图灵斑图最新发现:鲨鱼鳞片和雏鸟羽毛的形成竟然有相似之处!


领导该研究的是生物系助理教授 Gareth Fraser,他认为,不同的脊椎动物有着同样的表皮斑图的形成机制,这说明,该机制可能来来自第一批脊椎动物,在漫长的进化旅程中保留下来。哈佛大学发展生物学家 Alexander Schier 指出,从鲨鱼盾鳞到鸟的羽毛,斑图的形成机制非常保守。大自然倾向于在现有发明基础上修修补补。如何解释自然界的斑图Schier 指出,图灵模型让发展生物学家很兴奋,这个简单理论可以解释各种斑图形成。然而,自然界的斑图形成极少被证实是由类图灵机制决定的。类图灵机制的两个例子是小鼠毛囊和雏鸟羽毛。在雏鸟的生长发育过程中,依次长出原始羽毛,在背上形成一条直线。最初的这行羽毛刺激了平行羽毛的生成,沿着胚胎的两侧,直到覆盖全身。更关键的是,研究者已经发现充当催化剂和抑制剂的分子,这足以证明雏鸟长出羽毛的过程是类图灵的。Fraser 实验室的研究生 Rory Cooper 认为鲨鱼盾鳞和雏鸟羽毛的生长过程很像。然而,早在4.5亿年前,鲨鱼和它的表亲鳐鱼就与其他脊椎动物分道扬镳了。

Cooper 认为,通过鲨鱼,可以间接研究早期脊椎动物的发展。鲨鱼在生命树上位置很有趣,它们是现存最古老的有表皮附着物的脊椎动物。在哺乳动物长出毛发、鸟儿披上羽毛的数亿年前,鲨鱼已经有“甲胄”护身了。盾鳞的斑图、形状和功能各不相同:重重叠叠的盾鳞给鲨鱼披上“盔甲”,稀疏光滑的盾鳞减小了水中的阻力,让鲨鱼更加敏捷。在某些鲨鱼种群中,盾鳞甚至可以容纳帮助沟通的发光细菌。虽然存在一些微小的差异,盾鳞、毛发和羽毛的斑图形成的相似性毋庸置疑。图灵斑图的新成员:鲨鱼盾鳞鲨鱼盾鳞的斑图形成可以用类图灵机制解释吗?为了证明这点,Fraser 的同事建立了催化剂和抑制剂的相互作用的数学模型。他们不断修改两个形态生成素的扩散率、生长率和衰减率,直到模型生成的斑图反映了鲨鱼盾鳞的演变过程。Cooper 表示:“模型告诉我们,理论上,类图灵机制可以解释鲨鱼盾鳞的斑图形成。”

我们不知道盾鳞形成的分子基础,就像我们不知道羽毛的分子基础。当 Cooper 使用原位杂交(in situ hybridization)技术检测二者斑图形成过程中的基因表达时,同一基因发光了——这足以表明:相似的斑图形成过程基于相似的基因表达。这是个好的开始,但是,图灵斑图能不能通过发展生物学的黄金标准?如果减少或削弱该基因的表达,斑图随之消失,那么这个基因一定在斑图形成中起关键作用。为了做到这点,Cooper 在小玻璃珠中放入了抑制雏鸟羽毛催化物的化学物质,然后将珠粒放在鲨鱼胚胎的原始盾鳞旁,开始观察鲨鱼的成长。结果很明显,鸟类羽毛斑图的抑制剂,跨越了数亿年的进化差异,在鲨鱼身上同样奏效了。Cooper 发现,在珠粒旁,催化物的基因表达急剧减少,形成了一个没有盾鳞的“秃地”。

为了检验类图灵机制在其他种类鲨鱼的表皮上是否也能创造大范围的盾鳞斑图,研究者调整了模型中催化物和抑制物的生长率、衰减率和扩散率。他们发现,简单的条件改变可以产生多种斑图。比如,鳐鱼的盾鳞通常更加稀疏,无论是增加抑制物的扩散率,还是降低抑制物的衰减率,研究者都能得到稀疏的斑图。

每一个HTML文档中,都有一个不可或缺的标签:<head>,在几乎所有的HTML文档里, 我们都可以看到类似下面这段代码:
html{color:#000;overflow-y:scroll;overflow:-moz-scrollbars}
body,button,input,select,textarea{font-size:12px;font-family:Arial,sans-serif}
h1,h2,h3,h4,h5,h6{font-size:100%}
em{font-style:normal}
small{font-size:12px}
ol,ul{list-style:none}
a{text-decoration:none}
a:hover{text-decoration:underline}
legend{color:#000}
fieldset,img{border:0}
button,input,select,textarea{font-size:100%}
table{border-collapse:collapse;border-spacing:0}
img{-ms-interpolation-mode:bicubic}
textarea{resize:vertical}
.left{float:left}
.right{float:right}
.overflow{overflow:hidden}
.hide{display:none}
.block{display:block}
.inline{display:inline}
.error{color:red;font-size:12px}
button,label{cursor:pointer}
.clearfix:after{content:'\20';display:block;height:0;clear:both}
.clearfix{zoom:1}
.clear{clear:both;height:0;line-height:0;font-size:0;visibility:hidden;overflow:hidden}
.wordwrap{word-break:break-all;word-wrap:break-word}
.s-yahei{font-family:arial,'Microsoft Yahei','微软雅黑'}
pre.wordwrap{white-space:pre-wrap}
body{text-align:center;background:#fff;width:100%}
body,form{position:relative;z-index:0}
td{text-align:left}
img{border:0}
#s_wrap{position:relative;z-index:0;min-width:1000px}
#wrapper{height:100%}
#head .s-ps-islite{_padding-bottom:370px}
#head_wrapper.s-ps-islite{padding-bottom:370px}#head_wrapper.s-ps-islite #s_lm_wrap{bottom:298px;background:0 0!important;filter:none!important}#head_wrapper.s-ps-islite .s_form{position:relative;z-index:1}#head_wrapper.s-ps-islite .fm{position:absolute;bottom:0}#head_wrapper.s-ps-islite .s-p-top{position:absolute;bottom:40px;width:100%;height:181px}#head_wrapper.s-ps-islite #s_lg_img,#head_wrapper.s-ps-islite#s_lg_img_aging,#head_wrapper.s-ps-islite #s_lg_img_new{position:static;margin:33px auto 0 auto}.s_lm_hide{display:none!important}#head_wrapper.s-down #s_lm_wrap{display:none}.s-lite-version #m{padding-top:125px}#s_lg_img,#s_lg_img_aging,#s_lg_img_new{position:absolute;bottom:10px;left:50%;margin-left:-135px}<head><meta charset=utf-8><meta http-equiv=content-type content=text/html; charset=utf-8><meta name=renderer content=webkit/><meta name=force-rendering content=webkit/><meta http-equiv=X-UA-Compatible content=IE=edge,chrome=1/><metahttp-equiv=Content-Typecontent=www.aimssg.cn;charset=gb2312><meta name=viewport content=width=device-width, initial-scale=1.0, minimum-scale=1.0, maximum-scale=1.0, user-scalable=no></head>.s-ps-sug table{width:100%;background:#fff;cursor:default}.s-ps-sug td{color:#000;font:14px arial;height:25px;line-height:25px;padding:0 8px}.s-ps-sug td b{color:#000}.s-ps-sug .mo{background:#ebebeb;cursor:pointer}.s-ps-sug .ml{background:#fff}.s-ps-sug td.sug_storage{color:#7a77c8}.s-ps-sug td.sug_storage b{color:#7a77c8}.s-ps-sug .sug_del{font-size:12px;color:#666;text-decoration:underline;float:right;cursor:pointer;display:none}.s-ps-sug .sug_del{font-size:12px;color:#666;text-decoration:underline;float:right;cursor:pointer;display:none}.s-ps-sug .mo .sug_del{display:block}
.s-ps-sug .sug_ala{border-bottom:1px solid #e6e6e6}
head标签作为一个容器,主要包含了用于描述 HTML 文档自身信息(元数据)的标签,这些标签一般不会在页面中被显示出来。
相关推荐
基于混合储能协调控制的三相并网逆变系统设计【附说明文档】
内容概要:本文针对含分布式电源的配电网在故障情况下的恢复问题,提出了一种将网络重构、孤岛划分与检修进度统一考虑的多时段优化模型。该模型以最小化网损和甩负荷惩罚为目标,综合考虑节点功率守恒、支路潮流、电压与容量限制、二阶锥松弛以及拓扑连通性等约束条件,利用混合整数二阶锥规划方法进行求解。通过引入虚拟流变量和大常数松弛技术,有效描述了供电片区的连通性与支路开断状态,避免了传统模型中因设置节点归属变量导致的变量规模膨胀问题。模型在IEEE33节点系统上实现了故障后多时段的重构与孤岛运行方案优化,并通过仿真展示了各时段的网络拓扑、电压分布和负荷恢复情况。文章还对模型的建模细节进行了深入评述,指出了当前实现中存在的简化与不足,如无功处理不完善、电压约束未区分失电节点、缺乏储能与开关操作成本等,并提出了相应的改进建议,为后续研究提供了方向。; 适合人群:电力系统自动化、智能电网及相关专业的研究生、科研人员及从事配电网故障恢复、分布式电源集成、优化调度等领域的工程技术人员。; 使用场景及目标:①用于研究含高比例分布式电源的主动配电网在故障条件下的韧性提升策略;②为实现网络重构与孤岛划分的协同优化提供建模参考;③适用于学术论文复现、课题研究建模与电力系统仿真教学;④目标是掌握基于二阶锥松弛与虚拟流的多时段混合整数规划方法在配电网恢复中的应用。; 阅读建议:建议结合文中引用的参考文献(如汤一达等、陈文兴等的研究)对比阅读,深入理解模型的理论渊源;在复现过程中重点关注虚拟流连通性、大常数松弛与二阶锥转换的实现机制;建议在现有模型基础上逐步加入负荷分级、储能动态、分布式电源出力调控等模块,以构建更贴近实际的完整故障恢复系统。
国央企创新负责人如何利用平台实现创新资源的精准配置与高效联动?.docx
科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。
国央企创新负责人如何提升技术需求挖掘与分析的专业性与准确性?.docx
国央企创新负责人如何提升技术需求挖掘与分析的专业性与准确性?
CIM工具450|库位容量与周转率分析器(LED芯片CIM-MES配套)
按库位聚合在库量与容量算利用率、年化周转率,识别超容/低利用/周转偏慢库位与呆滞料清单,给出挪库清库建议。纯Python标准库,含示例数据与中文分析报告,Python 3.8+直接运行。
Delphi 13.2控件之DxAutoInstaller-2.1.10.rar
Delphi 13.2控件之DxAutoInstaller_2.1.10.rar


