д. В. Наблюдение, описание и эксперимент как основные методы биологии / Д. В. Кабакова. — Текст : непосредственный // Проблемы и перспективы развития образования : материалы I Междунар. науч. конф. (г. Пермь, апрель 2011 г.). — Т. 1. — Пермь : Меркурий, 2011. — С. 16-19. — URL: https://moluch.ru/conf/ped/archive/17/366/ (дата обращения: 25.08.2021).

Факты – это воздух ученого.

И. П. Павлов

К концу ХХ века место биологии в системе наук изменилось, как и отношения биологии с практикой. Биология становится лидером естествознания. Это выражается в укреплении связи биологии с точными и гуманитарными науками, развитии комплексных и междисциплинарных исследований, взаимосвязи с глобальными проблемами современности.

Эти изменения не могли не отразиться на методологии биологической науки. Современные ее установки предполагают, в частности, установление диалектического единства ранее противопоставлявшихся друг другу методологических подходов, как то: «единство описательно-классифицирующего и объяснительно-номотетического подходов; единство эмпирических исследований с процессом интенсивной теоретизации биологического знания, включающим его формализацию, математизацию и аксиоматизацию» [8, с.11].

В современном биологическом исследовании роль методов как инструментов познания состоит, с традиционной стороны, в «усилении естественных познавательных способностей человека, а так же в их расширении и продолжении», с другой, синергетической – в «коммуникативной функции», посредничестве между субъектом и объектом исследования [1, с.18].

Наблюдение – отправной пункт всякого естественнонаучного исследования. В биологии это особенно хорошо заметно, так как объект ее изучения – человек и окружающая его живая природа. Уже в школе на уроках зоологии, ботаники, анатомии детей учат проведению самых простых биологических исследований путем наблюдения за ростом и развитием растений и животных, за состоянием собственного организма. Наблюдение как метод собирания информации – хронологически самый первый прием исследования, появившийся в арсенале биологии, а точнее, еще ее предшественницы – естественной истории. И это неудивительно, так как наблюдение опирается на чувственные способности человека (ощущение, восприятие, представление). Классическая биология — это биология по преимуществу наблюдательная. Но, как мы увидим, этот метод не утратил своего значения и по сей день.

Наблюдения могут быть прямыми или косвенными, они могут вестись с помощью технических приспособлений или без таковых. Так, орнитолог видит птицу в бинокль и может слышать ее, а может фиксировать прибором звуки вне слышимого человеческим ухом диапазона; гистолог наблюдает с помощью микроскопа зафиксированный и окрашенный срез ткани, а, скажем, для молекулярного биолога наблюдением может быть фиксация изменения концентрации фермента в пробирке.

Важно понимать, что научное наблюдение, в отличие от обыденного, есть не простое, но целенаправленное изучение объектов или явлений: оно ведется для решения поставленной задачи, и внимание наблюдателя не должно рассеиваться. Например, если стоит задача изучить сезонные миграции птиц, мы будем замечать сроки их появления в местах гнездования, а не что-либо иное. Таким образом, наблюдение — это выделение из действительности определенной части, иначе говоря, аспекта, и включение этой части в изучаемую систему.

В наблюдении важна не только точность, аккуратность и активность наблюдателя, но и его непредвзятость, его знания и опыт, правильный выбор технических средств. Постановка задачи предполагает также наличие плана наблюдений, т.е. их планомерность.

Эксперимент представляет собой воссоздание выделенного аспекта действительности в специально создаваемых и контролируемых условиях, что обеспечивает критерий воспроизводимости, то есть позволяет восстановить ход явления при повторении условий. Например, можно выращивать клетки при разных температурах, выявляя оптимум, при котором рост будет наибыстрейшим.

Будучи более сложным, чем наблюдение, этот метод обладает рядом важных особенностей. Эксперимент предполагает активное, целенаправленное и строго контролируемое воздействие исследователя на изучаемый объект. Кроме того, исследователь при желании имеет возможность устранять затрудняющие процесс факторы. Исследуемый биологический объект можно изолировать от каких-либо влияний окружающее среды, создать искусственные (в том числе экстремальные) условия его изучения, вмешиваться в течение процессов.

Все это позволяет изучить биологический объект глубже, чем посредством наблюдения, выявить его скрытые свойства, стороны, связи. Экспериментальный метод неоднократно использовался в ходе развития биологической науки. Так, считается, что еще В. Койтер (1534-1576) внедрил в эмбриологию основы методологии экспериментального исследования, систематически изучая развитие эмбриона курицы, а Р. Я. Камерариус (1665-1721) привнес экспериментальный метод в область ботаники [4, с.33].

Основы теории эксперимента заложил английский философ Френсис Бэкон (1561–1626), видя в нем «одну из основ познания природы» [4, с.34]. Он предложил схему элиминативной индукции, т.е. очищения прафеномена от затемняющих его черт других феноменов. Прафеномен Бэкона достигается путем обобщения (дифференциального обобщения) и является теоретическим конструктом, применяемым для объяснения свойств феноменов (подведение под закон). Другое понимание индукции было выдвинуто Гете: у него прафеномен не исключал все частные феномены, а наоборот, суммировал их свойства таким образом, что данный природный феномен становился основой понимания целого ряда других феноменов [3, с.172]. Хотя эксперимент применялся в классической биологии, он еще не рассматривался в качестве ведущего метода и стал завоевывать позиции в основных биологических науках лишь в прошлом столетии. Современная теория эксперимента обычно следует традиции Бэкона.

Полный цикл экспериментального исследования состоит из нескольких стадий. Как и наблюдение, эксперимент предполагает наличие четко сформулированной цели исследования, плана, базируется на предустановках, т.е. исходных положениях. Поэтому, приступая к эксперименту, нужно определить его цели и задачи, обдумать возможные результаты. Научный эксперимент должен быть хорошо подготовлен и тщательно проведен. Кроме того, эксперимент требует определенной квалификации проводящих его исследователей.

На втором этапе выбираются конкретные приемы и средства технического воплощения и контроля. В последние полвека в биологии широко используются методы математического планирования и проведения экспериментов. Результаты проведенного опыта затем интерпретируются, что дает возможность истолковать их. Таким образом, замысел, план проведения и интерпретация результатов эксперимента в гораздо большей степени зависят от теории, чем поиски и интерпретации данных наблюдения.

Методологически все разнообразие возможных экспериментов классифицируется по познавательной цели, объекту познания и используемым средствам. Согласно этому, в гносеологии выделяется шесть видов эксперимента: поисковый, контрольный, воспроизводящий, изолирующий, качественный и количественный [4, с.48]. Высшей формой эксперимента является моделирование изучаемых процессов.

Итак, в результате наблюдения и эксперимента исследователь получает некоторое знание о внешних признаках, свойствах изучаемого предмета или явления, то есть новые факты. Результаты, полученные в ходе наблюдений и экспериментов, должны быть интерпретированы и проверены новыми наблюдениями и экспериментами. Только после этого их можно считать научными фактами.

Таким образом, наблюдение и эксперимент являются первоисточниками всех научных данных. Однако «увеличение количества опытов само по себе не делает эмпирическую зависимость достоверным фактом, потому что индукция всегда имеет дело с незаконченным, неполным опытом» [6, с.225].

Собрав фактический материал, необходимо, прежде всего, описать его. Поэтому биологические наблюдения всегда сопровождаются описанием изучаемого объекта. Под эмпирическим описанием понимается «фиксация средствами естественного или искусственного языка сведений об объектах, данных в наблюдении» [4, 68]. Это означает, что описывать результат наблюдения можно и в числовом выражении, формулами, а также наглядным образом – с помощью рисунков, схем. Факт, полученный в результате наблюдения, может быть многозначным, так как зависит от многих привходящих обстоятельств и несет на себе отпечаток наблюдателя, места и времени события. Поэтому, строго говоря, только из наличия факта еще не следует его истинность. Иными словами, факты нуждаются в интерпретации.

Описание и есть результат интерпретации наблюдений. Например, составляя описание найденного скелета, палеонтолог назовет позвонками определенные кости постольку, поскольку он пользуется методом установления аналогии со скелетами уже известных животных. Описание – это основной метод классической биологии, базирующийся на наблюдении.

Работа по описанию живой природы, проведенная в XVI–XVII вв. в биологии, имела огромное значение для ее развития. Она открыла пути к систематизации животных и растительных организмов, показав все их разнообразие. Кроме того, эта деятельность значительно расширила сведения о формах и внутреннем устройстве живых организмов. И, наконец, следствием работы описательного периода является начало развития биологической теории – понятийно-категориального аппарата, принципов методологии, а также первые попытки объяснения сущности и выявления основополагающих характеристик жизни.

Позже описательный метод лег в основу сравнительного и исторического методов биологии. Правильно составленные описания, произведенные в разных местах, в разное время, можно сравнивать. Это позволяет путем сопоставления изучать сходство и различие организмов и их частей. Находя закономерности, общие для разных явлений, имея в своем распоряжении соответствующие описания, биолог может сравнить размеры раковин моллюсков одного биологического вида в наши дни и при Ламарке, поведение лося в Сибири и на Аляске, рост культуры клеток при низкой и высокой температуре и так далее. Поэтому сравнительный метод получил распространение еще в XVIII веке. На его принципах была основана систематика и сделано одно из крупнейших обобщений – создана клеточная теория.

Сравнительный метод, хорошо показавший себя в решении проблем эволюционизма, впоследствии перерос в исторический. Но он не потерял своего значения и сейчас. Исторический метод применяется для изучения закономерности появления и развития организмов, становления их структуры и функций. С введением этого метода в биологии произошли качественные изменения: из чисто описательной науки она стала трансформироваться в науку объясняющую. Сегодня «исторический подход служит наиболее общим принципом, объединяющим в себе все другие принципы и подходы теоретической биологии» [7, с.4].

Тем не менее, нужно отметить, что «нынешние сложности в развитии биологии связаны именно с трудностями компактного описания того громадного материала, который легко накапливается в результате наблюдений» [2, с.45].

Научные утверждения должны быть доступны для проверки и воспроизведения, т.е. содержать «принципиальную возможность опровержения» [5, 154]. Для этого описание научного исследования должно быть полным и однозначным. В биологии это требование соблюдается особенно тщательно: ограниченность существования биологических объектов во времени и пространстве, их высокая адаптивность, то есть способность к изменчивости под влиянием внешних условий, превращает даже простое описание эксперимента в логически стройную последовательность.

На основе обработки первичной информации, полученной путем целенаправленных наблюдений, а также экспериментов возникают научные факты – как правило, это достоверные и объективные данные, относящиеся к той или иной конкретной проблеме, установление которых требует применения теоретических положений.

При накоплении эмпирических знаний традиционная биология пользуется, по большей части, методом наблюдения, для функционально-химической биологии, напротив, характерно использование эксперимента как основного эмпирического метода. Эволюционная же биология использует исторический и сравнительный методы, которые базируются на описании. Единая теоретическая биология сможет естественно и успешно развиваться в том случае, если будет направляться мировоззренческими и гносеологическими принципами, которые станут играть роль «методологических регулятивов», обеспечивая взаимодействие различных наук и предотвращая абсолютизацию того или иного из путей и методов познания.

Комплексное использование различных методов позволяет наиболее полно познать явления и объекты природы. Происходящее в настоящее время сближение биологии с химией, физикой, математикой и кибернетикой, использование их методов для решения биологических задач оказались весьма плодотворными. Это выдвигает на первый план экспериментальный метод, хотя наблюдение и описание никогда не потеряют своей актуальности для биологического исследования.

Литература:

Аршинов В. И. Синергетика как феномен постнеклассической науки. – М.: Ин-т философии РАН, 1999. – 203 с.
Воронов Л. Н. Введение в теоретическую биологию. – Чебоксары: Изд-во ЧГПУ, 2008. – 70 с.
Канке В. А. Основные философские направления и концепции науки. Итоги XX столетия. – М.: Логос, 2000. – 320 с.
Концепции современного естествознания. Под ред. Л. А. Михайлова. – СПб.: Питер, 2008. – 336 с.
Лешкевич Т. Г. Философия науки: традиции и новации. М.: Приор, 2001. – 428 С.
Фролов И. Т. Очерки методологии биологического исследования: система методов биологии. – М.: ЛКИ, 2007. – 288 с.
Хлебосолов В. Е. Актуальные проблемы теоретической биологии. // Экология, эволюция и систематика животных: Сб. научн. трудов каф. зоологии РГУ. – Рязань, 2006. – С. 3-21.
Ярилин А. А. «Золушка» становится принцессой, или Место биологии в иерархии наук. // «Экология и жизнь» №12, 2008. – С. 4-11.

Основные термины (генерируются автоматически): наблюдение, биология, эксперимент, описание, результат наблюдения, сравнительный метод, экспериментальный метод, биологическая наука, живая природа, исторический метод.

Методы исследования в биологии — типы, виды, какие бывают, сколько, классификация, примеры, разновидности, вики — WikiWhat

Метод наблюдения

Метод наблюдения позволяет описать и проанализировать явления, происходящие в организмах и в окружающей их среде. Данный метод использовался на начальных этапах развития биологии, однако и сегодня он не утратил своего значения и широко применяется в ботанике, зоологии, экологии и во многих других отраслях биологии.

Сравнительный метод

Сходства и различия разных систематических групп, сообществ организмов, их строения, функций и составных частей изучаются с помощью сравнительного метода. Этот метод используется в систематике, морфологии, анатомии, палеонтологии, эмбриологии и прочих отраслях науки. С его помощью была создана клеточная теория, открыты биогенетический закон, закон гомологических рядов в наследственной изменчивости.

Исторический метод

Закономерности возникновения и развития различных систематических групп, организмов и их органов в историческом процессе выявляются путём применения исторического метода. С его помощью было создано учение об эволюционном развитии органического мира.

Экспериментальный метод

Наблюдения за строением, жизнедеятельностью живых организмов в условиях, созданных с определённой целью, осуществляются с помощью экспериментального метода. Этот метод позволяет гораздо глубже исследовать сущность поведения, строение и особенности организмов. Материал с сайта http://wikiwhat.ru

Метод моделирования

В последнее время развитие электронно-вычислительной техники диктует необходимость использования в биологических исследованиях метода моделирования. Сущность его состоит в изучении какого-либо явления живой природы или его важнейших особенностей путём воспроизведения их модели. Созданную модель преобразуют с помощью математических знаков и на ЭВМ определяют изменения, которые могут происходить с этой моделью через определённые промежутки времени. Преимущество метода моделирования состоит в том, что он позволяет предсказывать явления живой природы.

Урок 2. методы изучения биологии — Биология — 5 класс

Биология, 5 класс

Урок 2. Методы изучения биологии

Перечень вопросов, рассматриваемых на уроке:

Урок посвящён методам изучения биологии.

Ключевые слова:

Биология, научный метод, наблюдение, эксперимент

Тезаурус:

Научный метод – это совокупность приемов и операций, используемых при построении системы научных знаний.

Наблюдение – метод, с помощью которого исследователь собирает информацию об объекте (восприятие природных объектов с помощью органов чувств).

Эксперимент – метод исследования в биологии, при котором экспериментатор сознательно изменяет условия и наблюдает, как они влияют на живые организмы. Эксперимент можно проводить как в лаборатории, так и на открытом воздухе.

Измерение – это определение количественных значений тех или иных признаков изучаемого объекта или явления с помощью специальных технических устройств.

Обязательная и дополнительная литература по теме

Биология. 5–6 классы. Пасечник В. В., Суматохин С. В., Калинова Г. С. и др. / Под ред. Пасечника В. В. М.: Просвещение, 2019
Биология. 6 класс. Теремов А. В., Славина Н. В. М.: Бином, 2019.
Биология. 5 класс. Мансурова С. Е., Рохлов В. С., Мишняева Е. Ю. М.: Бином, 2019.
Биология. 5 класс. Суматохин С. В., Радионов В. Н. М.: Бином, 2014.
Биология. 6 класс. Беркинблит М. Б., Глаголев С. М., Малеева Ю. В., Чуб В. В. М.: Бином, 2014.
Биология. 6 класс. Трайтак Д. И., Трайтак Н. Д. М.: Мнемозина, 2012.
Биология. 6 класс. Ловягин С. Н., Вахрушев А. А., Раутиан А. С. М.: Баласс, 2013.

Теоретический материал для самостоятельного изучения

Сегодня на уроке мы обсудим с вами методы изучения природы.

-Что такое метод?

Методом – называется последовательность действий, приводящих к определённому результату.

Ну, например, нам надо с вами порезать яблоко, сделать это можно разными методами. Я предлагаю вашему вниманию набор инструментов. Итак, что же нам выбрать ну, если мы хотим отрезать кружок от яблока, мы, скорее всего, воспользуемся с вами обычным ножом и разделочной доской. Попробуем, ура, получилось. Может быть, перед нами стоит более сложная задача и нам требуется нарезать яблоко дольками, для этого я предлагаю использовать вот такую яблокорезку, обратите внимание, ячейки яблокорезки разрежут яблоко на ровные дольки и при этом будет удалена сердцевина яблока. Приступаем. Отлично у нас всё с вами получилось. Но может быть, стоит задача измельчить яблоко, для этого я предлагаю использовать тёрку.

Результат использования данного метода налицо, подведём итог: метод, который мы выбираем для того, чтобы действовать, зависит от тех целей, которые мы перед собой ставим и того инструмента, который мы имеем, но сегодня речь пойдёт о научном методе.

Научным методом, ребята, называется совокупность способов получения новых знаний. Мы ведь с вами на уроки и приходим, чтобы получать новые знания. И среди научных методов выделяют три основных, именно эти методы я сегодня вам и продемонстрирую.

Для познания живой природы учёному очень важно правильно выбрать путь исследования, или метод (от греч. методос – способ познания), которым он будет пользоваться. Различают практические и теоретические методы. К практическим методам относят наблюдение и эксперимент (опыт). Теоретические методы связаны с объяснением результатов, полученных в ходе наблюдения или опытным путём. Они приводят к установлению различных закономерностей и взаимосвязей, а в конечном итоге – законов природы. Знание этих законов позволяет человеку понимать процессы, происходящие в живой природе, предвидеть их и использовать в практических целях.

Наблюдение

Этот метод остаётся важным методом научного познания сегодня. Например, можно наблюдать за поведением животных в природе.

Так как наблюдение даёт возможность получить ответ па поставленный вопрос, оно должно быть целенаправленным, то есть иметь определённую цель. Для того чтобы достигнуть поставленной цели, необходимо разработать план наблюдения, то есть порядок действий. Получаемые в ходе наблюдения ответы на поставленные вопросы необходимо как можно подробнее записывать в специальный дневник наблюдения. При этом ничего от себя добавлять нельзя. Для получения достоверных результатов необходимо провести повторные наблюдения в тех же условиях.

Эксперимент

Эксперимент (от лат. экспериментум – проба, опыт) – более сложный, чем наблюдение, практический метод. С его помощью можно подтвердить или опровергнуть какое-либо предположение. От наблюдения эксперимент отличается активным воздействием на изучаемый объект.

Например, можно опытным путём установить, как влияет полив на рост растения.

Если при соблюдении одних и тех же условий результаты нескольких опытов совпадают, то говорят о достоверности полученных данных.

Измерение

Большинство научных экспериментов и наблюдений включает в себя проведение разнообразных измерений. Измерение – это определение количественных значений тех или иных признаков изучаемого объекта или явления с помощью специальных технических устройств. Самым простым измерительным инструментом является линейка. С её помощью измеряют длину, ширину и высоту предметов. Для измерения массы тел используют весы, для измерения температуры – термометры. Хорошо знаком вам прибор для измерения времени – часы. Для проведения сложных измерений конструируют специальные приборы.

Разбор типового тренировочного задания:

Тип задания: Добавление подписей к изображениям;

Текст вопроса: Подпишите приборы.

Варианты ответов:

Микроскоп

Секундомер

Весы

Лупа

Линейка

Термометр

Правильный вариант ответа:


Микроскоп	Лупа	Термометр


Весы	Секундомер	Линейка

Разбор типового контрольного задания

Тип задания: Выделение цветом;

Текст вопроса: Теоретические методы исследования

Варианты ответов:

А. разговор с дедушкой-лесником

Б. посещение контактного зоопарка

В. разведение аквариумных рыбок

Г. чтение биологической энциклопедии

Д. выбор породы собаки для брата

Е. кормление голубей на площади

Правильный вариант ответа:

А. разговор с дедушкой-лесником

Г. чтение биологической энциклопедии

Д. выбор породы собаки для брата

Различия между мужчиной и женщиной: от биологии до свободы выбора | Культура и стиль жизни в Германии и Европе | DW

О различиях между мужчинами и женщинами спорят с незапамятных времен. Этот вопрос изучают ученые, по нему проводятся многочисленные исследования и выпускаются еще более многочисленные книги. Но тщетны надежды тех, кто ищет в них научно обоснованный каталог типично мужских и типично женских качеств.

Пол не определяет судьбы

Женщина за рулем — типично или не типично?

«Наверное, не было такого в истории человечества, чтобы на эту тему не существовало стереотипов. Что же касается тех книг, которые можно купить сейчас в Германии, то зачастую за них просто стыдно. Они подобны слухам: в них есть малое зерно правды, но на его основе делаются совершенно недопустимые обобщения», — считает профессор Онур Гюнтюркюн (Onur Güntürkün) из университета Бохума.

Онур Гюнтюркюн — биопсихолог, специализируется на исследованиях мозга. Ученый пришел к следующему выводу: «Мы не можем сказать: «Между мужчиной и женщиной нет биологических различий!» Они есть. Но с другой, стороны, мы не можем сказать: «Из-за этих биологических различий судьба мужчин и женщин предопределена!» Это не так. Собственно говоря, мы абсолютно свободны».

Кто боится математики?

Свобода эта существует, однако, лишь в теории, считает американский социолог профессор Хизер Хофмайстер. Ученый убеждена, что развитие способностей ребенка предопределяется обществом. В пример Хизер Хофмайстер приводит широко распространенное мнение, что женщины обладают меньшими способностями в области точных наук и математики, чем мужчины. Этот стереотип, убеждена исследователь, оказывает отрицательное влияние на развитие девочек:

Барбара Майер изучает в университете математику. В 2007 году она была выбрана топ-моделью в телешоу Хайди Клум.

«У женщин хорошие способности к математике. У девочек очень часто оценки по математике даже лучше, чем у мальчиков. Но, в конце концов, девочки начинают думать, что они хуже мальчиков, потому что таково мнение, распространенное в обществе. Была даже такая кукла Барби, которая говорила: «Математика – это сложно!»

Биология и геометрия

Различие в математических способностях у мужчин и женщин изучал и биопсихолог Онур Гюнтюркюн. Результаты его исследований оказались совершенно неожиданными. Пробанды-женщины решали задачи на пространственное воображение часто хуже, чем мужчины. Но только на определенной стадии свойственных женщинам физиологических процессов.

«Нам удалось показать, что во время менструации женщины так же хорошо справляются с заданиями, как и мужчины, — объясняет ученый. То есть, это просто миф, что у женщин способности в математике хуже, чем у мужчин. Просто они справляются с задачами хуже в определенный период. А именно, примерно на 20 день месячного цикла их результаты были действительно намного хуже».

Стереотипы по-научному

Что делает женщину хорошей матерью — природа или воспитание?

Социолог Хофмайстер видит в укоренившихся представлениях о правильной роли мужчин и женщин серьезный барьер для прогрессивного развития общества. Эти представления существуют, считает ученая, даже в считающихся прогрессивными странах. В Германии, Австрии и Швейцарии, например, истинную роль женщины видят в том, чтобы быть «хорошей матерью», а на тех же представительниц слабого пола, что достигли успехов в карьере, смотрят с недоверием. Это наносит отпечаток на воспитание девочек, считает Хизер Хофмайстер.

Действительно, в названных странах весьма низок процент женщин на руководящих должностях, утверждает профессор Хеннинг Зас (Henning Saß), медицинский директор университетской клиники в Ахене: «На начальных курсах мединститутов учатся примерно 65 процентов женщин. А среди завотделением, главврачей и профессоров доля женщин не дотягивает и до пяти процентов».

Виной тому не только фактор воспитания, считает Хеннинг Зас, и указывает на биологические различия между полами. «Это, конечно, щекотливая тема. Мы ведь хотим поощрять равноправие полов, увеличить шансы женщин. Но я думаю, что тут есть взаимосвязь и с биологическими предпосылками. Поведение мужчин в большей степени определяется такими элементами, как борьба, агрессивность, соперничество, стремление к доминированию и достижению своих целей, самоутверждению, руководству».

Свобода – основа гармоничных отношений между полами

Биологические различия между мужчиной и женщиной имеют значение только для продолжения рода, — таково мнение еще одного специалиста — социоантрополога из Свободного университета Берлина Вассилиоса Фтенакиса (Wassilios Fthenakis).

Виктор, Филип и Луиза: кубиками интересуются не только мальчики. Снимок сделан в детском саду Эрфурта в январе 2006 года

«Типичное поведение» для мальчиков и девочек дети усваивают уже в самом раннем возрасте, считает Вассилиос Фтенакис. Ученый наблюдал за поведением детей в детсадах и сделал вывод: дети, которые ведут себя вразрез с устоявшими представлениями, не находят понимания у сверстников: это касается как девочек, интересующихся подъемными кранами, так и мальчиков, играющих в куклы.

«Эти дети уступают давлению группы, они вынуждены либо играть с взрослыми, либо в одиночестве, чтобы никто не видел, чем они занимаются, либо лгать», — говорит ученый. Воззрения антрополога нашли отражение в разработанных им образовательных планах для федеральных земель Гессен и Бавария, а также итальянского региона Южный Тироль. Идея Вассилиоса Фтенакиса заключается в том, чтобы порвать с устоявшимися в обществе структурами на ранних стадиях развития ребенка.

Каждого ребенка следует воспринимать в его уникальности, независимо от половой принадлежности, принимать его каким он есть, и с этой позиции способствовать его развитию. К этому призывает ученый, и приводит в пример детский сад в далекой Австралии. Там, с восхищением рассказывает Вассилиос Фтенакис, детям дают шанс «самим определять и конструировать свой пол». И ни в одном другом детском саду, утверждает ученый, ему не довелось наблюдать столь гармоничных отношений между мальчиками и девочками.

Мириам Шак

Сравнительный метод | биология | Британника

В адаптации

Сравнительный метод, использующий сравнения между видами, которые развились независимо, является эффективным средством изучения исторических и физических ограничений. Этот подход включает использование статистических методов для учета различий в размере (аллометрии) и эволюционных деревьев (филогении) для отслеживания эволюции признаков между линиями. \ N

Подробнее

исследования поведения животных

В поведении животных: адаптивный дизайн
… вот что Дарвин назвал метод сравнения, который использует преимущества тысяч «естественных экспериментов», которые проводились в течение эволюционного времени (то есть на протяжении формирования новых видов и эволюции их особых характеристик).Здесь опять же, конкретные гипотезы относительно того, как естественный отбор сформировал поведение, таковы… \ n
Подробнее

философия биологии и естественный отбор

В биологии, философия: Тестирование
«сравнительный метод», который включает рассмотрение доказательств полученный из широкого круга подобных организмов, был использован в исследовании относительно большого размера яичек шимпанзе по сравнению с горилл. Адаптивная гипотеза заключалась в том, что, учитывая, что среднестатистическая женщина… \ n
Подробнее

«,» url «:» Introduction «,» wordCount «: 0,» sequence «: 1},» imarsData «: {» INFINITE_SCROLL » : «», «HAS_REVERTED_TIMELINE»: «false»}, «npsAdditionalContents»: {}, «templateHandler»: {«name»: «INDEX», «metered»: false}, «paginationInfo»: {«previousPage»: null , «nextPage»: null, «totalPages»: 1}, «seoTemplateName»: «PAGINATED INDEX», «infiniteScrollList»: [{«p»: 1, «t»: 1473763}], «familyPanel»: {«topicLink «: {» title «:» Сравнительный метод «,» url «:» / science / compare-method «},» tocPanel «: {» title «:» Каталог «,» itemTitle «:» Ссылки «,» toc » : null}, «groups»: [], «fastFactsItems»: null}, «byline»: {«участник»: null, «allContributorsUrl»: null, «lastModificationDate»: null, «contentHistoryUrl»: null, «warningMessage» : null, «warningDescription»: null}, «citationInfo»: {«участники»: null, «title»: «Сравнительный метод», «lastModification»: null, «url»: «https: // www.britannica.com/science/comparative-method»},»websites»:null,»lastArticle»:false}

Узнайте об этой теме в следующих статьях:

адаптация

адаптация
Сравнительный метод, использующий сравнения между видами, которые развились независимо, является эффективным средством изучения исторических и физических ограничений.Этот подход включает использование статистических методов для учета различий в размере (аллометрия) и эволюционных деревьев (филогении) для отслеживания эволюции признаков среди линий.
Подробнее

исследования поведения животных

В поведении животных: адаптивный дизайн
… это то, что Дарвин назвал сравнительным методом, который использует преимущества тысяч «естественных экспериментов», которые проводились в течение эволюционного времени (то есть формирование новых видов и эволюция их особых характеристик).И здесь снова конкретные гипотезы относительно того, как естественный отбор сформировал поведение…
Подробнее

философия биологии и естественного отбора

В биологии философия: Тестирование
«Сравнительный метод», который включает рассмотрение данных, полученных от широкого круга схожих организмов, был использован в исследовании относительно большие размеры яичек шимпанзе по сравнению с горилл. Адаптивная гипотеза заключалась в том, что, учитывая, что среднестатистическая женщина…
Подробнее

Сравнение в научных исследованиях | Научный процесс

Любой, кто смотрел на шимпанзе в зоопарке (рис. 1), вероятно, задавался вопросом о сходстве этого животного с людьми.Мимика шимпанзе напоминает людей, они используют свои руки так же, как и мы, умеют использовать различные предметы в качестве инструментов и даже смеются, когда их щекочут. Возможно, неудивительно узнать, что, когда первые пойманные шимпанзе были завезены в Европу в 17 ^-м годах, люди были сбиты с толку, называя животных «пигмеями» и предполагая, что они были низкорослыми версиями «взрослых» людей. . Лондонский врач по имени Эдвард Тайсон получил «пигмея», который умер от инфекции вскоре после прибытия в Лондон, и начал систематическое изучение животного, которое каталогизировало различия между шимпанзе и людьми, что помогло сделать сравнительные исследования научным методом. .

Рисунок 1: Изображение шимпанзе © Corel Corporation

Краткая история сравнительных методов

В 1698 году Тайсон, член Лондонского королевского общества, начал подробное изучение полученного им «пигмея» и опубликовал свои результаты в 1699 году. работа: Орангутанг, sive Homo Sylvestris: или Анатомия пигмея в сравнении с анатомией обезьяны, обезьяны и человека . Название работы также отражает заблуждение, существовавшее в то время: Тайсон не использовал термин «орангутанг» в его современном смысле для обозначения орангутанга; он использовал его в дословном переводе с малайского как «лесной человек», поскольку именно так смотрели на шимпанзе.

Тайсон уделял большое внимание вскрытию. Он точно измерил и сравнил ряд анатомических переменных, таких как размер мозга «пигмея», обезьяны и человека. Он записал свои измерения «пигмея», вплоть до направления, в котором росла шерсть животного: «Волосы на всем теле были направлены вниз, но только от запястий до локтей вверх» (Рассел , 1967). С помощью Уильяма Каупера Тайсон сделал рисунки различных анатомических структур, уделяя большое внимание точному изображению размеров этих структур, чтобы их можно было сравнить с человеческими (рис. 2).Его систематическое сравнительное исследование размеров анатомических структур у шимпанзе, обезьяны и человека привело его к выводу:

в Организации изобилия ее частей, это больше приближается к структуре того же самого у людей: Но где это отличается от человека, в этом он явно напоминает обыкновенную обезьяну больше, чем любое другое животное. (Russell, 1967)

Сравнительные исследования Тайсона оказались исключительно точными, и его исследование использовалось другими, в том числе Томасом Генри Хаксли в книге Доказательства места человека в природе (1863) и Чарльзом Дарвином в Происхождении человека ( 1871).

Рисунок 2: Рисунок Эдварда Тайсона внешнего вида «пигмея» (слева) и скелета животного (справа) из Анатомия пигмея по сравнению с анатомией обезьяны, обезьяны и человека из второго издания , Лондон, напечатано для T. Osborne, 1751.

Методический и научный подход Тайсона к анатомическому вскрытию внес свой вклад в развитие эволюционной теории и помог создать область сравнительной анатомии.Кроме того, работа Тайсона помогает подчеркнуть важность сравнения как метода научного исследования.

Сравнение как метод научного исследования

Сравнительное исследование представляет собой один из подходов в спектре методов научного исследования и в некотором смысле является гибридом других методов, опираясь на аспекты как экспериментальной науки (см. Наш модуль «Эксперименты в науке»), так и описательного исследования (см. наш модуль «Описание в науке»).Подобно экспериментированию, сравнение направлено на расшифровку взаимосвязи между двумя или более переменными путем документирования наблюдаемых различий и сходств между двумя или более субъектами или группами. В отличие от экспериментов, сравнительный исследователь не подвергает одну из этих групп лечению, а скорее наблюдает за группой, которая по выбору или обстоятельствам подверглась лечению. Таким образом, сравнение включает наблюдение в более «естественной» обстановке, не ограниченное экспериментальными рамками, и, таким образом, вызывает сходство с описанием.

Важно отметить, что простое сравнение двух переменных или объектов не является сравнительным исследованием. Работа Тайсона не считалась бы научным исследованием, если бы он просто отметил, что «пигмеи» выглядят как люди без измерения длины костей и структуры роста волос. Вместо этого сравнительное исследование включает систематическую каталогизацию природы и / или поведения двух или более переменных и количественную оценку взаимосвязи между ними.

Рисунок 3: Скелет молоди шимпанзе, рассеченный Эдвардом Тайсоном, в настоящее время выставлен в Музее естественной истории в Лондоне. Изображение © Питер Камински

В то время как выбор метода исследования является личным решением, частично основанным на обучении исследователей. При проведении исследования существует ряд сценариев, в которых сравнительное исследование, вероятно, будет основным выбором.

Первый сценарий — это сценарий, в котором ученый не пытается измерить реакцию на изменение, а скорее он или она может пытаться понять сходства и различия между двумя субъектами.Например, Тайсон не наблюдал изменения своего «пигмея» в ответ на экспериментальное лечение. Вместо этого его исследование представляло собой сравнение неизвестного «пигмея» с людьми и обезьянами, чтобы определить отношения между ними.
Второй сценарий, в котором сравнительные исследования являются обычным явлением, — это когда физический масштаб или временная шкала вопроса может помешать экспериментированию. Например, в области палеоклиматологии исследователи сравнили керны, взятые из отложений, отложившихся миллионы лет назад в Мировом океане, чтобы увидеть, одинаков ли состав осадков во всех океанах или отличается в зависимости от географического положения.Поскольку осадки в этих кернах были отложены миллионы лет назад, было бы невозможно получить эти результаты экспериментальным методом. Исследования, направленные на изучение прошлых событий, таких как керны отложений, отложенных миллионы лет назад, называются ретроспективными исследованиями.
Третий распространенный сравнительный сценарий — это когда этические последствия экспериментального лечения исключают экспериментальный план. Исследователям, изучающим токсичность загрязнителей окружающей среды или распространение болезней среди людей, запрещено целенаправленно подвергать группу людей воздействию токсина или болезни по этическим причинам.В этих ситуациях исследователи организовали бы сравнительное исследование, выявляя людей, которые случайно подверглись воздействию загрязнителя или заболевания, и сравнивая их симптомы с симптомами контрольной группы людей, которые не подвергались воздействию. Исследования, направленные на изучение событий настоящего в будущем, например исследование развития симптомов у лиц, подвергшихся воздействию загрязнителя, называются проспективными исследованиями.

Сравнительная наука была значительно усилена в конце 19 — начале 20 века с введением современных статистических методов.Они использовались для количественной оценки связи между переменными (см. Наш модуль «Статистика в науке»). Сегодня статистические методы имеют решающее значение для количественной оценки характера взаимосвязей, исследуемых во многих сравнительных исследованиях. Результат сравнительного исследования часто представляется одним из следующих способов: как вероятность, как заявление о статистической значимости или как заявление о риске. Например, в 2007 году Кристенсен и Бьеркедал показали, что существует статистически значимая связь (на уровне достоверности 95%) между очередностью рождения и IQ, сравнив результаты тестов первенцев с результатами их младших братьев и сестер (Kristensen & Bjerkedal, 2007). ).И многочисленные исследования способствовали определению того, что риск развития рака легких у курильщиков в 30 раз выше, чем у некурящих (NCI, 1997).

Контрольная точка понимания

Ученые могут выбрать сравнительное исследование там, где было бы неэтично проводить эксперимент.

Сравнение на практике: портсигар

В 1919 г.Джордж Док, председатель медицинского отделения больницы Барнс в Сент-Луисе, попросил всех студентов третьего и четвертого курсов медицинского факультета понаблюдать за вскрытием человека с таким редким заболеванием, как он утверждал, что большинство студентов, вероятно, никогда не увидят другого такого случая в своей карьере. Когда вокруг собрались студенты-медики, врачи, проводившие вскрытие, заметили, что легкие пациента были испещрены большими темными массами клеток, которые вызвали обширное повреждение легочной ткани и заставили дыхательные пути закрыться и разрушиться.Доктор Альтон Окснер, один из студентов, наблюдавших за вскрытием, спустя годы напишет, что «я не видел другого случая до 1936 года, семнадцать лет спустя, когда за шесть месяцев я увидел девять пациентов с раком легкого. — Все больные были мужчинами, которые много курили и курили со времен Первой мировой войны »(Meyer, 1992).

Рисунок 4: Изображение со стереокарты, показывающее женщину, курящую сигарету, около 1900 г.

Американский врач д-р.Исаак Адлер был фактически первым ученым, предложившим связь между курением сигарет и раком легких в 1912 году, основываясь на своих наблюдениях, что пациенты с раком легких часто сообщали, что они курили. Однако наблюдения Адлера были анекдотичными и не предоставили никаких научных доказательств, подтверждающих связь. Немецкому эпидемиологу Францу Мюллеру приписывают первое исследование курения и рака легких методом случай-контроль в 1930-х годах. Мюллер разослал опрос родственникам умерших от рака и спросил их о привычках курения умерших.Основываясь на полученных ответах, Мюллер сообщил о более высокой заболеваемости раком легких среди заядлых курильщиков по сравнению с легкими курильщиками. Однако у исследования был ряд проблем. Во-первых, он основывался на памяти родственников умерших, а не на наблюдениях из первых рук, и, во-вторых, статистической ассоциации не проводилось. Вскоре после этого табачная промышленность начала спонсировать исследования с предвзятой целью опровергнуть негативные заявления о вреде для здоровья в отношении сигарет (дополнительную информацию о спонсируемых исследованиях см. В модуле «Научные учреждения и общества»).

Начиная с 1950-х годов было начато несколько хорошо контролируемых сравнительных исследований. В 1950 году Эрнест Виндер и Эвартс Грэм опубликовали ретроспективное исследование, в котором сравнивали курение 605 пациентов больниц с раком легких и 780 пациентов больниц с другими заболеваниями (Wynder & Graham, 1950). Их исследование показало, что 1,3% пациентов с раком легких не курили, в то время как 14,6% пациентов с другими заболеваниями не курили. Кроме того, 51.2% пациентов с раком легких были «чрезмерными» курильщиками, в то время как только 19,1% других пациентов были чрезмерно курильщиками. Оба этих сравнения оказались статистически значимыми различиями. Статистики, проанализировавшие данные, пришли к выводу:

. Когда некурящие и общее количество пациентов с раком легких из высоких классов курения сравнивают с пациентами с другими заболеваниями, мы можем отвергнуть нулевую гипотезу о том, что курение не влияет на индукцию. рака легких.

Виндер и Грэм также предположили, что между периодом курения у человека и появлением клинических симптомов рака может быть промежуток в десять и более лет. Это стало бы серьезной проблемой для исследователей, поскольку любое исследование, которое предполагало бы перспективное изучение взаимосвязи между курением и раком легких, должно было бы длиться много лет.

Ричард Долл и Остин Хилл опубликовали аналогичное сравнительное исследование в 1950 году, в котором они показали, что среди пациентов с раком легких статистически выше частота курения по сравнению с пациентами с другими заболеваниями (Doll & Hill, 1950).В своем обсуждении Долл и Хилл поднимают интересный вопрос относительно методов сравнительного исследования, говоря:

Это не обязательно означает, что курение вызывает рак легких. Связь возникла бы, если бы карцинома легкого заставляла людей курить, или если бы оба атрибута были конечными эффектами общей причины.

Далее они утверждают, что, поскольку было замечено, что привычка курить возникла до начала рака легких, аргумент о том, что рак легких приводит к курению, может быть отвергнут.Поэтому они приходят к выводу, что «курение является важным и важным фактором в возникновении карциномы легких».

Несмотря на эти убедительные доказательства, табачная промышленность и непредвзятые ученые высказали возражения, заявив, что ретроспективные исследования курения были «ограниченными, неубедительными и противоречивыми». Представители индустрии заявили, что опубликованные исследования не продемонстрировали причинно-следственные связи, а скорее продемонстрировали ложную связь между двумя переменными.Доктор Вильгельм Хупер из Национального института рака, ученый с долгой историей исследований профессиональных причин рака, утверждал, что упор на сигареты как единственную причину рака легких поставит под угрозу поддержку исследований других причин рака легких. Рональд Фишер, известный статистик, также был против выводов Долла и других, якобы потому, что они продвигали «пуританский» взгляд на курение.

Табачная промышленность развернула обширную кампанию дезинформации, спонсирования и последующего цитирования исследований, которые показали, что курение не вызывает «сердечную боль», поскольку это отвлекает от опубликованных исследований о сигаретах и раке легких.Представители отрасли также отметили исследования, которые показали, что люди, бросившие курить, страдают легкой депрессией, и указали на тот факт, что даже некоторые врачи сами курили сигареты, как на доказательство того, что сигареты не вредны (рис. 5).

Рисунок 5: Реклама сигарет около 1946 года.

В то время как научные исследования начали оказывать влияние на чиновников здравоохранения и некоторых законодателей, рекламная кампания отрасли оказалась эффективной. Федеральная торговая комиссия США запретила табачным компаниям заявлять о пользе для здоровья своей продукции в 1955 году.Однако более серьезное регулирование было предотвращено. Передовая статья, появившаяся в газете « New York Times » в 1963 году, суммировала национальные настроения, заявив, что табачная промышленность сделала «обоснованный аргумент», и общественность должна воздерживаться от принятия решения относительно сигарет до тех пор, пока не будут опубликованы дальнейшие отчеты со стороны правительства. Главный хирург США.

В 1951 году Долл и Хилл привлекли 40 000 британских врачей к проспективному сравнительному исследованию, чтобы изучить связь между курением и развитием рака легких.В отличие от ретроспективных исследований, которые отслеживали пациентов с раком легких в прошлом, проспективное исследование было разработано таким образом, чтобы проследить за группой в будущем. В 1952 г. Э. Кайлер Хаммонд и Дэниел Хорн включили 187 783 белых мужчин в США в аналогичное проспективное исследование. А в 1959 году Американское онкологическое общество (ACS) начало первое из двух крупномасштабных проспективных исследований связи между курением и развитием рака легких. Первое исследование ACS, названное «Исследование профилактики рака I», охватило более 1 миллиона человек и отслеживало их здоровье, курение и другие привычки образа жизни, развитие заболеваний, причину смерти и ожидаемую продолжительность жизни в течение почти 13 лет (Garfinkel, 1985).

Все исследования показали, что курильщики подвержены более высокому риску развития и смерти от рака легких, чем некурящие. Исследование ACS также показало, что у курильщиков повышен уровень других легочных заболеваний, ишемической болезни сердца, инсульта и сердечно-сосудистых заболеваний. Два исследования по профилактике рака ACS в конечном итоге показали, что 52% смертей среди курильщиков, включенных в исследования, были связаны с сигаретами.

Во второй половине 20-го, ^-го,-го века, данные других научных методов исследования позволили бы сделать вывод о том, что сигаретный дым является основной причиной рака легких:

Описательные исследования г. патология легких умерших курильщиков продемонстрировала бы, что курение наносит значительный физиологический ущерб легким.
Эксперименты , в ходе которых мышей, крыс и других лабораторных животных подвергали воздействию сигаретного дыма, показали, что он вызывает рак у этих животных (дополнительную информацию см. В нашем модуле «Эксперименты в науке»).
Физиологические модели помогут продемонстрировать механизм, с помощью которого сигаретный дым вызывает рак.

По мере накопления доказательств связи сигаретного дыма с раком легких и другими заболеваниями общественность, юридическое сообщество и регулирующие органы медленно отреагировали.В 1957 году главный хирург США впервые признал связь между курением и раком легких, когда был опубликован отчет, в котором говорилось: «Совершенно очевидно, что появляется все больше и больше доказательств того, что чрезмерное курение сигарет является одним из причинных факторов рака легких. . » В 1965 году, несмотря на возражения табачной промышленности и Американской медицинской ассоциации, которая только что приняла грант в размере 10 миллионов долларов от табачных компаний, Конгресс США принял Федеральный закон о маркировке и рекламе сигарет, который требовал, чтобы на пачках сигарет было предупреждение: » Осторожно: Курение сигарет может быть опасным для вашего здоровья.»В 1967 году главный хирург США опубликовал второй отчет, в котором говорилось, что курение сигарет является основной причиной рака легких в Соединенных Штатах. В то время как табачные компании нашли законные средства защиты на десятилетия после этого, в 1996 году Brown and Williamson Tobacco Компании было приказано выплатить 750 000 долларов в судебном иске об ответственности за табак; это стало первой выплатой компенсации, выплаченной физическому лицу табачной компанией.

Контрольная точка понимания

_________ исследование рассматривает прошлые события, в то время как _________ исследование рассматривает события из настоящего в будущее.

Сравнение дисциплин

Сравнительные исследования используются во множестве научных дисциплин, от антропологии до археологии, сравнительной биологии, эпидемиологии, психологии и даже судебной медицины. Снятие отпечатков пальцев ДНК, метод, используемый для изобличения или оправдания подозреваемого с использованием биологических доказательств, основан на сравнительной науке. При снятии отпечатков пальцев ДНК сегменты ДНК выделяются от подозреваемого и от биологических доказательств, таких как кровь, сперма или другие ткани, оставленные на месте преступления.Сравнивается до 20 различных сегментов ДНК подозреваемого и ДНК, обнаруженной на месте преступления. Если все сегменты совпадают, исследователь может рассчитать статистическую вероятность того, что ДНК принадлежит подозреваемому, а не кем-то еще. Таким образом, совпадения ДНК описываются как вероятность ошибки «1 из 1 миллиона» или «1 из 1 миллиарда».

Сравнительные методы также широко используются в исследованиях с участием людей из-за этических ограничений экспериментального лечения.Например, в 2007 году Петтер Кристенсен и Тор Бьеркедал опубликовали исследование, в котором сравнили IQ более 250 000 норвежцев-мужчин в армии (Kristensen & Bjerkedal, 2007). Исследователи обнаружили значительную взаимосвязь между порядком рождения и IQ, где средний IQ первенцев мужского пола был примерно на три пункта выше, чем средний IQ второго родившегося мужчины в той же семье. Исследователи также показали, что эта взаимосвязь коррелировала с социальными, а не биологическими факторами, поскольку у мальчиков, рожденных вторыми, которые выросли в семьях, в которых умер первый ребенок, средний IQ был аналогичен показателям IQ других детей-первенцев.Можно представить себе сценарий, в котором исследования этого типа можно было бы проводить экспериментально, например, целенаправленно удаляя первенцев мужского пола из определенных семей, но этика такого эксперимента исключает его возможность когда-либо проводить.

Ограничения сравнительных методов

Одним из основных ограничений сравнительных методов является контроль других переменных, которые могут повлиять на исследование.Например, как указали Долл и Хилл в 1950 году, связь между курением и смертностью от рака могла означать, что: а) курение вызвало рак легких, б) рак легких заставил людей начать курить, или в) третья неизвестная переменная. вызывали рак легких И заставляли людей курить (Doll & Hill, 1950). В результате исследователи-сравнители часто идут на все, чтобы выбрать две разные исследовательские группы, схожие почти во всех отношениях, за исключением рассматриваемого лечения. Фактически, многие сравнительные исследования на людях проводятся на однояйцевых близнецах именно по этой причине.Например, в области исследований табака были использованы десятки сравнительных исследований-близнецов для изучения всего, от воздействия сигаретного дыма на здоровье до генетической основы зависимости.

Контрольная точка понимания

Какая польза от сравнения однояйцевых близнецов в научных исследованиях?

Сравнение в современной практике

Рисунок 6: «Кривая Килинга», долгосрочный рекорд концентрации CO ₂ в атмосфере, измеренный в обсерватории Мауна-Лоа (Keeling et al.). Хотя годовые колебания представляют собой естественные сезонные колебания, долгосрочное увеличение означает, что концентрации выше, чем они были за 400 000 лет. Изображение предоставлено Обсерваторией Земли НАСА.

Несмотря на уроки, извлеченные во время дебатов по поводу возможных эффектов сигаретного дыма, сравнительная наука все еще окружает заблуждения. Например, в конце 1950-х годов Чарльз Килинг, океанограф из Института океанографии Скриппса, начал публиковать данные, полученные им в результате длительного описательного исследования уровней углекислого газа в атмосфере (CO ₂) в обсерватории Мауна-Лоа. на Гавайях (Килинг, 1958).Килинг заметил, что уровни CO ₂ в атмосфере быстро увеличивались (рис. 6). Он и другие исследователи начали подозревать, что повышение уровней CO ₂ было связано с повышением средней глобальной температуры, и с тех пор несколько сравнительных исследований коррелировали повышение уровней CO ₂ с повышением глобальной температуры (Keeling, 1970). Вместе с исследованиями по моделированию (см. Наш модуль «Моделирование в научных исследованиях»), это исследование предоставило доказательства связи между глобальным изменением климата и сжиганием ископаемого топлива (которое выделяет CO ₂).

Тем не менее, шаг, напоминающий борьбу, начатую табачными компаниями, нефтедобывающая промышленность и промышленность ископаемого топлива развернули масштабную кампанию по связям с общественностью против исследований изменения климата. Еще в 1989 году ученые, финансируемые нефтяной промышленностью, готовили отчеты, в которых исследования по изменению климата назывались «шумной мусорной наукой» (Roberts, 1989). Как и в случае с проблемой табака, проблемы ранних сравнительных исследований пытались представить метод менее надежным, чем экспериментальные методы.Но проблемы на самом деле укрепили науку, побудив больше исследователей начать исследования, тем самым предоставив множество доказательств, подтверждающих связь между атмосферными концентрациями CO ₂ и изменением климата. В результате совокупность множества научных данных побудила Межправительственную группу экспертов по изменению климата, организованную Организацией Объединенных Наций, выпустить доклад, в котором говорилось, что «потепление климатической системы однозначно» и «углекислый газ является наиболее важной антропогенной парниковой. газ (IPCC, 2007).»

Сравнительные исследования являются важной частью спектра исследовательских методов, используемых в настоящее время в науке. Они позволяют ученым применять схему лечения и контроля в условиях, исключающих экспериментирование, и могут предоставить бесценную информацию о взаимосвязях между переменными. Тщательная проверка, которая проводилась на публичной арене в связи со случаями, связанными с сигаретами и изменением климата, фактически укрепила этот метод, прояснив его роль в науке и подчеркнув надежность данных, полученных в результате этих исследований.

Сводка

Сравнение и противопоставление — важный исследовательский инструмент для понимания мира. С помощью сценариев, в которых ученые, вероятно, предпочтут проводить сравнительные исследования, этот модуль исследует различия и сходства между сравнением и экспериментированием. Исследования связи между курением сигарет и здоровьем показывают, как сравнение с другими методами исследования предоставило твердые доказательства того, что сигаретный дым является основной причиной рака легких.

Ключевые концепции

Сравнение используется для определения и количественной оценки взаимосвязей между двумя или более переменными путем наблюдения за разными группами, которые по своему выбору или обстоятельствам подвергаются различным воздействиям.
Сравнение включает в себя как ретроспективные исследования, в которых рассматриваются уже произошедшие события, так и проспективные исследования, в которых изучаются переменные, относящиеся к настоящему моменту.
Сравнительное исследование похоже на экспериментирование в том, что оно включает сравнение экспериментальной группы с контрольной, но отличается тем, что лечение наблюдается, а не сознательно навязывается из-за этических соображений или потому, что это невозможно, например, в ретроспективное исследование.

Понятия подобия для моделей системной биологии

Краткий Биоинформ. 2018 Янв; 19 (1): 77–88.

Dagmar Waltemath

Департамент системной биологии и биоинформатики, Институт компьютерных наук, Университет Ростока, Росток, Германия

Автор, отвечающий за переписку: Дагмар Вальтемат, факультет системной биологии и биоинформатики, Институт компьютерных наук, Университет Ростока, Росток, Германия.Тел .: +49 381 498-7575; Факс: +49 381 498-7572; E-mail: [email protected]

Поступила в редакцию 27 мая 2016 г .; Пересмотрено 28 августа 2016 г. Авторские права © Автор, 2016 г. Опубликовано Oxford University Press. Это статья в открытом доступе, распространяемая в соответствии с условиями некоммерческой лицензии Creative Commons Attribution (http://creativecommons.org/licenses/by-nc). /4.0/), который разрешает некоммерческое повторное использование, распространение и воспроизведение на любом носителе при условии правильного цитирования оригинальной работы.По вопросам коммерческого повторного использования обращайтесь по адресу [email protected]. Эта статья цитируется в других статьях PMC.

Abstract

Модели системной биологии быстро становятся сложнее, размерами и числом. При построении больших моделей исследователи полагаются на программные инструменты для поиска, сравнения, комбинирования и объединения моделей, а также для контроля версий. Эти инструменты должны иметь возможность количественно определять различия и сходства между вычислительными моделями. Однако в зависимости от конкретного приложения понятие «сходство» может сильно различаться.Общее понятие подобия моделей, применимое к различным типам моделей, до сих пор отсутствует. Здесь мы проводим обзор существующих методов сравнения моделей, вводим количественные меры для определения сходства моделей и обсуждаем возможные применения комбинированных мер подобия. Чтобы представить сравнение моделей как общую проблему, мы описываем теоретический подход к определению и вычислению сходств, основанный на комбинации различных аспектов модели. Шесть аспектов, которые мы определяем как потенциально значимые для сходства, включают лежащее в основе кодирование, ссылки на биологические объекты, количественное поведение, качественное поведение, математические уравнения и параметры и структуру сети.Мы утверждаем, что будущие меры сходства выиграют от объединения этих аспектов модели гибкими, ориентированными на конкретные проблемы способами, чтобы имитировать интуицию пользователей о сходстве моделей и поддерживать сложный поиск моделей в базах данных.

Ключевые слова: системная биология, сетевая модель, управление версиями моделей, поиск информации, SBML

Введение

«За последние несколько десятилетий математические модели молекулярных и генных сетей стали важной частью исследовательского инструментария для бионауки »[1].Математические модели — это формальные представления природных систем, которые могут помочь ответить на вопросы о сложной системе, которую они представляют [2]. Согласно Роберту Розену, модель устанавливает модельное отношение между формальной и естественной системой: формальная система кодирует естественную систему, а выводы, сделанные в формальной системе, могут быть интерпретированы (декодированы) как утверждения о естественной системе [3]. Модели системной биологии служат абстракциями биологических систем. Биохимические модели, например, связывают компоненты модели, такие как математические выражения, объекты или переменные, с биохимическими объектами, такими как виды молекул или химические реакции.В зависимости от решаемых научных вопросов и имеющихся данных биологическая система может быть описана моделями различных масштабов и уровней детализации, отражающих различные взгляды на систему.

В этой статье мы сосредоточимся на моделях системной биологии. Модели системной биологии могут быть основаны на ряде математических формализмов [1]. Здесь, опять же, выбор того или иного подхода во многом зависит от типа задаваемого вопроса и имеющихся данных [2]. Метаболические и сигнальные пути обычно моделируются системами обыкновенных дифференциальных уравнений, и полученные модели известны как кинетические модели.Более крупные метаболические системы обычно описываются сетевыми моделями на основе ограничений, которые фиксируют стационарные метаболические потоки, но игнорируют кинетику ферментов. Динамика экспрессии генов может быть смоделирована кинетическими моделями, случайными процессами или дискретными динамическими процессами, такими как булевы сети [4]. Модели пространственных ячеек могут даже включать уравнения в частных производных. Кроме того, развитие синтетической биологии и моделирование целых организмов требует гибридного моделирования.

Поскольку количество и сложность моделей быстро увеличивается, многие из них теперь формально закодированы в стандартных форматах для обработки и обмена между различными программными инструментами.Язык разметки системной биологии (SBML) [5] и CellML [6] — это два стандарта de facto на основе XML, которые кодируют сущности и взаимодействия в биологических моделях. Оба обеспечивают функциональную совместимость программного обеспечения в разнообразном ландшафте программного обеспечения для моделирования, визуализации и имитации [7]. Для дальнейшей стандартизации представления моделей и обеспечения возможности взаимодействия между ними биологическое значение компонентов модели может быть определено семантическими аннотациями, которые связывают компоненты (например,грамм. переменная, представляющая концентрацию глюкозы) к общим идентификаторам, определенным в онтологиях или общедоступных базах данных (например, CHEBI: 17234 , который является идентификатором глюкозы в базе данных ChEBI [8]). Вместе стандартные форматы и семантические аннотации способствуют повторному использованию данных в бионауках [9]. Кроме того, повторное использование моделей в исследовательских группах и научных сценариях использования требует сложных стратегий управления моделями для хранения, поиска, извлечения, контроля версий и происхождения [10].

Все эти задачи требуют, по крайней мере неявно, математических представлений о сходстве между моделями. Если схожие модели можно распознать с помощью программного обеспечения, то их также можно будет найти в базах данных, можно будет оценить различия между моделями и восстановить родословные версий моделей. Для любой области знаний могут использоваться разные понятия подобия в зависимости от аспектов, между которыми определяется сходство. Например, чтобы решить, похожи ли два человека, нам нужно выбрать, на каких чертах человека сосредоточиться, и мы можем назначить приоритеты выбранным характеристикам.Затем мы можем сравнить двух людей по их росту, форме их лиц или поведению — с разными результатами. Определенные группы людей можно легко отличить по размеру (например, дети по сравнению со взрослыми), в то время как тот же критерий не сможет предсказать другие различия (левши по сравнению с правшами). Также в информатике объекты данных можно сравнивать по различным аспектам в зависимости от цели сравнения. Например, при сравнении файлов изображений типичными характеристиками являются используемые цвета, отображаемые объекты или размер и тип файла.Выбор характеристик и меры сходства зависит от предполагаемого применения.

Сравнение моделей было реализовано в нескольких программных инструментах как часть поиска сходства. Например, общедоступные репозитории моделей, такие как репозиторий моделей CellML [11], могут использовать поисковую систему [12], которая помогает пользователям находить модели, относящиеся к их исследованиям. Для такой системы поиска моделей применяются меры сходства, которые адаптируются для получения меры подобия моделей на основе различных характеристик моделей [13].Другой пример — semanticSBML [14], онлайновый программный инструмент, который предоставляет функциональные возможности для кластеризации, слияния и сравнения моделей SBML на основе семантических аннотаций.

Мы утверждаем, что сравнение моделей как вычислительная задача следует абстрагироваться от конкретных типов моделей, приложений и программного обеспечения. Здесь мы решили изучить, что является общим для различных мер сходства для моделей системной биологии, и попытаться поместить их в общую математическую структуру. Практическая цель такого подхода — создать общую программную библиотеку, которая реализует различные меры сходства и может быть интегрирована в программное обеспечение системной биологии для обеспечения гибкости в задачах сравнения моделей.В этой статье мы рассмотрим и классифицируем существующие меры сходства между моделями и их компонентами. Эти меры могут зависеть от таких аспектов, как описанные биологические объекты, структура сети, допущения модели, математические утверждения и значения параметров или динамическое поведение, отображаемое при моделировании. Мы обсуждаем различные аспекты и показываем, как их можно включить в вычислимые меры подобия. Кроме того, мы показываем приложения для этих мер, используя поиск моделей, кластеризацию и слияние в качестве примеров, и обсуждаем открытые проблемы, которые должны быть рассмотрены в будущих исследованиях.

Формальные понятия подобия

Меры подобия

Общее понятие подобия можно концептуализировать с помощью математических функций, называемых мерами сходства. Интуитивно понятно, что мера подобия для некоторых типов объектов присваивает каждой паре объектов значение подобия. Большие значения означают большее сходство. Если свойства объектов представлены в некотором пространстве свойств, сходство напоминает обратное расстояние: объекты с небольшими расстояниями считаются похожими, а объекты с большими расстояниями — разными.Меры подобия часто нормализуются для получения значений от 0 до 1. Сходство σ = 1 означает, что два объекта идентичны (или неотличимы) в отношении рассматриваемых свойств, в то время как совершенно разные объекты будут иметь сходство σ = 0. Формально, нормализованная мера подобия для множества X определяется как функция, которая присваивает x ₁, x ₂ ∈ X значение σ ∈ [0, 1]. Это σ называется «значением подобия». Большинство мер подобия симметричны и удовлетворяют неравенству треугольника.

Сходство моделей на основе отдельных аспектов

Меры сходства для моделей относятся к конкретным аспектам модели. Например, сходство между двумя сетевыми моделями может быть определено путем выравнивания сетей и оценки их общего перекрытия [15]. Результатом является значение подобия по отношению к структуре сети. В качестве альтернативы, сходство между двумя моделями может быть вычислено путем сравнения смоделированных временных рядов [16], сравнения семантических аннотаций [12] или выявления возникающих шаблонов и т. Д.Далее мы определяем подобие в отношении определенных свойств модели. Сначала мы определяем сходство в отношении одного аспекта. Позже в статье мы также обсудим сходство в отношении комбинации аспектов.

Чтобы формально выразить сходство в отношении одного аспекта, мы вводим проекцию модели M на аспект α, например, проекцию динамической модели на базовую топологию сети. Все остальные особенности модели, не относящиеся к этому аспекту, игнорируются.Затем мера сходства между двумя проектируемыми моделями определяет сходство этих моделей по данному аспекту (см.). Более формально для аспекта модели α α-подобие между двумя моделями M ₁, M ₂, sim _α (M ₁, M ₂) определяется как σ _α (Π _α (M ₁), Π _α (M ₂)), где Π _α — проекция модели на аспект α, а σ _α — мера сходства для аспекта α.Эта схема применяется как к моделям как математическим объектам, так и к закодированным моделям, то есть текстовым файлам, представляющим эти модели, и допускает такие утверждения, как «модель 1 и модель 2 аналогичны в отношении аспекта α». Это определение может оставить некоторые меры подобия неопределенными, поскольку мы считаем функцию проекции Π _α частичной функцией. Если в модели отсутствует аспект, для которого определена мера сходства, сходство с другими моделями также остается неопределенным.

Сравнение двух моделей системной биологии на основе модельного аспекта.Для сравнения двух моделей модели сопоставляются с определенным аспектом (в данном случае с их сетевой структурой). Затем применяется соответствующая мера подобия (например, для подобия графов) [15].

По той же схеме модели можно сравнивать с другими типами данных, например к наборам экспериментально измеренных концентраций веществ. Чтобы увидеть, относятся ли модель и набор данных к схожим наборам веществ, мы можем выбрать наборы веществ в качестве аспекта, на котором мы фокусируемся. Математически, если проекция Π _α (M) дает аспект α модели M и связанную проекцию Π ‘_α проецирует наборы данных D в один и тот же аспект α, то функция α-подобия σ _α может использоваться для поиска наборов данных, которые напоминают модель M относительно α, путем вычисления σ _α (Π _α (M), Π ‘_α (D)).

Комбинированные меры подобия

Сходства, возникающие из различных аспектов модели, могут быть объединены для определения более сложных показателей. Например, две модели могут считаться похожими только в том случае, если они описывают похожие биологические объекты и описывают их с помощью аналогичных математических формул. Комбинация различных мер сходства часто встречается при поиске модели, например чтобы пользователи могли находить «модели, которые описывают аспекты клеточного цикла и используют аналогичное пространство параметров».

Для выполнения таких сложных задач нам необходимо объединить несколько оценок сходства в одну оценку. Мы можем составить или разложить комплексные меры сходства, проектируя модели по отдельным аспектам, а затем комбинируя полученные сходства между этими аспектами. Формально это можно выразить следующим образом (без ограничения общности, ограничиваясь нормализованными мерами сходства): sim _{α ° β} (M ₁, M ₂) = σ _{α ° β} (Π _{α ° β} (M ₁), Π _{α ° β} (M ₂)) = σ _α (Π _α (_M1), Π _α (M ₂)) ° σ _β (Π _β (M ₁), Π _β (M ₂)), где ° — функция °: [0, 1] × [0, 1] → [0, 1] .

Для объединения большего количества свойств меры сходства могут быть удобно определены векторами признаков. Вектор признаков представляет различные свойства модели в виде списка чисел, расположенных в виде вектора. Например, элементы вектора могут быть нулями или единицами, обозначающими наличие определенных аннотаций в модели, или целыми числами, обозначающими частоты определенных сетевых мотивов в сети. После того, как модели были преобразованы в векторы признаков, можно применять различные методы многомерного анализа данных, включая контролируемую и неконтролируемую классификацию [17].Простые меры сходства для векторов признаков могут быть определены на основе евклидовых расстояний, индекса Жаккара или нормированных скалярных произведений (т. Е. Косинуса угла между векторами признаков). Чтобы взвесить различные характеристики и учесть их известные взаимосвязи, можно использовать специальные метрики, например квадратичные формы вместо простых скалярных произведений. Это может быть полезно для учета известных логических связей между различными функциями.

Сравнение моделей на основе конкретных аспектов

Соответствующие аспекты моделей могут быть извлечены (или рассчитаны) из закодированных моделей.В зависимости от цели сравнения и представления модели выбирается вычислимая мера подобия. Когда модели представлены в виде сетевых графов, будет естественным сравнивать их по сетевой структуре, используя меру сходства графов. Например, графическая нотация системной биологии [18] для графического отображения поддерживает сравнение структурного и визуального сходства сети. Когда даны только уравнения модели, схожесть сети будет труднее распознать, даже если неявно дана вся необходимая информация.Например, SBML и CellML для структуры модели и формул поддерживают сравнение структурного и математического сходства. Онтология системной биологии (SBO) [19] и другие онтологии позволяют проводить сравнения семантического сходства. Согласно нашей структуре, функция проекции Π _α может быть более или менее сложной для определения (и оценки) в зависимости от представления модели. Следовательно, определенные меры подобия будут более естественными при определенном модельном представлении.

Мы предлагаем классифицировать меры сходства на основе пяти типов аспектов модели: (i) кодирование модели; (ii) биологическое значение; (iii) сетевая структура; (iv) математические утверждения и числовые значения; и (v) количественное и качественное поведение (сравните и).Дополнительные «мета-свойства» и информация о происхождении еще больше улучшают сравнение (например, информация о формате файла или году разработки).

Таблица 1

Аспекты модели и связанные меры схожести

Математические утверждения, количественные и качественное поведение

Аспект модели	Существующие меры	Поддержка инструментов (выбор)	Приложения
Кодирование	Кодирование SB или CellML), расстояние Левенштейна	BiVeS [21], Unix Diff	Контроль версий модели
Биологическое значение	Сходство в отношении биологического значения компонентов модели	SemanticSBML, Библиотека семантических измерений и набор инструментов Сравнение наборов моделей, MORRE [ 45]	Поиск, извлечение, сравнение намерений и предположений модели
Сетевая структура	Сходство графов, стехиометрическое сходство	Cytoscape [62], библиотеки графов	Слияние моделей, извлечение и сравнение подмоделей
Разница в утверждениях и цифрах; корреляция между состояниями, временными рядами, установившимися состояниями	Библиотека семантических мер и инструментарий (для аннотаций SBO)	Сравнить динамическое поведение; классификация моделей (например,грамм. колебательные модели гликолиза по сравнению с неосциллирующими моделями)

Показатели сходства для моделей могут быть получены из показателей сходства для аспектов модели. Автоматическое сравнение моделей основывается на количественных показателях сходства. Практический способ определения таких мер — спроецировать обе модели на некоторый соответствующий аспект, например структура сети, для которой определена мера подобия. В абстрактной схеме для сравнения моделей две модели отображаются на конкретный центральный аспект.

Кодировка модели

Модели можно напрямую сравнивать на основе их кодировки, т. Е. Определенного формата файла. Если модели закодированы как компьютерные программы, например в MATLAB сравнение на синтаксическом уровне может быть выполнено с использованием инструментов для обнаружения различий в программном коде (например, diff ). Поскольку компьютерные программы, как правило, не имеют заранее определенной структуры, такое сравнение редко дает удовлетворительные результаты.

Однако стандартизованные форматы, такие как SBML и CellML, имеют четко определенный синтаксис XML, который ограничивает количество возможных операций.С одной стороны, это ограничивает то, какая информация может быть закодирована. С другой стороны, ограниченное количество поддерживаемых структур облегчает реализацию алгоритмов, специфичных для предметной области. Эти алгоритмы используют обширную информацию о закодированных биологических механизмах, компонентах моделей и их взаимодействиях, а также биологическом значении (частях) модели. Точно так же симуляции моделей и контекст симуляции могут быть закодированы в стандартных форматах, таких как язык разметки описания экспериментов симуляции (SED-ML [20]).Таким образом, сравнение моделей может передать информацию об их биологическом значении и поведении.

Некоторые алгоритмы используют этот сокращенный подход для определения сходства моделей (или версий моделей) путем сравнения их синтаксической структуры, например [21–23]. Некоторые программные инструменты сравнивают представления модели, принимая во внимание конкретную синтаксическую структуру и соответствующее биологическое значение, в то время как другие сравнивают представления напрямую и впоследствии интерпретируют результаты с учетом биологии.Например, исправления XML [22] создаются для сравнения моделей исключительно на уровне XML, в то время как инструмент BiVeS, описанный в [21], также учитывает структуру реального формата представления модели.

Биологическое значение

Для сравнения моделей с описанной биологической системой необходимо учитывать значение компонентов. Биологические объекты в модели (вещества, реакции, клеточные компартменты и т. Д.) Должны быть явно связаны с биологическим описанием.С этой целью биологические объекты обычно семантически аннотируются терминами из биологических и биомедицинских онтологий [19]. Например, BioModels предоставляет 1516 литературных моделей, закодированных в SBML. Среди них 613 отобранных (проверенных вручную и аннотированных) моделей. Кроме того, BioModels предлагает 903 некураторских модели (см. Http://www.ebi.ac.uk/biomodels-main/news по состоянию на 1 июля 2016 г.). Кураторская модель имеет в среднем 30 видов, 41 реакцию, 40 параметров, 16 разделов, 10 правил и 3 события.Каждая сущность в курируемой модели в среднем связана с 1,86 онтологическими терминами, обеспечивающими семантику и биологический фон. Аннотации модели могут также указывать на записи в биологических базах данных, из которых затем могут быть получены аннотации на основе онтологий, например UniProt [24].

Большинство моделей в открытых репозиториях аннотируются терминами из онтологий, таких как Gene Ontology (GO) [25], ChEBI [8] или SBO [19]. Различные онтологии охватывают разные области знаний и позволяют сравнивать модели, связанные с этими областями: аннотации моделей, относящиеся к терминам GO, позволяют определять сходство, связанное с биологической функцией или клеточным расположением биологических объектов; аннотации на основе ЧЭБИ учитывают сходство по химическому составу; аннотации, основанные на SBO, допускают сходство на основе законов биохимической скорости или роли химических соединений в механизмах реакции и т. д.Меры подобия, которые сравнивают модели по их семантическим аннотациям, могут быть определены на основе существующих мер подобия для элементов онтологии [26]. Эти меры помогают выявить сходство в задачах сопоставления и поиска моделей [12, 27–29]. Например, в регуляторных путях, описывающих взаимодействия белков, семантическое сходство традиционно оценивается как функция общей аннотации белков с помощью терминов GO [30].

Структура сети

Биологическим сетевым структурам и особенно их статистическим свойствам уделяется большое внимание в исследованиях системной биологии [31].Сетевые структуры могут быть извлечены из закодированных моделей, а сетевое выравнивание между моделями позволяет обнаруживать конкретные структурные различия и сходства. Гей и др. , например, предложил методы сопоставления графов для оценки сходства между моделями [32]. Они свели модели к ориентированным двудольным графам реакций и искали эпиморфизмы между структурами графов. Впоследствии они оценили свой метод на моделях SBML от BioModels. Графы также использовались для измерения сходства моделей на основе содержащихся в них мотивов [33].Мотивы — это небольшие частичные подграфы, которые статистически чрезмерно представлены в сети. Мотивы часто интерпретируются как небольшие функциональные единицы, и Алон [34] показал, что сети, реализующие аналогичные задачи (например, сигнальные пути), содержат похожие мотивы. Следовательно, сравнение распределения мотивов в биологических сетях может предоставить информацию о типичных биологических функциях этих сетей.

Математические утверждения и поведение модели

Модели можно сравнивать по их количественному или качественному динамическому поведению.Это поведение может быть определено либо из их математической структуры, либо из прогонов моделирования. Сходство поведения было связано со сходными внутренними механизмами и зависимостью от общих внешних факторов [16]. Хотя нам не известна какая-либо система, которая формально сравнивает модели относительно динамического поведения, есть попытки сравнить для данной модели результаты моделирования, полученные на разных симуляторах [35]. Фреймворк Functional Curation, например, сравнивает динамические эффекты определенных смоделированных возмущений [36, 37].Сравнение качественного поведения модели (например, колебания, установившееся состояние) может быть полезно для выявления сходства между биологическими механизмами [16].

Аннотации реакций с терминами из SBO могут помочь определить поведенческие сходства в будущем. SBO, например, уже используется для аннотирования математических законов скорости и, следовательно, является хорошим кандидатом для качественного сравнения математических выражений. Если математические выражения похожи, то модели также могут показывать аналогичное динамическое поведение.

Сравнение двух моделей

Чтобы проиллюстрировать сравнение моделей по разным аспектам, мы анализируем две динамические модели, которые происходят из одной и той же публикации [38], и изучаем циклин и циклин-зависимую киназу (см.). В то время как первая модель описывает фосфорилирование двух соединений явными реакциями, вторая модель была упрощена и отражает только общую динамику. Файлы моделей, полученные из BioModels (модели BIOMD0000000005 и BIOMD0000000006), закодированы в SBML и относятся к описанному организму и биологическому пути.Из-за разного уровня разрешения модели различаются сетевыми структурами и математическими утверждениями. Поскольку BIOMD0000000006 является упрощением BIOMD0000000005 с точки зрения математики, мы начнем наш пример с математического аспекта.

Сравнение двух моделей, описывающих цикл деления клетки. Две модели, закодированные в SBML, полученные из BioModels, сравниваются по различным аспектам. Обе модели взяты из одной публикации, описывающей цикл клеточного деления [38]. Каждое поле представляет собой аспект и показывает отрывок из BIOMD0000000005 слева и BIOMD0000000006 справа.

Математика

Математически каждая из моделей представлена системой дифференциальных уравнений. Первая модель кодирует шесть видов молекул (включая фосфорилированные и нефосфорилированные формы одних и тех же соединений) и описывает их динамику с помощью скоростных уравнений, в которых четко видны элементарные стадии реакции. Скорости реакции зависят от концентраций молекулярных частиц, двух постоянных концентраций и девяти констант скорости. Во второй модели уравнения были радикально упрощены: суммируя и нормализуя переменные, мы получаем четыре новые переменные, дифференциальные уравнения которых больше не имеют формы простых скоростных уравнений.На следующем этапе упрощения путем аппроксимации, основанной на разделении шкалы времени, количество переменных дополнительно сокращается до двух, и у нас остается только четыре параметра. Можно ли автоматически распознать сходство между нашими тремя системами уравнений, изучив математические формулы? Между моделью с шестью переменными и моделью с четырьмя переменными основная проблема заключается в замене переменных: хотя вторая система уравнений напрямую выводится из первой, соответствие трудно увидеть, если определение новых переменных (в сроки старых) не известно.В частности, новые имена переменных не дают никакого представления об их отношении к старым переменным. В отличие от модели с четырьмя переменными и моделью с двумя переменными, две переменные отбрасываются, но две другие переменные остаются неизменными (те же имена и то же значение). Остальные два уравнения формально аналогичны уравнениям из предыдущего варианта модели, но изменились только некоторые детали (например, термин пропущен). Это формальное сходство можно было распознать, сравнив формулы в строковом или древовидном представлении.

Количественная динамика

Чтобы сравнить результаты моделирования двух моделей, необходимо ввести две переменные в BIOMD0000000005, [M] / [CT] и ([Y] + [pM] + [M]) / [CT] , которые соответствуют u и v в BIOMD0000000006 соответственно. Эти два хода времени аналогичны, за исключением фазового сдвига около 15 с и другой начальной части (сравните). Этот сдвиг происходит из-за разных начальных условий. Если использовать равные начальные условия, то временные курсы станут идентичными.

Временные курсы для BIOMD0000000005 ( A ) и BIOMD0000000006 ( B ). Оба временных курса (длительностью 100 с) были созданы с помощью COPASI [39]. Параметры модели и начальные условия остаются такими, как закодированы в SBML-файлах, полученных от BioModels.

Качественная динамика

Оба хода времени можно охарактеризовать как стабильные предельные циклы, то есть как незатухающие колебания. TEDDY, Терминология описания динамики [19], предоставляет термин TEDDY_0000114 для аннотации этой качественной динамики.См. [40] для более подробной качественной характеристики динамики обеих моделей. Сравнение качественной динамики обеих моделей покажет, что в этом отношении модели равны.

Кодирование

Как описано в аспекте Математика , вторая модель содержит меньше переменных и уравнений. Это тоже отражено в кодировке. Обе модели закодированы в SBML Level 2, Version 4. Алгоритм BiVeS для обнаружения различий в вычислительных моделях может использоваться для идентификации изменений между двумя кодировками SBML.Выходные данные BiVeS показаны в. Он предоставляет информацию о вставке, удалении, обновлениях и перемещениях для преобразования одной модели в другую. Более пристальный взгляд на таблицу показывает, что одну модель можно рассматривать как упрощение другой. Количество и типы выявленных изменений, например охарактеризованные терминами из COmputational MOdels DIffer (COMODI), онтологии, описывающей возможные изменения в моделях вычислительной биологии [41], можно использовать в качестве меры сходства.

Таблица 2

Сравнение закодированных видов

(cyclin) → v SBOTerm был удален: cdc2k 21 изменено: C2 → u

Виды	Изменения
CT (total_cdc2)	Удалено

EmptySet Атрибут 900U вставлен в пустой 900U
	Атрибут *initialAmount* изменен: 0 → 1
	Атрибут *sboTerm* вставлен: SBO: 0000291
YP (p-cyclin)	Атрибут *BorderCondition* был вставлен: true
Атрибут *hasOnlySubstanceUnits* был вставлен: true
Атрибут
:	был вставлен	Атрибут *наименование* был удален: cyclin
Атрибут id изменен: Y → v
YT (total_cyclin)	Удалено
CP (cdc2k-P)		p-cyclin_cdc2) → z	Атрибут *BorderCondition* был вставлен: true
Атрибут *hasOnlySubstanceUnits* был вставлен: true
Атрибут 4 0000297 был вставлен SBB 9007O: SBO 9007: SBO 9007 9007: 0037
Атрибут *имя* был удален: p-cyclin_cdc2
Атрибут id изменен: M → z
pM (p-cyclin_cdc2-p)				(cdc2k) → u	Атрибут *Граница Условие* было вставлено: true
Атрибут 9 0021 hasOnlySubstanceUnits был вставлен: true
Атрибут *sboTerm* был вставлен: SBO: 0000297
Атрибут *имя* был удален: id cdc2k 21

Биология

На основе только двух закодированных моделей, как мы могли узнать, что модели описывают один и тот же биологический путь? Обе модели несут семантические аннотации, описывающие задействованные циклины и киназы.Используя исходную модель BIOMD0000000005 в качестве запроса, мы можем просмотреть биомодели на предмет похожих моделей с помощью инструмента semanticSBML. Мы получаем ранжированный список моделей результатов, где ранги зависят от оценок сходства, вычисленных путем оценки процента общих биологических аннотаций. Если мы запустим этот запрос на вручную отобранных моделях базы данных BioModels, сама модель запроса появится в верхней части списка, тогда как модель BIOMD0000000006 появится только на 28-м ранге. аннотации.Поскольку BIOMD0000000006 представляет собой упрощение с несколькими аннотациями на более абстрактном уровне, существует лишь умеренное сходство с точки зрения биологических аннотаций. Таким образом, биологическое сходство двух наших моделей можно обнаружить, но есть и другие модели, которые содержат те же аннотации и получают аналогичные или даже более высокие оценки сходства (в частности, минимальные модели митотического осциллятора Голдбетера [42]).

Сеть

Простая мера несходства для сетей — это расстояние редактирования графа [43].Основная идея состоит в том, чтобы выровнять два графа с учетом минимальных затрат на редактирование, то есть вставлять и удалять как можно меньше узлов и ребер, чтобы преобразовать один граф в другой:

GED (g1, g2) = min⁡ (e1,…, ek) ∈ P (g1, g2) ∑i = 1kc (ei), где P (g ₁, g ₂) — набор путей редактирования, преобразующих g ₁ в g ₂ и c (e)> 0 — стоимость каждой операции редактирования графика e. В нашем примере мы не принимаем во внимание изменения ярлыков. показывает необходимые правки для преобразования сети BIOMD0000000005 в сеть BIOMD0000000006.

Расстояние редактирования графика. Чтобы преобразовать сеть BIOMD0000000005 в сеть BIOMD0000000006, необходимо было выполнить 28 операций редактирования; Удаляются 16 ребер и 11 узлов, вставляется 1 ребро. Удаления показаны красным, вставки — синим, а неизмененные элементы — серым. Узел ∅, представляющий пустой набор, отображается несколько раз для ясности.

Практическое применение мер подобия

Чтобы извлечь выгоду из множества опубликованных моделей, моделистам необходимо программное обеспечение, которое помогает им исследовать, получать доступ, сравнивать, моделировать и комбинировать модели с минимальными усилиями.Мы различаем два возможных направления действий: с одной стороны, исследователи могут анализировать небольшие определенные наборы моделей и классифицировать или согласовывать их; в качестве примера показано, как можно сравнить динамическую модель клеточного цикла с упрощенным вариантом модели из той же публикации на основе файлов моделей, доступных на BioModels. С другой стороны, исследователи могут искать модели в таких базах данных, как биомодели, возможно, исходя из интересующей модели запроса. Методы сравнения моделей одинаково важны в обоих случаях.Теперь мы опишем основные варианты использования сравнения моделей, а также существующие инструменты и методы, посвященные этим задачам.

Поиск моделей и кластеризация

Количество и размеры доступных моделей увеличиваются за пределы того, что может просмотреть или проанализировать даже самый начитанный ученый, примером чего является рост биомоделей [44]. Вероятно, наиболее распространенное использование мер подобия — это поиск моделей, при котором исследователи запрашивают репозитории для получения моделей, связанных с заданным ключевым словом, моделью запроса или набором данных.

При поиске по ключевым словам пользователь вводит набор терминов, чтобы получить модели, соответствующие этим терминам. В простейшей форме модель может быть представлена «набором терминов», то есть списком релевантных ключевых слов или аннотаций, с которыми могут быть сопоставлены термины запроса пользователя. Сходство между условиями запроса и моделью затем может быть определено с помощью мер по поиску информации. Например, оценка сходства может быть рассчитана по частоте встречаемости термина или по показателям семантического сходства между терминами [45].Вместо такого представления «пакета терминов» модели также могут быть представлены в структурированной форме для включения сетевой информации, семантических аннотаций и других связанных метаданных. Поиск по ключевым словам является современным в открытых репозиториях моделей. Биомодели, например, включают аспекты «кодирование модели» и «биологическое значение» (см.). Запрос по «кодировке модели» точно соответствует набору терминов, связанных с моделью. Запрос по «биологическому значению» позволяет выполнять более сложные семантические поиски.Поисковые системы могут быть объединены с алгоритмами ранжирования, чтобы наиболее релевантные результаты поиска появлялись в верхней части списка результатов. Репозиторий моделей физиом, например, использует алгоритм ранжирования на основе Lucene, который включает кодирование модели, биологическое значение и другие метаданные [12].

Если отправной точкой поиска является модель, то цель поиска — найти похожие модели. SemanticSBML позволяет пользователям предоставлять свою собственную модель в качестве входного запроса. Затем поисковая машина находит модели SBML, которые напоминают модель ввода в отношении семантических аннотаций [27].Поиск работает на открытых моделях от BioModels.

Меры сходства также можно использовать для вычисления сходства между моделями и условиями запроса. Основываясь на функциях ранжирования моделей [12, 27], меры сходства также могут помочь сгруппировать модели в похожие наборы. Например, кластер может организовывать модели в тематические наборы, такие как «модели, описывающие метаболизм», «клеточный цикл» или «модели, показывающие колебания кальция». Наборы тематических моделей могут быть охарактеризованы посредством семантических аннотаций [46] или повторяющихся структурных паттернов [47].Компания BioModels, например, реализовала веб-браузер моделей, который группирует модели на основе терминов GO. В будущем модели также могут быть сгруппированы на основе биологических мотивов в их сетях [48]. Тематические наборы легче искать и сравнивать, например при построении комплексных моделей.

Выравнивание сети

Выравнивание сети обеспечивает способ обнаружения структурных перекрытий между путями или сетями. Они являются основным инструментом слияния моделей и могут использоваться для определения оценок сходства.Например, сопоставление моделей кинетических путей с метаболической сетью дрожжей показало, что большие части сети еще не покрыты, в то время как центральный метаболизм в значительной степени представлен в кинетических моделях [27]. Другое исследование показало, как булевы модели могут быть связаны, если модели соответствуют определенным стандартам моделирования [49]. Полученная в результате интегрированная модель межклеточного взаимодействия между гепатоцитами и клетками Купфера обеспечивает более глубокое понимание того, как разные типы клеток реагируют на апоптоз или пролиферацию и как IL-6 (интерлейкин 6) и TNF (фактор некроза опухоли) влияют на взаимодействия между клетками различные виды.Дальнейшие недавние примеры успешной интеграции моделей включают предсказание фенотипов на основе генотипов с использованием модели целых клеток [50] и глобальную реконструкцию метаболизма человека [51].

Эти исследования демонстрируют, как можно количественно оценить относительные перекрытия между сетями, если модели содержат достаточное количество описательных аннотаций для согласования компонентов сети. Однако, если только несколько компонентов сети имеют точные аннотации, выравнивание сети становится более сложной задачей: только несколько узлов могут быть сопоставлены на основе описания биологических объектов, представленных компонентами сети, а остальные сети остаются несопоставимыми.Одним из подходов к решению этой проблемы является семантическое распространение [52], метод, который распределяет семантическую информацию в сетевой структуре, либо для определения отсутствующих аннотаций, либо для полного выравнивания сетей. Алгоритм эффективно собирает в каждом компоненте модели семантическую информацию о соседях компонента, его вторых соседях и т. Д. Затем он сравнивает компоненты моделей на основе этой информации о соседях. В этом контексте соседние элементы определяются в абстрактном смысле.Например, реакции можно сравнивать по аннотациям их реагентов, а компартменты клеток можно сравнивать по соединениям, которые они содержат. Тесты со скрытыми аннотациями показали, что выравнивание и сравнение моделей можно значительно улучшить, используя такую распространяемую семантическую информацию.

Контроль версий модели

Новое понимание биологической системы может потребовать корректировки сетевой структуры, математических формул или параметров модели, что приведет к созданию новых версий модели.Еще одна частая причина обновлений — исправление ошибок. Сравнение версий модели может помочь отследить эволюцию модели во времени и определить точки, в которых модель претерпела серьезные изменения [53]. BiVeS — это программная библиотека, которая выравнивает кодировки XML двух версий модели, идентифицирует и интерпретирует изменения и измеряет влияние изменений. BiVeS также учитывает характеристики формата кодирования модели и различает SBML и CellML. Отдельные различия автоматически аннотируются терминами COMODI.

Обсуждение

В последние годы было приложено много усилий для улучшения возможности повторного использования моделей системной биологии и воспроизводимости связанных результатов [54–56]. Репозитории моделей собирают тщательно отобранные модели, готовые к повторному использованию, предоставляют семантические аннотации и предлагают инструкции по правильному моделированию моделей. Поскольку доступны стандартизированные модели с аннотациями, автоматическое сравнение моделей стало реальной задачей. Поиск моделей — одно из важных приложений сравнения.

Ключевые проблемы при поиске моделей включают определение соответствующих оценок релевантности для результатов поиска, определение показателей качества извлеченных моделей и построение структур для доступа к истории модели. Такие рамки позволят исследователям проследить эволюцию модели. Например, разработчики моделей могут узнать, как эволюционировали знания о клеточном цикле. Меры сходства также важны для объединения существующих моделей путей в более крупные модели клеток. Карта метаболизма человека, разработанная в проекте ReconX, например, сильно опирается на ранее опубликованные модели [51].Когда две модели объединяются, части их сетей, возможно, придется обменять или заменить подходящими альтернативами, что потребует инструментов, которые могут сравнивать как модели, так и части моделей и находить наиболее похожие совпадения. Поскольку эти инструменты должны решать схожие проблемы и разделять схожие трудности, мы предлагаем изучить сходство моделей как общую задачу.

В качестве ключевой проблемы мы определили правильный выбор меры сходства. Это приводит к следующим вопросам: как мы можем определить вычислительные меры, которые отражают ожидания пользователя относительно сходства? И как эти меры с различными критериями могут применяться в сложных задачах, таких как поиск или слияние? Чтобы создать общую основу для подобия моделей и сравнения моделей в будущих исследованиях, необходимо решить ряд вопросов.

Внедрить меры подобия для всех аспектов модели. При сравнении моделей текущее программное обеспечение фокусируется на двух аспектах, определенных в этой статье, а именно на биологическом значении и кодировании модели. Другие аспекты модели пока широко не используются. Однако их реализация в существующих алгоритмах возможна и улучшит сравнение моделей. Динамическое поведение, полученное при моделировании, может выявить сходство между биологическими процессами во время выполнения. Эти сходства не проявятся, если рассматривать только структуру пути.Можно напрямую сравнивать смоделированные временные ряды (как показано в веб-лаборатории кардиологической физиологии [37]) или построить систему, которая сравнивает их семантические аннотации с количественным или качественным поведением, наблюдаемым при моделировании. Ценным источником терминов для динамического поведения является онтология TEDDY. Аналогичным образом, улучшенные меры сходства могут быть получены путем более тщательного изучения алгоритмов сопоставления графов и сходства графов [57, 58], как предложено в [59]. Сравнение сетевой структуры может облегчить сопоставление динамических моделей с экспериментально определенными сетями взаимодействия.Точно так же математические выражения можно напрямую сравнивать, чтобы глубже понять сходство поведения моделей. Кроме того, информация, которая прилагается к модели, может стать актуальной, например, цель расследования или намерения разработчиков модели. Однако сначала эту информацию необходимо формализовать — новая и интересная задача.

Объедините меры сходства. Современные программные инструменты обычно сравнивают модели по одному аспекту модели. Поскольку разные меры сходства оказались полезными для конкретных приложений, мы ожидаем, что комбинация аспектов позволит провести еще более эффективное сравнение моделей, как в следующем примере: Ученый ищет каскадную модель MAP-киназ, которая содержит регулирующие петли обратной связи и показывает динамические колебания.На первом этапе инструмент поиска может искать модели конкретной биологической системы (используя семантическое сравнение). Затем он может фильтровать промежуточные результаты для определенных топологий сети. Затем можно применить второй фильтр для выбора моделей с колебательным поведением. При наличии достаточной дополнительной информации в репозитории моделей оставшиеся модели можно сравнивать на основе их динамического поведения (например, оценивая связанные описания моделирования в формате SED-ML и сравнивая в нем термины TEDDY).В конце концов, можно было бы определить общую меру сходства, объединяющую различные аспекты. Такая процедура требует подходящих функций для объединения индивидуальных сходств в единую формулу, и пользователи должны иметь возможность указывать веса, то есть относительную важность, для каждого из аспектов.

Поддержка многомасштабных моделей. Будущие модели системной биологии могут быть намного более сложными, чем современные модели биохимических сетей, начиная от пространственного и стохастического моделирования клеток и модульных моделей целых клеток до многомасштабных моделей тканей, физиологии человека или популяций организмов.С различными биологическими масштабами и математическими формами, новые аспекты модели станут актуальными (например, способ, которым модули в модели целых клеток взаимодействуют друг с другом), и потребуются новые меры сходства. Некоторые другие аспекты (например, списки описанных видов молекул или возникновение динамических колебаний), известные из наших текущих сетевых моделей, по-прежнему сохраняются. Особую проблему представляют модели, которые имеют внутреннюю и иерархическую структуру, например: модели тела, состоящие из моделей органов, которые состоят из моделей клеток, и так далее.В этих случаях сходство может быть сначала определено на уровне отдельных модулей, а затем распространено на уровень целых моделей. Мы ожидаем, что поддержка программного обеспечения для сравнения моделей на нескольких уровнях станет требованием для гибкого полуавтоматического построения моделей

Улучшение поддержки программного обеспечения. Чтобы учесть расширенные меры сходства и легко интегрировать их в программные приложения, необходимо разработать новые инструменты. Должна быть обеспечена совместимость с использованием стандартных форматов и общих программных библиотек.Такие инструменты могут включать в себя большой набор существующих мер сходства и предоставлять функции для проецирования моделей на их соответствующие аспекты. Кроме того, научное сообщество разработало общие ресурсы для моделей и связанных метаданных, широко доступные через базы данных графов [45] или общедоступные ресурсы семантической сети [60]. Инструменты для обработки моделей и определения сходства должны иметь доступ к этим общим ресурсам и взаимодействовать с ними.

Предоставляет инструменты для выравнивания моделей и данных по сходству. Мы обсудили, как меры сходства могут связывать модели с другими моделями или с запросами пользователей. Не менее интересно исследовать, как можно улучшить процесс связывания моделей и экспериментальных данных. Мы предполагаем, что модели и другие данные можно сравнивать, проецируя их на общий аспект. Например, модели и набор данных геномики рака пациента можно спроецировать на белки, присутствующие как в модели, так и в наборе данных. Впоследствии семантические аннотации биологических процессов можно сравнивать между объектами модели и элементами данных.Впоследствии меры сходства для биологического значения могут помочь определить, соответствуют ли наблюдения пациента определенному состоянию, предсказанному моделью.

Разработка интуитивно понятных пользовательских интерфейсов. Предлагая целевые меры сходства, важно сообщить подробности оценок пользователям. Следовательно, существует потребность в разработке четких и интуитивно понятных пользовательских интерфейсов, которые отображают как результаты оценки подобия, так и детали расчетов. Например, система поиска моделей должна возвращать ранжированный список моделей с подробным описанием процессов фильтрации и взаимосвязей между моделями и запросом.Некоторые программные инструменты уже визуализируют выравнивание элементов между моделями в виде сетевых графов (например, BudHat [53], SemanticSBML, STON [61]) или представляют рейтинги для извлеченных моделей (например, MASYMOS [45], SemanticSBML). Однако объяснение шагов, ведущих к оценке сходства, повысит доверие пользователей и прояснит, какие из результатов поиска наиболее релевантны.

Выводы

Сходство моделей оценивается с помощью различных программных приложений. Мы представили систематическую классификацию и обзор показателей сходства моделей.Далее мы представили и обсудили аспекты, которые помогают определить сходство между моделями: кодирование модели при сравнении версий модели; математическое описание модели при исследовании динамического поведения систем; биологические элементы, появляющиеся в модели, при поиске моделей конкретной биологической системы или явления; структура сети при исследовании повторного использования моделей в качестве подмоделей в больших сетях; значения параметров в модели во время функционального курирования; и результаты моделирования при сравнении поведения и чувствительности модели.Мы представляем общую основу для подобия моделей, основанную на систематическом рассмотрении моделей и их аспектов. Такая структура улучшит автоматизированную обработку моделей и может найти множество приложений в биологии вычислительных систем.

Ключевые моменты

Вычислительные модели в биологии сегодня могут быть большими и сложными; они развиваются с течением времени.
Повторное использование моделей требует сложных инструментов для сравнения, поиска, комбинирования и контроля версий.
Сходство между моделями может быть определено в отношении закодированной биологии, сетевой структуры, математических уравнений или динамического поведения.
Программные инструменты выполняют сравнение моделей для различных целей, но общие аспекты схожести моделей не обсуждались.
Такие аспекты и общие концепции для сравнения моделей станут критически важными для работы со все более сложными моделями в будущем.

Благодарности

Авторы благодарят Вольфганга Мюллера, Маттиаса Ланге и Мартина Шарма за ценные обсуждения понятий сходства моделей системной биологии.

Финансирование

Эта статья была написана во время встречи, организованной Д.В. и финансируется через программу BMBF e: Bio (грант № FKZ0316194). R.H. финансируется Федеральным министерством образования и исследований Германии (BMBF; номер гранта FKZ 031 A540A [de.NBI]). Младшая исследовательская группа SEMS, программа BMBF e: Bio (грант № FKZ0316194, D.W.). Т.К. финансируется Федеральным министерством образования и исследований Германии (BMBF) через Грайфсвальдский подход к индивидуализированной медицине (GANI_MED; грант 03IS2061A) и регионом Унтернемен в рамках ZIK-FunGene (грант 03Z1CN22).Немецкий исследовательский фонд (грант № Ll 1676 / 2-1, выданный W.L.).

Банкноты

Рон Хенкель — аспирант Гейдельбергского института теоретических исследований. Тема его исследования — базы данных и информационные системы с применением в системной биологии.

Роберт Хендорф — доцент кафедры информатики. Его исследования сосредоточены на применении онтологий в биологии и биомедицине, уделяя особое внимание интеграции и анализу гетерогенных, мультимодальных данных.

Тим Кацпровски — аспирант Грайфсвальдского университета. Его исследования решают различные проблемы кросс-омической интегративной биоинформатики. Университетская медицина Грайфсвальда, Межфакультетский институт генетики и функциональной геномики, кафедра функциональной геномики.

Кристиан Кнюпфер — научный сотрудник группы искусственного интеллекта Йенского университета. Его исследования сосредоточены на представлении знаний и их применении в различных областях, от системной биологии до средневековых исследований.

Вольфрам Либермейстер — физик, занимающийся системной биологией. В своем исследовании сложных биохимических сетей он подчеркивает функциональные аспекты, такие как изменчивость, информация, метаболический контроль и экономия клеточных ресурсов.

Дагмар Вальтемат — младший руководитель исследовательской группы в Университете Ростока. Ее исследования сосредоточены на разработке методов и инструментов для управления моделями в вычислительной биологии.

Список литературы

3.Розен Р. Сама жизнь. Издательство Колумбийского университета, Нью-Йорк, 1991. [Google Scholar] 4. Ван РС, Саадатпур А., Альберт Р. Булево моделирование в системной биологии: обзор методологии и приложений. Phys Biol 2012; 9 (5): 055001 .. [PubMed] [Google Scholar] 5. Hucka M, Finney A, Sauro HM и др. Язык разметки системной биологии (SBML): среда для представления и обмена моделями биохимических сетей. Биоинформатика 2003; 19 (4): 524–31. [PubMed] [Google Scholar] 6. Куэльяр А.А., Ллойд С.М., Нильсен П.Ф. и др.Обзор CellML 1.1, языка описания биологических моделей. Моделирование 2003; 79 (12): 740–7. [Google Scholar]

7. Хука М., Бергманн Ф.Т., Китинг С.М. и др. Профиль современного SBML-совместимого программного обеспечения. В: Седьмая международная конференция IEEE, 2011 г., семинары по электронным наукам (eScienceW) IEEE, Стокгольм, Швеция, 2011 г. стр. 143–50.

8. Дегтяренко К., де Матос П., Эннис М. и др. ЧЕБИ: база данных и онтология химических объектов, представляющих биологический интерес. Nucleic Acids Res 2008; 36 (Suppl 1): D344-50.[Бесплатная статья PMC] [PubMed] [Google Scholar]

10. Уолтемат Д. Управление исследованиями моделирования в вычислительной биологии. В: Приглашенные презентации, младшие исследовательские группы и основные моменты исследований на GCB 2015 Препринты PeerJ, 2015.

11. Ю. Т., Ллойд С. М., Никерсон Д. П. и др. Репозиторий физиомных моделей 2. Биоинформатика 2011; 27 (5): 743–4. [PubMed] [Google Scholar] 13. Ланге М., Хенкель Р., Мюллер В. и др. Поиск информации в науках о жизни: программный обзор В: Подходы в интегративной биоинформатике.Спрингер, Гейдельберг, 2014, 73–109. [Google Scholar] 14. Краузе Ф., Улендорф Дж., Любиц Т. и др. Аннотации и объединение моделей SBML с семантическимSBML. Биоинформатика 2010; 26 (3): 421–2. [PubMed] [Google Scholar] 15. Кларк С, Калита Дж .. Сравнение алгоритмов попарного выравнивания биологических сетей. Биоинформатика 2014; 30 (16): 2351–9. [PubMed] [Google Scholar] 17. Дуда Р.О., Харт ЧП, Аист Д.Г. Классификация образцов, 2-е изд. Вайли, Нью-Йорк, 2000. [Google Scholar] 18. Le Novère N, Hucka M, Mi H и др.Графические обозначения системной биологии. Nat Biotechnol 2009; 27 (8): 735–41. [PubMed] [Google Scholar] 20. Уолтемат Д., Адамс Р., Бергманн Ф. Т. и др. Воспроизводимые эксперименты по вычислительной биологии с SED-ML — языком разметки описания имитационных экспериментов. BMC Syst Biol 2011; 5 (1): 198. [Бесплатная статья PMC] [PubMed] [Google Scholar] 21. Шарм М., Волькенхауэр О., Вальтемат Д. Алгоритм для обнаружения и передачи различий в вычислительных моделях, описывающих биологические системы. Биоинформатика 2016; 32 (4): 563–70.[Бесплатная статья PMC] [PubMed] [Google Scholar] 23. Миллер А., Ю. Т., Бриттен Р. и др. Репозитории компьютерных моделей биологических систем с учетом истории изменений. BMC Bioinformatics 2011; 12 (1): 22. [Бесплатная статья PMC] [PubMed] [Google Scholar] 27. Шульц М., Краузе Ф., Новер Н. Л. и др. Поиск, согласование и кластеризация вычислительных моделей на основе семантических аннотаций. Мол Сист Биол 2011; 7 (1): 512. [Бесплатная статья PMC] [PubMed] [Google Scholar] 28. Пабингер С., Снайдер Р., Хардиман Т. и др. MEMOSys 2.0: обновление базы данных биоинформатики для моделей в масштабе генома и геномных данных. База данных 2014; 2014: bau004. [Бесплатная статья PMC] [PubMed] [Google Scholar] 30. Гуо X, Лю Р., Шрайвер С.Д. и др. Оценка мер семантического сходства для характеристики регуляторных путей человека. Биоинформатика 2006; 22 (8): 967–73. [PubMed] [Google Scholar] 31. Алон У. Введение в системную биологию: принципы построения биологических цепей. CRC Press, Бока-Ратон, 2006. [Google Scholar] 32. Гей С., Солиман С., Фагес Ф.. Графический метод сокращения и соотнесения моделей в системной биологии. Биоинформатика 2010; 26 (18): i575–81. [Бесплатная статья PMC] [PubMed] [Google Scholar] 33. Майло Р., Шен-Орр С., Ицковиц С. и др. Сетевые мотивы: простые строительные блоки сложных сетей. Наука 2002; 298 (5594): 824–7. [PubMed] [Google Scholar] 34. Алон У. Биологические сети: мастер как инженер. Наука 2003; 301 (5641): 1866–7. [PubMed] [Google Scholar] 36. Купер Дж., Мирамс Г.Р., Нидерер С.А. Высокопроизводительное функциональное лечение моделей клеточной электрофизиологии.Прог Биофиз Мол Биол 2011; 107 (1): 11–20. [PubMed] [Google Scholar] 39. Hoops S, Sahle S, Gauges R и др. COPASI — симулятор сложного пути. Биоинформатика 2006; 22 (24): 3067–74. [PubMed] [Google Scholar] 40. Knüpfer C, Beckstein C, Dittrich P и др. Структура, функции и поведение вычислительных моделей в системной биологии. BMC Syst Biol 2013; 7 (1): 43. [Бесплатная статья PMC] [PubMed] [Google Scholar] 41. Шарм М., Уолтемат Д., Мендес П. и др. COMODI: онтология для характеристики различий в версиях вычислительных моделей в биологии.Журнал Биомед Семантика 2016; 7:46. [Бесплатная статья PMC] [PubMed] [Google Scholar] 42. Гольдбетер А. Минимальная каскадная модель митотического осциллятора с участием циклина и киназы cdc2. Proc Natl Acad Sci USA 1991; 88 (20): 9107–11. [Бесплатная статья PMC] [PubMed] [Google Scholar] 43. Гао X, Сяо Б., Тао Д., Ли X .. Обзор расстояния редактирования графика. Pattern Anal Appl 2010; 13 (1): 113–29. [Google Scholar] 45. Хенкель Р., Волькенхауэр О., Вальтемат Д. Объединение вычислительных моделей, семантических аннотаций и имитационных экспериментов в графической базе данных.База данных 2015; 2015. [Бесплатная статья PMC] [PubMed] [Google Scholar] 46. Алм Р., Уолтемат Д., Вольфьен М. и др. Извлечение признаков на основе аннотаций из наборов моделей SBML. Журнал биомедицинской семантики 2015; 6 (1): 20. [Бесплатная статья PMC] [PubMed] [Google Scholar] 47. Хенкель Р., Ламбуш Ф., Волькенхауэр О. и др. Образцы поиска в сетях биохимических реакций. PeerJ 2016; 4: e1479v2. [Google Scholar] 49. Schlatter R, Philippi N, Wangorsch G и др. Интеграция булевых моделей на примере передачи сигнала гепатоцитов.Краткий биоинформ 2012; 13 (3): 365–76. [PubMed] [Google Scholar] 50. Карр Дж. Р., Сангви Дж. К., Маклин Д. Н. и др. Компьютерная модель целой клетки предсказывает фенотип на основе генотипа. Cell 2012; 150 (2): 389–401. [Бесплатная статья PMC] [PubMed] [Google Scholar] 51. Тиле И., Суэйнстон Н., Флеминг РМТ и др. Глобальная реконструкция человеческого метаболизма, управляемая сообществом. Nat Biotechnol 2013; 31 (5): 419–25. [Бесплатная статья PMC] [PubMed] [Google Scholar] 52. Шульц М., Клипп Э., Либермейстер В. Распространение семантической информации в моделях биохимических сетей.BMC Bioinformatics 2012; 13 (1): 18 .. [Бесплатная статья PMC] [PubMed] [Google Scholar] 53. Waltemath D, Henkel R, Hälke R и др. Улучшение повторного использования вычислительных моделей с помощью контроля версий. Биоинформатика 2013; 29 (6): 742–8. [PubMed] [Google Scholar] 54. Краузе Ф., Шульц М., Суэйнстон Н. и др. Построение устойчивой модели: роль стандартов и биологической семантики В: Методы в энзимологии, Том 500, Методы системной биологии. Академическая пресса, Кембридж, США, 2011, 371–95. [PubMed] [Google Scholar] 55.Уолтемат Д., Хенкель Р., Винтер Ф и др. Воспроизводимость результатов на основе моделей в системной биологии // Системная биология. Спрингер, Гейдельберг, 2013, 301–320. [Google Scholar] 56. Вальтемат Д., Волькенхауэр О. Как стандарты моделирования, программное обеспечение и инициативы поддерживают воспроизводимость в системной биологии и системной медицине. IEEE Trans Biomed Eng, 2016 г. [PubMed] [Google Scholar]

58. Ян X, Хан Дж. Гспан: анализ шаблонов подструктур на основе графов. В: Proceedings 2002 IEEE International Conference on Data Mining, 2002 (ICDM 2002) IEEE, 2002, стр.721–4.

59. Розенке С., Уолтемат Д. Как семантические аннотации могут поддерживать идентификацию сетевых сходств? В: Proceedings of the 7th International Workshop on Semantic Web Applications and Tools for Life Sciences 2014, Berlin. Материалы семинара CEUR, Аахен, т. 2, стр. 11. [Google Scholar] 60. Джапп С., Мэлоун Дж., Боллеман Дж. И др. Платформа EBI RDF: связанные открытые данные для наук о жизни. Биоинформатика 2014; 30 (9): 1338–9. [Бесплатная статья PMC] [PubMed] [Google Scholar] 61.Туре V, Мазейн А., Уолтемат Д. и др. STON: изучение биологических путей с использованием стандартных и графических баз данных SBGN. 2016, в печати. [Бесплатная статья PMC] [PubMed] 62. Шеннон П., Маркиел А., Озьер О. и др. Cytoscape: программная среда для интегрированных моделей сетей биомолекулярного взаимодействия. Исследование генома 2003; 13 (11): 2498–504. [Бесплатная статья PMC] [PubMed] [Google Scholar]

Сравнительная геномика | Изучайте науку в Scitable

Адамс, М. Д., Сельникер, С. Е. и др. .Последовательность генома Drosophila melanogaster. Наука 287 , 2185-2195 (2000).

Aparicio, S., Chapman, J. et al. al, Сборка полногеномного ружья и анализ генома Fugu рубцы. Наука 297 , 1301-1310 (2002).

Blattner, F. R., Plunkett, G. et al. Полная последовательность генома Escherichia coli K-12. Наука 277 , 1453-1462 (1997).

Блаттнер, Ф.Р., Планкетт, G. et al. Последовательность и сравнительный анализ генома курицы дает уникальные перспективы на позвоночных эволюция. Nature 432 , 695-716 (2004).

Deha, P., Satou, Y. et al. al. Проект генома Ciona Кишечник: понимание хордовых и позвоночное происхождение. Наука 298 , 2157-2167 (2002).

Elsik, C.G., Tellam, R.L. et al. Последовательность генома тауринового крупного рогатого скота: окно для жвачных животных биология и эволюция. Наука 324 , 522-528 (2009).

Гиббс Р. А. Rogers, J. et al. Эволюционные и биомедицинские выводы из генома макаки резус. Наука 316 , 222-234 (2007).

Гиббс, Р. А., Вайншток, G. M. et al. Последовательность генома Коричневая норвежская крыса помогает понять эволюцию млекопитающих. Природа 428 , 493-521 (2004).

Гоффо А., Баррелл Б.Г. и др. . Жизнь с 6000 генами. Наука 274 , 546, 563-547 (1996).

Jaillon, O., Aury, J. M. et al. Дупликация генома костистых зубов рыба Tetraodon nigroviridis обнаруживает ранний прокариотип позвоночных. Nature 431 , 946-957 (2004).

Lander, E. S., Linton, L. M. et al. Первоначальное секвенирование и анализ генома человека. Nature 409 , 860-921 (2001).

Ландер, Э.С., Линтон, Л. М. и др. . Начальная последовательность геном шимпанзе и сравнение с геномом человека. Природа 437 , 69-87 (2005).

Линдблад-То, К., Уэйд, К. М. и др. последовательность генома, сравнительный анализ и гаплотипическая структура домашней собаки. Природа 438 , 803-819 (2005).

Линдблад-То, К., Уэйд, К. М. и др. . Понимание социальных насекомые из генома пчелы Apis mellifera. Природа 443 , 931-949 (2006).

Small, K. S., Brudno, M. et al. al. Выравнивание гапломов и эталонная последовательность высокополиморфного Геном Ciona savignyi. Genome Biol 8 , R41 (2007).

Sodergren, E., Weinstock, G. M. et al. Геном морского ежа Strongylocentrotus purpuratus. Наука 314 , 941-952 (2006).

Штейн, Л. Д., Бао, З. и др. al .Последовательность генома Caenorhabditis briggsae: платформа для сравнительная геномика. PLoS Biol 1 , E45 (2003).

Штейн, Л. Д., Бао З. и др. al. Последовательность генома нематоды C. elegans: платформа для исследуя биологию. Консорциум по секвенированию C. elegans. Наука 282 , 2012-2018 (1998).

Уотерстон, Р. Х., Lindblad-Toh, K., et al. Первоначальное секвенирование и сравнительный анализ геном мыши. Nature 420 : 520-562 (2002).

Уотсон, Дж. Д., Крик, Ф. Х. Молекулярная структура нуклеиновых кислот; структура нуклеиновой кислоты дезоксирибозы. Nature 171 (4356): 737-738 (1953).

Сравнить, Сравнить | Американский учитель биологии

Около 10 лет назад в моем университете была введена новая основная учебная программа. Среди курсов, созданных для этого, был «Научный запрос». Это единственный обязательный курс естествознания в ядре, и, к моему большому сожалению, он не требуется от ученых специальностей, поскольку предполагается, что эти студенты узнают все о том, как наука делается в их основных курсах.Я лично считаю, что это рискованное предположение, поскольку я сам специализировался в области естественных наук и узнал о том, как это делается, только после того, как закончил учебу и начал преподавать. Однако у меня нет сил, так что все обстоит именно так, и это действительно моя единственная серьезная проблема с курсом, которым я пришел наслаждаться, любить, смаковать (если бы только мои студенты).

Как следует из названия, в этом курсе делается упор на то, что делают ученые, а не на конкретную совокупность знаний.Но ученые всегда работают над определенной проблемой, поэтому курс должен быть сосредоточен на какой-то дисциплинарной области, и эта область варьируется в зависимости от того, ведет ли курс биолог, химик, физик или геолог. Каждая дисциплина фокусируется на основной теории, и для биологов это, очевидно, эволюция. Излишне говорить, что я преподавал об эволюции задолго до того, как был разработан этот курс, но не так подробно и без акцента на том, как эволюционная биология может объяснить процессы науки.

Разработка курса «Научные исследования» была серьезным мероприятием, которое продолжается. Поскольку он преподается на факультетах нескольких наук, в разработке учебной программы участвовали четыре кафедры. Каждый член комитета пришел с собственным взглядом на то, как должен выглядеть курс, и никто из нас не ушел со всем, что мы хотели. Однако я думаю, что мы все остались довольны продуктом. После того, как курс преподавался в течение нескольких лет, программа была переоценена в рамках гранта Министерства образования США по Разделу III, предоставленного университету.В то время как в первоначальной программе была тщательно очерчена каждая из тем, которые можно было использовать, — например, эволюция, атомная теория, тектоника плит, — пересмотр был гораздо более общим и просто указывал, что выбранная тема должна иметь дело с крупной научной теорией. Это оказалось слишком широким, поэтому в прошлом году мы снова пересмотрели программу, придумав то, что мы считаем работоспособным компромиссом (http://stjohns.campusguides.com/data/files3/89769/SciInq%20syllabus09 .pdf). Но, как и в случае с любым курсом, преподаваемым многими людьми в такой динамичной области, как наука, эта программа никогда не будет завершена.Этой весной у нас было очень оживленное собрание преподавателей, посвященное вопросу о том, должна ли эволюция быть единственной биологической темой, или же генетика и инфекционные болезни также являются возможными темами. Хотя я был на встрече, мне все еще не совсем ясно, каков результат.

На данный момент я считаю, что неплохо справляюсь с описанием целей курса. Если вы хотите получить представление о том, чем я занимаюсь, приглашаем вас посетить веб-сайт курса по адресу http: // stjohns.campusguides.com/honorspublic. В настоящее время я преподаю в классе с отличием, но основные принципы остаются неизменными, независимо от того, в какой группе студентов я учусь. Я считаю, что курс разделен на три части: первая посвящена истории эволюционной мысли, вторая — свидетельствам эволюции, а третья — последствиям эволюции в современном мире. Наряду с выполнением основных задач, подразумеваемых этими тремя темами, курс также направлен на улучшение навыков критического мышления учащихся. Кроме того, у меня есть две собственные цели: развить визуальную грамотность студентов и побудить студентов покидать курс с более позитивным отношением к науке.Первые я часто обсуждал в ABT; последнее было одной из моих целей с ранних лет преподавания, и я не уверен, насколько хорошо я ее достиг. Очевидно, это сложно оценить. Однако у меня есть намеки, по крайней мере, на то, что иногда я добиваюсь успеха. Например, вчера мы обсуждали орхидеи, и когда я задавала вопросы, Анджела неоднократно поднимала руку. Она знала ответы, потому что ее последний проект связан с ванильной орхидеей (Vanilla planifolia). Теперь Анджела часто поднимает руку и часто знает ответ, но обычно у нее нет той страсти, которая была у нее вчера.Ванильная орхидея, по-видимому, овладела ею, и я вижу в этом знак того, что тот, кто никогда не станет специализироваться в науке, по крайней мере, имеет некоторое представление о том, почему другой человек может увлекаться наукой и преследовать такую специализацию.

Представив план курса, я хочу перейти к тому, что значит преподавать научные исследования. Поскольку упор делается на научные процессы, он сильно отличается от большинства вводных курсов по естествознанию.Другими словами, это не похоже на то, что учащиеся имели в старшей школе — не изучение дисциплины — и они на самом деле не готовы к такому подходу. Мне не нужно говорить вам, что многие студенты приравнивают изучение науки к изучению фактов, и когда им не дают список определений, они начинают беспокоиться. Некоторые даже думают, что акцент на методе означает, что это не «настоящий» научный курс; потому что им не нужно запоминать множество непроизносимых терминов, которые они бы ненавидели, они не получают того, чего стоят.Отчасти проблема в том, что они не уверены, на чем будут тестироваться. Тот факт, что большая часть их оценок определяется не тестами, а бумагами и портфолио, вызывает у них еще большую тошноту.

С другой стороны, мне нравится этот другой акцент. В течение многих лет я хотел уделять больше времени тому, как делается наука, а не только результатам исследований, потому что я думаю, что для людей, которые не собираются проводить свою жизнь в науке, важно понимать, чем на самом деле является наука.В этой статье я не буду вдаваться в подробности, когда углубляюсь в научные методы. Вместо этого я решил сосредоточиться на одном аспекте, который кажется мне центральным в том, как делается биология, а именно на сравнении. Это кажется очень простой идеей, которую легко понять и легко научить. В конце концов, это одно из упражнений, выполняемых на «Улице Сезам»: «Какая из этих вещей не похожа на другие?» Но, как и во многих мыслительных процессах, то, что начинается, просто может привести к множеству разных и интересных направлений.

Впервые меня заставили более глубоко задуматься о сравнении, когда я прочитал фолиант Эрнста Майра (1982) «Рост биологической мысли». В нем он утверждает, что в философском анализе науки до того времени доминировала физика: «То, что существуют важные различия между биологией и физическими науками, часто полностью игнорируется. Большинство физиков, кажется, считают само собой разумеющимся, что физика — это парадигма науки и что, поняв физику, можно понять любую другую науку, включая биологию »(стр.33). Майр просит не согласиться; он считает методы биологии, хотя и в равной степени законными, отличными от методов физики. И это несмотря на то, что «когда натуралисты и другие биологи, а также некоторые философы подчеркивали важность качества, уникальности и истории в биологии, их усилия часто высмеивались и просто отбрасывались как« плохая наука »» (стр. 36).

Майр считает сравнение одним из основных методов, используемых для борьбы с этим «качеством», уникальностью и историей.» Иногда эксперименты невозможны, но сравнительные методы возможны, и он прослеживает их использование в биологии еще до Аристотеля. Далее Майр показывает, что основным интересом тех, кто изучает живой мир в 18 веке, было описание, сравнение и классификация видов. Однако он считает, что сравнительный метод не был полностью разработан до середины 18 века и что он достиг своего апогея с работами французского анатома Жоржа Кювье в первой половине 19 века.Кювье не принял эволюционную точку зрения, как его коллега Жан-Батист Ламарк; однако Кювье выступал за тщательное сравнение структур между видами. Из этой работы вырос его убеждение в том, что многие окаменелости принадлежали к видам, которые больше не существуют на Земле, что убедило биологическое сообщество в реальности исчезновения.

С другой стороны, Майр утверждает, что сравнительная морфология не стала сознательно эволюционной морфологией до 1950-х годов, когда возник новый эволюционный синтез, одним из главных архитекторов которого был Майр.Синтез привел морфологию в контакт с экологией и поведенческой биологией, что привело к возникновению вопросов «почему». Этот опрос, очевидно, продолжается и по сей день, и это часть того, о чем я хочу здесь написать, а также о сравнительной работе, которая лежит в основе сегодняшней геномики. Идея сравнения может начаться с «Улицы Сезам», но в биологии она ведет к очень сложной работе в области информатики, и я думаю, что мои студенты должны, по крайней мере, знать, как этот очень фундаментальный мыслительный процесс проявляется на переднем крае биологической науки.

За те годы, что я преподавал научное исследование, по мере того, как я стал больше осознавать, насколько центральное значение имеет сравнение для биологического исследования, я старался более осознанно развивать эту тему в своем обучении. Я начинаю в начале семестра, когда мы имеем дело с историей идеи эволюции. Для чтения я использую раздел «История эволюционной мысли» (http: //evolution.berkeley.edu / evolibrary / article / 0_0_0 / history_01) веб-сайта Understanding Evolution, который я считаю одним из лучших ресурсов для обучения эволюции. Раздел истории начинается с временной шкалы, отслеживающей развитие четырех тем: история Земли, история жизни, эволюционные механизмы, а также развитие и генетика. В основе графика лежит сравнительная анатомия — традиция, как я уже упоминал, восходящая к Аристотелю.

Несмотря на то, что сравнительная биология развивалась и ослабевала, эта нить никогда не прерывалась в истории биологии.Те, кто изучает живой мир, всегда чувствовали потребность организовать его разнообразие, а организация требует сравнения и требует решений о том, что сочетается, а что — нет. Изменились основы, на которых принимаются эти решения. Например, система классификации Линнея теперь кажется причудливой, и основа классификации продолжает оставаться предметом споров. Прочтите последние статьи в таксономических журналах, и вы увидите, что такие аргументы все еще распространены, одним из ярких примеров является полемика по поводу реорганизации Drosophila (Dalton, 2010).Я думаю, что ученикам важно понимать, что классификации вряд ли высечены на камне. Они являются человеческими конструкциями и поэтому открыты для изменений. Существуют довольно интенсивные и сложные споры о «естественных видах», то есть о том, существуют ли виды как таковые в природе или нет (Webster & Goodwin, 1996). Я не привожу такой уровень анализа в класс, но я обсуждаю, как меняются критерии классификации, разницу между искусственными и естественными системами классификации и почему таксономия важна в первую очередь: чтобы один биолог знал, какой организм другой биолог говорит о.

В начале семестра, примерно в то время, когда мы изучаем временную шкалу «Истории эволюционной мысли», я даю студентам список из примерно 25 организмов и прошу их расположить каждый в строке от самого простого до самого сложного. Я пытаюсь заставить их воспроизвести мышление, лежащее в основе «Великой цепи бытия» (Лавджой, 1936). Это была идея, широко распространенная во время и после Возрождения, что Бог создал совершенную цепочку существ от самых простых до самых возвышенных (то есть ангелов).Таким образом, способ классификации организмов был основан на их месте в этой цепочке, имея в виду, что, поскольку он был создан Богом, он был совершенен и, следовательно, не было недостающих звеньев.

В течение некоторого времени Великая Цепь была важной концепцией в усилиях по классификации, и хотя эта идея больше не принимается, ее остатки, очевидно, остались в сегодняшнем словаре. У меня есть ученики, которые создают Великую Цепь (которую я называю только после того, как они завершили свою).Это невыполнимая задача, и среди студенческих цепочек обычно великое множество заказов. Некоторые помещают ВИЧ и ТБ в комплексный конец спектра, потому что эти микробы еще недостаточно изучены, поэтому они должны быть очень сложными. Другие помещают их в простой конец, потому что они такие маленькие. Некоторые учащиеся сортируют на основе образа жизни — объединяют вместе рыб, моллюсков и омаров, потому что эти существа живут в море, а мухи и птицы обитают в воздухе. Интересно, что есть старые изображения Великой цепи именно с этим разделением.Когда я спрашиваю студентов, почему они пришли к такому порядку, они больше осознают, что на самом деле у них есть критерии для своих решений, так же как у биологов есть критерии для своих.

Несколько недель спустя, после того как мы обсудили теорию Дарвина, я даю студентам тот же список организмов и прошу их создать дерево взаимоотношений. Здесь я снова получаю множество конструкций, но они немного сложнее, потому что учащиеся знают больше и лучше понимают вовлеченную мысль.Они больше осведомлены о различных способах сравнения двух организмов на основе образа жизни и анатомии, внутренней и внешней структуры, размера и сложности и т. Д. Кроме того, к этому времени мы обсудили другой способ использования сравнения при разработке эволюционной теории, а именно то, как Дарвин (1859) начинает «Происхождение видов» со сравнения искусственного и естественного отбора.

Дарвин представляет своему читателю новую концепцию: виды меняются со временем в результате различного репродуктивного успеха — одни особи производят более жизнеспособное потомство, чем другие.Здесь среда, в некотором смысле, осуществляет отбор, в отличие от искусственного отбора, когда заводчик отбирает потомство с желаемыми признаками и спаривает его, чтобы произвести следующее поколение, когда тот же процесс повторяется. Дарвин использовал этот пример, потому что он обращался со своим аргументом к образованным непрофессионалам (я сознательно использую слово «непрофессионалы»), которые были землевладельцами со знанием животноводства, а также часто занимались разведением декоративных голубей-любителей. его книга.

Применяя эту стратегию, Дарвин был эффективным учителем: использовал то, что его аудитория уже знала, чтобы объяснить им новую концепцию. Как показали Лакофф и Джонсон (1980) много лет назад, мышление метафорами, проведение сравнений является неотъемлемой частью того, как разум выражает слова. Для людей невозможно не сделать этого, поэтому неудивительно, что этот метод так часто используется в биологических исследованиях. Это так важно в этой науке, потому что существует так много организмов, которые нужно сравнивать, и каждый из них имеет так много характеристик, которые можно использовать для сравнения.Посмотрите на любое новое исследование эволюции человека, и вы найдете сравнения, сделанные среди окаменелостей — Арди (Ardipithecus ramidus) сравнивают с Люси (Australopithecus afarensis) (Гиббонс, 2009), недавно обнаруженным видом Australopithecus sediba с Homo habilis (Balter, 2010). ). Микробиологи изучают гены инфекционных заболеваний, сравнивая Escherichia coli и Bacillus subtilis с Mycoplasma pneumoniae, геном которой намного меньше (Ochman & Raghavan, 2009). Биологи-природоохранные биологи используют сравнение темпов исчезновения между видами, чтобы попытаться предсказать, какие виды находятся под угрозой исчезновения (Fisher & Owens, 2004), хотя такой анализ — как и многие сравнения — сложен.Возникает вопрос о том, какие критерии являются ключевыми: например, размер популяции в зависимости от скорости воспроизводства.

Биологическая специальность, в которой сравнительные методы наиболее активно развивались во второй половине 20-го века, — это генетика: анализ последовательностей генов и очевидно связанных последовательностей РНК и белков. Вокруг такой сравнительной работы выросла не только совершенно новая область биологии, но и область компьютерных наук.Хотя вы можете сравнить характеристики двух уток, креветок или даже бактерий с помощью ваших глаз и микроскопа в качестве инструментов, вы не сможете пройти даже самый простой анализ последовательности без компьютера. Человеческий разум просто не может справиться с объемом данных и количеством сравнений, не говоря уже о компьютеризации самого процесса секвенирования. Если вы зайдете на веб-сайт Национального центра биотехнологической информации (http://www.ncbi.nlm.nih.gov/), вы получите представление о том, сколько информации о последовательностях доступно и о множестве способов ее получения. проанализированы.

Я просматривал материалы, которые писал об эволюции более 10 лет назад, и они ужасно устарели. Очевидно, что в то время было проделано много экспериментальной работы и сообщалось о многих важных находках окаменелостей, но именно расцвет анализа последовательностей кажется мне наиболее поразительным изменением. Дело почти в том, что если вы собираетесь спорить о взаимоотношениях между видами, вам нужны данные о последовательности для подтверждения вашей точки зрения.Анатомических, поведенческих и физиологических данных недостаточно — хотя, конечно, данных о последовательности тоже недостаточно. Итак, есть то, что можно назвать метакопаративным вопросом о том, какие типы сравнений наиболее важны. Я определенно не собираюсь вдаваться в эти дебаты, но поскольку этот выпуск ABT посвящен биологическим исследованиям, все эти вопросы актуальны — это то, что включает в себя такое исследование сегодня.

На одном конце спектра вопросов анализа последовательностей — споры по поводу штрих-кодов: можно ли каталогизировать виды, чтобы пометить их «штрих-кодами», относительно короткими генетическими последовательностями, уникальными для каждого вида? Есть биологи, которые считают штрих-кодирование центральным элементом сохранения биоразнообразия: трудно сохранить виды, если мы даже не знаем, какие виды у нас есть; поэтому нам нужен быстрый и относительно простой способ идентифицировать как можно больше видов (Marshall, 2005).Другие биологи съеживаются от того, что они видят в высшей степени редукционизма: брать сложность и богатство организмов и сводить их к компьютеризированным последовательностям. Штрих-коды действительно были бы очень скучными, если бы их не рассматривать с точки зрения разнообразия представленных видов. Однако для быстрого определения видов и их переписи штрих-коды могут стать жизненно важными.

Это поднимает еще один вопрос: стиль исследования.Разных людей привлекают разные вопросы. Есть те, кто любит полевые работы, и те, кто никогда не хочет покидать лабораторию. Последние с большей вероятностью будут использовать штрих-коды, чем первые. Артур Корнберг (1989) писал, что он нашел работу с ферментами как раз для него. Он считал химию более простых молекул менее интересной, а клеточную биологию — слишком сложной и запутанной. Что ж, тут, банально говоря, о вкусах не спорят. И так же, как разнообразие вкусов делает человеческое общество интересным и динамичным, разнообразие научных вкусов делает то же самое.Вопросы вкуса играют тонкую, но важную роль во многих научных спорах, и это один из многих аспектов биологических исследований, которые я затрагиваю в своем курсе.

На другом конце спектра подходов к секвенированию с помощью штрих-кодирования находятся не только целые геномы, но и многие геномы сразу. Проект Human Variome Project направлен на сбор информации обо всех генетических вариациях, влияющих на здоровье человека — очень сложная задача (Cotton et al., 2008). Затем есть проект «1000 геномов», цель которого — изучение человеческого разнообразия путем секвенирования ДНК различных расовых и этнических групп по всему миру (Hayden, 2009). Это лежит в основе сравнительного процесса: чем больше точек для сравнения, тем лучше биологи смогут оценить, насколько богат геном человека индивидуальными различиями. Также существует проект по секвенированию геномов 10 000 видов позвоночных под названием Genome 10K (Pennisi, 2009b). Зоологи беспозвоночных не слишком довольны этим направлением, особенно потому, что они представляют интересы 95% видов животных на Земле.Как отмечает Дэвид Мэддисон, изучающий эволюцию жуков, секвенирован только один геном жука, хотя видов жуков в шесть раз больше, чем позвоночных. Он прав. Очевидно, поскольку люди занимаются секвенированием, а мы, как правило, являемся эгоцентричными видами, жуки не собираются догонять геном в ближайшее время, но комментарий Мэддисона является напоминанием о том, что у нас не закончатся геномы. в ближайшее время тоже.

Еще один подход, называемый метагеномикой, определяется как «выборка последовательностей генома сообщества организмов, населяющих общую среду» или, в более широком смысле, «любой тип анализа ДНК, полученного непосредственно из окружающей среды» (Hugenholtz & Tyson , 2008).Эта тактика использовалась с микробными сообществами, и огромное количество генетического разнообразия было обнаружено в океанской воде, кишечнике человека и почве сельскохозяйственных угодий. Сравнительная работа с кишечником человека показала, что микробное разнообразие зависит от диеты и этнической принадлежности; особенно показательно исследование японцев, которые регулярно едят суши (Sonnenburg, 2010). Кажется, что богатства, которые могут быть обнаружены с помощью сравнительных исследований, бесконечны.

Еще один пример геномного подхода — экологический, когда биологи исследуют роль различий окружающей среды в генетическом составе.В статье на эту тему цитируется работа энтомолога Мэй Беренбаум, которая сравнила последовательности генов P450 у различных насекомых (Pennisi, 2009a). Цитохром P450 — это белок, расщепляющий токсины, позволяющий насекомым бороться со многими растительными продуктами; таким образом, это мера способности насекомых справляться с защитой растений. В своей сравнительной работе Беренбаум с удивлением обнаружила, что у медоносных пчел было 48 различных генов P450, в то время как у плодовых мушек — 87, а у жуков — 144. Беренбаум не могла понять, почему у пчел, похоже, была такая несовершенная система защиты, пока она не задумалась о том, что пчелы берут пыльцу и нектар с цветов и химически превращают их в мед и пчелиный «хлеб», когда они возвращаются в улей.В этих процессах токсины расщепляются, и пчелы, таким образом, подвергаются воздействию меньшего количества токсинов из своего рациона. Это отличный пример взаимодействия исследований поведения, экологии и геномики — все с сравнительной точки зрения. Кажется, это подходящий способ закончить эту статью о предмете, который настолько является частью нашего биологического мышления, что мы принимаем это как должное — что-то опасное для любого учителя биологических исследований.

Что такое сравнительная биохимия? | Sciencing

Обновлено 11 мая 2018 г.

Дэвид Х.Нгуен, доктор философии

Сравнительная биохимия может быть расплывчатым понятием, имеющим множество значений, хотя она может выявить увлекательные взаимодействия между организмами и их биологией. По крайней мере, ученые называют это междисциплинарной областью науки, которая стремится проникнуть в суть вопросов, на которые нет ответов, путем нахождения связей между, казалось бы, несвязанными темами. На практике это чаще всего понимается либо как исследование эволюционных отношений между организмами, либо как эти отношения проливают свет на более глубокие вопросы функционирования биологических форм жизни.

TL; DR (слишком долго; не читал)

Междисциплинарное исследование сравнительной биохимии направлено на преодоление разрыва между разрозненными областями науки. Чаще всего это относится к изучению того, как живут формы жизни и как работают их составные части, вплоть до клеточного уровня.

Интегрированная область исследования

В Калифорнийском университете в Беркли есть программа для выпускников под названием «Сравнительная биохимия». Его преподаватели представляют разные области науки, включая молекулярную биологию, клеточную биологию, химию, биологию растений, питание и общественное здравоохранение.Это разнообразие свидетельствует о широком диапазоне сравнительной биохимии как дисциплины. Это также подчеркивает общие черты, которые пронизывают эти области исследования, указывая на то, что кажущиеся несопоставимыми области могут фактически обеспечить понимание для решения проблем, решаемых отдельными областями. Журналы также существуют под названием сравнительной биохимии, и объем их публикаций еще больше подчеркивает тему междисциплинарных исследований.

Эволюционные отношения

Распространенное определение сравнительной биохимии — это изучение эволюционных отношений между организмами.Все живые организмы имеют общий генетический код в виде ДНК, которая предоставляет информацию для создания белковых машин, выполняющих повседневную работу клеток. Сравнительная биохимия изучает белковые машины и ферменты, но оба они кодируются последовательностями ДНК. Сравнивая сходства и различия в этих генах, ученые могут составить воедино эволюционные отношения между организмами. Цель этого — лучше понять историю жизни, а также найти исследовательские модели на животных, которые могут пролить свет на болезни человека.

Сравнение родственных генов

Различные виды организмов могут содержать одни и те же гены, но с немного или очень разными последовательностями. Эти гены могут делать похожие вещи в каждом организме, или они могут делать очень разные вещи. Это происходит из-за различий в их последовательностях ДНК, которые проявляются как похожие белки с немного разными трехмерными формами и, следовательно, разными функциями. Преимущество изучения похожих генов у двух видов состоит в том, что структура и функция гена у одного вида часто дает представление о его роли у другого вида.

В поисках подсказок

Подобно тому, как один ген в организме может помочь ученому понять аналогичный ген в другом организме, можно получить представление об уровне взаимодействия многих белков с помощью сравнительной биохимии. Белки часто образуют комплексы или кластеры белков со своими белками-партнерами при выполнении своей работы. Изучение того, кто с кем взаимодействует у одного вида для выполнения клеточной функции, помогает ученому угадать взаимодействующих партнеров для определенного гена у другого вида.Этот подход помогает ученым делать обоснованные предположения относительно того, какие неизвестные белки еще предстоит идентифицировать в качестве партнеров у других видов.

Сравнительный метод — обзор

2 Применение сравнительного метода

Чтобы иметь возможность применять сравнительный метод, необходимо знать некоторые технические термины.

Протоязык . (A) Некогда разговорный язык предков, от которого произошли дочерние языки; (б) язык, реконструированный сравнительным методом, который представляет язык предков, от которого происходят сравниваемые языки.(В той степени, в которой реконструкция является точной и полной, пункты (a) и (b) должны совпадать.)

Родственный язык .Языки, которые связаны друг с другом в силу того, что произошли от одного и того же общего предка (прото- язык) сестры; то есть языки, принадлежащие к одной семье, являются родными друг другу.

Cognate .Слово, связанное со словом в родственных языках по причине того, что эти формы унаследованы этими родственными языками от общего слова протоязыка, от которого произошли родственные языки.

Cognate set . Набор слов, которые связаны друг с другом в родственных языках, потому что они унаследованы и происходят от одного слова протоязыка.

Звуковое соответствие . Фактически, набор «родственных» звуков; звуки, встречающиеся в родственных словах родственных наборов, которые соответствуют родственным языкам, потому что они происходят от общего предкового звука. (Предполагается, что звуковое соответствие повторяется в различных родственных наборах.)

Reflex .Потомок на дочернем языке звука прото, как говорят, является отражением этого исходного звука; считается, что исходный звук протоязыка отражается звуком, который происходит от него в дочернем языке. (Cf. Campbell 1998, p. 112.)

При применении сравнительного метода ищутся первые потенциальные родственные слова среди родственных языков (или среди языков, для которых есть основания подозревать родство). Удобно начинать с родственных слов из «основного словаря» (части тела, термины близкого родства, небольшие числа, общие географические термины), поскольку они, как правило, не заимствованы из других языков.В конечном итоге именно систематические звуковые соответствия, обнаруженные при применении сравнительного метода, демонстрируют, какие из них являются истинными родственниками. Слова, которые похожи из-за случайности, заимствования и других негенетических факторов, обычно не демонстрируют повторяющихся звуковых соответствий, которые имеют истинные родственные слова. Некоторые родственные слова из греческого, латинского и английского языков (члены индоевропейской семьи языков) показаны в таблице 1.

Таблица 1. Индоевропейские родственные слова

греческий	латинский	английский
pod-	ped-	foot	‘foot’
patē´r	pater	отец	‘отец’

звук

.Например, в родственных словах Таблицы 1 первый звук в каждом из родственных наборов демонстрирует звуковое соответствие

Greekp, Latinp, Englishf

Поскольку звуковое соответствие повторяется в этих (и многих других) родственных наборах, маловероятно что это могло произойти по чистой случайности.

Когда звуковые соответствия определены, следующим шагом будет восстановление исходного звука. Лингвисты предполагают, какой исходный звук в протоязыке, скорее всего, был основан на фонетических свойствах звуков дочерних языков, представленных в наборе звуковых соответствий.Общие рекомендации помогают определить наиболее реалистичную реконструкцию. Во-первых, ценным ключом к разгадке является известное направление определенных звуковых изменений. Например, многие языки изменили p на f , но изменение в другом направлении, f на p , происходит крайне редко. В этом случае говорят, что ожидаемое направление — от p до f (а не f на p ). В этом случае для звукового соответствия греческого p -, латинского p -, английского f -, ^* p реконструируется, так как изменение ^* p на f , который был бы необходим для получения английского рефлекса f , находится в ожидаемом направлении.(Обратите внимание, что звездочка, как здесь с ^* p , символизирует реконструированные вещи.) Если бы ^* f были постулированы для прото-звука, от которого произошло это звуковое соответствие, было бы необходимо предположить изменение от ^* f до p на греческом и латинском языках, изменение идет вразрез с ожидаемой направленностью. Следовательно, в этом случае реконструируется ^* p вместе с предположением, что английский язык претерпел общее изменение звука ^* p на f .

Еще одним ориентиром является принцип «побеждает большинство»: если нет доказательств противного, для протозвуда восстанавливается звук, совпадающий с конкретным звуком в наборе соответствий, который встречается в наибольшем количестве дочерних языков. В этом примере, поскольку p находится как на греческом, так и на латинском языках, а f только на английском языке, «большинство выигрывает» выбирает ^* p для реконструкции. За этим стоит здравый смысл; менее вероятно, что одно и то же изменение (здесь ^* f до p ) будет происходить независимо несколько раз (здесь на греческом и латинском языках), чем то, что одно изменение будет иметь место только один раз (^* с по f , только на английском языке).Однако интерпретация большинства может быть сложной, требуя осторожности при применении выражения «большинство побеждает».

Этот процесс восстановления звуков для различных наборов соответствий повторяется до тех пор, пока все звуки протоязыка не будут восстановлены и изменения в дочерних языках отработали.

Когда все прото-звуки реконструированы, можно реконструировать слова протоязыка. Например, в родственном наборе греческий pod , латинский ped , английский foot ‘foot,’ ^* p уже реконструирован как первое звучание этого слова в протоязыке на основе p -, p -, f — только что рассмотренный набор соответствий.Для второго звука ( o , e , oo ), ^* e реконструируется на основе свидетельств, недоступных в этом коротком примере; соответствия для гласного являются сложными. Для последнего звука слова данные из других родственных наборов показывают, что звуковое соответствие, греческий d , латинский d , английский t , повторяется и что наилучшая реконструкция этого звука — ^* t . Соединение этих реконструированных звуков вместе, ^* p для первого звука, ^* e для второго и ^* d для третьего, дает реконструкцию ^* ped ‘foot, слово на протоязыке.Таким образом можно восстановить словарный запас протоязыка.

Реконструкция звука, слова или больших частей протоязыка, по сути, является гипотезой (фактически набором взаимосвязанных гипотез) относительно того, какими должны были быть эти аспекты протоязыка. Предполагаемые реконструкции могут быть проверены; иногда они оказываются неправы; иногда их необходимо модифицировать на основе новых идей. Эти идеи могут включать в себя новую интерпретацию уже имеющихся данных или новую информацию, которая может появиться на свет.Открытие ранее неизвестного языка может предоставить новое свидетельство, другое свидетельство исторических событий, которые произошли между протоязыком и его потомками, которые могут изменить то, как части протоязыка рассматриваются.

Метод	Характеристика
Эмпирические
Наблюдение	Метод познания, состоящий в преднамеренном, целенаправленном восприятии реальных объектов. Виды наблюдения: — Структурированное наблюдение – это наблюдение, осуществляемое по плану, неструктурированное наблюдение – это наблюдение, при котором определен только объект наблюдения; — Полевое наблюдение – это наблюдение в естественной обстановке; лабораторное наблюдение – это наблюдение, при котором объект находится в искусственно созданных условиях; — Непосредственное наблюдение – это наблюдение, в процессе которого объект прямо воздействует на органы чувств наблюдателя; опосредованное наблюдение – это наблюдение, в котором воздействие объекта на органы чувств наблюдателя опосредовано прибором. Наблюдение осуществляют в соответствии со следующим алгоритмом: 1. Определение цели наблюдения. 2. Выбор объекта наблюдения. 3. Выбор способов достижения цели наблюдения. 4. Выбор способа регистрации полученной информации. 5. Обработка и интерпретация полученной информации.
Эксперимент	Метод познания, предполагающий целенаправленное изменение объекта для получения знаний, которые не возможно выявить в результате наблюдения. Структура программы эксперимента 1. Актуальность исследования. 2. Проблема исследования. 3. Объект и предмет исследования. 4. Гипотеза исследования. 5. Цель и задачи исследования. 6. Этапы экспериментальной работы, ожидаемые результаты по каждому этапу в форме документов, основные методы исследования. 7. Научная новизна исследования. 1. Актуальность исследования. Актуальность исследования – это обоснование необходимости решения той или иной проблемы. Актуальность исследований характеризуется степенью расхождения между спросом на научные идеи, технологии, методические рекомендации и предложениями, которые может дать наука и практика в настоящее время. 2. Проблема исследования. В основе проблемы исследования лежит противоречие, которое необходимо разрешить в ходе эксперимента и которое обосновывалось при определении актуальности исследования. 3. Объект и предмет исследования. Объект исследования – это область изучения; предмет – это аспект изучения объекта. 4. Гипотеза исследования. Гипотеза исследования – это научно обоснованное предположение о разрешении проблемы. 5. Цели и задачи исследования. Цель исследования – это предполагаемая деятельность, промежуточные и конечные результаты проверки гипотезы. Задачи – конкретизация цели исследования, ее декомпозиция (расчленение). 6. Этапы экспериментальной работы, ожидаемые результаты по каждому этапу в форме документов, основные методы исследования. 7. Научная новизна исследования. Новизна отражает общественно значимые новые знания, факты, данные, полученные в результате исследования. Критерий новизна отражает содержательную сторону результата. В зависимости от результата на первый план может быть выдвинута теоретическая новизна (концепция, принцип и т.д.), практическая (правило, рекомендация, методика, требование, средство и т.д.) или оба вида одновременно.
Моделирование	Модели – это материальные и мысленно представленные объекты, которые в процессе изучения замещают объект-оригинал, сохраняя некоторые важные для определенного исследования свойства. Виды моделирования: 1. Материальное (предметное) моделирование: — физическое моделирование – это моделирование, при котором реальный объект замещается на его увеличенную или уменьшенную копию, позволяющую проводить изучение свойств объекта. — аналоговое моделирование – это моделирование на аналогии процессов и явлений, которые имеют различную физическую природу, но одинаково описываемые формально (одними и теми же математическими уравнениями, логическими схемами и т.п.). 2. Мысленное (идеальное) моделирование: — интуитивное моделирование – это моделирование, основанное на интуитивном представлении об объекте исследования, не поддающимся или не требующим формализации. — знаковое моделирование – это моделирование, использующее в качестве моделей знаковые преобразования какого-либо вида: схемы, графики, чертежи, формулы, набор символов и т.д.
Анкетирование	Метод опроса посредством самостоятельного заполнения опросного листа (т.е. анкеты) респондентом (т.е. опрашиваемым) по указанным в нем правилам. В анкете могут использоваться следующие виды вопросов: Закрытый вопрос – это вопрос, на который в анкете приводится полный набор вариантов ответов. Закрытые вопросы бывают альтернативные (т.е. предполагающие выбор только одного ответа) и неальтернативные (т.е. предполагающие выбор более одного ответа). Открытый вопрос – это вопрос, который не содержит подсказки и не навязывает респонденту варианты ответов
Интервьюирование	Метод опроса, осуществляемый в форме целенаправленной беседы по заранее подготовленному плану с каким-либо лицом или группой лиц, ответы которых на поставленные перед ними вопросы служат исходным источником информации. Различают два основных вида интервью: — Формализованное интервью предполагает, что общение интервьюера и респондента строго регламентировано детально разработанными вопросником и инструкцией. — Свободное интервью (беседа) проводится без заранее подготовленного опросника, определяется только тема беседы. Беседа применяется на стадии подготовки массовых анкетных опросов для определения области исследования, пополнения и уточнения данных массовой статистики и как самостоятельный метод сбора информации.
Теоретические
Анализ и синтез	Анализ – это способ познания объекта посредством изучения его частей и свойств. Синтез – это способ познания объекта посредством объединения в целое частей и свойств, выделенных в результате анализа. Анализ и синтез не изолированы друг от друга, а сосуществуют, друг друга дополняя. Говоря об анализе и синтезе, нельзя думать, что в начале идет чистый анализ, а затем начинается чистый синтез. Уже в начале анализа исследователь имеет какую-то общую идею об изучаемом объекте, так что анализ начинается в сочетании с синтезом. Затем, изучив несколько частей целого, исследователь уже начинает делать первые обобщения, приступая к синтезу первых данных анализа. И таких ступеней может быть несколько, перед тем как будут изучены все части целого.
Сравнение	Сравнение – это способ познания посредством установления сходства и/или различия объектов. Сходство – это то, что у сравниваемых объектов совпадает, а различие – это то, чем один сравниваемый объект отличается от другого. Общий алгоритм сравнения: 1. Определение объектов сравнения. 2. Определение аспекта сравнения объектов. 3. Анализ и синтез объектов в соответствии с аспектом сравнения. Если существенные признаки сравниваемых объектов известны, то их выбирают в соответствии с аспектом сравнения. 4. Сопоставление существенных признаков сравниваемых объектов, т.е. определение общих и/или отличительных существенных признаков сравниваемых объектов. 5. Определение различия у общих признаков. 6. Вывод. Необходимо представить общие и/или отличительные существенные признаки сравниваемых объектов и указать степень различия общих признаков. В некоторых случаях необходимо привести причины сходства и различия сравниваемых объектов.
Обобщение	Обобщение – это способ познания посредством определения общих существенных признаков объектов. Из данного определения следует, что обобщение базируется на анализе и синтезе, направленных на установление существенных признаков объектов, а также на сравнении, которое позволяет определить общие существенные признаки. Определяют два основных обобщения: индуктивное и дедуктивное: — Индуктивное обобщение (от единичного достоверного к общему вероятностному) предполагает определение общих существенных признаков двух и более объектов и фиксировании их в форме понятия или суждения. Понятие – это мысль, отражающая общие существенные признаки объектов. Суждение – это мысль, в которой что-либо утверждается или отрицается о признаках объектов. Индуктивное обобщение осуществляется по следующему алгоритму: 1. Актуализируйте существенные признаки объектов обобщения. 2. Определите общие существенные признаки объектов. 3. Зафиксируйте общность объектов в форме понятия или суждения. Обобщение – это не только определение сходных признаков объектов; оно предполагает рассмотрение объектов, как части чего-то общего, части какого-то рода, вида, семейства, класса, отряда. Без обобщения не может быть познания вообще, ибо познание всегда выходит за рамки отдельного, индивидуального. Только на основе обобщения возможно образование общих понятий, суждений, умозаключений, построение теорий и т.д. Примером обобщения может быть переход от изучения общих существенных признаков таких объектов как ель и сосна к формированию более общего положения: «Ель и сосна – это хвойные деревья». Индуктивному обобщению всегда предшествует анализ, синтез и сравнение. Анализ и синтез направлены на установление существенных признаков объектов. Сравнение позволяет выявить отличительные и общие существенные признаки объектов. Следует отметить, что определение общих существенных признаков уже является началом обобщения. Однако обобщение предполагает не только установление общих существенных признаков, но и определение их «ближайшего общего», выяснения их принадлежности к конкретному роду. Род – это совокупность объектов, в состав которой входят другие объекты, являющиеся видом этого рода. Так, изучив лук и арбалет, мы установим общие существенные признаки: стрелы метают с помощью пружинящей дуги, стянутой тетивой, лук и арбалет являются индивидуальным оружием стрелков, которые при натягивании тетивы используют силу рук. На основании знания общих признаков мы можем сделать обобщение: и лук, и арбалет являются ручным оружием для метания стрел. Таким образом, ручное оружие для метания стрел – род, а лук и арбалет – виды. — Дедуктивное обобщение (подведение единичного достоверного под общее достоверное) предполагает актуализацию понятия или суждения и отождествления с ним соответствующих существенных признаков одного и более объектов. Дедуктивное обобщение осуществляется по следующему алгоритму: 1. Актуализируйте существенные признаки объектов, зафиксированные в понятии или суждении. 2. Актуализируйте существенные признаки заданного объекта или объектов. 3. Сопоставьте существенные признаки и определите принадлежность объекта или объектов к данному понятию или суждению. Осуществим дедуктивное обобщение под понятие «ручное оружие для метания стрел». Мы знаем, что данное оружие метает стрелы с помощью пружинящей дуги, стянутой тетивой, при натяжении тетивы используется сила рук стрелка. В качестве объектов для дедуктивного обобщения возьмем пращу и лук. Вспомним их существенные признаки. Праща – это ременная петля, с помощью которой можно метнуть камень или металлическое ядро посредством вращательного движения. Сопоставление существенных признаков пращи с признаками, зафиксированными в данном понятии, позволяют сделать вывод, что праща не является ручным оружием для метания стрел. Лук состоит из пружинящей дуги, стянутой тетивой. Из лука стреляли длинными деревянными стрелами с металлическими наконечниками. Лук использовался стрелком в полевом бою. Сопоставление данного объекта и понятия позволяет сделать обобщение, что лук – это ручное оружие для метания стрел.
Классификация	Классификация предполагает делание рода (класса) на виды (подклассы) на основе установления признаков объектов, составляющих род. Род – это совокупность объектов, которые объединяются в целое по общим существенным отличительным признакам. Классификация осуществляется по следующему алгоритму: 1. Установите род объектов для классификации. 2. Определите признаки объектов. 3. Определите общие и отличительные существенные признаки объектов. 4. Определите основание для классификации рода, т.е. отличительный существенный признак, по которому будет делиться род на виды. 5. Распределите объекты по видам. 6. Определите основания классификации вида на подвиды. 7. Распределите объекты на подвиды. Если в процессе индуктивного обобщения мы идем от единичного к общему, от менее общего к более общему, то в процессе классификации мы идем от более общего к менее общему, от общего к единичному. Существуют классификации по видообразующему признаку и дихотомические. Приведем примеры классификации по видообразующему признаку: зеркала классифицируются на плоские и сферические, а сферические зеркала классифицируются на вогнутые и выпуклые. В качестве примера дихотомической классификации приведем деления понятия «лес»: «лес» – «лиственный лес и не лиственный лес»; «не лиственный лес» – «хвойный лес и нехвойный лес». При дихотомическом делении род делится на два противоречащих вида, исчерпывающих род: А и не — А. Классификацию можно проводить на основе существенных признаков (естественная) и несущественных признаков (искусственная). При естественной классификации, зная к какой группе принадлежит предмет, мы можем судить о его свойствах. Д.И. Менделеев, расположив химические элементы в зависимости от их атомного веса, вскрыл закономерности в их свойствах, создав периодическую систему, позволяющую предсказать свойства неоткрытых еще химических элементов. Искусственная классификация не дает возможности судить о свойствах предметов (например, список фамилий, расположенных по алфавиту, алфавитный каталог книг), применяется для более легкого отыскания вещи, слова и т.д. Справочник лекарственных препаратов, расположенные в алфавитном порядке, представляют примеры искусственных классификаций. Необходимо соблюдать следующие правила классификации: 1. Деление должно вестись только по одному основанию. Это требование означает, что избранный в начале в качестве основания отдельный признак не следует в ходе деления подменять другими признаками. Неверным являются деления обуви на мужскую, женскую и резиновую. 2. Деление должно быть исчерпывающим, т.е. сумма видов должна равняться роду. Ошибочным, не исчерпывающим будет, в частности: деление треугольников на остроугольные и прямоугольные (пропускаются тупоугольные треугольники. 3. Виды, входящие в род, должны взаимно исключать друг друга. Согласно этому правилу, каждый отдельный предмет должен входить только в один вид. Ошибочно делить людей на тех, которые ходят в кино, и тех, которые ходят в театр, так как есть люди, которые ходят и в кино, и в театр. 4. Подразделение на виды должно быть непрерывным, т.е. необходимо брать ближайший вид и не перескакивать на подвиды. Среди позвоночных животных выделяются такие классы: рыбы, земноводные, рептилии (гады), птицы и млекопитающие. Каждый из этих классов делится на дальнейшие виды. Если же начать делить позвоночных на рыб, земноводных, а вместо указания рептилии перечислить все их виды, то это будет скачком в деление.
Определение понятий	Способ познания посредством раскрытия содержания понятий. Понятие – это мысль, отражающая общие существенные признаки объектов. Всякое понятие имеет содержание и объем. — Содержанием понятия называют существенные признаки объекта или объектов, отраженных в понятии. — Объемом понятия называют объект или объекты, существенные признаки которых зафиксированы в понятии. Например, объем понятия «планета Земля» исчерпывается одной планетой. Содержание понятия тесно связано с его объемом, каждая планета имеет свои неповторимые особенности, поэтому понятие «планета Земля» будет включать следующие единичные существенные признаки: «Третья от Солнца планета, обращающаяся вокруг него на среднем расстоянии 150 млн. км за период 365 солнечных суток». Таким образом, понятие – это слово или словосочетание, обозначающее отдельный объект или совокупность объектов и их существенные свойства. Родовидовое определение понятий предполагает нахождение ближайшего рода объектов определяемого понятия и их отличительных существенных признаков. Например, для того чтобы определить понятие «маяк», необходимо найти ближайший род «башня» и определить отличительные признаки «с сигнальными огнями для морских и речных судов».

метод изучения биологии: наблюдение, описание, сравние, измерение, эксперимент,

2. Методы исследования в биологии

Наблюдение, описание и эксперимент как основные методы биологии

Методы исследования в биологии — типы, виды, какие бывают, сколько, классификация, примеры, разновидности, вики — WikiWhat

Метод наблюдения

Сравнительный метод

Исторический метод

Экспериментальный метод

Метод моделирования

Рекомендации работы над школьным исследованием и проектом

Урок 2. методы изучения биологии — Биология — 5 класс

Различия между мужчиной и женщиной: от биологии до свободы выбора | Культура и стиль жизни в Германии и Европе | DW

Сравнительный метод | биология | Британника

исследования поведения животных

философия биологии и естественный отбор

адаптация

исследования поведения животных

философия биологии и естественного отбора

Сравнение в научных исследованиях | Научный процесс

Краткая история сравнительных методов

Сравнение как метод научного исследования

Сравнение на практике: портсигар

Сравнение дисциплин

Ограничения сравнительных методов

Сравнение в современной практике

Сводка

Ключевые концепции

Понятия подобия для моделей системной биологии

Dagmar Waltemath

Abstract

Введение

Формальные понятия подобия

Меры подобия

Сходство моделей на основе отдельных аспектов

Комбинированные меры подобия

Сравнение моделей на основе конкретных аспектов

Таблица 1

Кодировка модели

Биологическое значение

Структура сети

Математические утверждения и поведение модели

Сравнение двух моделей

Математика

Количественная динамика

Качественная динамика

Кодирование

Таблица 2

Биология

Сеть

Практическое применение мер подобия

Поиск моделей и кластеризация

Выравнивание сети

Контроль версий модели

Обсуждение

Выводы

Ключевые моменты

Благодарности

Финансирование

Банкноты

Список литературы

Сравнительная геномика | Изучайте науку в Scitable

Сравнить, Сравнить | Американский учитель биологии

Что такое сравнительная биохимия? | Sciencing

TL; DR (слишком долго; не читал)

Интегрированная область исследования

Эволюционные отношения

Сравнение родственных генов

В поисках подсказок

Сравнительный метод — обзор

2 Применение сравнительного метода

Author: alexxlab

Добавить комментарий Отменить ответ

Рубрики