Populační dynamika stárnutí

Aktuální verze stránky ještě nebyla zkontrolována zkušenými přispěvateli a může se výrazně lišit od verze recenzované 25. listopadu 2017; kontroly vyžadují 9 úprav .

Populační dynamika stárnutí  - směr studia stárnutí pomocí metod populační dynamiky , tj. studium věkového složení populací stárnoucích organismů a změn této závislosti v závislosti na typu organismu a podmínkách prostředí .

Největší zajímavostí je dynamika stárnutí více organismů včetně člověka , u kterého ke stárnutí dochází až po dlouhé době po dosažení puberty a má pozvolný charakter. Na rozdíl od monocytárních forem nepotřebují multiparní organismy až do konce své reprodukční fáze (fáze rozmnožování) využít všechny své životní síly, aby byla reprodukce úspěšná, a průměrná délka života ve vztahu k období rozmnožování se mezi jedinci a obdobím rozmnožování poměrně výrazně liší. v závislosti na druhu: malí hlodavci a volně žijící ptáci využívají v průměru pouze 10 až 20 procent potenciálního období rozmnožování, zatímco velryby , sloni , opice a další velcí savci přirozeně využívají více než 50 procent období rozmnožování a často dokonce to přežít.

Populační přístup zohledňuje závislost velikosti populace na stáří organismů. Změny velikosti populace s věkem se nazývají mortalita , která v případě ustáleného stavu odpovídá počtu organismů, které zemřou za jednotku času. Podle toho se relativní změny velikosti populace nebo pravděpodobnosti úmrtí za jednotku času nazývají relativní úmrtnost. Inverzní míra úmrtnosti, která se také často používá při popisu populační dynamiky stárnutí, je pravděpodobnost přežití za jednotku času.

Cílem populačního přístupu je identifikovat vzorce velikosti populace v závislosti na čase, které se používají k určení rychlosti procesu stárnutí. Tato data lze zase použít k testování vzorců stárnutí odvozených buď z fyziologických a genetických mechanismů, nebo z obecných systémových mechanismů.

Grafické znázornění procesu stárnutí, Gompertzův zákon

Přímo měřenou veličinou je věková závislost populace, proto je požadovaná hodnota nejčastějším měřítkem úmrtnosti a stárnutí. Viditelnější hodnotou je však mortalita či přežití – ukazatele, které ve větší míře charakterizují samotný proces stárnutí. Často se používají logaritmické křivky, které lépe odrážejí některé charakteristické rysy daných závislostí.

Jedním z prvních a dnes nejrozšířenějších matematických modelů pro popis stárnutí multiparních organismů je tzv. Gompertzův-Makhamův [1] [2] (nebo jednoduše Gompertzův) zákon úmrtnosti, podle kterého pravděpodobnost smrti roste exponenciálně s věkem. : , kde x  je věk a p  - relativní pravděpodobnost úmrtí za určité časové období, a a b  - koeficienty. Při absenci konstantního členu a se tedy velikost populace s věkem snižuje o dvojnásobný exponent [3] .

Gompertzův zákon je empirický a neplatí pro všechna zvířata a ne pro všechna časová období, ale je nejjednodušší pro srovnání stárnutí různých organismů, a proto se jeho koeficienty často používají jako ukazatele rychlosti (rychlosti) stárnutí. .

Závislost parametrů Gompertzovy křivky na organismu

Exponenciální koeficient Gompertzovy funkce ukazuje rychlost stárnutí. Rozdíly v dlouhověkosti mezi druhy jsou primárně důsledkem rozdílů v rychlosti stárnutí, a proto jsou vyjádřeny rozdíly v tomto koeficientu.

Porovnání tabulek úmrtnosti různých kmenů myší stejného druhu ukazuje, že rozdíly mezi kmeny pocházejí především z rozdílů v Makehamově termínu (pojem nezávislý na věku) Gompertzovy funkce. Pokud se linie liší pouze věkově nezávislým termínem, mají kratší linie vyšší mortalitu, která je vyšší o konstantní množství po celý život, což se projevuje vertikálním posunem Gompertzovy funkce. Často se stává, že první generace (F1) kříženci dvou přirozených linií žijí déle než jeden z rodičů. Přestože studie biochemických procesů takových hybridů nebyly provedeny, tabulky života naznačují, že hybridy se od rodičovských linií liší pouze členem nezávislým na věku, nikoli však změnou rychlosti stárnutí. Jiné studie také ukázaly, že velká část rozdílů v délce života mezi kmeny myší je způsobena rozdíly v dědičné náchylnosti k určitým chorobám.

Pro populace lidí v různých zemích do poloviny 20. století pocházel rozdíl v průměrné délce života (bez zohlednění kojenecké úmrtnosti ) téměř výhradně z rozdílu v Makehamově penisu. Od poloviny 20. století se situace změnila, což vedlo k téměř paralelnímu posunu křivky úmrtnosti doprava. Ačkoli důvody pro tuto změnu nejsou známy, jsou pravděpodobně způsobeny významným pokrokem v osobní a veřejné hygieně , zlepšením bydlení a lékařské péče, kvalitou výživy a vytvořením účinných vakcín a antibiotik [5] .

Odchylky od Gompertzova zákona: dětská úmrtnost

Je třeba poznamenat, že Gompertz-Makhamův zákon je pouze přiblížením, platným v průměrném věkovém rozmezí. V oblasti nízkého věku je výrazně vyšší úmrtnost, než stanoví tento zákon. Například treska severní může během tření naklást až 6 milionů vajíček , ale jen malý počet z nich přežije do bodu pohlavní dospělosti [6] . Tato úmrtnost je převážně důsledkem neschopnosti mládeže vyhýbat se predátorům, bojovat s nemocemi a může být také důsledkem vrozených vad a není důsledkem stárnutí.

Odchylky od Gompertzova zákona: zpomalení stárnutí v pozdějším věku

V oblasti pozdního věku naopak dochází k poklesu úmrtnosti ve srovnání s Gompertzovým zákonem, přesněji k výstupu pravděpodobnosti úmrtí za jednotku času na plošinu [8] . Stejně jako v případě kojenecké úmrtnosti se jedná o obecný zákon, který se dodržuje i v neživé přírodě [7] . A přestože jedním z možných vysvětlení tohoto jevu by mohla být heterogenita populace, současná data jasně naznačují souvislost plateauingu úmrtnosti se zpomalením procesu stárnutí [9] .

Modelování a teoretické práce

Běžnou metodou pro studium stárnutí je matematické modelování populační dynamiky. Všechny matematické modely stárnutí lze zhruba rozdělit na dva hlavní typy: datové modely a systémové modely [10] . Datové modely nebo analytické modely  jsou modely, které nepoužívají ani se nepokoušejí vysvětlit žádné hypotézy o fyzikálních procesech v systémech, pro které jsou tato data získávána. Datové modely zahrnují zejména všechny modely matematické statistiky. Naproti tomu systémové či mechanistické modely jsou stavěny především na základě fyzikálních zákonů a hypotéz o struktuře systému, jde v nich především o ověření navrženého mechanismu.

Níže je uveden seznam nejdůležitějších z navrhovaných matematických modelů [11] :

Jako první z těchto matematických modelů se objevily datové modely úmrtnosti. Dlouho před pochopením a dokonce výzkumem procesů, které jsou základem stárnutí, existoval praktický zájem na předpovědi budoucí očekávané délky života pro použití v pojišťovnictví a demografii . Právě pro výpočet pojistného byly v 19. století vyvinuty první úmrtnostní tabulky a byly formulovány známé modely Gompertz [12] a Gompertz-Makham [2] . Zavedením jednoduchého dvouparametrového modelu úmrtnosti umožnil Gompertz výzkumníkům nejen vypočítat budoucí šance na dlouhověkost, ale také prozkoumat změny ve dvou základních parametrech: počáteční úmrtnost a rychlost stárnutí. Oddělení věkové složky od dat úmrtnosti dalo vzniknout matematické gerontologii [11] .

Na konci 20. století se začalo objevovat mnoho nových demografických vzorců úmrtnosti. Získání značného množství nových dat, často pro heterogenní populace, vedlo k novým metodám analýzy úmrtnostních tabulek [26] [27] . Tyto modely, často využívající metod stochastické procesní analýzy, umožnily izolaci jednotlivých složek úmrtnosti a popis vlivu nemocí a faktorů prostředí na dlouhověkost [28] .

Vzhledem k tomu, že je již dlouho známa linearita poklesu funkčních schopností organismu [29] , bylo nutné tuto dynamiku spojit s exponenciálním nárůstem relativní úmrtnosti s věkem. Jedním z prvních vysvětlení tohoto jevu byl Strehler-Mildvanův model [13] . Tento model předpokládá fluktuace systému, jejichž pravděpodobnost exponenciálně klesá s velikostí. K jejich překonání musí tělo vydat energii, maximální náklady však lineárně klesají s věkem. V důsledku toho exponenciálně roste pravděpodobnost úmrtí, tedy neschopnost překonat výkyv. Obdobným modelem je Sechera-Trucco model [30] , který navrhuje Gaussovo rozložení vnějších vlivů a za určitých podmínek vede i k exponenciální závislosti úmrtnosti na věku. Alternativním přístupem k vysvětlení této závislosti je použití teorie spolehlivosti , která vysvětluje exponenciální závislost prostřednictvím významné redundance biologických systémů [15] .

Dalším krokem v matematickém modelování bylo vysvětlení odchylky úmrtnosti od klasické závislosti, především vznik úmrtnosti na plošině v pozdějším věku. Obecně jsou navrhované modely modifikacemi zmíněného Strehler-Mildvanova modelu pomocí stochastických dat, nejznámější je Mullerův a Roseův model [31] . Kromě tohoto modelu bylo navrženo několik modifikací, například modifikace založená na teorii spolehlivosti [16] . Základní stochastický přístup navrhuje snížit účinek redundance biologického systému zvýrazněním nejrušnějších kanálů poškození systému [32] . Jiný přístup založený na heterogenitě populace ukázal neschopnost vysvětlit experimentální data [9] . Evoluční přístup k problému výstupu relativní úmrtnosti je modifikací Hamiltonova modelu [33] založeného na principu antagonistické pleiotropie . Myšlenka spočívá v tom, že tlak přirozeného výběru je snížen u mutací, které jsou spojeny se změnami, které se objevují až v pozdějším věku, ale nemusí nutně dosáhnout nuly [9] , například kvůli efektům spojeným se zvýšením hodnoty zkušeného starého organismů ve srovnání s mladými, navzdory poklesu jejich počtu [34] .

Systémové modely obecně berou v úvahu mnoho individuálních faktorů, událostí a jevů, které přímo ovlivňují přežití organismů a narození potomků. Tyto modely, založené na teorii soma na jedno použití , obecně pohlížejí na stárnutí jako na rovnováhu a přerozdělování zdrojů jak ve fyziologických (během života jednoho organismu), tak v evolučních aspektech. Zpravidla, zejména v druhém případě, hovoříme o rozdělení zdrojů mezi přímé náklady na narození potomků a náklady na přežití rodičů [10] . Mnoho z výše uvedených modelů je založeno na technikách statistického modelování. Často je zvažována otázka přiměřenosti modelů životní historie k výsledkům pokusů na zvířatech, především populačním údajům.

Poznámky

Článek je překladem článku uk:Population dynamics of old z ukrajinského jazyka

  1. ↑ itannica.com/eb/article-63929/aging Stárnutí  (anglicky)  (odkaz není k dispozici) . Encyklopedie Britannica . Získáno 5. října 2019. Archivováno z originálu 16. července 2013.
  2. ↑ 1 2 3 Makeham WM O zákonu úmrtnosti a konstrukci anuitních tabulek  //  JIA : journal. - 1860. - Sv. VIII .
  3. ↑ Gompertzova křivka  . wolfram matematický svět . Získáno 30. října 2007. Archivováno z originálu 13. září 2007.
  4. ↑ Yashin AI, Begun A., Boiko SI, Ukraintseva SV, Oeppen J. Nové věkové vzorce zlepšování přežití ve Švédsku: charakterizují změny v individuálním stárnutí? (anglicky)  // Mechanisms of Aging and Development : journal. - 2002. - Sv. 123 . - str. 637-647 .
  5. ↑ Faktor stárnutí ve zdraví a nemoci. Workshop Report  (anglicky) . — New York: International Longevity Center, Ltd, 1999.
  6. ↑ Treska severní - Záležitost přežití  . Získáno 30. října 2007. Archivováno z originálu 28. ledna 2012.
  7. ↑ 12 Angelos Economos . Negompertzovské paradigma pro kinetiku úmrtnosti metazoárních zvířat a kinetiku selhání vyrobených produktů   // Věk . - 1989. - T. 2 . - S. 74-76 .
  8. ↑ Zpomalení úmrtnosti v pozdním věku, vyrovnání úmrtnosti,  plošiny úmrtnosti . Odhalení tajemství lidské dlouhověkosti . Získáno 30. října 2007. Archivováno z originálu 28. ledna 2012.
  9. ↑ 1 2 3 Rose MR, Rauser CL, Mueller LD, Benford G. Revoluce ve výzkumu stárnutí  (neurčité)  // Biogerontologie. - 2006. - č. 4 . - S. 269-277 . — PMID 16612665
  10. ↑ 1 2 Novoseltsev V.N., Novoseltseva Zh.A., Yashin A.I. Matematické modelování v gerontologii - strategické perspektivy  (ruština)  // Pokroky v gerontologii. - 2003. - T. 12 . - S. 149-165 .
  11. ↑ 1 2 V.N. Anisimov. Molekulární a fyziologické mechanismy stárnutí . - Petrohrad: Nauka, 2003.
  12. ↑ 1 2 Gompertz B. O povaze funkce vyjadřující zákon lidské úmrtnosti   // Phil . Trans. Royal Soc. (Londýn): deník. — 1825.
  13. ↑ 1 2 Strehler BL, Mitdvon AS Obecná teorie úmrtnosti a stárnutí   // Věda . - 1960. - T. 132 . - S. 14-21 .
  14. ↑ Brown KS, Forbes WF Matematický model  procesů stárnutí . - 1974. - S. 46-51 .
  15. ↑ 1 2 3 4 Gavrilov L. A., Gavrilova N. S. Biologie střední délky života. Kvantitativní aspekty . - 2. - Moskva: Nauka, 1991. - S. 280.
  16. ↑ 1 2 Gavrilov LA, Gavrilova NS Teorie spolehlivosti stárnutí a dlouhověkosti  (nespecifikováno)  // Šesté vydání / Academic Press. - 2006. - S. 3-42 . — ISBN 0-12-088387-2 .
  17. ↑ Penna TJP Model s bitovým řetězcem pro biologické stárnutí  //  Journal of Statistical Physics. - 1995. - T. 78 . - S. 1629-1633 .
  18. ↑ Pletcher SD, Neuhauser C. title=Biologické stárnutí - Kritéria pro modelování a nový mechanistický model. {{{title}}}  (anglicky)  // International Journal of Modern Physcis. - 2000. - T. 11 . - S. 525-546 .
  19. ↑ Reznick DN Náklady na reprodukci: hodnocení empirických důkazů  //  Oi-cos. - 1995. - T. 44 . - S. 257 .
  20. ↑ Partridge L., Barton NH Optimalita, mutace a evoluce stárnutí   // Příroda . - 993. - T. 361 . - S. 305-311 .
  21. ↑ Dasgupta S. Počítačová simulace biologického stárnutí  (fr.)  // Journal de physique . - 1994. - T. 4 . - S. 1563-1570 .
  22. ↑ Stauffer D. Monte-Carlo simulace pro biologické stárnutí  (neopr.)  // Brazílie. J. Physcics .. - 1994. - T. 24 . - S. 900-906. .
  23. ↑ Orr WC, Sohal RS Prodloužení životnosti nadměrnou expresí superoxiddismutázy a katalázy u Drosophila melanogaster II   // Věda . - 1994. - T. 263 . - S. 1128-1130 .
  24. ↑ Solovyov M. V. O možné roli chaotického chování genového regulačního systému při stárnutí těla  (rusky)  // Pokroky v gerontologii. - 2001. - T. 8 . - S. 27-33 .
  25. ↑ Koltover VK Koncept spolehlivosti jako trend v biofyzice stárnutí  //  Teoretická biologie. - 1997. - T. 184 . - S. 157-163 .
  26. ↑ Rogers A., Rogers RG, pobočka LG Vícestátní analýza průměrné délky aktivního života   // Public Health Reports : deník. - 1989. - Sv. 104 . - str. 222-226 .
  27. ↑ Keyfitz N., Littman G. Mortalita v heterogenní populaci  (neopr.)  // Populační studie. - 1979. - T. 33 . - S. 333-342 .
  28. ↑ Yashin AI, Manton KG Účinky nepozorovaných a částečně pozorovaných kovariátních procesů na selhání systému: Přehled modelů a strategií odhadů  //  Statistical Sciences: journal. - 1997. - Sv. 12 . - str. 20-34 .
  29. ↑ Strehler B. Čas , buňky, stárnutí  . - Moskva, 1966.
  30. ↑ G. A. Sacher a E. Trucco. Stochastická teorie úmrtnosti  (neopr.)  // Annals of the New York Academy of Sciencer.
  31. ↑ Mueller LD, Rose MR Evoluční teorie předpovídá plató úmrtnosti v pozdním věku  //  Proceedings of the National Academy of Sciences of the USA : journal. - 1996. - Sv. 93 . - S. 15249-15253 .
  32. ↑ Golubev A. G. Vzájemná kompatibilita představ o stárnutí a délce života, jejich mechanismech a projevech na úrovni organismu a populace a jejich evoluci  // Advances in Gerontology: Journal. - 1997. - T. 1 . - S. 25-33 .
  33. ↑ Hamilton WD Formování stárnutí přirozeným výběrem  //  Journal of Theoretical Biology : deník. - 1966. - Sv. 12 . - str. 12-45 .
  34. ↑ The Evolution of Aging  (anglicky)  (nepřístupný odkaz) . Získáno 30. října 2007. Archivováno z originálu 28. ledna 2012.

Externí odkazy