Лекционный курс (1128712), страница 11
Текст из файла (страница 11)
Эту проблему клетка решает тем, что использует такназываемые каскадные механизмы усиления сигнала .Сигналы, передающиеся через сигнальные молекулы, являются первичными поотношению к каскадам биохимических реакций, запускающимся в клетках в ответ на ихвоздействие. Передача сигнала это последовательность реакций, включающихвзаимодействие внеклеточных лигандов (сигналы клеточные) с рецепторами на37поверхности клетки с последующей активацией рецептора, заключающейся в изменениисостояния его внутриклеточного домена. Активация рецептора вызывает каскад событий вклетке, в результате которых клетка адекватно реагирует на внешний сигнал.Первичные сигналы распознаются клетками благодаря наличию у них специальныхмолекул-рецепторов белковой природы, взаимодействующих с первичными сигнальнымимолекулами или с физическими факторами.
Первичный сигнал, как правило, не действуетпрямо на те метаболические процессы в клетке, для регуляции которых он предназначен.Воспринимающий его рецептор инициирует образование в клетке промежуточныххимических соединений, запускающих внутриклеточные процессы, воздействие накоторые было целью первичного внеклеточного сигнала. Такие промежуточныесоединения несут в себе информацию о первичном регуляторном сигнале и являютсявторичными его переносчиками, поэтому они получили название вторичныхмессенджеров . Ими могут быть различные ионы, циклические нуклеотиды , продуктыдеградации липидов и целый ряд других химических соединений биогенногопроисхождения.Вторичные мессенджеры позволяют усиливать первичный регуляторный сигнал отвнеклеточных регуляторных молекул. Группы клеток и тканей приобретают способностьк однотипной и одновременной реакции на первичный регуляторный сигнал, например, надействие гормона эндокринной системы.
Это обеспечивает возможность быстройадаптации многоклеточного организма к изменяющимся условиям внутренней иокружающей среды.Изучение механизмов передачи и усиления сигналов является одной из основных задачбиологии клетки. Их знание необходимо для понимания механизмов формированияфункционального ответа клеток в норме, его регуляции и коррекции при патологическихсостояниях. В настоящее время известно около 50 белков-лигандов и 14 семействрецепторов.Существует несколько более или менее стандартных способов передачи сигнала отклеточной поверхности внутрь клетки, хотя эта проблема еще далека от окнчательногопонимания и постоянно появляются новые варианты сигнализации.
Напримерклассический обобщенный путь передачи сигнала заключается в цепоче взаимодействий сигнальная молекула - рецептор на поверхности клетки-внутриклеточный усилительныймеханизм -включение определенных специфичных для данного сигнала генов. Рис 3 даетупрощенную схему двух возможных путей многостадийного процесса предачи сигнала,которая начинается со взаимодействия некоторого внешнего фактора с рецептором наповерхности клетки. Таким внешним фактором может быть какой либо гормон или какойнибудь фактор роста, в частности, цитокин.Виды сигналов:1) Гормоны.2) Нейротрансмиттеры.3) Свет, запах, вкус.4) Антигены5) Запуск развития.6) Запуск деления.7) Факторы роста.8) Механика.Виды ответов:1) Жизнь (ничего не изменяется).2) Деление (клетка делится, причём развитие двух новых клеток происходит по-разному).3) Смерть (саморазрушение клетки -апоптоз; часто оказывается ответом на действиевируса; при таком разрушении клетка постепенно разрушается, а фагоциты легкоперерабатывают её остатки не возникает воспалительный процесс).388.
Три типа систем передачи сигнала. 4 свойства системы передачи сигналаСистемы передачи сигнала:1) Ионные каналы.2) Прямой транспорт (диффузия через мембрану.3) Киназы - трансмембранные белки, подвергающиеся изменениями внутри клетки приполучении сигнала извне (обычно при присоединении гормона).Механизм действия киназ связан со способностью к фосфорилированию аминокислотныхостатков Ser/Thr или Туг: при поступлении сигнала на внешние рецепторы киназы внутриклетки гидролизуется одна молекула АТР, а отщепившийся фосфатный остатокфосфорилирует киназу.
При этом изменяется конформация белка, и киназа становитсяферментом фосфокиназой (протеинфосфокиназой). По окончании действия сигналафосфокиназа дефосфорилируется под действием фермента из класса фосфатаз,происходит снятие сигнала. В реальности в клеточную мембрану встроено множествокиназ, образующих каскад); при поступлении на такой каскад сигнала происходит егомногократное усиление (амплификация).
Подобные каскады являются одной из основныхчастей нейронных систем. В принципе, в любой нейронной системе могут быть выделенывходной слой (первичная обработка информации - выделение нужного сигналарецепторами), скрытый слой (последующая обработка информации передача сигналачерез мембрану при помощи киназ) и выходной слой (интеграция сигнала).Свойства системы передачи сигнала:1) Специфичность (осуществляется за счёт высокой селективности рецепторов).2) Амплификация (способность к усилению сигнала - за счёт киназ).3) Адаптация (снятие сигнала при окончании его действия - дефосфорилирование).4) Интеграция (способность к объединению сигналов).9.
Усиление и объединение сигнала. Каскад фосфокиназ.В предыдущем вопросе...10. Модель нейронной сети. Нелинейность функции выхода, обучаемость,устойчивость.Нейронные сети – это одно из направлений исследований в области искусственногоинтеллекта, основанное на попытках воспроизвести нервную систему человека. А именно:способность нервной системы обучаться и исправлять ошибки, что должно позволитьсмоделировать, хотя и достаточно грубо, работу человеческого мозга.Иску́сственные нейро́нные се́ти (ИНС) — математические модели, а также ихпрограммные или аппаратные реализации, построенные по принципу организации ифункционирования биологических нейронных сетей — сетей нервных клеток живогоорганизма.
Это понятие возникло при изучении процессов, протекающих в мозге, и припопытке смоделировать эти процессы. Первой такой попыткой были нейронные сетиМаккалока и Питтса. Впоследствии, после разработки алгоритмов обучения, получаемыемодели стали использовать в практических целях: в задачах прогнозирования, дляраспознавания образов, в задачах управления и др.ИНС представляют собой систему соединённых и взаимодействующих между собойпростых процессоров (искусственных нейронов). Такие процессоры обычно довольнопросты, особенно в сравнении с процессорами, используемыми в персональныхкомпьютерах. Каждый процессор подобной сети имеет дело только с сигналами, которыеон периодически получает, и сигналами, которые он периодически посылает другимпроцессорам.
И тем не менее, будучи соединёнными в достаточно большую сеть суправляемым взаимодействием, такие локально простые процессоры вместе способнывыполнять довольно сложные задачи.Нейронные сети не программируются в привычном смысле этого слова, они обучаются.Возможность обучения — одно из главных преимуществ нейронных сетей передтрадиционными алгоритмами. Технически обучение заключается в нахождениикоэффициентов связей между нейронами. В процессе обучения нейронная сеть способна39выявлять сложные зависимости между входными данными и выходными, а такжевыполнять обобщение.
Это значит, что в случае успешного обучения сеть сможет вернутьверный результат на основании данных, которые отсутствовали в обучающей выборке, атакже неполных и/или «зашумленных», частично искаженных данных.В процессе обучения сеть в определенном порядке просматривает обучающую выборку.Порядок просмотра может быть последовательным, случайным и т. д.
Некоторые сети,обучающиеся без учителя, например, сети Хопфилда просматривают выборку только одинраз. Другие, например, сети Кохонена, а также сети, обучающиеся с учителем,просматривают выборку множество раз, при этом один полный проход по выборкеназывается эпохой обучения. При обучении с учителем набор исходных данных делят надве части — собственно обучающую выборку и тестовые данные; принцип разделенияможет быть произвольным.
Обучающие данные подаются сети для обучения, апроверочные используются для расчета ошибки сети (проверочные данные никогда дляобучения сети не применяются). Таким образом, если на проверочных данных ошибкауменьшается, то сеть действительно выполняет обобщение. Если ошибка на обучающихданных продолжает уменьшаться, а ошибка на тестовых данных увеличивается, значит,сеть перестала выполнять обобщение и просто «запоминает» обучающие данные. Этоявление называется переобучением сети или оверфиттингом.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
