|
ИСТИНА |
Войти в систему Регистрация |
ИПМех РАН |
||
Анализ кривых индукции флуоресценции хлорофилла a с помощью нейросетевой модели со спонтанным обучениемтезисы доклада
- Авторы: Хрущев С.С., Плюснина Т.Ю., Ризниченко Г.Ю., Рубин А.Б.
- Сборник: Актуальные вопросы биологической физики и химии. БФФХ-2019: материалы XIV международной научной конференции, г. Москва, 21-24 ноября 2019 г
- Тезисы
- Год издания: 2019
- Место издания: Москва-Севастополь
- Первая страница: 77
- Последняя страница: 78
- Аннотация: Одним из ключевых компонентов фотосинтетической электрон-транспортной цепи является фотосистема 2 – крупный трансмембранный пигмент-белковый комплекс, улавливающий солнечную энергию и восстанавливающий пластохинон до пластохинола. Фотосистема 2 весьма чувствительна к неблагоприятным условиям среды. Для оценки активности фотосистемы 2 широко используются методы, основанные на анализе изменения интенсивности флуоресценции хлорофилла a при освещении адаптированного к темноте объекта, представляющего собой сложную многофазную кривую. Общепринято, что отдельные фазы нарастающего участка индукционной кривой соответствуют различным стадиям переноса электрона в электрон-транспортной цепи. Для зеленых водорослей и высших растений кинетика нарастания флуоресценции обычно описывается как трехступенчатая (O-J-I-P), однако применение разностного метода анализа позволило выявить гораздо большее число фаз [1]. Происходящие в фотосистеме 2 окислительно-восстановительные реакции могут быть описаны в терминах Марковской модели, поэтому для сопоставления фаз индукционной кривой физическим процессам и идентификации параметров этих процессов удобно рассматривать кривую как сумму экспоненциальных функций. Оценка характерных времён и амплитуд экспонент по экспериментальным данным может быть существенно неоднозначной, так как характерные времена различных процессов могут быть довольно близки друг к другу. Чтобы справиться с этой неоднозначностью, мы предлагаем проводить совместный анализ больших наборов кривых индукции флуоресценции, зарегистрированных при постепенном изменении состояния фотосинтетического аппарата. Для записи индукционных кривых удобно использовать автоматизированные флуорометры, проводящие измерения через заданный промежуток времени [2]. Нами предложен алгоритм, позволяющий сформировать такой набор экспоненциальных функций, изменение параметров которого позволят наилучшим образом аппроксимировать все индукционные кривые, полученные в эксперименте. Число экспонент в наборе задаётся и является фиксированным параметром модели. Для формирования набора используется искусственная нейронная сеть, на вход которой подаются нормированные индукционные кривые, а выходные значения интерпретируются как характерные времена отдельных фаз. Амплитуды этих фаз определяются методом наименьших квадратов, и суммарное отклонение аппроксимированных суммой экспонент кривых от экспериментальных используется в качестве функции потерь при обучении нейросети. Данная модель была использована для обработки кривых, полученных при выращивании микроводорослей Chlorella и Chlamydomonas в фотобиореакторе на культуральных средах разного состава [2, 3]. Показано, что недостаток элементов минерального питания наиболее заметно проявляется в изменении амплитуды компонента с характерным временем около 50–100 мкс. На стадии экспоненциального роста культуры вклад этого компонента в нарастание флуоресценции отрицателен и проявляется в «сигмоидности» начального участка индукционной кривой. При истощении среды амплитуда этого компонента меняет знак. Мы полагаем, что изменение амплитуды этого компонента связано с дисбалансом скорости поступления квантов в реакционный центр фотосистемы 2 и скорости его восстановления кислород-выделяющим комплексом. На более поздних стадиях стресса (через несколько часов после истощения минерального питания) наблюдаются изменения амплитуд и характерных времён более медленных (10 мс и более) компонентов индукционной кривой, что может свидетельствовать об изменении соотношения количества отдельных компонентов электрон-транспортной цепи вследствие нарушения процессов биосинтеза. Работа выполнена при частичной поддержке РФФИ, проект №17-04-00676.
- Добавил в систему: Хрущев Сергей Сергеевич