автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Разработка моделей и комплексов программ для вычислительных и натурных экспериментов с объектами биологического типа

РОССИЙСКАЯ АКАДЕМИЯ НАУК

ИНСТИТУТ ПРОБЛЕМ УПРАВЛЕНИЯ им. В.А. Трапезникова

УДК 57:007/.001.57 На правах рукописи

Суховеров Виктор Степанович

РАЗРАБОТКА МОДЕЛЕЙ И КОМПЛЕКСОВ ПРОГРАММ ДЛЯ ВЫЧИСЛИТЕЛЬНЫХ И НАТУРНЫХ ЭКСПЕРИМЕНТОВ С ОБЪЕКТАМИ БИОЛОГИЧЕСКОГО ТИПА

Специальность 05.13.18. - «Математическое моделирование, численные методы и комплексы программ»

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва - 2004

Работа выполнена в Институте проблем управления им. В.А.Трапезникова РАН

Научный руководитель - доктор технических наук

В.А.Кубышкин

Научный консультант - доктор биологических наук

Г.А.Романов

Официальные оппоненты - доктор технических наук,

профессор Ф.А.Овсепян

Ведущая организация

- доктор технических наук, профессор А.Е.Краснов.

- Самарский государственный технический университет.

Защита состоится "_"_2004г. в_час.

на заседании Диссертационного Совета Д 002.226.01 Института проблем управления им. В.А.Трапезникова РАН по адресу: 117997, Москва, Профсоюзная ул., 65.

С диссертацией можно ознакомиться в библиотеке Института проблем управления им. ВА.Трапезникова РАН.

Автореферат разослан "_" _ 2004г.

Ученый секретарь Диссертационного Совета

доктор технических наук В.К. Акинфиев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Развитие технических средств на базе компьютерной техники создает широкие возможности их практического применения в научных исследованиях. Создание моделей исследуемых процессов и программных комплексов для работы с моделями имеет самостоятельное значение в качестве инструментария вычислительного эксперимента. Наряду с этим, комплексы программ широко и успешно используются в автоматизированных системах для проведения натурных экспериментов. С помощью программных комплексов осуществляется программная реализация и настройка теоретически разработанных алгоритмов управления, практическая реализация цифровых систем управления натурными экспериментами.

В работе рассматриваются актуальные задачи по моделированию и разработке комплексов программ, возникающие при управлении процессами, измерениях и регистрации данных в научных исследованиях объектов биологического типа. К этой категории задач относятся: изучение внутренней регуляции роста и развития растений, оптимизация внешних условий для повышения продуктивности сельскохозяйственных культур, автоматизация анализа микропрепаратов при проведении массового скрининга хромосомных патологий (аберраций) у человека и исследование реакции человека на внешнее раздражение.

Развитие моделей самоорганизации при исследовании жизнедеятельности растений актуально для определения роли внутренних факторов в управлении такими важными процессами, как рост за счет деления клеток. Здесь следует выделить действие сигнальных молекул, в особенности, молекул гормонов. Важной функцией гормонов является активация клеточных делений. Создание и развитие динамической модели регуляции процесса клеточных делений под действием двух гормонов является одной из задач представленной работы. Модель отражает концепцию самоорганизации роста в целостном растении за счет системы синтеза и транспорта двух гормонов.

Для решения целого ряда задач в исследованиях реакции объектов биологического типа на внешнее воздействие

используются алгоритмы aвтov

алгоритмов автоматического поиска целесообразно в случае недостатка априорной информации об объекте управления, сложной динамики объекта, либо при отсутствии приемлемых количественных моделей исследуемого процесса. Разработка и использование сложных систем оптимизации для натурных экспериментов актуальны и по другой причине: стала возможной реализация сложной системы управления в виде комплексов программ, действующих на базе компьютерной техники. При исследовании физиологических процессов растений, управляя параметрами внешней среды, можно обеспечить экстремальное значение какого-либо важного физиологического показателя, называемого критерием качества. В данном случае решалась задача оптимизации интенсивности фотосинтеза растений, выращиваемых в вегетационной камере. Следует отметить, что положение экстремума критерия качества в пространстве параметров среды изменялось во времени, что еще более усложнило задачу оптимизации. В результате разработана автоматизированная система оптимизации физиологических показателей роста растений, в которой получение информации об объекте (вегетационная камера с растениями) и управление объектом осуществляется с помощью комплексов программ.

Для проведения массовых обследований населения, направленных на выявление хромосомных аномалий, необходима микроскопная обработка большого объема данных. При обследовании одного человека требуется проанализировать не менее 1000 микрообъектов субклеточного уровня. В этой ситуации актуальным становится решение задачи компьютерной автоматизации микроскопных исследований препаратов. Подключение микроскопа к компьютеру обеспечивает автоматическую передачу координат микрообъектов в компьютер, автоматизацию документирования результатов обследования пациентов и хранения объективной визуальной информации в базе данных. Этот подход реализован в разработанной и представленной в работе компьютерной системе автоматизации микроскопных исследований хромосомных аберраций. Использование автоматизированного документирования результатов обследования

пациентов увеличивает производительность труда цитогенетика.

j'f , 1

' *» 94 пи

Создание баз данных по уникальным хромосомным аномалиям и болезням расширяет возможности клинической диагностики.

Изложенное выше дает основания утверждать, что представленные в работе задачи являются актуальными. Цель работы. Создание динамических моделей для использования в вычислительных и натурных экспериментах при исследовании процессов, характерных для объектов биологического типа: роста клеточных структур растений, фотосинтеза растений, минимизации болевого раздражения нервно-мышечным аппаратом человека. Разработка и создание комплексов программ на основе полученных алгоритмов, построение систем автоматизации для проведения научного эксперимента с объектами биологического типа. Научная новизна. Разработана динамическая модель роста клеточной структуры растительного типа. Модель развивает концепцию фундаментального характера о самоорганизации роста в целостном растении. Суть концепции состоит в том, что клеточные деления управляются сигнальными концентрациями двух гормонов, а увеличение концентрации гормонов в клетках до сигнального уровня, в свою очередь, осуществляется системой синтеза и транспорта гормонов. Модель учитывает динамику транспорта и накапливания гормонов в клетках и вероятностный характер деления клеток. Модель воспроизводит автономный рост клеточной структуры за счет деления клеток, расположенных преимущественно в концевых участках структуры, что характерно для роста живых растений. Данное исследование получило финансовую поддержку Российского фонда фундаментальных исследований (грант 95-01-01115а).

Разработана цифровая автоматизированная система научных исследований (АСНИ) физиологических процессов высших растений. АСНИ включает в себя информационно-измерительную систему и систему многопараметрической автоматической оптимизации параметров внешней среды высших растений, выращиваемых в вегетационной камере. АСНИ дает возможность экспериментального получения оптимальных режимов выращивания растений за счет непрерывной оптимизации параметров микроклимата в вегетационной камере.

Разработана базовая структура системы автоматизации микроскопных исследований. Предложен и разработан алгоритм

коррекции первоначальных значений координат микрообъектов при повторном исследовании препарата. На основе базовой конфигурации устройств предложена и разработана система автоматизации микроскопных исследований хромосомных препаратов.

Разработана схема моделирования динамической системы, полученной в результате исследования реакции нервно-мышечного аппарата человека на внешнее раздражение. На основании схемы моделирования для проведения вычислительных экспериментов составлена система уравнений в нормальной форме Коши. В вычислительном эксперименте показано, что зависимости, полученные на модели, хорошо согласуются с осциллограммами натурных экспериментов по минимизации внешнего воздействия. Практическая ценность. Создан программный комплекс, в который встроена динамическая модель роста клеточной структуры. Программный комплекс позволяет моделировать на компьютере различные варианты роста клеточных структур при изменении параметров транспорта гормонов и механизма клеточных делений. Поскольку модель адекватно воспроизводит все основные особенности роста целостного растения, программный комплекс может служить учебным пособием при изучении влияния параметров синтеза и транспорта гормонов, ауксина и цитокинина, на рост целостного растения. Программный комплекс пригоден для прогнозирования темпов роста хвойных деревьев в зависимости от параметров синтеза и транспорта управляющих гормонов и параметров механизма клеточных делений.

В составе автоматизированной системы научных исследований (АСНИ) физиологических процессов растений разработаны две совместно работающие системы, выполненные на единой компьютерной базе, включая устройства в стандарте КАМАК для связи с объектом - вегетационной камерой. Это -система автоматической оптимизации физиологических процессов и информационно-измерительная система. Разработан программный комплекс инфомационно-измерительной системы для вегетационной камеры с растениями. Разработан программный комплекс системы автоматической оптимизации фотосинтеза растений, в котором реализованы алгоритмы поиска экстремума с упреждением знака реакции и с адаптацией к динамике объекта.

Программные комплексы переданы в Государственный фонд алгоритмов и программ. АСНИ принята в эксплуатацию в Институте физиологии растений им. К.А.Тимирязева РАН. С ее помощью получены оптимальные программы изменения освещенности растений, температуры и относительной влажности воздуха в период вегетации, обеспечивающие повышение фотосинтетической активности растений (основного показателя, определяющего прирост биомассы) в 1,5-3 раза, а также получены значения параметров микроклимата, позволяющие повысить КПД фотосинтеза в несколько раз.

Разработана и опробована система автоматизации микроскопных исследований хромосомных препаратов на предметных стеклах. Программный комплекс системы автоматизирует регистрацию микрообъектов, обеспечивает хранение информации о микрообъектах в базе данных, автоматизирует формирование протоколов и отчетов исследований. Применение программной коррекции координат микрообъектов при повторном исследовании препарата дает возможность быстрого обнаружения микрообъекта по результатам предыдущего исследования. Сохранение результатов первичного исследования в базе данных обеспечивает отделение этапа поиска и регистрации хромосомных аберраций от этапа проведения анализа. Система прошла испытания в лаборатории цитогенетики Всероссийского Центра Рентгенорадиологии.

Апробация работы. Основные положения и результаты работы докладывались и обсуждались на научно-технических семинарах Института проблем управления, Института физиологии растений, на VII Украинской республиканской конференции по бионике (Житомир, 1985г.), на III съезде ВОФР (Санкт-Петербург, 1993г.), на Международном симпозиуме «Физико-химические основы физиологии растений» (Пенза, 1996г.), на IV съезде Общества физиологов России (Москва, 1999г.).

Публикации. По теме диссертации опубликовано 7 научных статей, 1 препринт, 5 тезисов докладов, 2 программных комплекса приняты в фонд алгоритмов и программ ВЦ РАН.

Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения, изложенных на 137 страницах, включая 43 рисунка и 2 таблицы, списка литературы из 89 наименований и приложения.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблематики, сформулированы цели и задачи работы, представлены основные научные результаты и их практическая значимость.

Первая глава посвящена моделированию гормонально управляемого роста многоклеточных структур растительного типа за счет деления клеток. Рассмотрены факторы, определяющие рост растений, выделены зависимости деления клеток от концентрации гормонов определенных групп - ауксинов и цитокининов. Приведены механизмы синтеза и транспорта гормонов в растении. Указаны особенности транспорта ауксина. Отмечена определяющая роль процессов синтеза и транспорта гормонов в регулировании концентрации гормонов в тканях и органах растения на клеточном и субклеточном уровнях. Рассмотрена концептуальная модель гормональной регуляции роста клеточной структуры растительного типа [Романов Г.А. Модель гормонально-организуемого пролиферативного роста: аналогии с ростом растений // Онтогенез. - М., 1992. - т. 23, №3. - с.228-236.]. В концептуальной модели (рис. 1) клеточная структура представляет собой цепочку клеток, связанных единой системой синтеза и транспорта гормонов -ауксина и цитокинина. Гормоны выполняют функцию регуляторов клеточных делений: совместное действие этих гормонов запускает процесс деления клетки. В клеточной цепочке один из гормонов синтезируется в верхней концевой клетке, а другой - в нижней концевой клетке. Из синтезирующих клеток гормоны перемещаются по цепочке клеток навстречу друг другу. Процесс деления начинается, когда концентрации ауксина На и цитокинина Нс в клетке достигают определенных для каждого из гормонов значений, называемых порогами чувствительности (6Ха, 5ХС):

На > 51

Выполнение условия (1) определяется процессами транспорта и накапливания гормонов в клетках. Эти процессы сопровождаются потерями за счет разрушения, иммобилизации и т.д.

Клетка, синтезирующая ^ гормон А БЬ,

Гормон А

ч

и

Клетка, синтезирующая гормон С

Гормон С

Рис. 1. Гистограммы изменения концентрации гормонов при транспорте из синтезирующих их клеток

Из-за транспортных потерь количество доставляемого в клетку гормона будет уменьшаться по мере удаления от клетки, синтезирующей гормон (рис. 1). Так как концевые клетки являются замыкающими клетками транспортного канала, то гормоны в них аккумулируются. Одновременно в концевых клетках происходит и распад гормона. Рост означает увеличение количества клеток цепочки, т.е. удлинение транспортного канала и увеличение транспортных потерь гормонов. Рост, сопровождаемый транспортными потерями, ограничен. Прекращение роста определяется балансом доставляемого в клетку гормона и потерь гормона в клетке за счет распада.

В развитие концептуальной модели автором разработана и предложена динамическая модель роста клеточной структуры растительного типа. Для отражения транспортных потерь введены постоянные коэффициенты передачи гормонов из клетки в клетку: Ка - для «верхнего» гормона и Кс - для «нижнего» гормона, и коэффициенты распада гормонов в концевых клетках: Ма и Мс. Значения этих коэффициентов, по смыслу, могут принимать значения от нуля до единицы. Транспорт гормонов через клетки

структуры происходит по типу транспорта ауксина в растении. Исходя из специфики транспорта ауксина, продвижение гормона через клетку можно охарактеризовать некоторым временным интервалом Т. Обозначим через Нт концентрацию гормона на входе в клетку, то есть с внешней стороны клеточной мембраны, а через Нтй - концентрацию гормона внутри клетки. За время Т гормон проникает через клеточную мембрану внутрь клетки, ионизируется и, достигнув противоположной стенки клеточной мембраны, выводится специализированными белками через клеточную мембрану наружу. Обозначим через Нм концентрацию

гормона, выведенного из клетки. Тогда транспорт гормона через срединную клетку, то есть клетку, проводящую гормоны и находящуюся между двумя другими, можно представить линейным уравнением в операторной форме, где р - оператор дифференцирования :

Нм=к-Нт1{\ + Тр). (3)

Накапливание гормона в концевых клетках можно описать уравнением интегрирующего звена. Тогда транспорт и накапливание гормона в концевой клетке можно представить системой линейных уравнений:

Нщ-Ня1р (4)

Я„и=Яг/(1 + 7»

Уравнения (3) и (4) и условие деления клеток (1) описывают механизм управления делением клеток, осуществляемый двумя гормонами, синтезируемыми концевыми клетками структуры.

Как показали эксперименты с клетками в культуре [Гамбург К.З. Фитогормоны и клетки. - М.: Наука, 1970], деления клеток являются статистически устойчивыми событиями, причем, фиксированным значениям концентраций гормонов соответствует определенная частота клеточных делений: где (I -

количество поделившихся клеток, а п - общее количество клеток в культуре. Экспериментально полученные зависимости частоты деления клеток от концентрации гормона (при фиксированной концентрации другого гормона) имеют форму кривых, близких к

«перевернутой» параболе. В модели зависимость частоты деления клеток от концентрации гормонов идеализированно отражена с помощью эллиптического параболоида (рис. 2). Поскольку деление клеток носит вероятностный характер, то сигнальное условие (1) можно определить, как условие ненулевой вероятности деления клеток. Количественную оценку вероятности деления клетки при выполнении сигнального условия дает значение частоты делений,

1 -

Рис. 2. Зависимость частоты деления клеток £2от концентрации

гормонов На и Не.

соответствующее концентрациям гормонов в клетке. Результирующая формула для вычисления частоты делений клеток по концентрациям гормонов в клетке имеет вид:

[2Я.-(Я.+Я<Д,)Г №-Нс - + Нм )]2 Ш1М (Нм -Я£е)г

где НаМ, НсМ - координаты вершины параболоида, соответствующие максимальной частоте делений {0=1). Схемы моделирования внутренней регуляции клеточных делений двумя гормонами для срединных и концевых клеток с учетом вероятностного характера деления представлены на рис. 3. В вычислительном эксперименте в качестве начальных условий задавалось исходное количество клеток

структуры и концентрации гормонов в этих клетках. Запуск деления клетки моделировался с помощью программы генератора случайных чисел с равномерным распределением вероятности. Численное моделирование роста клеточной структуры производилось с помощью модифицированного метода Эйлера.

Срединная клетка Концевая клетка

Рис. 3. Структурные схемы гормонально управляемого деления клеток, где 1 - транспорт гормона в клетку, 2 - транспорт гормона из клетки, 3 - запуск деления клетки.

Для исследования динамики роста клеточной структуры в зависимости от параметров транспорта гормонов автором разработан программный комплекс. Графический интерфейс программного комплекса позволяет строить характеристики процессов, происходящих в клеточной структуре и воспроизводить на экране монитора картину роста клеточной структуры. Программный комплекс состоит из трех компонентов:

а) собственно математической модели гормональной циркуляции внутри многоклеточной структуры с возможностью изменения параметров модели в интерактивном режиме;

б) демонстрационного, наглядно изображающего деление клеток и картину двунаправленного роста клеточной структуры;

в) графического, предназначенного для отражения процессов, происходящих в клеточной структуре на экране монитора, и выводе результатов счета и на принтер. Моделирование показало, что небольшая асимметрия параметров гормонального транспорта приводит к существенной разнице в соотношении «надземной» и «подземной» частей клеточной структуры. Основными областями деления клеток в модели являются концевые области структуры, что соответствует локализации зон деления клеток в живых растениях. Данное исследование получило финансовую поддержку Российского фонда фундаментальных исследований (грант 95-01-01115а).

Вторая глава посвящена разработке системы оптимизации роста высших растений, предназначенной для управления вегетационной камерой закрытого типа. Проведено исследование объекта управления - вегетационной камеры с растениями. Структурная схема объекта управления (рис. 4) содержит собственно вегетационную камеру, растения, измерительные устройства ИУЕ, ИУт, ИУт, ИУф для регистрации параметров микроклимата в камере (освещенности Е, температуры Т, относительной влажности Ч*, интенсивности фотосинтеза Ф) и преобразования их в электрические сигналы УЕ,УТ,У^, Уф; исполнительные механизмы ИМБ, ИМТ, ИМ*, которые под действием сигналов управления иЕ, ит, и* изменяют параметры микроклимата в камере (Е, Т, *Р).

Рис. 4. Структурная схема объекта управления. 13

Установлено, что вегетационная камера представляет собой многосвязный объект с нелинейными связями между параметрами микроклимата - освещенностью Е(¿), температурой Т{{) и относительной влажностью , а сами параметры зависят как от контролируемых возмущений, так и от возмущений, вносимых растениями.

Растения являются еще более сложным объектом, так как их динамические характеристики зависят от параметров внешней среды, времени суток и возраста растений.

Пусть Х(7) = - вектор входных координат

вегетационной камеры, где х,(7) = 1/Е((), х2{1) = ¿Уг(/), х3(0 = ич(0> а У(0 = {)\(0,У2(0>Уг(0} - вектор выходных координат вегетационной камеры, где у, (/) = Е{I), у2 (0 = Т{1), у}(() = Ч/((). В линейном приближении модель вегетационной

камеры с исполнительными механизмами можно описать, как многосвязный объект:

где Х(р) = {хХр),х2(р),х}(р)} и У(р) = {у^р), у2(р), у^(р)} -

изображения по Лапласу векторов входных и выходных координат вегетационной камеры, (р) - матрица передаточных функций.

Учитывая специфику перекрестных связей внутри объекта, матрицу передаточных функций можно представить в виде:

Для идентификации элементов матрицы были

проведены измерения, на основании которых определены статические и динамические зависимости параметров микроклимата камеры от управляющих воздействий в рабочих диапазонах.

Рост растений пропорционален интенсивности фотосинтеза. По данным из физиологии растений, зависимость интенсивности фотосинтеза от управляющих параметров внешней среды -

Y{p) = SVIJ(p)X(p),

(6)

К(Р) О О XV ЦГ21(Р) щ2(р) г23(р)

щ,(р) Щ2(р) ^Лр)

(7)

освещенности, температуры и влажности - можно считать унимодальной и гладкой на всей области допустимых значений перечисленных параметров.

На основании изложенного составлена модель объекта, содержащая модель вегетационной камеры в линейном приближении и модель фотосинтеза растений (рис. 5).

| Модель вегст ашшнпоП камеры __ ___ ___

! Модель фотосинтеза

Рис. 5. Модель объекта управления. В данном представлении интенсивность фотосинтеза Ф(г) в любой

момент времени имеет экстремум Ф^ДО при некоторых

значениях освещенности Е*, температуры Т*, и относительной влажности причем эти значения изменяются во времени:

Ф-^С) = • (8)

В натурных экспериментах задача управления ставилась как отыскание и поддержание набора значений параметров микроклимата в камере, соответствующих максимальной интенсивности фотосинтеза растений. Интенсивность фотосинтеза пропорциональна количеству углекислого газа, поглощенному растениями. В экспериментах осуществлялся непрерывный продув

воздуха через камеру, и определение интенсивности фотосинтеза Ф у растений производилось по величине разности концентраций углекислого газа на входе и выходе камеры, измеренной с помощью дифференциального инфракрасного анализатора.

Рис.6. Блок-схема системы управления вегетационной камеры.

РЕ, Рт, Р* - регуляторы освещенности, температуры и относительной влажности;

- сигналы настройки регуляторов; У'е, Уг', У^ - сигналы оптимизации фотосинтеза.

Для управления таким сложным объектом (рис. 5) с целью оптимизации интенсивности фотосинтеза наиболее подходят алгоритмы автоматического поиска В системе оптимизации использовался алгоритм поиска с переменной частотой пробных воздействий, дополненный алгоритмом упреждения знака реакции инерционного объекта на пробное воздействие. Для натурных экспериментов применялась двухуровневая система оптимизации: на первом уровне - система автоматического регулирования, на втором - система автоматического поиска (рис. 6). Задача цифровой системы оптимизации - это управление параметрами среды вегетационной камеры с целью достижения максимума интенсивности фотосинтеза.

Поиск максимума интенсивности фотосинтеза выполнялся за счет коррекции уставок автоматических регуляторов. Разработанная АСНИ включает в себя информационно-измерительную систему и цифровую систему оптимизации. Информационно-измерительная система предназначена для автоматизации процесса сбора и использования информации о состоянии объекта при проведении экспериментов по выращиванию высших растений в вегетационной камере. АСНИ объединила многоконтурную систему автоматического регулирования, реализованную на промышленных регуляторах, и цифровую компьютерную систему автоматической оптимизации, связанную с объектом через интерфейс в стандарте КАМАК (рис. 7).

Верхний уровень системы управления

Компьютер верхнего уровня

Преграде ой км яекс!! ктмпмовЛ вилммшш фотостгггм 1

Программный комплекс тфпрмицажп 9 ЮМфТПЯЫЮЛСЯСТМ! -

УСО в стандарт« КАМАК

Ь

Спеилалтцимяные бжжн

Нижний уровень системы управления

Объект

\гп

Миогокоитур им система и том ггм косого регулирован

Вегетационная камера с распитии

Рис, 7. Блок-схема АСНИ оптимизации параметров микроклимата вегетационной камеры.

Для АСНИ разработаны два совместно работающих комплекса программного обеспечения: комплекс программ информационно-измерительной системы и комплекс программ системы оптимизации

физиологических процессов (САОФП) растений. Разработана конфигурация и программный интерфейс для УСО в стандарте КАМАК, разработано программное приложение МЕБМ для связи программных комплексов с объектом управления и многоконтурной системой автоматического регулирования через УСО. Реализация системы оптимизации в виде программных комплексов открывает широкие возможности «конструирования» системы управления программным способом (изменение на программном уровне алгоритмов управления и функциональных блоков) и изменения параметров системы управления в ходе эксперимента

Разработанная АСНИ принята межведомственной комиссией и опробована в эксплуатации на вегетационной камере Института физиологии растений им. К.А.Тимирязева РАН.

Третья глава посвящена разработке системы автоматизации микроскопных исследований препаратов на предметных стеклах. Предложена и разработана базовая конфигурация устройств системы автоматизации, в состав которой входят: микроскоп, компьютер и устройство связи, предназначенное для преобразования координат микрообъекта на предметном стекле препарата - {Хм, Ум} в координаты пера планшета - {Хп, Уп } и ввода их в цифровой форме в компьютер (рис. 8). В качестве устройства связи применен планшет-дигитайзер.

МИКРОСКОП

Подвижная часть столик?

А

Перо планшет а

Цифровой вы*од планшета

х„,у,

КОМПЬЮТЕР

Последовательный порт

системною блока

Рис. 8. Преобразование сигналов координат микрообъекта в базовой конфигурация устройств системы автоматизации.

Предложен простой алгоритм коррекции первоначальных значений координат микрообъектов в случае повторного

исследования препарата. Базовая система пригодна к применению в различных областях техники и научного эксперимента, связанных с микроскопными исследованиями.

Предложена и разработана система автоматизации микроскопных исследований хромосомных препаратов. Система осуществляет следующие функции:

1) автоматическую передачу координат микрообъекта из системы координат предметного стекла в систему координат карты препарата на экране монитора;

2) запись и хранение информации о микрообъектах препарата (координаты и характеристики микрообъектов) в базе данных;

3) коррекцию координат микрообъектов при повторной установке препарата;

4) отображение на экране монитора карты препарата;

5) расчеты, формирование и печать протокола исследований. Сохранение информации, полученной на этапе предварительного поиска хромосомных аберраций, позволяет проводить анализ полученных данных отдельно от этапа предварительного поиска.

Система опробована в лаборатории цитогенетики Всероссийского Центра Рентгенорадиологии.

Четвертая глава посвящена моделированию двигательных реакций нервно-мышечной системы человека с использованием поисковых алгоритмов оптимизации. Цель исследования состояла в определении закономерностей реакции нервно-мышечной системы при минимизации внешнего раздражения. В результате проведения экспериментов по минимизации внешнего раздражения, приложенного к предплечью, и анализа физиологических данных (в основном по работам Гранита, Экклса и Окса), сформировалась модель контура управления перемещением предплечья (рис. 9). Модель отражает взаимодействие элементов нервно-мышечной системы, направленное на уменьшение внешнего раздражения, приложенного к предплечью. Перемещение предплечья в модели осуществляется за счет совместной работы двух мышц-антагонистов М! и М2. Функции отдельных блоков схемы (рис.9) уточнялись с помощью вычислительных экспериментов. Автором разработана схема моделирования (рис. 10) уточненной модели. На основании схемы моделирования составлена система уравнений в нормальной форме Коши.

£

Рис.9. Блок-схема системы управления предплечьем при поиске минимума внешнего воздействия.

ОУ - объект управления (предплечье); БФВР - блок формирования внешнего раздражения; КР - кожные рецепторы; ЦНС - проводящие пути центральной нервной системы, С), С2- нейронные пулы, управляющие работой мышц М] и М2; СРь СР2 - сухожильные рецепторы мышц М( и М2; МВЬ МВ2 - мышечные веретена мышц М[ и М2, Т7, Р - усилия, развиваемые мышцами М! и М2; х -отклонение предплечья от положения минимума внешнего воздействия.

Полученная динамическая система использовалась в программе, разработанной для проведения вычислительных экспериментов. В программе для численного интегрирования динамической системы применялся модифицированный метод Эйлера и методы Рунге-Кутта четвертого порядка. В расчетах на модели воспроизводилась ситуация эксперимента по минимизации раздражения. Зависимости, полученные в вычислительном эксперименте на модели, хорошо согласуются с осциллограммами натурных экспериментов по минимизации внешнего воздействия. Для проверки результатов, полученных при численном моделировании, и для воспроизведения сигналов модели в непрерывной форме было разработано эквивалентное электронное устройство на микросхемной элементной базе. На электронном устройстве воспроизводились те же режимы функционирования модели, что и при численном моделировании.

Рис. Ю.Схема моделирования системы управления предплечьем при

поиске минимума внешнего воздействия. Визуализация процессов осуществлялась с помощью электронного осциллографа. Сравнение полученных осциллограмм с графиками численного моделирования показало их хорошую согласованность.

21

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработана динамическая модель роста клеточной структуры растительного типа. Модель развивает концепцию фундаментального характера о самоорганизации роста клеточных структур. Разработан программный комплекс, для исследования динамики роста клеточной структуры в зависимости от параметров системы транспорта гормонов и механизма клеточных делений. Исследование получило финансовую поддержку Российского фонда фундаментальных исследований (грант 95-01-01115а).

2. Разработана и внедрена в Институте физиологии растений РАН им. К.А.Тимирязева цифровая автоматизированная система научных исследований (АСНИ) физиологических процессов высших растений, в которой получение информации об объекте (вегетационная камера с растениями) и управление объектом осуществляется с помощью комплексов программ. В программном комплексе системы оптимизации реализованы алгоритмы автоматического поиска с адаптацией к динамическим свойствам объекта. Программные комплексы приняты и зарегистрированы в Государственном фонде алгоритмов и программ. В результате работы системы в эксплуатационном режиме достигнуто сокращение сроков вегетации растений на 15%, увеличение физиологического КПД фотосинтеза до 10-12% и повышение в 1,5-3 раза фотосинтетической активности растений.

3. Предложена базовая конфигурация устройств для автоматизации микроскопных исследований микрообъектов, пригодная для применения в различных областях техники и научного эксперимента. На основе базовой конфигурации разработана и испытана в лаборатории цитогенетики Всероссийского Центра Рентгенорадиологии система автоматизации микроскопных исследований хромосомных препаратов.

4. Разработана схема моделирования динамической системы. Динамическая система описывает поисковую систему управления, которая является моделью управления положением предплечья при минимизации внешнего раздражения.

Зависимости, полученные в вычислительном эксперименте на модели, хорошо согласуются с осциллограммами натурных экспериментов. Модель реализована в виде электронного устройства.

Все представленные в диссертации исследования завершались созданием программных комплексов, содержащих программную реализацию разработанных алгоритмов и сервисное программное обеспечение.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Романов Г.А., Суховеров B.C.. Компьютерная клеточная модель гормонально-организуемого роста растений//Тезисы Ш съезда ВОФР. - Санкт-Петербург: 1993, т. 4. - с. 411.

Романов Г.А., Суховеров B.C.. A new computer program simulating plant-type proliferating growth.//Cwwno3HyM «Физико-химические основы физиологии растений» (Пенза, 1996). Тезисы докладов. Изд-во ОНТИ Путинского научного центра РАН. - г. Пущино, 1996. Гетман И.А., Романов Г.А., Суховеров B.C.. Morphogenetic characteristics of hormone-regulated computer р!ап1з.//Симпозиум «Физико-химические основы физиологии растений» (Пенза, 1996). Тезисы докладов. Изд-во ОНТИ Путинского научного центра РАН. -г. Пущино, 1996.

Романов Г.А., Суховеров B.C.. Исследование кинетики роста и динамики гормональных градиентов на модельных многоклеточных структурах растительного типа - компьютерных растениях//Доклады Академии Наук. - М., 1997, т. 352, №6. - с. 845-848. Романов Г.А., Суховеров B.C.. Компьютерное моделирование гормонально-регулируемого пролиферативного роста

растений//Тезисы докладов IV съезда Общества физиологов России. -М, 1999.

Гурьянов В.М., Дроздов А.И., Озерова Г.А., Суховеров B.C.. Автоматизированная система научных исследований физиологических процессов высших растений .//VII Республиканская конференция по бионике (Житомир, 1985). Сборник докладов. -1985. Гурьянов В.М., Дроздов А.И., Малиновский A.B., Озерова Г.А., Суховеров B.C.. Автоматическая система управления физиологическими процессами высших растений на базе

вычислительного комплекса ИВК 2У/Приборы и системы управления. -М, 1986, №11.-с. 14-16.

8. Гачинский Э.Е., Дроздов А.И., Малиновский A.B., Озерова Г.А., Суховеров B.C.. Автоматизированная система научных исследований и оптимизации физиологических процессов растений//Препринт. -М.: Институт проблем управления, 1986.

9. Дроздов А.И., Суховеров B.C.. Программный комплекс информационно-измерительной системы вегетационной камеры. Государственный фонд алгоритмов и программ (инв. №50860000103)//Аннотация в информационном бюллетене ВНТИЦентра "Алгоритмы и программы". - М.: ВЦ АН СССР, 1986, №6.-с. 14.

10. Дроздов А.И., Суховеров B.C.. Система автоматической оптимизации физиологических процессов высших растений. Государственный фонд алгоритмов и программ (инв. №50860001067)//Аннотация в информационном бюллетене ВНТИЦентра "Алгоритмы и программы". - М.: ВЦ АН СССР, 1987, №9. - с. 6.

11. Дроздов А.И., Малиновский A.B., Суховеров B.C.. Автоматизация научных исследований физиологических процессов растений/Сб.: «Системы и средства автоматизированного управления объектами отраслей агропромышленного комплекса. Экспресс-информация». -М.:ЦНИИТЭИприборостроения, 1987, вып. 10.-с. 11-15.

12. Дроздов А.И., Озерова Г.А., Суховеров B.C.. Автоматизированная система научных исследований физиологических процессов высших растений.//Приборы и системы управления. - М., 1988, №2. - с. 7-9.

13. Суховеров B.C.. Система автоматизации микроскопических исследований препаратов на предметных стеклахУ/Известия Академии Наук. Теория и системы управления. - М.: Наука, 2000, №6.-с. 173-176.

14. Попова Г.М., Дружинин Ю.О., Суховеров B.C., Снигирева Г.П., Новицкая H.H., Богомазова А.Н.. Технологические средства автоматизации цитогенегического мониторинга//Труды Четвертой Всероссийской научно-практической конференции с международным участием «Новое в экологии и безопасности жизнедеятельности», СПб: Балт. гос. техн. ун-т., 1999, т. 2. - с. 219-222.

Зак.22. Тир. 100. ИПУ

í

í* I

Ii»

»-32 07

PH Б Русский фонд

2006-4 15628

ВВЕДЕНИЕ

ГЛАВА 1. МОДЕЛИРОВАНИЕ ГОРМОНАЛЬНО УПРАВЛЯЕМОГО РОСТА ЛИНЕЙНЫХ МНОГОКЛЕТОЧНЫХ СТРУКТУР

РАСТИТЕЛЬНОГО ТИПА

1.1. Биологические основы построения модели роста растительной клеточной структуры

1.1.1. Рост и развитие растений !

1.1.2. Растительные гормоны

1.1.3. Ауксины и цитокинины в качестве гормонов роста

1.1.4. Транспорт веществ в растении

1.1.5. Особенности транспорта ауксина

1.2. Моделирование закономерностей роста организмов растительного типа

1.3. Гормональная регуляция роста растений

1.4. Анализ концептуальной модели роста клеточной структуры

1.5. Динамика транспорта гормонов в клеточной структуре

1.6. Модель запуска клеточного деления

1.7. Алгоритм роста клеточной структуры для вычислительных экспериментов

1.8. Программный комплекс для работы с моделью

1.9. Расчеты на модели. Интерпретация результатов моделирования

1.10. Выводы

ГЛАВА 2. АВТОМАТИЗИРОВАННАЯ СИСТЕМА НАУЧНЫХ ИССЛЕДОВАНИЙ (АСНИ) ФИЗИОЛОГИЧЕСКИХ ПРОЦЕССОВ РАСТЕНИЙ В ВЕГЕТАЦИОННОЙ КАМЕРЕ

2.1. Назначение и состав АСНИ ;

2.2. Описание вегетационной камеры

2.3. Структура объекта управления

2.4. Модель объекта управления

2.5. Система управления вегетационной камеры

2.6. Поисковые алгоритмы и технические решения, используемые в системе автоматической оптимизации физиологических процессов растений

2.6.1. Алгоритм с переменной частотой пробных воздействий

2.6.2. Алгоритм упреждения знака реакции инерционного объекта на пробное воздействие

2.6.3. Система стабилизации параметров микроклимата в вегетационной камере

2.6.4. Автоматический оптимизатор и особенности его использования при работе с вегетационной камерой

2.7. Цифро-аналоговая информационно-измерительная система

2.7.1. Назначение и структура информационно-измерительной системы |

2.7.2. Устройство связи с объектом (УСО) в стандарте КАМАК

2.7.3. Программный комплекс информационно-измерительной системы

2.8. Цифро-аналоговая система управления вегетационной камерой

2.8.1. Цифровая система оптимизации

2.8.2. Структура цифро-аналоговой системы управления

2.8.3. Назначение и функции программного комплекса системы автоматической оптимизации физиологических процессов

ПК САОФП)

2.8.4. Использование интерфейса УСО для управления параметрами объекта

2.8.5. Измерительная программа ПК САОФП

2.8.6. Программы системы оптимизации i

2.8.7. Взаимодействие задач системы оптимизации |

2.8.8. Обмен информацией в системе оптимизации |

2.8.9. Сервисные программы, вспомогательное программное обеспечение ПК САОФП

2.8.9.1. Программная организация доступа к установочным и регистрируемым данным в системной разделяемой области памяти

2.8.9.2. Вспомогательные программы и косвенные командные файлы

2.8.10. Возможности изменения структуры поисковой системы

2.9. Результаты экспериментов i

2.10.Выводы

ГЛАВА 3. АВТОМАТИЗАЦИЯ МИКРОСКОПНЫХ ИССЛЕДОВАНИЙ КЛЕТОЧНЫХ ПРЕПАРАТОВ НА ПРЕДМЕТНЫХ

СТЕКЛАХ

3.1. Базовая конфигурация устройств системы автоматизации

3.1.1. Состав и взаимосвязи устройств базовой конфигурации системы !

3.1.2. Учет систематической погрешности установки предметного стекла на подвижном столике микроскопа

3.2. Система автоматизации микроскопных исследований хромосомных препаратов j

3.2.1. Назначение системы !

3.2.2. Программное обеспечение и обработка данных в системе автоматизации микроскопных исследований хромосомных препаратов

3.3. Выводы

ГЛАВА 4. МОДЕЛИРОВАНИЕ ДВИГАТЕЛЬНЫХ РЕАКЦИЙ НЕРВНО-МЫШЕЧНОЙ СИСТЕМЫ ЧЕЛОВЕКА НА ОСНОВЕ ПОИСКОВЫХ АЛГОРИТМОВ ОПТИМИЗАЦИИ !

4.1. Эксперимент по минимизации внешнего раздражения

4.2. Модель минимизации внешнего раздражения нервно-мышечной системой

4.3. Моделирование сети из мотонейронов и клеток Реншоу

4.4. Настройка модели биологической системы управления

4.5. Программирование уточненной модели системы управления координированным движением i

4.6. Создание эквивалентного электронного устройства !

4.7. Выводы

Развитие технических средств на базе компьютерной техники создает широкие возможности их практического применения в научных исследованиях. Создание моделей исследуемых процессов и сопровождающих программных комплексов для работы с моделями имеет самостоятельное значение в качестве инструментария вычислительного эксперимента. Кроме того, комплексы программ широко и успешно используются в автоматизированных системах для проведения натурных экспериментов. С помощью программных комплексов осуществляется моделирование исследуемых процессов, программная реализация и настройка теоретически разработанных алгоритмов управления, практическая реализация цифровых систем управления натурными экспериментами.

В работе рассматриваются актуальные задачи по моделированию и разработке комплексов программ, возникающие при управлении процессами, измерениях и регистрации данных в научных экспериментах с объектами биологического типа. К этой категории задач относятся: изучение внутренней регуляции роста и развития растений, оптимизация внешних условий для повышения продуктивности с/х культур, автоматизация анализа микропрепаратов при проведении массового скрининга хромосомных аберраций у человека и исследование реакции человека на внешнее раздражение [62,63].

Самоорганизация биологической материи представляет собой сложное явление, поэтому адекватные модели роста и развития растений, описывающие те или иные универсальные черты этих процессов, вносят реальный вклад в эту область научных познаний. Для понимания сущностных связей, определяющих самоорганизацию целостного растения, актуальным является создание и развитие моделей, которые отражают процессы, управляемые внутренними, т.е. эндогенными факторами [11,14,16]. Среди эндогенных факторов следует выделить действие сигнальных молекул, в особенности, молекул гормонов. Создание и исследование моделей возможного взаимодействия пар гормонов активатор-ингибитор, в которых инициируемые процессы обусловлены синтезом гормонов-регуляторов и их диффузионным переносом в соседние зоны [18,30,31], позволило установить, что чередование зон формирования устьичных клеток и жилок у листьев растений зависит от распределения гормонов-регуляторов. Другой важной функцией гормонов является активация клеточных делений. Известно, что клетки растений для своего деления нуждаются в определенных концентрациях двух фитогормонов, ауксина и цитокинина [10,24]. Эта потребность растительной клетки является одной из ее важнейших черт, не имеющей аналогии у животных или микроорганизмов. Создание и развитие динамической модели регуляции процесса клеточных делений, инициируемых действием двух гормонов, явилось одной из задач представленной работы [3,4,5,6,7]. Модель отражает концепцию самоорганизации роста в целостном растении за счет системы синтеза и транспорта двух гормонов.

Для решения целого ряда задач в исследованиях реакции объектов биологического типа на внешнее воздействие используются алгоритмы автоматического поиска. Применение алгоритмов автоматического поиска обусловлено недостатком априорной информации об объекте управления, его сложной динамикой и отсутствием приемлемых количественных моделей исследуемого процесса. Использование алгоритмов автоматического поиска, разработка и использование сложных систем управления для проведения натурных экспериментов актуальны и по другой причине: стала возможной реализация сложной системы управления в виде комплексов программ, действующих на базе компьютерной техники. Система, построенная по такому принципу, позволяет исследовать изменение физиологических процессов растений при изменении параметров внешней среды. С помощью такой системы управления параметрами внешней среды можно обеспечить экстремальное значение какого-либо важного физиологического показателя, называемого критерием качества, в данном случае, интенсивности фотосинтеза. Следует отметить, что положение экстремума критерия качества в пространстве параметров среды, влияющих на физиологические показатели растений, изменяется во времени, что еще более усложняет задачу оптимизации. В диссертации разработана автоматизированная система оптимизации физиологических показателей роста растений, в которой получение информации об объекте (вегетационная камера с растениями) и управление объектом осуществляется с помощью комплексов программ.

Для проведения массовых обследований населения, направленных на выявление хромосомных аномалий, необходима микроскопная обработка большого объема данных. Только для обследования одного человека требуется проанализировать не менее 1000 микрообъектов субклеточного уровня (так называемых метафаз). В этой ситуации актуальным становится решение задачи компьютерной автоматизации [56] основных процедур при цитогенетических обследованиях с помощью микроскопа. Подключение микроскопа к компьютеру обеспечивает автоматическую передачу координат микрообъектов в компьютер, автоматизацию документирования результатов обследования пациентов и хранение объективной визуальной информации в базе данных. Такой подход позволяет сделать последующий этап обработки результатов - анализ аберраций - независимым от этапа предварительного поиска аберраций. Этот подход реализован в разработанной и представленной в работе компьютерной системе автоматизации микроскопных исследований хромосомных аберраций. Использование автоматизированного документирования результатов обследования пациентов увеличивает производительность труда цитогенетика. Создание баз данных по уникальным хромосомным аномалиям и болезням расширяет возможности клинической диагностики.

Изложенное выше дает основания утверждать, что представленные в работе задачи, такие, как создание моделей роста клеточных структур, исследования объектов биологического происхождения с помощью поисковых систем, создание систем автоматизации цитологических исследований являются актуальными.

Цель работы состояла в создании динамических моделей для использования в вычислительных и натурных экспериментах при исследовании процессов, характерных для объектов биологического типа: роста клеточных структур растений, фотосинтеза растений, минимизации болевого раздражения нервно-мышечным аппаратом человека, а также в разработке и создании комплексов программ на основе полученных алгоритмов и построении систем автоматизации научных экспериментов с объектами биологического типа.

В Главе 1 разработана и предложена динамическая модель гормонально управляемого роста многоклеточных структур растительного типа. Рост клеточной структуры происходит за счет деления клеток. Рассмотрены факторы, определяющие рост растений [12,29], выделены зависимости деления клеток от концентрации гормонов определенных групп - ауксинов и цитокининов. Приведены механизмы синтеза [7,20] и транспорта [8,15] гормонов в растении, которые обусловливают неравномерное распределение этих фитогормонов вдоль продольной оси растения [21,27]. Указаны особенности транспорта ауксинк Отмечена определяющая роль процессов синтеза и транспорта гормонов в регулировании концентрации гормонов в тканях и органах растения на клеточном и субклеточном уровнях. Рассмотрена концептуальная модель гормональной регуляции роста клеточной структуры растительного типа [1]. В концептуальной модели {рйёП"Э) клеточная структура представляет собой цепочку клеток, связанных единой системой синтеза и транспорта гормонов - ауксина и цитокинина. Сигнальное действие гормонов, запускающее процесс деления клетки, определяется концентрациями гормонов: деление клетки становится возможным, когда концентрации гормонов в ней достигают определенных пороговых значений (сигнальное условие). В свою очередь, концентрации гормонов в произвольной клетке структуры зависят от механизма транспорта гормонов в клеточной структуре. Источниками гормонов являются концевые клетки, синтезирующие гормоны. Модель имитирует эндогенно управляемый рост клеточной структуры, обусловленный делением, главным образом, ее концевых (апикальных) клеток.

В развитие концептуальной модели автором разработана и предложена динамическая модель роста клеточной структуры растительного типа. В модели транспорт гормонов через клетки структуры происходит по типу транспорта ауксина в растении. Исходя из специфики транспорта ауксина, продвижение гормона через клетку можно охарактеризовать некоторым временным интервалом, а транспортные потери при передаче гормонов из клетки в клетку отразить с помощью постоянных коэффициентов. Тогда транспорт и накапливание гормонов в клетках можно описать с помощью линейных звеньев первого порядка. При этом транспорт гормона через срединную клетку, то есть клетку, проводящую гормоны и находящуюся между двумя другими, можно представить с помощью инерционного звена, а накапливание гормона в концевой клетке - с помощью интегрирующего звена. На основании этих представлений и сигнального условия для деления клетки, определенного в концептуальной модели, были разработаны модели деления срединных и концевых клеток, в которых запуск процесса деления управляется изменением концентраций двух гормонов. Как показали эксперименты с клетками в культуре [12], деления клеток являются статистически устойчивыми событиями, причем фиксированным значениям концентраций гормонов соответствует определенная частота клеточных делений: Q=jj/n, где jjl - количество поделившихся клеток, а п - общее количество клеток в культуре. Экспериментально полученные зависимости частоты деления клеток от концентрации гормона (при фиксированной концентрации другого гормона) имеют форму кривых, близких к «перевернутой» параболе. В модели зависимость частоты деления клеток от концентрации гормонов идеализированно отражена с помощью эллиптического параболоида (шЫят^У Поскольку деление клеток носит вероятностный характер, то сигнальное условие, определенное в концептуальной модели, является условием ненулевой вероятности деления клеток. С учетом вероятностного характера деления автором для клеточной структуры были разработана схема моделирования внутренней регуляции клеточных делений двумя гормонами. В вычислительном эксперименте в качестве начальных условий задавалось исходное количество клеток структуры и концентрации гормонов в этих клетках. Запуск деления клетки моделировался с помощью программы генератора случайных чисел с равномерным распределением вероятности. Численное моделирование роста клеточной структуры производилось с помощью модифицированного метода Эйлера. Для исследования динамики роста клеточной структуры в зависимости от параметров транспорта гормонов автором разработан программный комплекс. Графический интерфейс программного комплекса позволяет строить характеристики процессов, происходящих в клеточной структуре и воспроизводить на экране монитора картину роста клеточной структуры. Моделирование показало, что небольшая асимметрия параметров гормонального транспорта приводит к существенной разнице в соотношении «надземной» и «подземной» частей клеточной структуры. Основными областями деления клеток в модели являются концевые области структуры, что соответствует локализации зон деления клеток в живых растениях. Данное исследование получило финансовую поддержку Российского фонда фундаментальных исследований (грант 95-01-01115а).

В Главе 2 рассмотрена задача оптимизации показателей роста высших растений в натурных экспериментах, проводимых в вегетационной камере закрытого типа. Проведено исследование объекта управления -вегетационной камеры с растениями. Установлено, что вегетационная камера представляет собой многосвязный объект с нелинейными связями между параметрами микроклимата — освещенностью E(t), температурой T(t) и относительной влажностью а сами параметры зависят как от контролируемых возмущений, так и от возмущений, вносимых растениями. Растения являются еще более сложным объектом, так как их динамические характеристики зависят от параметров внешней среды, времени суток и возраста растений. Составлена модель объекта, содержащая модель вегетационной камеры в линейном приближении и модель фотосинтеза растений. Рост растений пропорционален интенсивности фотосинтеза. По данным из физиологии растений, зависимость интенсивности фотосинтеза от управляющих параметров внешней среды - освещенности, температуры и влажности - можно считать унимодальной и гладкой на всей области допустимых значений перечисленных параметров. В натурных экспериментах с растениями задача управления ставилась как отыскание и поддержание набора значений параметров микроклимата в камере, соответствующих максимальной интенсивности фотосинтеза растений. Интенсивность фотосинтеза пропорциональна количеству углекислого газа, поглощенному растениями. В экспериментах осуществлялся непрерывный продув воздуха через камеру, и определение интенсивности фотосинтеза Ф у растений производилось по величине разности концентраций углекислого газа на входе и выходе камеры, измеренной с помощью дифференциального инфракрасного анализатора. Для поиска максимума интенсивности фотосинтеза применялась система цифровой оптимизации. В ней использовался алгоритм поиска с переменной частотой пробных воздействий [34], дополненный алгоритмом упреждения знака реакции инерционного объекта на пробное воздействие [32, 49, 50]. В натурных экспериментах применялась двухуровневая система управления: на первом уровне - система автоматического регулирования, на втором - система автоматического поиска (рис. 2.6). Разработана автоматизированная система научных исследований (АСНИ) физиологических процессов растений. АСНИ включает в себя информационно-измерительную систему и систему оптимизации. Информационно-измерительная система предназначена для автоматизации процесса сбора и обработки информации о состоянии объекта при проведении экспериментов по выращиванию высших растений в вегетационной камере. АСНИ объединила многоконтурную систему автоматического регулирования, реализованную на промышленных регуляторах, и цифровую компьютерную систему автоматической оптимизации, связанную с объектом через интерфейс в стандарте КАМАК £рие^7). Поиск максимума интенсивности фотосинтеза выполнялся за счет коррекции уставок автоматических регуляторов с помощью цифровой системы оптимизации. Для АСНИ автором разработаны два совместно работающих комплекса программного обеспечения: комплекс программ информационно-измерительной системы [41] и комплекс программ системы оптимизации физиологических процессов (САОФП) растений [42]. Автором предложена и разработана конфигурация и программный интерфейс для УСО в стандарте КАМАК, разработано программное приложение MESM для связи программных комплексов с объектом управления и многоконтурной системой автоматического регулирования через УСО. Реализация системы оптимизации в виде программных комплексов открывает широкие возможности «конструирования» системы управления программным способом (изменение на программном уровне алгоритмов управления и функциональных блоков) и изменения параметров системы управления в ходе эксперимента

Разработанная АСНИ принята межведомственной комиссией и опробована в эксплуатации на вегетационной камере Института физиологии растений им. К.А.Тимирязева РАН.

В Главе 3 разработана и описана система автоматизации микроскопных исследований хромосомных препаратов, предназначенная для проведения цитогенетического анализа хромосом человека с целью выявления аномалий, вызванных вредным воздействием внешней среды.

Цитогенетический анализ позволяет отличить повреждения хромосом, вызванные химическими мутагенными факторами, от повреждений, связанных с воздействием ионизирующих излучений. Действенным средством для увеличения производительности при цитогенетических исследованиях препаратов является автоматизация поиска и регистрации аномальных хромосом. Процесс выполнения анализов цитогенетических препаратов можно разделить на три этапа: 1) поиск заданных микрообъектов, 2) анализ и/или морфометрические исследования и 3) документирование результатов. Компьютерные системы автоматизации дают возможность разделить этап поиска микрообъектов и этап проведения анализа. Компьютеризация позволяет предварительно выполнять поиск необходимого количества микрообъектов (в ручном или автоматическом режиме, в зависимости от возможностей используемой системы) и запоминание результатов поиска в базе данных. Анализ и классификацию микрообъектов можно проводить позже, используя при этом и компьютер, и микроскоп.

Для системы автоматизации предложена и разработана базовая конфигурация устройств, в состав которой входят: микроскоп, компьютер и устройство связи с цифровым выходом, предназначенное для преобразования координат микрообъекта на предметном стекле препарата {Хм, YM } в координаты пера планшета {Хп, Yn } и ввода их в цифровой форме в компьютер В качестве устройства связи, выполняющего функции датчика-преобразователя координат микрообъекта, применен планшет-дигитайзер. При разработке базовой конфигурации устройств рассмотрен процесс измерения координат микрообъектов, преобразования их в цифровую форму и передачи в компьютер. Предложен и разработан алгоритм коррекции первоначальных значений координат микрообъектов в случае повторного исследования препарата. Базовая система пригодна к применению в различных областях техники и научного эксперимента, связанных с микроскопными исследованиями.

На основе базовой конфигурации устройств предложена и разработана система автоматизации микроскопных исследований хромосомных препаратов на предметных стеклах. Система осуществляет следующие функции:

1) автоматическую передачу координат микрообъекта из системы координат предметного стекла в систему координат карты препарата на экране монитора;

2) запись и хранение информации о микрообъектах препарата (координаты и характеристики микрообъектов) в базе данных;

3) коррекцию координат микрообъектов при повторной установке препарата;

4) отображение на экране монитора карты препарата;

5) расчеты, формирование и печать протокола исследований.

Следует отметить отличия представляемой системы автоматизации от автоматических систем обработки препаратов в микроскопных исследованиях. В автоматических системах процесс поиска и регистрации микрообъектов полностью автоматизирован и включает в себя программное управление электроприводом подвижной части столика микроскопа, а также систему ввода поля видимости микроскопа в компьютер с помощью видеокамеры и специализированной видеокарты. Такие системы сложны в настройке, поэтому, как правило, составляют специализацию фирм-изготовителей. Они дороги — их цена составляет несколько десятков тысяч условных единиц. Представляемая в работе базовая система автоматизации не может претендовать на конкуренцию с такими системами автоматической обработки микроскопных препаратов, однако, она обеспечивает определенный уровень автоматизации функций оператора и цитогенетика и обладает тем достоинством, что обеспечивает разделение процессов регистрации и анализа микрообъектов.

Программное обеспечение системы автоматизации выполнено с помощью системы объектно-ориентированного программирования (ООП) Borland С++ Builder.

Система опробована в лаборатории цитогенетики Всероссийского Центра Рентгенорадиологии.

В Главе 4 рассмотрена задача моделирования двигательных реакций участка нервно-мышечной системы человека при действии внешнего раздражения.

Системы управления процессами в живых организмах, начиная с простейших и заканчивая человеком, во множестве ситуаций обеспечивают нахождение таких состояний, при которых достигается наилучшее приближение управляющих параметров к значениям, обеспечивающим оптимальную жизнедеятельность организма при действии возмущений внешней среды [77,79]. Отсюда происходит гипотеза о главенствующей роли автоматического поиска в функционировании биологических систем. Автоматический поиск пригоден не только для решения задач, экстремальных по своей постановке, но и в тех случаях, когда имеется возможность непрерывного получения информации о знаке отклонения управляемой величины от требуемого значения. Процесс поиска характеризуется наличием пробных поисковых воздействий. Не исключено, что такими воздействиями у человека и животных является физиологический тремор [68]. В данном исследовании моделирование базировалось на результатах экспериментов, в которых человек, изменяя положение предплечья, находил точку минимума внешнего раздражения. Величина внешнего раздражения Q зависела от положения объекта - предплечья — в области возможных перемещений S. Иными словами, внешнее раздражение Q рассматривалось как экстремальная (с одним минимумом) функция перемещений объекта ххт обусловленных усилиями п эффекторов - мышц, управляющих движением предплечья:

Q = Q(x1,.,xn)

Задача состояла в том, чтобы найти такие значения х, = x*,i = 1,.,п в области S: х =(i|J.,i„)e5', при которых minefo,.,*„): (л,.,х„) е S} = Q(x* ,.,х*г) Для построения системы управления, осуществляющей поиск значений х', желательно располагать информацией о частных производных dQ/dxt минимизируемой функции. Обычно сведения о dQ/Эх, получают нахождением производных по времени: dQ/dx{ = dQ/dt : dx/dt. Существует достаточно много фактов, свидетельствующих о способности человека и животных реагировать на производную раздражающего воздействия по времени. Известен и тот факт, что не только увеличение, но и уменьшение сигнала раздражения рецепторов в определенных ситуациях сопровождается возбуждением эффектора, т.е. исполнительного органа управляющего устройства, которым в данном случае является нервно-мышечный аппарат. Понятно, что наличие у нервной системы этого свойства является необходимым условием организации процесса минимизации раздражения.

В ходе проведения серии экспериментов и математического моделирования была предложена упрощенная модель системы управления положением предплечья человека. Перемещение предплечья определялось совместным действием двух мышц-антагонистов, выступавших в качестве эффекторов. Датчиками, регистрировавшими раздражение, являлись кожные, суставные и мышечные рецепторы, а формирование сигнала управления осуществляла через восходящие и нисходящие проводящие пути пулы из мотонейронов и клеток Реншоу, расположенные в двигательной зоне головного мозга. Эта работа проводились под руководством д.т.н. Л.Н.Фицнера. Функции отдельных функциональных блоков модели уточнялись с помощью вычислительных экспериментов. Автором разработана схема моделирования уточненной модели. Затем на основании схемы моделирования составлена система, уравнений в нормальной форме Коши, предназначенная для проведения вычислительных экспериментов на полученной модели. С помощью модифицированного метода Эйлера система уравнений была преобразована к конечно-разностному виду, пригодному для численного моделирования. На ней были воспроизведены режимы, соответствующих реальным эпизодам экспериментальных исследований. Зависимости, полученные в вычислительных экспериментах на модели, хорошо согласуются с осциллограммами натурных экспериментов по минимизации внешнего воздействия. С целью использования полученного алгоритма в разработках многокоординатных поисковых систем модель была реализована в виде электронного устройства и испытана с помощью электронно-измерительной аппаратуры.

4.7. Выводы ; i

1. Разработана схема моделирования поисковой системы управления, I отражающей совместную работу двух мышц-антагонистов в процессе поиска минимума раздражения в ситуации эксперимента.

2. Составлена математическая модель системы управления в виде системы дифференциальных уравнений в нормальной форме Коши. Уравнения модели преобразованы к разностному виду для использования в вычислительных экспериментах.

3. С помощью программы оптимизации, разработанной автором, в вычислительных экспериментах произведена настройка варьируемых параметров модели. Настройка параметров обеспечила получение на i модели устойчивого процесса поиска минимума 'раздражения с характеристикой близкой к экспериментальной.

4. Для проверки результатов, полученных при численном моделировании, и для воспроизведения сигналов модели в непрерывной форме разработано эквивалентное электронное устройство на микросхемной элементной базе.

1. Романов Г.А. Модель гормонально-организуемого пролиферативного роста: аналогии с ростом растений // Онтогенез. - М., 1992. - т. 23, №3. - с. 228-236.

2. Romanov G.A. Progress in Plant Growth Regulation. - Dordrecht, Boston, 1.., Kluwer, 1992. - P. 459-463. |

3. Романов Г.А., Суховеров B.C. Компьютерная клеточная модель гормонально-организуемого роста растений // Тезисы III съезда ВОФР. - Санкт-Петербург, 1993, т. 4. - с. 411.

4. Романов Г.А., Суховеров B.C.. А new computer program simulating plant- type proliferating growth. // Симпозиум «Физико-химические основы физиологии растений» (Пенза, 1996). Тезисы докладов. Изд-во ОНТИ Пущинского научного центра РАП. - г. Пущино, 1996.

5. Романов Г.А., Суховеров B.C. Исследование кинетики роста и динамики гормональных градиентов на модельных многоклеточных структурах растительного типа - компьютерных растениях // ДОКЛАДЫ АКАДЕМИИ НАУК. - М.: 1997, т. 352, №6. - с. 845-848.

6. Романов Г.А., Суховеров B.C. Компьютерное моделирование гормонально-регулируемого пролиферативного роста растений // Тезисы докладов IV съезда Общества физиологов России. - М., 1999.

7. Романов Г.А. Рецепторы фитогормонов // Физиология растений. - М.: 2002, Т.49, №4. - с.615-625.

8. Полевой В.В. Физиология растений. - М . : Высшая школа, 1989. Ю.Полевой В.В. Фитогормоны. - Л.: Изд-во ЛГУ, 1982. /М. 11 .Полевой В.В. Роль ауксина в системах регуляции у растений // 44-е Тимирязевское чтение. - Л.: Наука, 1986. !

9. Полевой В.В., Саламатова Т.С. Физиология роста и развития растений. -Д.: Изд-во ЛГУ, 1991. В.Бутенко Р.Г. Культура изолированных тканей и физиология морфогенеза растений. - М . : Наука, 1964. И.Гамбург К.З. Фитогормоны и клетки. - М.: Наука, 1970.

10. Белоусов Л. П. Биологический морфогенез. - М . : МГУ, 1987. г 16. Дерфлинг К. Гормоны растений. Системный подход. - М.: Мир, 1985.

11. Иванов В.Б. Пролиферация клеток в растениях // Итоги iiayKH и техники // Серия «Цитология». - М.: ВИНИТИ, 1987, т. 5. ! i I ских полей. - М . : Наука, 1990.

12. Кулаева О.П. Цитокинины, их структура и функция. - М.: Наука, 1973.

13. Курсанов А.Л. Проблема биологического саморегулирования и Ш физиология растений//Физиология растений, - М., 1972, т, 19, № 5.

14. А.ГЭЛСТ0Н, П.Девис, Р.Сэттер Жизнь зеленого растения. - М.: Мир, 1983.

15. Новосельцев В.Н. Теория управления и биосистемы. -М- : Наука, 1978.

16. Беллман Р. Математические методы в медицине: Пер. с йнгл. - М.: Мир, 1987. •

17. Уоринг Ф., Филлипс И. Рост растений и дифференцировка, - М.: Мир, ) t 1984.-512с.

18. Barlow P.W. Towards an understanding of the behaviour of root meristems // J. Theor. Biol. - 1976, V.7, № 2. - P. 433-451.

19. Кузьмичев В.В. Рост деревьев как функция времени // !ракономерности роста древостоев. - Новосибирск: Наука (СО), 1977, ,j|; 33. Либберт Э., Физиология растений. - М.: Мир, 1976. Ко второй главе

20. Гачинский Э.Е., Дроздов А.И., Фицнер Л.Н. Автоматическая оптимизация в задачах пространственного распределения. - М.: Наука, 1978.

21. Корбут В.Л. Оптимизация продуктивности растений в биотехнических системах. // В кн.: «Проблемы оптимизации в биотехнических системах с использованием вычислительной техники». - М.: Наука, 1981. т

22. Малиновский А.В. Экспериментальная система динамической оптимизации фотосинтеза растений с помощью автоматического оптимизатора. // В кн.: «Проблемы оптимизации в биотехнических системах с использованием вычислительной техники». - М.: Наука, 1981.

23. Гачинский Э.Е., Дроздов А.И., Панина М.Н. Спосо'бы повышения быстродействия и точности непрерывных поиоковых систем управления/ТПрепринт. -М.: Институт проблем управления, 1984.

24. Гурьянов В.М., Дроздов А.И., Озерова Г.А., Суховеров B.C.. Автоматизированная система научных исследований физиологических процессов высших растений. // VII Республиканская конференция по бионике. (Житомир, ноябрь 1985). Сборник докладов. - 1985.

25. Гачинский Э.Е., Дроздов А.И., Малиновский А.В.,' Озерова Г.А., Суховеров B.C. Автоматизированная система научных исследований и оптимизации физиологических процессов растений/Шрепринт, Институт проблем управления. -М. , 1986.

26. Дроздов А.И., Малиновский А.В., Суховеров B.C. Автоматизация научных исследований физиологических процессов растений//Сборник Минприбора «ОПО, Приборное обеспечение агропромышленного комплекса».-М., 1986. 1

27. А.И.Дроздов, Г.А.Озерова, В.С.Суховеров. Автоматизированная система научных исследований физиологических процессов высших растений//Гриборы и системы управления. - М.: 1988, Хо2. - с. 7-9.

28. Растригин Л.А. Системы экстремального управления. - М.: Наука, 1974.

29. Сингер М. Мини-ЭВМ PDP-11: Программирование на языке Ассемблера и организация машины. - М.: Мир, 1984. Щ' 52.Химмельблау Д. Прикладное нелинейное программирование. - М.: Мир, 1976.

30. Фотеев В.А. Последовательная магистраль КАМАК. - М.: ПТЭ, 1979, № 5 . - с . 7-31.

31. АканоБ Э.Н. Регулирование газового состава и измерение газообмена в камере с помощью автоматической системы//Физиология растений. -М.: 1981, т. 28, вып. 1. « * • 32. Техническое описание системы "SCOPOSCAN 2". I

33. Шамис В.А. Borland C^^Builder. - М: Нолидж, 1997. ^

34. Архангельский А.Я. Программирование в С"^^ Builder 4. - М.: ЗАО "Издательство БИНОМ", 1999.

35. Архангельский А.Я. C'^ '^ Builder 6. Справочное пособие. - М.: ЗАО "Издательство БИНОМ", 2002.

36. Мюррей У., Паппис К. Создание переносимых приложений для Windows. - СПб: Дюссельдорф, Киев, Москва, Санкт-Петербург//ВНУ-Санкт-Петербург, 1997. t I

37. Введенский Н. Е. Побочные электротонические изменения раздражительности. Периэлектротон/ТИзвестия Российской Академии Наук. - М., 1920, Серия VI, т. 14.

38. Бернштейн НА. О построении движений. - М.: Медицина, 1948.

39. Беритов И.С. Общая физиология мышечной и нервной системы. - М.: изд-во «Медицина», I960. * • щ пространственного распределения//Самонастраивающиеся автоматические системы. - М.: Наука, 1965.

40. Фицнер Л.Н. Управление координацией движений. -М. ; Наука, 1971.

41. Фицнер Л. Н. Управление объектами с неполной информацией путем автоматического поиска//У Всесоюзное совещание !по проблемам управления. - М.: Наука, 1971.

42. Фицнер Л.Н. Биологические поисковые системы. - М.: Наука, 1977.

43. Экклс Дж. Тормозные пути центральной нервной системы. - М.; Мир, 1971. I iH^ 72.Оке Основы нейрофизиологии. - М.: Мир, 1969. '

44. Байер В. Биофизика. - М.: ИЛ, 1962.

45. Wilson и. J., Burgess Р. В. Disinhibition in the can spinal cord.// J. Neurophysiol. - 1962.

46. Katz В., Miledi B. A study of spontaneous miniature potentials in spinal motoneurones. // J. Physiol. - 1963.

47. Персон P.С. Мышцы-антагонисты в движениях человека. - М.: Наука, Р 1971.

48. Гурфинкель B.C., Кац Я.М., Шик М.Л. Регуляция позы Наука, 1965. человека. -М. :

49. Бутковский А.Г. Проблемы финитного управления // Методы оптимизации автоматических систем. - М.: Энергия, 1972.

50. Айзерман М.А., Андреева Е.А., Кандель Э.Н., Тененбаум Л.А. Механизмы управления мышечной активностью. - М.: Наука, 1974. I 145 <! • . 80.Фельдбаум A.A. Электрические основы автоматического регулирования. -М.: Оборонгиз, 1954.

51. Фельдбаум А.А. Основы теории оптимальных автоматических систем. - М.: Наука, 1966.

52. Фельдбаум А.А., Бутковский А.Г. Методы теории автоматического управления. -М.: Наука, 1971.

53. Холл Дж., Уайт Дж. Современные численные методы решения обыкновенных дифференциальных уравнений. - М.: Мир, 1979. ш ш

54. Теория автоматического регулирования / Л.С.Гольдфарб, А.В.Балтрушевич, Е.Б.Пастернак и др.; под ред. А.В.Нетушила. - М.: Высшая школа, 1976.

55. Теория автоматического регулирования: в 3 кн. / М.А.Айзерман, Г.А.Бендриков, А.А.Воронов и др.; под ред. В.В.Солодовникова. - М.: Машиностроение, 1967. ; I

56. Воронов А.А. Устойчивость, управляемость, наблюд^аемость. — М.: Наука, 1979.

57. Бабичев А.В,, Бутковский А.Г., Похйолайнен К единой геометрической теории управления. -М.: Наука, 2001.

58. Математический энциклопедический словарь/под ред. Ю.В. Прохорова. -М. : Советская энциклопедия, 1988.