Как формируются формы жизни? Как из одной-единственной сферически-симметричной клетки — оплодотворенной яйцеклетки — вырастают конечности, формируются внутренние органы и появляются прекрасные полосы и пятна на коже? На эту загадку «морфогенеза» (Morphogenesis), с которой с древних времен боролись многие биологи и философы, был дан один определяющий ответ совершенно из другой области, использующий лишь чисто математические прозрения. Это сделал гений Алан Тьюринг (Alan Mathison Turing), отец современной информатики и человек, известный своей ролью во взломе шифра «Энигма».
В своей статье 1952 года «Химические основы морфогенеза» (The Chemical Basis of Morphogenesis) Тьюринг предложил концепцию «паттернов Тьюринга», согласно которой пространственные узоры спонтанно возникают из однородного состояния благодаря повторяющимся процессам диффузии и реакции химических веществ в живых организмах. В этой статье мы подробно и строго рассмотрим эту теорию — монументальное достижение в математической биологии и нелинейной физике — от ее математического каркаса, анализа дифференциальных уравнений в частных производных и численного моделирования до экспериментального подтверждения в современной молекулярной биологии. В частности, мы детально изучим полный математический вывод линейного анализа устойчивости уравнений реакции-диффузии, фазовые диаграммы пространства параметров для моделей Гирера-Майнхардта и Грея-Скотта, реализацию 2D численного моделирования с использованием Python, формирование паттернов в 3D пространстве, а также математику шума и устойчивости (робастности) с небывалой глубиной.
Глава 1: Завещание взломщика кодов — Спонтанное нарушение симметрии однородного состояния равновесия
Во время Второй мировой войны Тьюринг внес огромный вклад в победу союзников, взломав немецкую шифровальную машину «Энигма». После войны он отвлекся от теории проектирования вычислительных машин (машина Тьюринга) и обратил свой выдающийся интеллект к загадкам жизни. Его фундаментальный вопрос звучал так: «Почему из однородной среды спонтанно возникают сложные структуры?».
Согласно второму началу термодинамики (закону возрастания энтропии) в физике, подобно тому, как капля чернил в стакане распространяется по всей воде до получения равномерного бледного цвета, физическое явление диффузии всегда стремится сделать распределение концентрации вещества однородным, действуя в направлении разрушения структуры. Однако Тьюринг понял, что добавление нелинейного взаимодействия, называемого «химической реакцией» (Chemical reaction), приводит к удивительному парадоксу. Иными словами, вопреки интуитивному представлению о том, что «диффузия разрушает структуру», именно «благодаря диффузии однородное состояние дестабилизируется, и спонтанно формируется пространственная структура (паттерн)».
В терминах физики это называется «спонтанным нарушением симметрии» (Spontaneous Symmetry Breaking). Полностью однородное и изотропное состояние (обладающее трансляционной симметрией) переходит в макроскопическую пространственно-периодическую структуру под воздействием малейших флуктуаций (шума). Эта идея Тьюринга была проигнорирована биологическим сообществом того времени как слишком преждевременная, но позже она привела к теории диссипативных структур (неравновесной термодинамики) Ильи Пригожина и стала предвестником огромной научной области нелинейной науки.
Глава 2: Математический каркас уравнений реакции-диффузии — Локальный автокатализ и дальнее латеральное торможение
Чтобы понять суть паттернов Тьюринга, необходимо разобраться в математической структуре «уравнений реакции-диффузии» (Reaction-Diffusion Equation), которые являются языком их описания. Здесь мы рассматриваем два типа гипотетических химических веществ (морфогенов), пространственно распределенных в среде. Одно из них — активатор (Activator) $u(x, t)$, другое — ингибитор (Inhibitor) $v(x, t)$.
Изменения концентрации этих двух веществ описываются следующей системой нелинейных дифференциальных уравнений в частных производных:
$$ \frac{\partial u}{\partial t} = D_u \nabla^2 u + f(u, v) $$$$ \frac{\partial v}{\partial t} = D_v \nabla^2 v + g(u, v) $$Где $D_u, D_v$ — коэффициенты диффузии (Diffusion coefficient) для $u$ и $v$ соответственно, а $\nabla^2$ — лапласиан (вторая пространственная производная, оператор Лапласа). Первый член в правой части представляет «диффузию (пространственное распространение)», а второй член $f(u, v), g(u, v)$ — «реакцию (локальное образование и исчезновение химических веществ)».
Необходимым условием возникновения паттерна является наличие структуры обратной связи, называемой «Локальным автокатализом и дальним латеральным торможением» (Local Auto-activation and Lateral Inhibition; LALI). В частности, $f(u, v)$ и $g(u, v)$ должны удовлетворять следующим свойствам:
- Самоактивация (Auto-activation): Активатор $u$ способствует собственному образованию.
- Перекрестное торможение (Cross-inhibition): Активатор $u$ способствует образованию ингибитора $v$.
- Самоторможение (Self-inhibition): Ингибитор $v$ подавляет собственное образование (или естественно распадается).
- Обратная связь через перекрестное торможение: Ингибитор $v$ подавляет образование активатора $u$.
Еще более решающей является разница в скоростях диффузии. Ингибитор $v$ должен диффундировать быстрее, чем активатор $u$ ($D_v > D_u$). Предположим, возникает флуктуация, локально повышающая концентрацию $u$. За счет автокаталитической реакции $u$ размножается, но одновременно производит и $v$. Образовавшийся $v$ распространяется в окружающую среду быстрее, чем $u$ (дальнее латеральное торможение), и сильно подавляет появление новых $u$ вокруг. В результате фиксируется структура стоячей волны из «пиков и впадин», где концентрация $u$ высока в центре, а вокруг нее высока концентрация $v$, что удерживает $u$ на низком уровне. Таков интуитивный механизм паттернов Тьюринга.
Глава 3: Полный вывод линейного анализа устойчивости уравнений реакции-диффузии
Давайте докажем интуитивные рассуждения предыдущей главы с помощью строгого математического анализа. Для доказательства «неустойчивости Тьюринга (дестабилизации из-за диффузии)» в уравнениях реакции-диффузии используется линейный анализ устойчивости (Linear Stability Analysis). Это метод изучения того, как малые флуктуации вблизи положения равновесия ведут себя с течением времени.
$$ f(u_0, v_0) = 0, \quad g(u_0, v_0) = 0 $$$$ u(x,t) = u_0 + \delta u(x,t), \quad v(x,t) = v_0 + \delta v(x,t) $$Подставив это в исходные уравнения реакции-диффузии, разложив в ряд Тейлора около $(u_0, v_0)$, пренебрегая членами второго и более высоких порядков малости и линеаризуя, мы получим следующее матричное уравнение:
$$ \frac{\partial}{\partial t} \begin{pmatrix} \delta u \\ \delta v \end{pmatrix} = \begin{pmatrix} D_u \nabla^2 & 0 \\ 0 & D_v \nabla^2 \end{pmatrix} \begin{pmatrix} \delta u \\ \delta v \end{pmatrix} + J \begin{pmatrix} \delta u \\ \delta v \end{pmatrix} $$$$ J = \begin{pmatrix} f_u & f_v \\ g_u & g_v \end{pmatrix} = \begin{pmatrix} \frac{\partial f}{\partial u} & \frac{\partial f}{\partial v} \\ \frac{\partial g}{\partial u} & \frac{\partial g}{\partial v} \end{pmatrix} \Bigg|_{(u_0, v_0)} $$3.1 Условия устойчивости в отсутствие диффузии
Самый большой парадокс неустойчивости Тьюринга заключается в том, что «состояние стабильно при отсутствии диффузии (пространственно однородно), но дестабилизируется при ее наличии». Поэтому сначала мы найдем условия, при которых система без диффузии (члены с пространственными производными равны нулю) устойчива. Устойчивость системы обыкновенных дифференциальных уравнений $\frac{d}{dt}\mathbf{w} = J\mathbf{w}$ зависит от того, чтобы действительные части всех собственных значений якобиана $J$ были отрицательными. Для квадратной матрицы $2 \times 2$ собственные значения $\lambda$ являются решениями характеристического уравнения $\det(\lambda I - J) = 0$, т.е. $\lambda^2 - \text{Tr}(J)\lambda + \text{Det}(J) = 0$. Необходимыми и достаточными условиями того, что вещественные части отрицательны, являются следующие два.
- Условие 1 (Условие следа): $$ \text{Tr}(J) = f_u + g_v < 0 $$
- Условие 2 (Условие определителя): $$ \text{Det}(J) = f_u g_v - f_v g_u > 0 $$
3.2 Пространственные флуктуации и дисперсионное соотношение волнового числа $k$
$$ \begin{pmatrix} \delta u \\ \delta v \end{pmatrix} = \begin{pmatrix} U_k \\ V_k \end{pmatrix} e^{\lambda t} e^{i \mathbf{k} \cdot \mathbf{x}} $$Подставляя это в линеаризованное уравнение, лапласиан становится $\nabla^2 e^{i \mathbf{k} \cdot \mathbf{x}} = -k^2 e^{i \mathbf{k} \cdot \mathbf{x}}$ (где $k = |\mathbf{k}|$). Таким образом, члены с пространственными производными преобразуются в алгебраические, и задача сводится к следующей проблеме собственных значений:
$$ \lambda \begin{pmatrix} U_k \\ V_k \end{pmatrix} = (J - k^2 D) \begin{pmatrix} U_k \\ V_k \end{pmatrix}, \quad D = \begin{pmatrix} D_u & 0 \\ 0 & D_v \end{pmatrix} $$$$ \det(\lambda I - M(k)) = 0 $$$$ \lambda^2 - \text{Tr}(M(k))\lambda + \text{Det}(M(k)) = 0 $$$$ \text{Tr}(M(k)) = (f_u + g_v) - k^2 (D_u + D_v) $$$$ \text{Det}(M(k)) = (f_u - k^2 D_u)(g_v - k^2 D_v) - f_v g_u $$$$ = D_u D_v k^4 - (D_v f_u + D_u g_v) k^2 + (f_u g_v - f_v g_u) $$3.3 Условия возникновения неустойчивости Тьюринга (4 неравенства)
Для того чтобы система дестабилизировалась и образовался паттерн, действительная часть собственного значения $\lambda$ должна стать положительной для некоторого специфического волнового числа $k \neq 0$. Хотя $\text{Tr}(M(k)) = \text{Tr}(J) - k^2(D_u + D_v)$, благодаря Условию 1 ($\text{Tr}(J) < 0$) и $D_u, D_v > 0$, всегда выполняется $\text{Tr}(M(k)) < 0$. Следовательно, единственный путь к появлению собственного значения с положительной действительной частью — это существование волнового числа $k$ такого, что $\text{Det}(M(k)) < 0$.
$$ H(k^2) \equiv D_u D_v (k^2)^2 - (D_v f_u + D_u g_v) k^2 + \text{Det}(J) $$Для того чтобы существовал интервал, на котором эта квадратичная функция принимает отрицательные значения, координата $k^2$ вершины параболы должна быть положительной, а минимальное значение в вершине должно быть отрицательным.
Координата $k^2$ вершины находится путем приравнивания производной к нулю: $k_{min}^2 = \frac{D_v f_u + D_u g_v}{2 D_u D_v}$. Из этого выводится условие ее положительности.
- Условие 3 (Асимметрия коэффициентов диффузии): $$ D_v f_u + D_u g_v > 0 $$ Чтобы одновременно удовлетворять Условию 1 ($f_u + g_v < 0$), $D_v$ и $D_u$ никогда не должны быть равны; в частности, $D_v$ должно быть значительно больше $D_u$ ($D_v > D_u$).
Далее, из условия, что минимальное значение $H(k_{min}^2) < 0$, вытекает условие положительности дискриминанта.
- Условие 4 (Критическое условие возникновения паттерна): $$ (D_v f_u + D_u g_v)^2 - 4 D_u D_v (f_u g_v - f_v g_u) > 0 $$
Когда все эти четыре неравенства (Условия 1–4) выполняются, система вызывает неустойчивость Тьюринга, спонтанно порождая пространственные периодические структуры. Область параметров, удовлетворяющих этому условию, называется «пространством Тьюринга».
Глава 4: Математическая структура и фазовые диаграммы известных моделей
В качестве конкретных реакционных динамик, удовлетворяющих условиям неустойчивости Тьюринга, в математической биологии был предложен ряд важных моделей. Здесь мы углубимся в математическую структуру самых представительных из них: «модели Гирера-Майнхардта» и «модели Грея-Скотта».
4.1 Модель Гирера-Майнхардта (Gierer-Meinhardt)
Эта модель, предложенная Альфредом Гирером и Гансом Майнхардтом в 1972 году, очень естественно описывает динамику морфогенов in vivo.
$$ \frac{\partial u}{\partial t} = D_u \nabla^2 u + c \frac{u^2}{v} - \mu_u u + \rho_u $$$$ \frac{\partial v}{\partial t} = D_v \nabla^2 v + c u^2 - \mu_v v + \rho_v $$Самой большой особенностью этого уравнения является член образования активатора $u$: $u^2 / v$. $u$ осуществляет нелинейный автокатализ по отношению к самому себе ($u^2$), но скорость его образования обратно пропорционально подавляется концентрацией ингибитора $v$. С другой стороны, $v$ образуется пропорционально количеству $u$ ($c u^2$). Эта тонко сбалансированная структура обратной связи до сих пор широко используется в качестве базовой теории для самых разнообразных процессов биологического морфогенеза, таких как формирование головы у гидры и узоров на раковинах. В пространстве параметров фазовая диаграмма демонстрирует четкий фазовый переход от стабильной области к областям с пятнистыми и полосатыми узорами в зависимости от соотношения скоростей распада $\mu_u$ и $\mu_v$. В частности, из-за сильной нелинейности автокатализа она имеет тенденцию формировать чрезвычайно стабильные пятнистые паттерны.
4.2 Модель Грея-Скотта (Gray-Scott) и сложная фазовая диаграмма
Эта модель была разработана в 1980-х годах для объяснения автокаталитических реакций в физической химии (например, реакции хлорита, йодида и малоновой кислоты) и пользуется огромной популярностью в области компьютерных наук и компьютерной графики.
$$ \frac{\partial u}{\partial t} = D_u \nabla^2 u - u v^2 + F(1 - u) $$$$ \frac{\partial v}{\partial t} = D_v \nabla^2 v + u v^2 - (F + k)v $$В этой модели $u$ рассматривается как реагент, а $v$ — как продукт автокатализа. $u$ подается извне с постоянной скоростью $F$, а $v$ распадается и удаляется со скоростью $F+k$. Члены реакции $-u v^2$ и $+u v^2$ представляют собой превращения, отражающие закон сохранения массы. В 1993 году Дж. Э. Пирсон (J.E. Pearson) провел исчерпывающее сканирование параметров $F$ (скорость подачи) и $k$ (скорость распада) уравнения Грея-Скотта и обнаружил скрытое удивительное разнообразие паттернов. Согласно фазовой диаграмме параметров Пирсона, возможна следующая классификация:
- Область $\alpha$: Полностью однородное состояние (отсутствие паттерна).
- Область $\lambda$: Самовоспроизводящиеся пятна, которые делятся подобно клеткам (Cell division-like).
- Область $\kappa$: Удлиненные червеобразные узоры (Worms) и лабиринты (Labyrinths).
- Область $\mu$: Стабильные статические точки (Spots). Эти паттерны демонстрируют настолько высокую степень «жизнеподобности», что трудно поверить в их появление из простых дифференциальных уравнений. Модель Грея-Скотта стала отличной площадкой для исследований в области науки о сложных системах благодаря своей способности генерировать разнообразную динамику из простых членов реакции.
Глава 5: Полное моделирование модели Грея-Скотта на Python
Здесь мы приводим полный код на Python для проведения 2D численного моделирования модели Грея-Скотта, а также объясняем его алгоритм. При численных расчетах дифференциальных уравнений в частных производных базовым методом является разделение пространства на сетку (метод конечных разностей) и продвижение времени крошечными шагами (метод Эйлера).
Аппроксимация лапласиана конечными разностями по 5 точкам
$$ \nabla^2 u_{i,j} \approx \frac{u_{i+1,j} + u_{i-1,j} + u_{i,j+1} + u_{i,j-1} - 4u_{i,j}}{\Delta x^2} $$Для реализации периодических граничных условий (то, что выходит с одного края, входит с противоположного) можно использовать функцию np.roll из библиотеки NumPy в Python, что обеспечивает высокоскоростные матричные операции без циклов.
Код симуляции
| |
Выполнив этот код, вы сможете наблюдать в реальном времени, как, начиная с небольшого шума в центре, сложные лабиринтные паттерны (или пятнистые) самоорганизуются подобно медленно делящимся и размножающимся клеткам. Благодаря оптимизации за счет операций с массивами NumPy процесс формирования паттерна можно отрисовать за несколько секунд или десятков секунд даже на стандартном ПК.
Глава 6: Паттерны Тьюринга и формирование биологических сетей в трехмерном пространстве
До сих пор мы фокусировались на формировании узоров на двумерной плоскости (например, на поверхности кожи), но большая часть биологического морфогенеза протекает в трехмерном пространстве. Теория Тьюринга может быть весьма естественно расширена на 3D пространства и искривленные поверхности и, что удивительно, прекрасно объясняет формирование «сложных разветвленных сетевых структур» in vivo.
6.1 Ветвление бронхов в легких и формирование сосудистой сети
Легкие человека начинаются с трахеи и разветвляются фрактально на бесчисленные мельчайшие бронхиолы (Ветвящийся морфогенез - Branching morphogenesis). Недавние исследования показали, что процесс ветвления бронхов также контролируется механизмом Тьюринга, сотканным из активаторов, таких как FGF (фактор роста фибробластов), и ингибиторов, таких как Sprouty. При 3D моделировании реакции-диффузии конкуренция между апикальным ростом (Apical growth) эпителиальных клеток и латеральным торможением (Lateral inhibition) со стороны ингибиторов воспроизводит динамику спонтанного образования новых ветвей с равными интервалами.
6.2 Жилкование листьев и сети слизевиков
Паттерны жилкования листьев растений также понимаются как вариант системы реакции-диффузии, сочетающей градиенты концентрации ауксина (растительного гормона) с его полярным транспортом с помощью транспортных белков (PIN). То, как слизевик (Physarum polycephalum) формирует оптимальную сеть кратчайших путей в поисках пищи, также основано на механизме LALI в широком смысле: локальное расширение клеточных трубок (самоактивация) и сокращение других трубок из-за общих ограничений по объему (дальнее торможение).
6.3 Модель латерального торможения в формировании скелета
Вопрос о том, почему у нас пять пальцев (почему кости располагаются периодически), также сводится к выбору длины волны в пространстве Тьюринга. Сигнальные молекулы, такие как Sox9 (стимулирует хондрогенез), Bmp и Wnt образуют волны внутри трехмерной почки конечности (зачатка руки или ноги). «Пики» стоячих волн дифференцируются в хрящ, в то время как «впадины» подвергаются гибели клеток (апоптозу) или остаются мезенхимальной тканью, формируя периодическую структуру костей. Этот механизм латерального торможения является незаменимой точкой зрения для понимания эволюции сложных биологических скелетов.
Глава 7: Влияние шума и начальных флуктуаций на выбор паттерна, математика робастности
В формообразовании живых организмов есть еще одна чрезвычайно важная математическая тема. Это парадокс «роли шума (флуктуаций)» и «робастности (устойчивости) паттерна».
7.1 Выбор паттерна за счет флуктуаций (Пятна или Полосы?)
Линейный анализ устойчивости Тьюринга может определить, какое волновое число $k$ будет расти быстрее всего (доминирующая длина волны), но неизвестно, какая геометрическая форма (пятна или полосы) в итоге будет выбрана. Для выяснения этого требуется анализ нелинейной области после того, как возмущение станет большим (слабо нелинейный анализ, уравнения амплитуды и т. д.). На практике тепловые флуктуации и стохастический шум экспрессии генов, присущие системе, служат «семенами» для начального выбора паттерна. Пространственно-спектральные характеристики шума избирательно возбуждают определенные моды. В некоторых случаях в области мультистабильности (Bistability) можно наблюдать расходящиеся судьбы (стать пятнами или полосами) из-за незначительных различий в первоначальном шуме.
7.2 Робастность морфогенеза
С другой стороны, процесс онтогенеза на удивление робастен. Независимо от колебаний температуры окружающей среды или изменений в питании, у человека всегда сердце находится в одном и том же месте, и формируются пять пальцев. Почему же в клеточной среде, полной стохастического шума, возможно столь надежное формирование паттерна? С математической точки зрения было показано, что добавление нелинейных членов, таких как «управление с прямой связью» (feedforward control) или «эффекты насыщения рецепторов», в системы реакции-диффузии значительно расширяет пространство Тьюринга (область параметров, где образуются паттерны) и повышает робастность. Кроме того, выясняется, что включение роста домена (временного расширения самой ткани) в уравнения приводит к постепенному изменению ограничений граничных условий, создавая «механическое направление траектории», которое всегда сходится к уникальному паттерну, независимо от шума. Анализ с использованием стохастических дифференциальных уравнений (SDE) даже сообщает о парадоксальном явлении «паттернов, индуцированных шумом» (Noise-induced patterns), когда демографический шум (флуктуации числа молекул) не разрушает паттерн, а, наоборот, способствует его формированию. Робастность — главная характеристика жизни, и попытки доказать ее с помощью математических формул по-прежнему активно продолжаются.
Глава 8: Экспериментальное подтверждение молекулярной биологией — Паттерны Тьюринга, наконец, найдены
В течение нескольких десятилетий после смерти Тьюринга преобладало критическое мнение, что «его теория математически прекрасна, но может не иметь отношения к реальной биологии». Однако в 1995 году ситуация кардинально изменилась благодаря революционному исследованию японского молекулярного биолога Сигэру Кондо (в настоящее время профессора Осакского университета).
Кондо и его команда обратили внимание на полосатый узор на теле императорского ангела (Pomacanthus imperator) — крупной морской тропической рыбы. В то время как узоры у млекопитающих просто расширяются по мере роста (подобно раздувающемуся воздушному шару), они обнаружили, что полосы императорского ангела по мере роста рыбы «ветвятся», сохраняя постоянное расстояние между собой, так что весь узор динамически перемещается и реорганизуется. Сравнив это с симуляцией системы Тьюринга (вычисление с временным расширением области), они обнаружили поразительное совпадение между процессом ветвления и узором разветвления и решениями дифференциальных уравнений в частных производных. Это был момент, когда мир впервые доказал, что поведение на клеточном уровне действительно подчиняется макроскопической математике.
После этого стремительно пошло развитие понимания на молекулярном уровне.
- Нёбные валики мыши (Palatal Rugae): Было определено, что при формировании периодических складок на нёбе мыши два белка — FGF и Shh — образуют сеть Тьюринга.
- Полосы данио-рерио (Zebrafish): Была продемонстрирована «клеточная модель Тьюринга», которая реализует механизм LALI не только через диффузию белков, но и посредством прямых межклеточных взаимодействий (передачи сигналов через выступы) между различными типами пигментных клеток (меланофорами и ксантофорами).
Спустя более чем полвека предсказания Тьюринга были полностью подтверждены языком ДНК и белков.
Приложение: Дальнейшие глубины математической биологии и дифференциальных уравнений
А1. Слабо нелинейный анализ и уравнения амплитуды
$$ \tau_0 \frac{\partial A}{\partial t} = \epsilon A + \xi_0^2 \nabla^2 A - g |A|^2 A $$Здесь $A$ — комплексная амплитуда паттерна, а $\epsilon$ — отклонение от параметра бифуркации. Это уравнение также математически эквивалентно формированию паттернов в сверхпроводимости или гидродинамике (например, конвекции Рэлея-Бенара), что убедительно демонстрирует универсальность (Universality) явлений самоорганизации в мире природы.
А2. Механизм определения биологической длины волны
В паттерне Тьюринга доминирующая длина волны $\lambda$ задается как $2\pi/k_{max}$, но в реальных живых организмах эта длина волны зависит от размера клетки и абсолютного значения коэффициента диффузии. Например, коэффициент диффузии белков имеет порядок $10^{-7} \sim 10^{-6} \text{ см}^2/\text{с}$, и на основе этого длина волны составляет порядка $0.1 \sim 1 \text{ мм}$. Этот масштаб демонстрирует удивительное совпадение с эмпирическими измерениями во многих процессах морфогенеза, таких как формирование сегментов эмбриона дрозофилы и интервалы расположения волосяных фолликулов у мышей.
А3. Расширенные модели Тьюринга
В недавних исследованиях активно изучаются системы с тремя или более переменными и модели, учитывающие пространственно неоднородные пространства параметров (полярность клеток и градиенты роста тканей), выходя за рамки двухпеременных уравнений реакции-диффузии. Кроме того, «механо-химические модели» (Mechano-chemical model), которые сочетают диффузию с хемотаксисом (Chemotaxis) и механической деформацией клеток (Mechanobiology), привлекают к себе внимание как ключ к разгадке еще более сложных жизненных явлений. Синтез математики и биологии шагнул далеко вперед со времен Тьюринга и ярко сияет на переднем крае современной науки.
Заключительная глава: Будущее морфогенеза и влияние на науку о сложных системах
В настоящее время концепция паттернов Тьюринга вышла далеко за пределы математической биологии и распространилась на все области естественных наук.
В области материаловедения механизм Тьюринга применяется в нанотехнологиях восходящего типа («снизу вверх»), использующих самоорганизацию. Путем управления фазовым разделением блок-сополимеров или специальными химическими реакциями (такими как реакция Белоусова-Жаботинского) ведутся исследования по «химическому самоформированию» тончайших периодических структур, превосходящих возможности литографических технологий полупроводников.
В контексте искусственной жизни (Artificial Life) и науки о сложных системах (Complex Systems) они переоцениваются как подход к фундаментальному вопросу «Что такое жизнь?». Процесс, посредством которого глобальная и упорядоченная структура спонтанно возникает (Emergence) из взаимодействия локальных правил, является универсальным принципом, лежащим в основе формирования структур в клеточных автоматах и глубоком обучении.
В одной статье, оставленной за короткий период своих последних лет, Алан Тьюринг раскрыл секреты формообразования жизни с помощью математических формул. Химические основы морфогенеза, о которых он мечтал, продолжают преподносить нам новые тайны жизни, являясь точкой пересечения информатики, нелинейной физики и новейшей молекулярной биологии.
Эта статья была написана со значительными дополнениями и расширениями, основанными на последних открытиях в математической биологии и строгом математическом описании нелинейной динамики. Мы отдаем дань уважения великому достижению Тьюринга и надеемся, что это поможет нашим читателям соприкоснуться с красотой геометрии жизни.