文献—Emergent simplicity in microbial community assembly——数学模型部分推导

本文主要是介绍文献—Emergent simplicity in microbial community assembly——数学模型部分推导,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文对Emergent simplicity in microbial community assembly——中的数学模型进行过程推导与分析

Goldford J E , Lu N , Bajic D , et al. Emergent Simplicity in Microbial Community Assembly[J]. Science, 2018, 361(6401):469-474.

文章说明和系列内容

本系列更新主要是关于2018年一篇群落结构组成的文献进行阅读的分析和总结,将全文的过程进行分解。主要分为下面几个篇章。本系列的全部内容都为原创,由于个人水平有限,整理过程可能对一些理解不到位甚至错误,请辩证的阅读。

本文字数共(3112)大于阅读5分钟

  • 论文全过程详细阅读整理
  • 全文分析
  • 文献模型过程推导
  • 代码整理过程注释

本文主要涉及的模型

 1. 资源消费(Microbial Consumer Resource Model)生长模型2. 交叉互养模型( cross-feeding.)3. 莫诺特方程(Monod mold)4. Logistic方程

前言

微生物生长过程中主要对资源利用的过程,本文基于传统的资源消耗模型基础上加入微生物代谢过程中产生副产物也作为供群落中的微生物生长的资源。
1.交叉互养模型的假设前提有:

	1. 副产物供给的能量只能被不断减少。2. 产生的副产物的量与当前的群数目相关。3.  假设每个菌维持的最少消耗的能量设定一致。

莫诺特方程(Monod mold):

 	1. 在简单培养基中只有单一限制底物时,认为生物的生长速率只与当前细胞浓度有有关。2. 本方程为经验方程,没有考虑具体的生化过程。

资源生长模型与交叉互养模型的推导

消耗资源的基础动力学方程

环 境 中 单 位 资 源 消 耗 速 率 = 单 位 时 间 加 入 资 源 − 不 同 菌 单 位 时 间 消 耗 资 源 环境中单位资源消耗速率=单位时间加入资源-不同菌单位时间消耗资源 =
∂ R β ∂ t = k β − R β τ β − ∑ C i β R β N i ( 1 ) \frac{\partial R_{\beta}}{\partial t}=\frac{k_{\beta }-R_{\beta}}{\tau_{\beta }}-\sum C_{i\beta }R_{\beta}{N_{i}} \qquad (1) tRβ=τβkβRβCiβRβNi1
τ β 培 养 基 传 代 时 间 / 培 养 转 移 到 新 培 养 基 的 时 间 \tau_{\beta }培养基传代时间/培养转移到新培养基的时间 τβ/
单 位 时 间 生 长 速 率 = 环 境 中 的 总 能 量 − 能 生 长 的 最 少 能 量 单位时间生长速率=环境中的总能量-能生长的最少能量 =
1 N i ∂ N i ∂ t = ∑ w i α C i α R α − m i ( 2 ) \frac{1}{N_{i}}\frac{\partial N_{i}}{\partial t}=\sum w_{i \alpha } C_{i\alpha }R_{\alpha}-m_{i} \qquad (2) Ni1tNi=wiαCiαRαmi(2)

交叉互养的引入

培 养 体 系 中 的 能 量 变 化 = 微 生 物 代 谢 消 耗 的 − 微 生 物 副 产 物 生 成 的 培养体系中的能量变化=微生物代谢消耗的-微生物副产物生成的 =
能 量 变 化 的 量 恒 大 于 0 , 总 能 量 是 不 断 减 少 的 能量变化的量恒大于0,总能量是不断减少的 0
Δ w i α = w i − ∑ β D β α i w b e t a ( 3 ) \Delta w_{i \alpha}=w_{i}-\sum_{\beta}D_{\beta\alpha}^{i}w_{beta} \qquad (3) Δwiα=wiβDβαiwbeta(3)

微生物生长过程

Logistic模型
1 N i ∂ N i ∂ t = r i ( s ) ( 1 − N i K i ( s ) ) ( 4 ) \frac{1}{N_{i}}\frac{\partial N_{i}}{\partial t}=r_{i}(s)({1-\tfrac{N_{i}}{K_{i}(s)}}) \qquad (4) Ni1tNi=ri(s)(1Ki(s)Ni)(4)
r i ( s ) r_{i}(s) ri(s) 不同资源下的最大生长速率 K i ( s ) K_{i}(s) Ki(s) 在特定资源下的特征生长速率。

纯培养基中的单一限制性微生物生长模型

莫诺特方程(Monod mold)
生 长 速 率 = f ( 资 源 数 目 ) 生长速率=f(资源数目) =f
r i ( s ∣ μ i k i ) = μ i s k i + s ( 5 ) r_{i}(s|\mu _{i} k_{i})=\frac{\mu _{i}s}{k_{i}+s} \qquad (5) ri(sμiki)=ki+sμis(5)
μ i \mu _{i} μi k i k_{i} ki为待拟合量,可以通过测量不同浓度下资源与生长速率进行求解

联立公式(4)、(5)得到公式(6)

1 N i ∂ N i ∂ t = μ i s k i + s − N i K i ( s ) μ i s k i + s ( 6 ) \frac{1}{N_{i}}\frac{\partial N_{i}}{\partial t}=\frac{\mu _{i}s}{k_{i}+s}-\frac{N_{i}}{K_{i}(s)}\frac{\mu _{i}s}{k_{i}+s}\qquad (6) Ni1tNi=ki+sμisKi(s)Niki+sμis(6)

将公式(6)与公式(2)得到公式(7)

1 N i ∂ N i ∂ t = μ i s k i + s − m i ( 7 ) \frac{1}{N_{i}}\frac{\partial N_{i}}{\partial t}=\frac{\mu _{i}s}{k_{i}+s}-m_{i}\qquad (7) Ni1tNi=ki+sμismi(7)
m i m _{i} mi为实验测量量 微生物生长需要的最低生长能量

将公式(1)与公式(2)和公式(7)联立得到公式(8)

∂ s ∂ t = α s − s τ − ∑ i N i μ i s Y i ( k i + s ) ( 8 ) \frac{\partial s}{\partial t}=\frac{\alpha _{s}-s}{\tau }-\sum _{i}\frac{N_{i}\mu_{i} s}{Y_{i}(k_{i}+s)}\qquad (8) ts=ταssiYi(ki+s)Niμis(8)
Y i 为 单 位 葡 萄 糖 产 生 的 菌 体 量 ( O D 值 计 算 ) Y_{i}为单位葡萄糖产生的菌体量(OD值计算) YiOD可以通过实验进行估计

文献中关于模型中最小能量需求的实验数值推导过程和单位葡萄糖对菌体的生长量文献中关于模型中最小能量需求的实验数值推导过程

将微分方程(8)和(7)进行建立方程组求解

{ 1 N i ∂ N i ∂ t = μ i s k i + s − m i ( 7 ) ∂ s ∂ t = α s − s τ − ∑ i N i μ i s Y i ( k i + s ) ( 8 ) \left\{\begin{matrix} \frac{1}{N_{i}}\frac{\partial N_{i}}{\partial t}=\frac{\mu _{i}s}{k_{i}+s}-m_{i}\qquad (7) & & \\ \frac{\partial s}{\partial t}=\frac{\alpha _{s}-s}{\tau }-\sum _{i}\frac{N_{i}\mu_{i} s}{Y_{i}(k_{i}+s)}\qquad (8) & & \end{matrix}\right. {Ni1tNi=ki+sμismi(7)ts=ταssiYi(ki+s)Niμis(8)
解得:
菌体中的生长情况随时间的变化。如下图

matlab 程序展示

  • 待续

文献中的结果图展示

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

这篇关于文献—Emergent simplicity in microbial community assembly——数学模型部分推导的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/469468

相关文章

uva 10014 Simple calculations(数学推导)

直接按照题意来推导最后的结果就行了。 开始的时候只做到了第一个推导,第二次没有继续下去。 代码: #include<stdio.h>int main(){int T, n, i;double a, aa, sum, temp, ans;scanf("%d", &T);while(T--){scanf("%d", &n);scanf("%lf", &first);scanf

poj 2976 分数规划二分贪心(部分对总体的贡献度) poj 3111

poj 2976: 题意: 在n场考试中,每场考试共有b题,答对的题目有a题。 允许去掉k场考试,求能达到的最高正确率是多少。 解析: 假设已知准确率为x,则每场考试对于准确率的贡献值为: a - b * x,将贡献值大的排序排在前面舍弃掉后k个。 然后二分x就行了。 代码: #include <iostream>#include <cstdio>#incl

笔记整理—内核!启动!—kernel部分(2)从汇编阶段到start_kernel

kernel起始与ENTRY(stext),和uboot一样,都是从汇编阶段开始的,因为对于kernel而言,还没进行栈的维护,所以无法使用c语言。_HEAD定义了后面代码属于段名为.head .text的段。         内核起始部分代码被解压代码调用,前面关于uboot的文章中有提到过(eg:zImage)。uboot启动是无条件的,只要代码的位置对,上电就工作,kern

项目实战系列三: 家居购项目 第四部分

购物车 🌳购物车🍆显示购物车🍆更改商品数量🍆清空购物车&&删除商品 🌳生成订单 🌳购物车 需求分析 1.会员登陆后, 可以添加家居到购物车 2.完成购物车的设计和实现 3.每添加一个家居,购物车的数量+1, 并显示 程序框架图 1.新建src/com/zzw/furns/entity/CartItem.java, CartItem-家居项模型 /***

码蹄集部分题目(2024OJ赛9.4-9.8;线段树+树状数组)

1🐋🐋配对最小值(王者;树状数组) 时间限制:1秒 占用内存:64M 🐟题目思路 MT3065 配对最小值_哔哩哔哩_bilibili 🐟代码 #include<bits/stdc++.h> using namespace std;const int N=1e5+7;int a[N],b[N],c[N],n,q;struct QUERY{int l,r,id;}que

【阅读文献】一个使用大语言模型的端到端语音概要

摘要 ssum框架(Speech Summarization)为了 从说话人的语音提出对应的文本二题出。 ssum面临的挑战: 控制长语音的输入捕捉 the intricate cross-mdoel mapping 在长语音输入和短文本之间。 ssum端到端模型框架 使用 Q-Former 作为 语音和文本的中介连接 ,并且使用LLMs去从语音特征正确地产生文本。 采取 multi-st

关于断言的部分用法

1、带变量的断言  systemVerilog assertion 中variable delay的使用,##[variable],带变量的延时(可变延时)_assertion中的延时-CSDN博客 2、until 的使用 systemVerilog assertion 中until的使用_verilog until-CSDN博客 3、throughout的使用   常用于断言和假设中的

牛客小白月赛100部分题解

比赛地址:牛客小白月赛100_ACM/NOI/CSP/CCPC/ICPC算法编程高难度练习赛_牛客竞赛OJ A.ACM中的A题 #include<bits/stdc++.h>using namespace std;#define ll long long#define ull = unsigned long longvoid solve() {ll a,b,c;cin>>a>>b>

VB和51单片机串口通信讲解(只针对VB部分)

标记:该篇文章全部搬自如下网址:http://www.crystalradio.cn/thread-321839-1-1.html,谢谢啦            里面关于中文接收的部分,大家可以好好学习下,题主也在研究中................... Commport;设置或返回串口号。 SettingS:以字符串的形式设置或返回串口通信参数。 Portopen:设置或返回串口

node快速复制文件或文件夹,排除部分文件(node_modules)

const fs = require('fs')const path = require('path')/*** @description: 获取完整的文件路径* @param {*} url 路径* @return {*} 返回完整的文件路径*/const getPath = (url) => {return path.join(__dirname, url)}/*** @descr