Nicht-Gleichgewicht Statistische Mechanik in biologischen Systemen

Im Gegensatz zu Gleichgewichtssystemen, die durch eine zeitunabhängige Verteilung von Partikeln und Energie gekennzeichnet sind, erfahren Nicht-Gleichgewichtssysteme konstante Flüsse von Materie oder Energie, oft bedingt durch externe Antriebskräfte. Diese Systeme können ein breites Spektrum dynamischer Verhaltensweisen zeigen, von denen einige als selbstorganisierend erscheinen können. Auf der Grundlage des Rahmens der Nicht-Gleichgewicht statistischen Mechanik leitet Jeremy England in seinem Papier "Statistische Physik der Anpassung" eine Gleichung ab, die die relative Vorwärtswahrscheinlichkeit des Übergangs zwischen zwei möglichen Makrozuständen mit deren jeweiliger Rückwärtswahrscheinlichkeit, Entropie und durchschnittlicher Energie dissipierung über alle möglichen Mikrodurchläufe in Beziehung setzt. Er zeigte, dass Strukturen, die während ihrer Bildung besser in der Lage sind, Energie in ihre Umgebung zu absorbieren und zu dissipieren, eine höhere Wahrscheinlichkeit haben, aufzutauchen, was möglicherweise erklärt, wie lebensähnliche Verhaltensweisen in Nicht-Gleichgewichtssystemen entstehen. In diesem Projekt testen wir Englands Gleichung an einem Spielzeugmodell selbstreplizierender Populationen und versuchen, sie auf einen biologischen Datensatz anzuwenden. Im Spielzeugmodell unter bestimmten Einschränkungen stellen wir fest, dass unser Gefühl für die Dynamik der Systeme mit Englands Gleichung übereinstimmt, da wir beobachten, dass die Population mit der höchsten Replikationsrate dazu neigt, die höchste Energie dissipierung aufzuweisen, wenn ihre Population den größeren Teil der Gesamtpopulation der Partikel ausmacht. Im biologischen Datensatz analysieren wir Protein-Protein-Interaktionen und wie die relative Bindungsenergie und die Bindungsraten für verschiedene Mutationen im Vergleich stehen. Wir erkunden die Grenzen seiner Gleichung, wenn wir versuchen, Vorhersagen über hochkomplexe biologische Systeme zu treffen.