مقاله ترجمه شده درباره مدل تکامل بیولوژیکی با نرخ های جهش شرطی – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
مدل تکامل بیولوژیکی با نرخ های جهش شرطی
عنوان انگلیسی مقاله:
Biological evolution model with conditional mutation rates
کلمات کلیدی مقاله:
مدل Crow-Kimura، نرخ های جهش مدوله شده، سیستم پیچیده
مناسب برای رشته های دانشگاهی زیر:
آمار و زیست شناسی
مناسب برای گرایش های دانشگاهی زیر:
آمار زیستی و بیوانفورماتیک
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1- مقدمه
2- مورد تناسب پیک منفرد
3-نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
In the current work we construct a simple generalization of the traditional quasispecies model with the mutation rate modulated by the sequence distribution in the population. The mutation rate between the adjacent Hamming classes (groups of sequences with the same number of mutations from the reference sequence) depends on the ratio of the number of viruses on these chasses, therefore we have somehow modulated asymmetry of mutation rates. The asymmetry of mutation rates is well confirmed experimentally [37]. In our model the population itself modulates the mutation rates, while in [33] it is done artifi- cially. What is common in both cases, the existence of different mutations rates, the heterogeneity of population, brings to the evolutionary advantage. The advantage of our model is that it is still exactly solvable. The dependence of the fitness on the population distribution is well known phenomenon in evolutionary game models [38, 39]. Another well known case of the changing of the mutation rate by the virus population is a mutator phenomenon, well confirmed by experiments [40]. Our model assumes the modulation of mutation rate by population distribution, and it is much more involved to solve the current model than the mutator model [29, 41].
در کار فعلی ما یک تعمیم ساده از مدل شبه گونه ای مرسوم با نرخ جهش مدوله شده بواسطه توزیع دنباله در آن جمعیت ایجاد می کنیم. نرخ جهش میان رده های Hamming مجاور بسته به نرخ تعداد ویروس ها روی هر شاسی می باشد، بنابراین ما به گونه ای عدم تقارن نرخ های جهش را مدوله کرده ایم. عدم تقارت نرخ های جهش به خوبی به صورت تجربی تأیید شده است. در مدا ما خود گروه نرخ های جهش را مدوله می کند، در حالی که در (33) این کار به صورت مصنوعی انجام شده است. آن چه در هر دو مورد مشترک است وجود نرخ های جهش مختلف است، یعنی نایکریختی گروه، که باعث ایجاد مزیت تکاملی شده است. مزیت مدل ما این است که کاملاً قابل حل است. وابستگی تناسب به توزیع جمعیت رخداد شناخته شده ای در مدل های بازی تکاملی است. مورد شناخته شده دیگری از تغییر نرخ جهش بواسطه یک گروه ویروس رخداد جهش دهنده است که بواسطه آزمایش ها به خوبی مورد تأیید قرار گرفته است. در مدل ما فرض بر این است که مدولاسیون نرخ جهش بواسطه توزیع گروه انجام می شوند و این مورد برای حل مدل فعلی بیشتر از مدل جهش دهنده شامل شده است.
