Пространственная динамика и паттерны Тюринга

Пространственная динамика и самоорганизующиеся паттерны

Почему у зебры полоски, а у леопарда пятна? Почему песчаные дюны образуют регулярные ряды? Почему нейроны мозга организованы в колонки? Алан Тюринг в 1952 году предложил математический механизм: реакция-диффузия. Взаимодействие двух химических веществ с разными скоростями диффузии порождает устойчивые пространственные паттерны.

Реакционно-диффузионные уравнения

Общая форма: ∂u/∂t = D_u ∇²u + f(u, v) и ∂v/∂t = D_v ∇²v + g(u, v), где u и v — концентрации двух морфогенов (химических «сигналов»), D_u, D_v — коэффициенты диффузии, f(u,v) и g(u,v) — кинетика реакций.

Механизм Тюринга: активатор-ингибитор

Интуиция: активатор (u) стимулирует как себя, так и производство ингибитора (v). Ингибитор подавляет активатор, но диффундирует быстрее. Результат: «пятна» активатора окружены «морями» ингибитора.

Условия неустойчивости Тюринга: (1) однородное равновесие устойчиво без диффузии; (2) D_v >> D_u (ингибитор диффундирует значительно быстрее); (3) активатор самоусиливается (∂f/∂u > 0 в равновесии).

Модель Гирера-Майнхардта: ∂a/∂t = ρa²/h − μa + D_a ∇²a (активатор a) и ∂h/∂t = ρa² − νh + D_h ∇²h (ингибитор h). При D_h >> D_a: паттерны типа пятен, полос.

Масштаб паттерна: характерная длина l ~ √(D_u/f_u) — зависит от коэффициента диффузии и кинетики. Меняя D_u/D_v: можно получать точки (малые D_v/D_u) → полосы (средние) → лабиринты.

Реальные биологические паттерны

Окраска животных: модель Тюринга воспроизводит полосы зебры, пятна леопарда, спирали раковин. Подтверждение: у трёхполосого данио рыбок мутация меняет тип клеток-активаторов → переход от полос к пятнам (Watanabe & Kondo, 2015).

Пальцы руки (дигитализация): белки BMP (ингибиторы) и Wnt/Sox9 (активаторы) организуют паттерн пяти пальцев через механизм Тюринга. Нарушения → полидактилия или синдактилия.

Нейронные колонки: в зрительной коре кошки и приматов — «ocular dominance columns» (чередующиеся полосы, отвечающие на стимулы из левого/правого глаза). Механизм Тюринга в нейральной ткани.

Пространственная эпидемиология

Реакционно-диффузионные уравнения SIR описывают пространственное распространение инфекции:

∂S/∂t = −βSI/N + D_S ∇²S ∂I/∂t = βSI/N − γI + D_I ∇²I

Результат: волна заражения. Скорость волны: c = 2√(D_I · β(1 − 1/R₀)). При D_I = 1 (диффузия), β=0.5, γ=0.1 (R₀=5): c = 2√(1·0.4) ≈ 1.26 единицы/день.

Реальные данные: чума 1347-1353 распространялась ≈ 350 км/год (1 км/день) — соответствует диффузии крыс и блох на средневековых торговых путях.

Клеточные автоматы и дискретные паттерны

Игра «Жизнь» Конвея (1970): 2D сетка клеток. Живая клетка с 2-3 живыми соседями — выживает. С < 2 или > 3 — умирает. Мёртвая с 3 живыми соседями — оживает. Простейшие правила → невероятное разнообразие: стабильные структуры, осцилляторы, «глайдеры», самовоспроизводящиеся автоматы.

Правила Вольфрама (одномерные CA): 256 возможных правил для 1D автоматов. Правило 110 — Тьюринг-полное (доказано Матьяши, 2004). Вольфрам: «Природа = вычисляющий клеточный автомат».

Численный пример: дюны в пустыне. Реакционно-диффузионная модель роста дюн: песок — «активатор» (накапливается на неровностях), ветер — «транспортер» (диффузия на большие расстояния). Получаем регулярные ряды дюн с расстоянием l ~ √(D_wind/α_deposition) ≈ 50–200 метров — соответствует наблюдениям в пустынях Сахара и Намиб.

Задание: Реализуйте 2D модель Тюринга (Brusselator: f=A−(B+1)u+u²v, g=Bu−u²v). На сетке 100×100: (1) Симулируйте 500 временных шагов (finite differences). При A=4.5, B=7.5, D_u=1, D_v=8: получаете ли вы пятна или полосы? (2) Изменяйте отношение D_v/D_u: при каком значении переход от пятен к полосам? (3) Сравните с реальной окраской: найдите три вида животных, у которых окраска соответствует разным режимам модели Тюринга.