# Hypercycle: หลักการของการจัดระเบียบตนเองตามธรรมชาติ บันทึกการบรรยาย
บทเรียน: 1 · สไลด์: 11
## คู่มือการอ่าน
- [บทที่ 3 | หัวข้อ: เกณฑ์ความผิดพลาดและหน่วยการจำลองแบบเริ่มต้น](#lecture-lesson-1)
---
## บทที่ 3 | หัวข้อ: เกณฑ์ความผิดพลาดและหน่วยการจำลองแบบเริ่มต้น
### เกณฑ์ความผิดพลาดและหน่วยการจำลองแบบเริ่มต้น
*หน้า 1*
> **วัตถุประสงค์ของหน้า:** เกมวิวัฒนาการประโยคแสดงให้เห็นว่าข้อมูลที่เสถียรจะอยู่รอดได้ก็ต่อเมื่อความแม่นยำในการคัดลอก ข้อได้เปรียบในการคัดเลือก และความยาวของลำดับ สอดคล้องกับความสัมพันธ์ของเกณฑ์ความผิดพลาด งานทดลองกับฟาจ Qβ และการพิสูจน์อักษรของ DNA แสดงให้เห็นว่าตัวจำลองแบบจริงเข้าใกล้ขีดจำกัดนั้นอย่างไร ในขณะที่การค้นหาหน่วยการจำลองแบบที่เสถียรหน่วยแรกชี้ไปที่โมเลกุลคล้าย tRNA และความจำเป็นของการเชื่อมโยงเชิงหน้าที่แบบวัฏจักร
**ประเด็นการสอน**
- อธิบายว่าเกมวิวัฒนาการประโยคทดสอบเกณฑ์ความผิดพลาดสำหรับข้อมูลที่เสถียรอย่างไร
- ใช้ q̄m, σm และ vm เพื่อทำนายว่าลำดับที่มีความหมายจะถูกรักษาไว้หรือสูญหาย
- อธิบายการทดลองการกลายพันธุ์ของฟาจ Qβ และนัยที่มีต่อการกระจายตัวของไวลด์ไทป์และมิวแทนต์
- เปรียบเทียบความเที่ยงตรงของการจำลองแบบ RNA กับการพิสูจน์อักษรและการรวมตัวใหม่ของ DNA
วัตถุประสงค์ของหน้า
อธิบายว่าเกมวิวัฒนาการประโยคทดสอบเกณฑ์ความผิดพลาดสำหรับข้อมูลที่เสถียรอย่างไร และเชื่อมโยงเกณฑ์นั้นกับตัวจำลองแบบในการทดลอง ความเที่ยงตรงของการจำลองแบบ และการค้นหาหน่วยการจำลองแบบเริ่มต้นที่เสถียร
ประเด็นการสอน
1. เกมวิวัฒนาการประโยค มองประโยคที่มีความหมายเป็นจีโนมอย่างง่าย ในแต่ละรอบการจำลองแบบ ตัวอักษรจะถูกคัดลอกด้วยความแม่นยำระดับหนึ่ง
ข้อผิดพลาดสามารถเปลี่ยนความหมายได้ ประโยคมีข้อได้เปรียบในการคัดเลือกเพราะยังคงทำงานได้ ในขณะที่มิวแทนต์อาจมีความฟิตน้อยกว่าหรือไม่มีความหมาย ข้อมูลที่เสถียรจะอยู่รอดได้ก็ต่อเมื่อความแม่นยำในการคัดลอก ข้อได้เปรียบในการคัดเลือก และความยาวของลำดับมีความสมดุล นี่คือเกณฑ์ความผิดพลาด: หากมีข้อผิดพลาดต่อการจำลองแบบมากเกินไป หรือลำดับยาวเกินไป การคัดเลือกไม่สามารถรักษาลำดับที่มีความหมายให้สมบูรณ์ได้ ใช้ q̄m, σm และ vm เพื่อตัดสินผลลัพธ์ ความเที่ยงตรงสูงและข้อได้เปรียบในการคัดเลือกที่แข็งแกร่งสนับสนุนการรักษาลำดับมาสเตอร์
ความเที่ยงตรงต่ำ ข้อได้เปรียบอ่อน หรือความยาวมากกว่าจะดันประชากรให้เกินเกณฑ์ ข้อมูลดั้งเดิมจึงสูญหายและการกระจายตัวของมิวแทนต์แบบกว้างจะเข้ามาแทนที่
2. การกลายพันธุ์ของฟาจ Qβ การทดลองกับฟาจ Qβ แสดงให้เห็นเกณฑ์ในการปฏิบัติ เมื่ออัตราการกลายพันธุ์เพิ่มขึ้น ลำดับไวลด์ไทป์สูญเสียความเด่นและการกระจายตัวของมิวแทนต์ขยายออก หากการกลายพันธุ์อยู่ในระดับปานกลาง ประชากรอาจยังคงมีแกนไวลด์ไทป์ที่recognizableได้
เมื่อความเที่ยงตรงลดลงอีก ไวลด์ไทป์จะถูกกลบ การกระจายตัวของไวลด์ไทป์เทียบกับมิวแทนต์จึงทำหน้าที่เป็นตัวอ่านค่าภาคปฏิบัติว่าตัวจำลองแบบเข้าใกล้เกณฑ์ความผิดพลาดมากเพียงใด สิ่งนี้สนับสนุนแนวคิดที่ว่าตัวจำลองแบบ RNA สามารถทนต่อความแปรผันได้บ้างแต่ไม่ใช่ข้อผิดพลาดไม่จำกัด
3. การจำลองแบบ RNA เทียบกับการพิสูจน์อักษรและการรวมตัวใหม่ของ DNA การจำลองแบบ RNA มีแนวโน้มเกิดข้อผิดพลาดได้ง่ายกว่าและขาดการพิสูจน์อักษรและการซ่อมแซมอย่างกว้างขวางที่มีใน DNA ความแตกต่างนี้ช่วยอธิบายว่าทำไมจีโนม RNA จึงมักสั้น และทำไมไวรัส RNA จึงสามารถปรับตัวได้อย่างรวดเร็วแต่ก็เสี่ยงต่อภัยพิบัติจากข้อผิดพลาดภายใต้การกลายพันธุ์ ในทางตรงกันข้าม การจำลองแบบ DNA สามารถใช้การพิสูจน์อักษรและการซ่อมแซมเพื่อรักษาจีโนมขนาดใหญ่ได้ ในขณะที่การรวมตัวใหม่สามารถสับเปลี่ยนความแปรผันโดยไม่จำเป็นต้องเพิ่มอัตราการกลายพันธุ์ ลักษณะเหล่านี้ส่งผลต่อขนาดจีโนม ความเสถียร และกลยุทธ์เชิงวิวัฒนาการ
4. หน่วยการจำลองแบบเริ่มต้น ตัวจำลองแบบที่เสถียรหน่วยแรกต้องตอบสนองสองความต้องการพร้อมกัน: บรรทุกข้อมูลและส่งเสริมการจำลองแบบหรือการประมวลผลของตนเอง โมเลกุลคล้าย tRNA เป็นตัวเลือกที่เป็นไปได้เพราะสามารถพับเป็นรูปร่างที่ใช้งานได้และปฏิสัมพันธ์กับ RNA ในลักษณะที่อาจสนับสนุนการจำลองแบบเริ่มต้น อย่างไรก็ตาม โมเลกุลที่เพียงแค่เก็บข้อมูลหรือเพียงแค่เร่งปฏิกิริยาไม่เพียงพอ ระบบต้องการการเชื่อมโยงเชิงหน้าที่แบบวัฏจักร หมายความว่าตัวจำลองแบบต้องเป็นส่วนหนึ่งของวัฏจักรที่เชื่อมโยงลำดับของมันกับการจำลองแบบ หากไม่มีการเชื่อมโยงนั้น หน่วยจะไม่สามารถดำรงตนข้ามรุ่นได้ การค้นหาหน่วยการจำลองแบบเริ่มต้นจึงมุ่งเน้นไปที่โมเลกุลและกลไกที่ปิดวงจรนี้
ตรวจสอบความเข้าใจ
ขอให้นักเรียนอธิบายว่าทำไมจีโนม RNA ที่ยาวกว่าจึงเสี่ยงต่อเกณฑ์ความผิดพลาดมากกว่าที่สั้นกว่า โดยใช้ความสมดุลระหว่าง q̄m, σm และ vm จากนั้นถามว่าทำไมโมเลกุลคล้าย tRNA จึงถือเป็นตัวจำลองแบบเริ่มต้นที่เป็นไปได้ และการเชื่อมโยงเชิงหน้าที่แบบวัฏจักรเพิ่มอะไร แนวทางการตอบควรกล่าวถึงว่าความยาวที่มากขึ้นเพิ่มโอกาสของข้อผิดพลาดในการคัดลอก การพิสูจน์อักษรเปลี่ยนความสมดุลใน DNA การกลายพันธุ์ Qβ เปลี่ยนการกระจายตัวของไวลด์ไทป์และมิวแทนต์ และการเชื่อมโยงแบบวัฏจักรทำให้ข้อมูลและหน้าที่เชิงเร่งปฏิกิริยาเสริมซึ่งกันและกันแทนที่จะแยกจากกัน
ช่วงเปลี่ยนผ่าน
เมื่อเกณฑ์ความผิดพลาดและข้อจำกัดของตัวจำลองแบบเริ่มต้นได้รับการestablishแล้ว ขั้นตอนต่อไปคือการดูว่าหลักการเหล่านี้กำหนดกลยุทธ์การจำลองแบบเฉพาะ ขนาดจีโนม หรือสถานการณ์กำเนิดชีวิตอย่างไร
### ทำไมเกณฑ์ความผิดพลาดจึงควบคุมข้อมูลที่เสถียร
*หน้า 2*
> **วัตถุประสงค์ของหน้า:** ผู้เรียนควรเข้าใจว่าทำไมความแม่นยำในการคัดลอก ข้อได้เปรียบในการคัดเลือก และความยาวของลำดับ จึงร่วมกันกำหนดว่าลำดับโมเลกุลที่มีความหมายสามารถถูกรักษาไว้ได้หรือไม่
**ประเด็นการสอน**
- จดจำอสมการหนึ่ง: q̄ₘ^vₘ · σₘ > 1 หรือเทียบเท่า q̄ₘ > σₘ^(−1/vₘ) ตัวประกอบ q̄ₘ^vₘ คือความน่าจะเป็นที่สำเนาทั้งชุดจะปราศจากข้อผิดพลาด และ σₘ คือส่วนต่างในการคัดเลือกที่จ่ายให้กับสำเนาที่ผิดพลาดแต่ยังคงถูกรักษาไว้
- ทุกสัญลักษณ์ที่เพิ่มเข้ามาจะคูณความน่าจะเป็นของการคัดลอกที่ปราศจากข้อผิดพลาดด้วย q̄ₘ ดังนั้นการเพิ่มความเที่ยงตรงเพียงเล็กน้อยจึงสำคัญมากขึ้นเมื่อความยาวมากขึ้น ที่ vₘ = 100 กับ σₘ = 2 การเลื่อน q̄ₘ จาก 0.99 เป็น 0.999 เปลี่ยน σₘ · q̄ₘ^vₘ จาก ≈ 0.73 (สูญหาย) เป็น ≈ 1.81 (รักษาไว้)
- เกณฑ์แบบคลาสสิกสันนิษฐานว่าประชากรมีขนาดใหญ่ การจัดระเบียบคงที่ และภูมิทัศน์ความฟิตแบบยอดเดียว ประชากรจำกัด ความเป็นกลาง การกลายพันธุ์ชดเชย และภูมิทัศน์ขรุขระทำให้ขอบเขตเบลอแต่ไม่ได้ลบข้อจำกัดพื้นฐาน ดังนั้นให้ถืออสมการนี้เป็นเงื่อนไขการออกแบบที่ผูกมัดมากกว่าจะเป็นสวิตช์เปิด/ปิดที่คมชัด
วัตถุประสงค์ของหน้า
เข้าใจว่าทำไมความแม่นยำในการคัดลอก ข้อได้เปรียบในการคัดเลือก และความยาวของลำดับ จึงร่วมกันกำหนดว่าลำดับโมเลกุลที่มีความหมายสามารถถูกรักษาไว้ได้หรือไม่
ประเด็นการสอน
ข้อมูลโมเลกุลไม่ได้ถูกรักษาไว้โดยอัตโนมัติ การจำลองแบบ การกลายพันธุ์ การเชื่อมโยงเชิงเร่งปฏิกิริยา และข้อได้เปรียบในการคัดเลือกเป็นคุณสมบัติที่กำหนดไว้ของระบบเคมีเฉพาะ ไม่ใช่คุณลักษณะสากลของสสารใดๆ เมื่อระบบที่จำลองแบบได้เกิดขึ้น ความสามารถในการรักษาลำดับที่มีความหมายขึ้นอยู่กับความสมดุลเชิงปริมาณ: ข้อผิดพลาดที่เกิดขึ้นระหว่างการคัดลอกต้องได้รับการยอมรับจากข้อได้เปรียบในการคัดเลือกที่ลำดับที่มีความหมายมีเหนือกลุ่มมิวแทนต์ของมัน
สำหรับลำดับมาสเตอร์ที่มีความยาว vₘ ความเที่ยงตรงเฉลี่ยต่อสัญลักษณ์ q̄ₘ และข้อได้เปรียบในการคัดเลือก σₘ เหนือมิวแทนต์เฉลี่ย เงื่อนไขการรักษาคือ:
q̄ₘ^vₘ · σₘ > 1
หรือเทียบเท่า
q̄ₘ > σₘ^(-1/vₘ)
ในที่นี้ q̄ₘ^vₘ คือความน่าจะเป็นที่สำเนาทั้งชุดจะปราศจากข้อผิดพลาด และมันลดลงแบบเอกซ์โพเนนเชียลเมื่อ vₘ เพิ่มขึ้น ตัวประกอบ σₘ คือส่วนต่างในการคัดเลือกที่ยอมรับสำเนาที่ผิดพลาดแต่ยังคงถูกรักษาไว้ เกณฑ์ความผิดพลาดคือขอบเขต q̄ₘ^vₘ · σₘ = 1
เหนือและใต้เกณฑ์
เหนือเกณฑ์ การคัดเลือกทำให้ประชากรกระจุกตัวรอบลำดับที่มีความหมาย: ยอด quasi-species ที่เสถียรถูกคงไว้ และบุคคลส่วนใหญ่ยังคงสืบเชื้อสายจากลำดับมาสเตอร์ ใต้เกณฑ์ ลำดับมาสเตอร์ไม่สามารถแยกแยะจากมิวแทนต์ได้
ประชากร delocalize ไปสู่การกระจายตัวของมิวแทนต์แบบกว้างและข้อมูลที่เข้ารหัสสูญหาย — ภัยพิบัติจากข้อผิดพลาด การเปลี่ยนผ่านคล้ายการเปลี่ยนสถานะ แยกสถานะที่เป็นระเบียบซึ่งบรรทุกข้อมูลออกจากกลุ่มมิวแทนต์ที่ไม่เป็นระเบียบ
ทำไมความยาวและข้อได้เปรียบจึงแลกเปลี่ยนกัน
เนื่องจาก q̄ₘ^vₘ เป็นเอกซ์โพเนนเชียลใน vₘ ลำดับที่ยาวกว่าจึงต้องการความเที่ยงตรงที่สูงขึ้นแบบเอกซ์โพเนนเชียล σₘ ที่ใหญ่ขึ้นกลับอนุญาตให้ vₘ ยาวขึ้นหรือ q̄ₘ ต่ำลง การแลกเปลี่ยนนี้จำกัดความยาวของตัวจำลองแบบเริ่มต้น: ด้วยความเที่ยงตรงที่สมจริงในยุคก่อนชีวิต มีเพียงลำดับสั้นๆ เท่านั้นที่สามารถรักษาได้ ซึ่งกระตุ้นการจัดระเบียบระดับสูงขึ้นเช่น hypercycle ที่ตัวจำลองแบบสั้นหลายตัวเชื่อมโยงกันเป็นเครือข่ายที่ถูกคัดเลือกร่วมกัน
ตัวอย่างที่คำนวณ
ให้ vₘ = 100 และ σₘ = 2 ด้วย q̄ₘ = 0.99, q̄ₘ^vₘ ≈ 0.366 และ σₘ · q̄ₘ^vₘ ≈ 0.73 1 จึงสามารถรักษาไว้ได้ การเปลี่ยนหนึ่งส่วนในพันต่อสัญลักษณ์พลิกผลลัพธ์ และความไวเพิ่มขึ้นตาม vₘ
สมมติฐานและขีดจำกัด
เกณฑ์แบบคลาสสิกสันนิษฐานว่าประชากรมีขนาดใหญ่ การจัดระเบียบคงที่ และภูมิทัศน์ความฟิตแบบยอดเดียว ประชากรจำกัด ความเป็นกลาง การกลายพันธุ์ชดเชย และภูมิทัศน์ขรุขระทำให้การเปลี่ยนผ่านเบลอแต่ไม่ได้ลบข้อจำกัดพื้นฐาน ให้ถืออสมการนี้เป็นเงื่อนไขการออกแบบที่ผูกมัดมากกว่าจะเป็นสวิตช์เปิด/ปิดที่คมชัด
คำศัพท์สำคัญ
ความเที่ยงตรงเฉลี่ย q̄ₘ — ความน่าจะเป็นเฉลี่ยในการคัดลอกหนึ่งสัญลักษณ์อย่างถูกต้อง
ความยาวลำดับ vₘ — จำนวนสัญลักษณ์ที่ต้องคัดลอกอย่างถูกต้องทั้งหมด
ข้อได้เปรียบในการคัดเลือก σₘ — ลำดับมาสเตอร์จำลองแบบเร็วกว่าสมาชิกเฉลี่ยของกลุ่มมิวแทนต์มากเพียงใด
สัญญาณภาพ
แผนภาพเฟสพล็อตความยาวลำดับ vₘ บนแกน x และความเที่ยงตรงเฉลี่ยต่อสัญลักษณ์ q̄ₘ บนแกน y เส้นโค้งสำหรับ σₘ = 2, 5, 10 ทำเครื่องหมายขอบเขตเกณฑ์ บริเวณเหนือเส้นโค้งแต่ละเส้น (ความเที่ยงตรงสูงกว่า ความยาวสั้นกว่า) ถูกกำกับว่า 'ข้อมูลที่เสถียร' ในขณะที่บริเวณใต้เส้นโค้งคือ 'ภัยพิบัติจากข้อผิดพลาด' แถบสีเหลืองบ่งชี้ว่า 'เสถียรเฉพาะเมื่อ σₘ มาก' แผนภาพรวมตัวอย่างที่คำนวณด้วย vₘ = 100, σₘ = 2 แสดงจุดสำหรับผลลัพธ์ที่รักษาไว้ (สีเขียว) และสูญหาย (สีแดง)
แนวทางการฝึกปฏิบัติ
พื้นฐานโมเลกุลของการคัดเลือกและวิวัฒนาการคือคุณสมบัติที่กำหนดไว้เช่น การจำลองแบบ การกลายพันธุ์ การเชื่อมโยงเชิงเร่งปฏิกิริยา และข้อได้เปรียบในการคัดเลือก สิ่งเหล่านี้ไม่ใช่สากลสำหรับสสารใดๆ
สำหรับ vₘ = 100, q̄ₘ = 0.99, σₘ = 2 คำนวณ q̄ₘ^vₘ ≈ 0.366 และ σₘ · q̄ₘ^vₘ ≈ 0.73 < 1 ดังนั้นลำดับสูญหาย
ใต้เกณฑ์ ประชากร delocalize ไปสู่การกระจายตัวของมิวแทนต์แบบกว้างและข้อมูลสูญหาย
การเพิ่ม vₘ ต้องการความเที่ยงตรงที่สูงขึ้นแบบเอกซ์โพเนนเชียลเพราะ q̄ₘ^vₘ ต้องอยู่เหนือ 1/σₘ
เกณฑ์แบบคลาสสิกสันนิษฐานว่าประชากรมีขนาดใหญ่ การจัดระเบียบคงที่ และภูมิทัศน์แบบยอดเดียว ประชากรจำกัด ความเป็นกลาง และภูมิทัศน์ขรุขระทำให้เบลอแต่ไม่ได้ลบข้อจำกัด
ไรโบไซม์ตัวจำลองแบบ 100 สัญลักษณ์
ให้ vₘ = 100, q̄ₘ = 0.995, σₘ = 1.5:
1. q̄ₘ^vₘ = 0.995^100 ≈ 0.606, σₘ · q̄ₘ^vₘ ≈ 0.909 < 1 ระบบอยู่ใต้เกณฑ์ ข้อมูลสูญหาย
(a) เพิ่มความเที่ยงตรงเป็น q̄ₘ > σₘ^(-1/vₘ) ≈ 0.99595 เช่น q̄ₘ = 0.997 ให้ σₘ · q̄ₘ^vₘ ≈ 1.11 > 1; (b) เพิ่ม σₘ ผ่านการแบ่งช่องหรือการจำลองแบบที่เร็วขึ้น; (c) ย่อจีโนมเพื่อลดบทลงโทษแบบเอกซ์โพเนนเชียล
ตรวจสอบความเข้าใจ
ขอให้ผู้เรียนคำนวณ q̄ₘ^vₘ · σₘ สำหรับชุดพารามิเตอร์ที่กำหนดและระบุว่าลำดับมาสเตอร์ถูกรักษาไว้หรือไม่ ตัวอย่างเช่น vₘ = 50, q̄ₘ = 0.99, σₘ = 2: q̄ₘ^vₘ ≈ 0.605, σₘ · q̄ₘ^vₘ ≈ 1.21 > 1 จึงรักษาไว้
ช่วงเปลี่ยนผ่าน
เมื่อเราได้establishเกณฑ์ความผิดพลาดเป็นเงื่อนไขสำหรับข้อมูลที่เสถียรแล้ว เราจะตรวจสอบระบบทดลอง—เช่น การกลายพันธุ์ของฟาจ Qβ และการพิสูจน์อักษรของ DNA—ที่เข้าใกล้ขีดจำกัดนี้ และสำรวจว่าตัวจำลองแบบเริ่มต้นสามารถบรรลุความเที่ยงตรงหรือการจัดระเบียบที่เพียงพอเพื่อรักษาลำดับที่มีความหมายได้อย่างไร
### เกมวิวัฒนาการประโยคและเกณฑ์ความผิดพลาด
*หน้า 3*
> **วัตถุประสงค์ของหน้า:** ผู้เรียนควรเข้าใจว่าเกมวิวัฒนาการประโยคทดสอบว่าลำดับที่มีความหมายอยู่รอดจากข้อผิดพลาดในการคัดลอกภายใต้ข้อได้เปรียบในการคัดเลือกหรือไม่
> **วัตถุประสงค์ของหน้า**
>
> อธิบายว่าเกมวิวัฒนาการประโยคทดสอบเกณฑ์ความผิดพลาดสำหรับข้อมูลที่เสถียรอย่างไร—เมื่อลำดับที่มีความหมายสามารถถูกรักษาไว้โดยการคัดเลือกแม้มีข้อผิดพลาดในการคัดลอก และเมื่อมัน collapses ไปเป็นกลุ่มมิวแทนต์
> **ลำดับการสอน**
>
> ประโยคที่มีความหมายแทนไบโอพอลิเมอร์ที่ทำงานได้ ความหมายของมันขึ้นอยู่กับลำดับตัวอักษรที่แน่นอน ดังนั้นข้อผิดพลาดในการคัดลอกจึงactedเหมือนการกลายพันธุ์และมักทำลายหน้าที่
>
> หากลำดับมี ν ตัวอักษรและ q คือความเที่ยงตรงต่อตัวอักษร ความน่าจะเป็นของสำเนาที่ปราศจากข้อผิดพลาดหนึ่งชุดคือ q^ν การเพิ่มความยาวหรือลดความเที่ยงตรงทำให้การถ่ายทอดที่แม่นยำมีโอกาสน้อยลงแบบเอกซ์โพเนนเชียล
>
> σ คือข้อได้เปรียบในการคัดเลือก ความฟิตของลำดับมาสเตอร์ที่มีความหมายเทียบกับกลุ่มมิวแทนต์ สำหรับโมเลกุล นี่อาจเป็นอัตราการจำลองแบบ การเร่งปฏิกิริยา หรือการอยู่รอดที่สูงขึ้นของลำดับที่ถูกต้องเทียบกับมิวแทนต์
>
> 4. ระบุการทดสอบเกณฑ์ความผิดพลาด: q^ν σ > 1 รักษาลำดับที่มีความหมาย; q^ν σ < 1 ทำให้เกิดภัยพิบัติจากข้อผิดพลาด สำหรับอัตราข้อผิดพลาดต่อตัวอักษรที่น้อย (1 - q) ความยาวที่ยั่งยืนโดยประมาณคือ ν < ln σ / (1 - q)
>
> 5. ทำตัวอย่างและจากนั้นอภิปรายสมมติฐานและการปรับปรุง
**ประเด็นการสอน**
- q^ν คือความน่าจะเป็นในการคัดลอก ไม่ใช่ความน่าจะเป็นในการอยู่รอด มันตอบคำถาม: สำเนาทั้งชุดมีสัดส่วนเท่าใดที่ปราศจากข้อผิดพลาด? มันเป็นพื้นฐานของด้านความเที่ยงตรงของเกณฑ์ σ คือความฟิตสัมพัทธ์ ไม่ใช่อัตราการจำลองแบบสัมบูรณ์ มันเปรียบเทียบลำดับที่ถูกต้องกับกลุ่มมิวแทนต์และสามารถสะท้อนความเร็วการจำลองแบบ ความสามารถเชิงเร่งปฏิกิริยา หรือการอยู่รอด อสมการ q^ν σ > 1 คือการทดสอบ เหนือเกณฑ์ การคัดเลือกสามารถยึดลำดับที่ทำงานได้ไว้ในประชากรร่วมกับมิวแทนต์ ใต้เกณฑ์ ประชากร delocalize ออกจากลำดับที่ทำงานได้และสลายไปเป็นกลุ่มมิวแทนต์—ภัยพิบัติจากข้อผิดพลาด พจน์เอกซ์โพเนนเชียลสำคัญที่สุดสำหรับลำดับยาว เพราะ q เข้ามาเป็น q^ν การปรับปรุงเล็กน้อยในความเที่ยงตรงต่อตัวอักษรสามารถรักษาลำดับที่ยาวขึ้นมากได้ การเพิ่ม σ เพียงอย่างเดียวขยายความยาวที่ยั่งยืนเพียงแบบลอการิทึม ดังนั้นความเที่ยงตรงเป็นข้อจำกัดที่แข็งแกร่งกว่าสำหรับจีโนมยาว ν = 100, q = 0.99, σ = 2 ให้ q^ν ≈ 0.366 ดังนั้น q^ν σ ≈ 0.73 1 และประโยคที่มีความหมายสามารถถูกรักษาไว้ได้ เกมพื้นฐานสันนิษฐานว่าข้อผิดพลาดเป็นอิสระและสม่ำเสมอ ลำดับมาสเตอร์เดียว การจัดระเบียบคงที่ และความหมายแบบทั้งหมดหรือไม่มีเลย เครือข่ายที่เป็นกลาง การรวมตัวใหม่ การแบ่งช่อง และการเชื่อมโยงแบบ hypercyclic สามารถเปลี่ยนเกณฑ์ที่มีประสิทธิผลได้ การจัดระเบียบแบบ hypercyclic ต้องเคารพหรือบรรเทาข้อจำกัดนี้แทนที่จะเพิกเฉย
> **สัญญาณภาพ**
>
> - ใช้แผนภาพกิ่งเป็นหลักในการสอน ด้านสีเขียวแสดงพฤติกรรมเหนือเกณฑ์: ลำดับมาสเตอร์และสำเนาที่มีความหมายใกล้เคียงยังคงอยู่ในกลุ่มมิวแทนต์ ด้านสีแดงแสดงพฤติกรรมใต้เกณฑ์: ความหมายดั้งเดิมสูญหายเมื่อประชากรขยายไปเป็นกลุ่มมิวแทนต์ ชี้ให้เห็นว่าแผนภาพไม่ได้เกี่ยวกับสำเนาที่เสียเพียงชุดเดียว
> - แต่เกี่ยวกับชะตากรรมของข้อมูลในระดับประชากรข้ามรุ่น
**แนวทางการฝึกปฏิบัติ**
q^ν แทนอะไร? มันคือความน่าจะเป็นที่สำเนาทั้งชุดปราศจากข้อผิดพลาด เน้นว่า q คือความเที่ยงตรงต่อตัวอักษร ดังนั้นตัวอักษรทั้ง ν ตัวต้องถูกคัดลอกอย่างถูกต้อง หากนักเรียนเลือกการอยู่รอดหรือจำนวนการกลายพันธุ์ ให้เปลี่ยนเส้นทางไปที่ความแม่นยำในการคัดลอก
σ เปรียบเทียบอะไร?
มันเปรียบเทียบความฟิตของประโยคที่มีความหมายเทียบกับกลุ่มมิวแทนต์ มันไม่ใช่ความยาวลำดับ อัตราการกลายพันธุ์จากสิ่งแวดล้อม หรือความเที่ยงตรงในการคัดลอก ข้อเสนอแนะที่ถูกต้อง: σ คือความฟิตสัมพัทธ์—การจำลองแบบ การเร่งปฏิกิริยา หรือการอยู่รอดที่สูงขึ้นของลำดับที่ถูกต้อง
ข้อได้เปรียบในการคัดเลือกหมายถึงอะไรสำหรับโมเลกุล? มันหมายถึงอัตราการจำลองแบบ การเร่งปฏิกิริยา หรือการอยู่รอดที่สูงขึ้นของลำดับที่ถูกต้องเทียบกับมิวแทนต์ มันไม่ใช่ขนาดประชากรหรืออัตราการกลายพันธุ์ที่ต่ำลงเพียงอย่างเดียว
หาก ν = 100, q = 0.99, σ = 2 และ q^ν σ ≈ 0.73 จะเกิดอะไรขึ้น? เนื่องจากผลคูณน้อยกว่า 1 ประโยคที่มีความหมายอยู่ใต้เกณฑ์และสูญหาย ให้ students ตรวจสอบอสมการอย่างชัดเจนก่อนตัดสินใจ
การเปลี่ยนแปลงใดขยายความยาวที่ยั่งยืนได้อย่างมีประสิทธิภาพที่สุด?การเพิ่มความเที่ยงตรงในการคัดลอกต่อตัวอักษร q เพราะ q เข้ามาแบบเอกซ์โพเนนเชียลผ่าน q^ν มันขยายความยาวที่ยั่งยืนได้อย่างมาก
การเพิ่ม σ ช่วยได้เพียงแบบลอการิทึม ในขณะที่ ν ที่ยาวขึ้นหรืออัตราการกลายพันธุ์ที่สูงขึ้นทำให้เกณฑ์แย่ลง
แนวทางการศึกษาเฉพาะกรณี:
สำหรับสายพันธุ์ A, q^ν = 0.99^120 ≈ 0.299 ดังนั้น q^ν σ ≈ 0.598 1 สายพันธุ์ B อยู่เหนือเกณฑ์และสามารถรักษาลำดับที่ทำงานได้ หากทีมไม่สามารถเพิ่ม q ได้อีก ให้อภิปรายการแบ่งช่อง (เชื่อมโยงการจำลองแบบและการคัดเลือกในท้องถิ่น) การรวมตัวใหม่และเครือข่ายที่เป็นกลาง (สำรวจพื้นที่ลำดับขณะรักษา motif ที่ทำงานได้) การเชื่อมโยงแบบ hypercyclic (การคัดเลือกแบบไม่เชิงเส้นที่สนับสนุนชุดที่ทำงานร่วมกัน) และการย่อลำดับที่ทำงานเพื่อลด ν กลไกเหล่านี้ไม่ได้ลบเกณฑ์ แต่สามารถเปลี่ยนเงื่อนไขที่มีประสิทธิผลซึ่งข้อมูลที่เสถียรยังคงอยู่
**ตรวจสอบความเข้าใจ**
ขอให้นักเรียนอธิบายด้วยคำพูดของตนเองว่าทำไม σ เพียงอย่างเดียวไม่สามารถช่วยลำดับที่ยาวมากเมื่อ q ต่ำ และทำไมการเพิ่ม q เล็กน้อยจึงมีผลมาก คำตอบที่แข็งแกร่งควรกล่าวถึง q^ν บทลงโทษแบบเอกซ์โพเนนเชียลของความยาว ลักษณะสัมพัทธ์ของ σ และความหมายระดับประชากรของภัยพิบัติจากข้อผิดพลาด
> **ช่วงเปลี่ยนผ่าน**
>
> เมื่อผู้เรียนสามารถใช้การทดสอบ q^ν σ > 1 และอธิบายภัยพิบัติจากข้อผิดพลาดได้แล้ว ให้ไปที่ตัวอย่างการทดลองและโมเลกุล—การกลายพันธุ์ของฟาจ Qβ ความเที่ยงตรงของการจำลองแบบ RNA การพิสูจน์อักษรของ DNA และการค้นหาหน่วยการจำลองแบบเริ่มต้นที่เสถียร หน้านี้ให้เกณฑ์เชิงนามธรรมที่ตัวอย่างเหล่านั้นต้องตอบสนองหรือบรรเทา
### การประยุกต์ใช้ q̄m, σm และ vm เพื่อทำนายการสูญหายของข้อมูล
*หน้า 4*
> **วัตถุประสงค์ของหน้า:** ผู้เรียนควรสามารถใช้ q̄m, σm และ vm เพื่อทำนายว่าลำดับที่มีความหมายถูกรักษาไว้หรือสูญหาย
> **วัตถุประสงค์ของหน้า**
>
> ใช้ q̄ₘ, σₘ และ vₘ เพื่อทำนายว่าลำดับที่มีความหมายถูกรักษาไว้หรือสูญหายภายใต้กรอบ quasispecies และการจัดระเบียบคงที่
**ประเด็นการสอน**
- การทำนายศูนย์กลางอยู่ที่ผลคูณ q̄ₘ^vₘ σₘ ในที่นี้ q̄ₘ คือความแม่นยำเฉลี่ยในการคัดลอกต่อสัญลักษณ์หรือนิวคลีโอไทด์ ความน่าจะเป็นในการคัดลอกลำดับ vₘ สัญลักษณ์ทั้งหมดอย่างซื่อสัตย์คือ q̄ₘ^vₘ ดังนั้นบทลงโทษด้านความเที่ยงตรงจึงเพิ่มขึ้นแบบเอกซ์โพเนนเชียลเมื่อความยาวลำดับเพิ่มขึ้น σₘ คือข้อได้เปรียบในการคัดเลือกของลำดับที่มีความหมายเหนือมิวแทนต์
- σₘ ที่ใหญ่ขึ้นเพิ่มภาระการกลายพันธุ์ที่ยอมรับได้และอนุญาตให้รักษาลำดับที่ยาวขึ้นได้ vₘ คือความยาวลำดับหรือจำนวนสัญลักษณ์ที่ต้องรักษา
- vₘ ที่ยาวขึ้นเพิ่มเป้าหมายการกลายพันธุ์และลดอัตราข้อผิดพลาดต่อสัญลักษณ์สูงสุดที่ยอมรับได้ รักษาข้อมูลหาก q̄ₘ^vₘ σₘ > 1 สูญเสียข้อมูลหาก q̄ₘ^vₘ σₘ 1 ดังนั้นข้อมูลถูกรักษาไว้ ลำดับที่มี vₘ = 5000 ให้ q̄ₘ^vₘ σₘ ≈ 0.67 < 1 ดังนั้นข้อมูลสูญหาย เน้นว่าผลคูณไม่ใช่แค่คะแนน
- มันคือเกณฑ์ เมื่อมันลดลงต่ำกว่า 1 การคัดเลือกไม่สามารถยึดลำดับไวลด์ไทป์ไว้กับกลุ่มมิวแทนต์ได้อีกต่อไป และประชากร delocalize ในพื้นที่ลำดับ
> **สัญญาณภาพ**
>
> - พล็อตแสดง vₘ บนแกนตั้งและ q̄ₘ บนแกนนอน โดยมีเส้นโค้งสำหรับ σₘ = 10, 100 และ 1000 บริเวณเหนือเส้นโค้ง vₘₐₓ แทนการรวมพารามิเตอร์ที่สูญเสียข้อมูล เพราะ vₘ เกิน vₘₐₓ และ q̄ₘ^vₘ σₘ 1 และ vₘ = 5000: 0.67 < 1 การทำนายนี้ใช้กับลำดับที่มีความหมายเด่นภายใต้การจัดระเบียบคงที่ โดยไม่มีการรวมตัวใหม่หรือการแบ่งช่อง มันทำนายการ delocalization ของ quasispecies มากกว่าการเสื่อมสลายทางกายภาพของโมเลกุล เพียงใต้เกณฑ์ ประชากรอาจสูญเสียลำดับที่มีความหมาย แต่โมเลกุลเองอาจยังคงสมบูรณ์ทางเคมี การรักษาได้รับการสนับสนุนจาก q̄ₘ ที่สูงขึ้น σₘ ที่สูงขึ้น หรือ vₘ ที่สั้นลง การสูญหายได้รับการสนับสนุนจาก q̄ₘ ที่ต่ำลง การคัดเลือกที่อ่อนลง หรือ vₘ ที่ยาวขึ้น ในโจทย์ ก่อนอื่นให้ระบุว่าคันโยกใดเปลี่ยนก่อนเปรียบเทียบ q̄ₘ^vₘ σₘ กับ 1
**แนวทางการฝึกปฏิบัติ**
คำตอบ Q1 คือ q̄ₘ ความแม่นยำในการคัดลอกต่อสัญลักษณ์ ข้อเสนอแนะควรมุ่งผลในส่วนที่เชื่อมโยง q̄ₘ กับความแม่นยำต่อสัญลักษณ์พร้อมสังเกตว่าความเที่ยงตรงของลำดับทั้งหมดคือ q̄ₘ^vₘ
σₘ คือข้อได้เปรียบในการคัดเลือก vₘ คือความยาวลำดับ และ vₘₐₓ คือความยาวสูงสุดที่รักษาได้ Q2 ต้องการคำนวณ 0.999^5000 × 100 ≈ 0.67 ซึ่งต่ำกว่า 1 ดังนั้นข้อมูลสูญหาย
เตือนนักเรียนว่าผลลัพธ์ที่ต่ำกว่า 1 ทำให้ลำดับอยู่เหนือเกณฑ์ความผิดพลาด Q3: ความเท่าเทียมหมายถึงประชากรอยู่ที่ขอบเขตเกณฑ์ความผิดพลาด ไม่ได้หมายความว่าลำดับถูกรักษาไว้อย่างไม่มีกำหนด Q4: สมมติฐานที่จำเป็นคือการจัดระเบียบคงที่โดยไม่มีการรวมตัวใหม่หรือช่อง Q5: บริเวณเหนือเส้นโค้ง vₘₐₓ แทนการรวมพารามิเตอร์ที่สูญเสียข้อมูล เพราะแรงกดดันจากการกลายพันธุ์ overwhelms การคัดเลือก
ในสถานการณ์ไรโบไซม์ตัวจำลองแบบด้วย vₘ = 3000, q̄ₘ = 0.9997 และ σₘ = 150 ใช้ q̄ₘ^vₘ ≈ exp(vₘ ln q̄ₘ) ในที่นี้ ln(0.9997) ≈ −0.000300045 ดังนั้น 3000 × (−0.000300045) ≈ −0.900135 และ q̄ₘ^vₘ ≈ 0.4065 คูณด้วย σₘ = 150 ให้ประมาณ 60.98 > 1 ดังนั้นลำดับถูกทำนายว่าจะถูกรักษาไว้ สำหรับพารามิเตอร์เหล่านี้ vₘₐₓ ≈ ln(150) / 0.0003 ≈ 16,702 สัญลักษณ์ ความยาว vₘ = 18,000 เกิน vₘₐₓ ดังนั้น q̄ₘ^vₘ σₘ < 1 และลำดับจะสูญเสียข้อมูลผ่านภัยพิบัติจากข้อผิดพลาด
**ตรวจสอบความเข้าใจ**
ขอให้นักเรียนระบุว่าตัวแปรใดเปลี่ยนในสถานการณ์แล้วตัดสินว่าผลคูณข้าม 1 หรือไม่ ข้อผิดพลาดทั่วไปคือการถือว่าความแม่นยำต่อสัญลักษณ์ที่สูงนั้นเพียงพอ
เตือนพวกเขาว่าต้นทุนความเที่ยงตรงเป็นเอกซ์โพเนนเชียลเมื่อ vₘ ยาว ข้อผิดพลาดทั่วไปอีกอย่างคือการสับสนเกณฑ์ความผิดพลาดกับการเสื่อมสลายของโมเลกุล ดังนั้นเน้นว่าเกณฑ์อธิบายการสูญเสียลำดับที่มีความหมายจากประชากร
> **ช่วงเปลี่ยนผ่าน**
>
> เมื่อนักเรียนสามารถใช้ q̄ₘ^vₘ σₘ เพื่อจำแนกข้อมูลที่รักษาไว้เทียบกับที่สูญหาย ให้ไปที่ตัวอย่างการทดลองและกลไกของความเที่ยงตรงในการจำลองแบบ การพิสูจน์อักษร และการรวมตัวใหม่
### การกลายพันธุ์ของฟาจ Qβ: การกระจายตัวของไวลด์ไทป์และมิวแทนต์
*หน้า 5*
> **วัตถุประสงค์ของหน้า:** ผู้เรียนควรเข้าใจว่าการทดลองการกลายพันธุ์ของฟาจ Qβ เปิดเผยการกระจายตัวของลำดับไวลด์ไทป์และมิวแทนต์ใกล้เกณฑ์ความผิดพลาดอย่างไร
**ประเด็นการสอน**
- อัตราการกลายพันธุ์คือความน่าจะเป็นของการกลายพันธุ์ต่อการจำลองแบบ ในขณะที่ระยะการกลายพันธุ์วัดว่าลำดับสะสมการกลายพันธุ์ไปแล้วกี่ครั้งเทียบกับไวลด์ไทป์ แกน x ในสเปกตรัมการตอบสนองต่อขนาดยาแสดงระยะการกลายพันธุ์
- เมื่อขนาดยาที่ทำให้กลายพันธุ์เพิ่มขึ้น การกระจายตัวเปลี่ยนจากยอดที่แหลมคมเป็นเส้นโค้งกว้างที่แบน รูปแบบภาพนี้สะท้อนการเปลี่ยนผ่านจากไวลด์ไทป์ที่เสถียรไปสู่ประชากรที่ delocalize ใกล้เกณฑ์ความผิดพลาดโดยตรง
- เงื่อนไขเกณฑ์ความผิดพลาดเกี่ยวข้องกับความเที่ยงตรงเฉลี่ยในการจำลองแบบ q̄m ข้อได้เปรียบในการคัดเลือกของลำดับมาสเตอร์ σm และความยาวจีโนม vm เมื่อ q̄m σm < 1 ข้อมูลไวลด์ไทป์ไม่สามารถรักษาไว้ได้ และประชากรเข้าใกล้เกณฑ์ความผิดพลาด
> **วัตถุประสงค์ของหน้า**
>
> เข้าใจว่าการทดลองการกลายพันธุ์ของฟาจ Qβ เปิดเผยการกระจายตัวของลำดับไวลด์ไทป์และมิวแทนต์ใกล้เกณฑ์ความผิดพลาดอย่างไร เมื่อจบคุณควรสามารถอ่านสเปกตรัมการตอบสนองต่อขนาดยาและอธิบายได้ว่าข้อมูลไวลด์ไทป์ถูกรักษาไว้หรือสูญหายเมื่อใด
> **ลำดับการสอน**
>
> 1. เริ่มจากระบบต้นแบบ ฟาจ Qβ เป็นไวรัส RNA และเป็นตัวจำลองแบบต้นแบบ เพราะมันจำลองแบบด้วยความเที่ยงตรงค่อนข้างต่ำ จึงเหมาะอย่างยิ่งสำหรับการศึกษาอัตราการกลายพันธุ์ ความเที่ยงตรงในการจำลองแบบ และภาระการกลายพันธุ์ ในการทดลองการกลายพันธุ์ การเพิ่มขนาดยาของสารเคมีที่ทำให้กลายพันธุ์จะเพิ่มอัตราการกลายพันธุ์ ทำให้ researchers สังเกตว่าประชากรไวรัสเคลื่อนออกจากไวลด์ไทป์อย่างไร
>
> 2. ชี้แจงปริมาณสองอย่างที่สับสนได้ง่าย อัตราการกลายพันธุ์คือความน่าจะเป็นของการกลายพันธุ์ต่อการจำลองแบบ ระยะการกลายพันธุ์คือจำนวนการกลายพันธุ์ที่ลำดับสะสมเทียบกับไวลด์ไทป์ ในสเปกตรัม แกน x คือระยะการกลายพันธุ์ ไม่ใช่อัตราการกลายพันธุ์
>
> แกน y คือความถี่สัมพัทธ์
>
> 3. อธิบายสเปกตรัมการตอบสนองต่อขนาดยา ที่ขนาดยาต่ำ การกระจายตัวเป็นยอดแหลมที่ศูนย์การกลายพันธุ์: ความเที่ยงตรงในการจำลองแบบสูงหมายความว่าลูกหลานส่วนใหญ่ตรงกับไวลด์ไทป์ โดยมีตัวแปรที่หายากเท่านั้น ที่ขนาดยาปานกลาง ยอดกว้างขึ้นและเลื่อนไปทางขวา แต่ยอดที่ชัดเจนยังคงอยู่ ที่ขนาดยาสูง การกระจายตัวกลายเป็นกว้างและเกือบแบน โดยไม่มียอดที่ discernible
>
> 4. ระบุข้อสังเกตสำคัญสามข้อ ไวลด์ไทป์ในฐานะการกระจายตัว: ไวลด์ไทป์ไม่ใช่ลำดับเดียวแต่เป็นกลุ่มของตัวแปรที่เกี่ยวข้องซึ่งมีศูนย์กลางอยู่ที่ลำดับมาสเตอร์ การขยายตามขนาดยา: เมื่อขนาดยาที่ทำให้กลายพันธุ์เพิ่มขึ้น กลุ่มมิวแทนต์ขยายและยอดไวลด์ไทป์กัดกร่อน เกณฑ์ความผิดพลาด: ที่อัตราการกลายพันธุ์สูงเพียงพอ ยอด collapses ทั้งหมดและประชากร delocalize
>
> 5. เชื่อมโยงกับทฤษฎี quasispecies การคัดเลือกสมดุลการกลายพันธุ์เพื่อรักษาการกระจายตัวของลำดับที่เสถียร เกณฑ์ความผิดพลาดคือขีดจำกัดที่เกินกว่าซึ่งข้อมูลทางพันธุกรรมไม่สามารถรักษาไว้ได้ เงื่อนไขเกี่ยวข้องกับความเที่ยงตรงเฉลี่ยในการจำลองแบบ q̄m ข้อได้เปรียบในการคัดเลือกของลำดับมาสเตอร์ σm และความยาวจีโนม vm เมื่อ q̄m σm < 1 ข้อมูลไวลด์ไทป์ไม่สามารถรักษาไว้ได้ และประชากรเข้าใกล้เกณฑ์ความผิดพลาด
> **สัญญาณภาพ**
>
> - กราฟพล็อตความถี่สัมพัทธ์เทียบกับระยะการกลายพันธุ์จากไวลด์ไทป์ จาก 0 ถึงประมาณ 30 การกลายพันธุ์ เส้นโค้งสามเส้นปรากฏ: สีน้ำเงิน ขนาดยาต่ำ มียอดสูงแคบใกล้ 0
> - สีส้ม ขนาดยาปานกลาง มียอดกว้างขึ้นเลื่อนไปทางขวา
> - สีแดง ขนาดยาสูง มีการกระจายตัวกว้าง ต่ำ เกือบแบน ป้ายระบุยอดไวลด์ไทป์ กลุ่มมิวแทนต์ที่ขยาย และการเข้าใกล้เกณฑ์ความผิดพลาด
**แนวทางการฝึกปฏิบัติ**
บทบาทหลักของฟาจ Qβ คือเป็นตัวจำลองแบบ RNA ที่ใช้ศึกษาอัตราการกลายพันธุ์ ไม่ใช่โฮสต์แบคทีเรีย เอนไซม์ซ่อมแซม หรือแม่แบบ DNA
เมื่อขนาดยาที่ทำให้กลายพันธุ์เพิ่มขึ้น ยอดไวลด์ไทป์กัดกร่อนเมื่อกลุ่มมิวแทนต์ขยาย
ภายใต้ทฤษฎี quasispecies ไวลด์ไทป์อธิบายได้ดีที่สุดว่าเป็นกลุ่มของตัวแปรที่เกี่ยวข้องรอบลำดับมาสเตอร์
เกณฑ์ความผิดพลาดคืออัตราที่เกินกว่าซึ่งข้อมูลไวลด์ไทป์สูญหาย
การเพิ่มขนาดยาที่ทำให้กลายพันธุ์ลดการรักษาจีโนมไวลด์ไทป์เพราะความเที่ยงตรงในการจำลองแบบลดลง
สำหรับแต่ละข้อในแบบทดสอบ ขอให้ผู้เรียนให้เหตุผลในการเลือกโดยใช้สเปกตรัมหรือเงื่อนไข q̄m σm < 1 ไม่ใช่แค่การระลึก
ที่ขนาดยาต่ำสุด ยอดแคบที่มีศูนย์กลางที่ศูนย์การกลายพันธุ์สะท้อนความเที่ยงตรงสูงและตัวแปรน้อย ที่ขนาดยาสูงสุด อัตราการกลายพันธุ์เกินเกณฑ์ความผิดพลาด ประชากร delocalize ไปเป็นกลุ่มมิวแทนต์กว้าง และการคัดเลือกไม่สามารถทำให้ลำดับมาสเตอร์เสถียรได้อีกต่อไป ดังนั้นข้อมูลทางพันธุกรรมสูญหาย
**ตรวจสอบความเข้าใจ**
ขอให้ผู้เรียนแยกแยะอัตราการกลายพันธุ์จากระยะการกลายพันธุ์ อธิบายว่าทำไมยอดไวลด์ไทป์แบนลงที่ขนาดยาสูง และระบุเป็นคำพูดว่า q̄m σm < 1 หมายความว่าอย่างไรสำหรับการรักษาจีโนม คำตอบที่แข็งแกร่งควรกล่าวว่าเมื่อผลคูณของความเที่ยงตรงในการจำลองแบบและข้อได้เปรียบในการคัดเลือกลดลงต่ำกว่า 1 การคัดเลือกไม่สามารถรักษาลำดับมาสเตอร์ได้
> **ช่วงเปลี่ยนผ่าน**
>
> กรณีนี้เตรียมการเปรียบเทียบระหว่างความเที่ยงตรงของการจำลองแบบ RNA การพิสูจน์อักษรของ DNA และการรวมตัวใหม่ในส่วนถัดไปของบทเรียน
### ความเที่ยงตรงของ RNA การพิสูจน์อักษรของ DNA และการรวมตัวใหม่
*หน้า 6*
> **วัตถุประสงค์ของหน้า:** ผู้เรียนควรเปรียบเทียบความเที่ยงตรงของการจำลองแบบ RNA กับการพิสูจน์อักษรของ DNA และการรวมตัวใหม่ในฐานะกลยุทธ์ในการรักษาข้อมูล
> **วัตถุประสงค์ของหน้า**
>
> เปรียบเทียบความเที่ยงตรงของการจำลองแบบ RNA กับการพิสูจน์อักษรของ DNA และการรวมตัวใหม่ในฐานะกลยุทธ์ในการรักษาข้อมูล
**ประเด็นการสอน**
- การจำลองแบบ RNA อาศัยเพียงการเลือกสรรจากการจับคู่เบสเท่านั้น รีพลิเคสโดยทั่วไปขาดโดเมน 3′→5′ เอกโซนิวคลีเอส ดังนั้นนิวคลีโอไทด์ที่ใส่ผิดจะไม่ถูกกำจัดและคงอยู่ในสายลูก อัตราข้อผิดพลาดต่อเบสสูง (ประมาณ 1 ต่อ 10^4 เบสที่คัดลอก) เนื่องจากเศษส่วนของลูกหลานที่ปราศจากข้อผิดพลาดลดลงเมื่อความยาวจีโนมเพิ่มขึ้น จีโนม RNA จึงยังคงกะทัดรัดและอยู่ใกล้เกณฑ์ความผิดพลาด การทดลองการกลายพันธุ์ของฟาจ Qβ แสดงให้เห็นสิ่งนี้: ประชากรปรากฏเป็นกลุ่มมิวแทนต์กว้างรอบลำดับมาสเตอร์แทนที่จะเป็นลำดับไวลด์ไทป์เดียว การจำลองแบบ DNA เพิ่มการพิสูจน์อักษร DNA polymerase มักมีกิจกรรม 3′→5′ เอกโซนิวคลีเอสที่ตรวจสอบปลาย 3′ ที่เพิ่งเพิ่มเข้าไป เมื่อตรวจพบการจับคู่ผิด มันจะกลับทิศทางและไฮโดรไลซ์นิวคลีโอไทด์ที่ไม่ถูกต้องก่อนการelongationจะดำเนินต่อ การพิสูจน์อักษรนี้ลดอัตราข้อผิดพลาดลงสองถึงสามอันดับ ในแง่ของเกณฑ์ความผิดพลาด ความแม่นยำต่อเบสที่สูงขึ้น q เพิ่มจีโนมที่ใหญ่ที่สุดที่การคัดเลือกสามารถรักษาไว้ได้: νmax ≈ ln σm / (1 − q) อัตราข้อผิดพลาดที่เล็กลง (1 − q) ผ่อนคลายข้อจำกัดและอนุญาตจีโนมที่ใหญ่ขึ้นพร้อมการถ่ายทอดที่เสถียร ตัวกลายพันธุ์ของ DNA polymerase เอกโซนิวคลีเอสแสดงการเพิ่มขึ้นที่คาดการณ์ของอัตราการกลายพันธุ์และขนาดจีโนมที่มีประสิทธิผลที่ลดลง การรวมตัวใหม่กระทำบนแม่แบบและประชากร ไม่ใช่บนคู่เบสแต่ละคู่ มันไม่สามารถแก้ไขเบสที่จับคู่ผิดที่ตำแหน่ง active site ของ polymerase การรวมตัวใหม่แบบ homologous สามารถสร้างลำดับที่สมบูรณ์จากแม่แบบที่เสียหายสองแบบที่แตกต่างกัน
- การสลับแม่แบบสามารถช่วยสำเนาที่หยุดชะงักหรือมีข้อผิดพลาดมาก
- การจัดเรียงใหม่สามารถรวมตัวแปรที่เป็นประโยชน์และกำจัดตัวแปรที่เป็นโทษได้ ประโยชน์ของมันขึ้นอยู่กับการติดเชื้อร่วม ความคล้ายคลึงที่มีอยู่ และความแข็งแกร่งของการคัดเลือก จากมุมมอง quasi-species การรวมตัวใหม่ปรับเปลี่ยนภาระมิวแทนต์ที่มีประสิทธิผลและสมดุลการกลายพันธุ์–การคัดเลือกในระดับประชากร แต่มันไม่เปลี่ยนอัตราข้อผิดพลาดต่อเบส ความเที่ยงตรงของ RNA สนับสนุนความแปรผันอย่างรวดเร็วและจีโนมกะทัดรัดที่มีภาระข้อผิดพลาดสูง การพิสูจน์อักษรของ DNA สนับสนุนการขยายจีโนมและการถ่ายทอดที่เสถียร การรวมตัวใหม่สนับสนุนการซ่อมแซมระดับประชากรและนวัตกรรมแบบโมดูลาร์ เหล่านี้เป็นกลยุทธ์ที่เสริมกัน ไม่ได้แยกจากกัน และตัวจำลองแบบจริงรวมพวกมันในระดับต่างๆ
> **สัญญาณภาพ**
>
> - แผนภาพเคียงข้างแสดงสามแผง: การจำลองแบบ RNA โดยไม่มีการพิสูจน์อักษร (การจับคู่ผิดคงอยู่ในสายลูก) การจำลองแบบ DNA พร้อมการพิสูจน์อักษรด้วยเอกโซนิวคลีเอส (เบสที่จับคู่ผิดถูกตัดออกและแทนที่ก่อน elongation ดำเนินต่อ) และการรวมตัวใหม่/การซ่อมแซมผ่านการสลับแม่แบบแบบ homologous (ฟื้นฟูลำดับที่ทำงานได้จากแม่แบบที่เสียหายสองแบบ รวมตัวแปรที่เป็นประโยชน์ กำจัดตัวแปรที่เป็นโทษ)
**แนวทางการฝึกปฏิบัติ**
ใช้คำถามแบบทดสอบเพื่อตรวจสอบความเข้าใจ การตรวจสอบสำคัญ: (1) ทำไมการจำลองแบบ RNA จึงมีอัตราการกลายพันธุ์ต่อเบสสูงขึ้น?
(รีพลิเคสของ RNA ขาดการพิสูจน์อักษรด้วย 3′→5′ เอกโซนิวคลีเอส ดังนั้นการใส่ผิดจึงไม่ถูกแก้ไข) (2) การพิสูจน์อักษรด้วย 3′→5′ เอกโซนิวคลีเอส accomplishing อะไร?
(มันกำจัดนิวคลีโอไทด์ที่จับคู่ผิดจากปลาย 3′ ก่อนที่ elongation จะดำเนินต่อ) (3) หากการพิสูจน์อักษรลดอัตราข้อผิดพลาดต่อเบส เกิดอะไรขึ้นกับ νmax?
(νmax เพิ่มขึ้นเพราะ νmax เติบโตเมื่ออัตราข้อผิดพลาดลดลง) (4) การรวมตัวใหม่มีส่วนช่วยอะไร?
(มันฟื้นฟูลำดับที่ทำงานได้และรวมตัวแปรในระดับแม่แบบและประชากรโดยไม่เปลี่ยนความเที่ยงตรงในการคัดลอกต่อเบส) (5) ทำไมจีโนม RNA ที่เสี่ยงต่อข้อผิดพลาดจึงมีแนวโน้มสั้น?
(ความน่าจะเป็นในการสร้างสำเนาที่ปราศจากข้อผิดพลาดลดลงตามความยาวจีโนม ดังนั้นจีโนมที่ยาวขึ้นต่ำกว่าเกณฑ์ความผิดพลาดและสูญหาย)
ไวรัส RNA ขนาด 10 kb ที่มีรีพลิเคสขาดการพิสูจน์อักษร (1 ข้อผิดพลาดต่อ 10^4 เบส) อยู่ใกล้เกณฑ์ความผิดพลาด: ภาระข้อผิดพลาดต่อจีโนม ≈ 1 เศษส่วนที่ปราศจากข้อผิดพลาด ≈ e^-1 ≈ 0.37 และ νmax ≈ 10^4 เบส การแทรก 15 kb เกิน νmax และสูญหาย การเพิ่มการพิสูจน์อักษรด้วยเอกโซนิวคลีเอส (การทดลอง i) ลดอัตราข้อผิดพลาดลง 10^2–10^3 เพิ่ม νmax ดังนั้นทั้งจีโนม 10 kb และการแทรก 15 kb กลายเป็นถ่ายทอดได้อย่างเสถียร
กลุ่มมิวแทนต์ collapses แต่อาจลดความสามารถในการวิวัฒนาการ การติดเชื้อร่วมแบบ MOI สูงพร้อมการรวมตัวใหม่ (การทดลอง ii) ไม่เปลี่ยนอัตราข้อผิดพลาดต่อเบสแต่ลดภาระมิวแทนต์ที่มีประสิทธิผลโดยการสร้างลำดับที่สมบูรณ์ขึ้นใหม่ รวมตัวแปรที่เป็นประโยชน์ และกำจัดตัวแปรที่เป็นโทษ 缓冲ต่อเกณฑ์ความผิดพลาดโดยไม่เปลี่ยน q การรวมกลยุทธ์ทั้งสองให้ νmax ที่ใหญ่ที่สุดและนวัตกรรมแบบโมดูลาร์ที่ต่อเนื่อง
**ตรวจสอบความเข้าใจ**
ขอให้นักเรียนแยกแยะความเที่ยงตรงจากการพิสูจน์อักษร ใช้ νmax ≈ ln σm / (1 − q) เพื่อทำนายผลของขนาดจีโนม และระบุว่ากลไกที่กำหนดกระทำในระดับคู่เบสหรือระดับประชากร
> **ช่วงเปลี่ยนผ่าน**
>
> ต่อไป เราจะประยุกต์หลักการเหล่านี้กับหน่วยการจำลองแบบเริ่มต้นและการค้นหาตัวจำลองแบบที่เสถียรหน่วยแรก
### หน่วยการจำลองแบบเริ่มต้น: โมเลกุลคล้าย tRNA และการเชื่อมโยงเชิงหน้าที่
*หน้า 7*
> **วัตถุประสงค์ของหน้า:** ผู้เรียนควรเข้าใจว่าทำไมหน่วยการจำลองแบบที่เสถียรหน่วยแรกอาจเป็นโมเลกุลคล้าย tRNA และทำไมการเชื่อมโยงเชิงหน้าที่แบบวัฏจักรจึงจำเป็น
**ประเด็นการสอน**
- เกณฑ์ความผิดพลาดในทางปฏิบัติคือขีดจำกัดความยาว: q̄m · σm · νm > 1 ต้องคงอยู่เพื่อให้ข้อมูลถูกรักษาไว้ ก่อนถามว่าลำดับสามารถคงอยู่ได้หรือไม่ ให้ถามว่ามีกี่ตำแหน่งที่ถูกคัดลอกในแต่ละรอบและความแม่นยำในการคัดลอกเป็นเท่าใด — ข้อความยาวที่คัดลอกได้ไม่ดีจะสูญหาย
- อย่าสันนิษฐานว่าจีโนมแรกเติบโตโดยการเชื่อมโมเลกุลเล็กเข้าด้วยกันด้วยพันธะโควาเลนต์ การเชื่อมโยงเชิงหน้าที่แบบวัฏจักรรวมข้อมูลที่กระจายโดยไม่ต้อง ligation เลย: ผลิตภัณฑ์ของตัวจำลองแบบแต่ละตัวกลายเป็นทรัพยากรสำหรับอีกตัว และวัฏจักรทำให้ชุดอยู่ด้วยกัน
- การจัดเรียงของโมเลกุลคล้าย tRNA บอกคุณว่ามันติดกับอะไร: กรดอะมิโนหรือสายเพปไทด์ การถ่ายโอนกรดอะมิโนไปยังสายเพปไทด์พลิก hf → FH ซึ่งเป็นวิธีที่ข้อความสามารถถูกอ่านได้โดยไม่ต้องมีเครื่องมือแปลที่ซับซ้อน — สถานะของตัวพาเองบันทึกการถ่ายโอน
วัตถุประสงค์ของหน้า**
อธิบายว่าทำไมหน่วยการจำลองแบบที่เสถียร最早ที่สุดจึงถูกจำลองได้ดีที่สุดว่าเป็นโมเลกุลคล้าย tRNA มากกว่าจีโนมโปรโตขนาดใหญ่ และทำไมข้อมูลของมันสามารถรวมผ่านการเชื่อมโยงเชิงหน้าที่แบบวัฏจักรโดยไม่ต้องหลอมรวมด้วยพันธะโควาเลนต์
ลำดับการสอน**
1. เริ่มจากข้อจำกัดที่แข็ง: เกณฑ์ความผิดพลาดทำหน้าที่เป็นขีดจำกัดความยาว เพื่อให้ข้อมูลถูกรักษาไว้ q̄m · σm · νm > 1 ต้องคงอยู่ ลำดับที่ยาวขึ้นเปิดเผยตำแหน่ง更多ต่อการคัดลอกผิดในทุกรอบการจำลองแบบ ดังนั้นรีพลิเคสความเที่ยงตรงต่ำที่ขาดการพิสูจน์อักษรไม่สามารถรักษาจีโนมหลายพันนิวคลีโอไทด์ได้ ลำดับที่ใกล้หนึ่งร้อยนิวคลีโอไทด์อยู่ใกล้เพดานปฏิบัติแล้ว
2. แนะนำหน้าต่างคล้าย tRNA: โมเลกุลที่ยาวประมาณ 70–90 นิวคลีโอไทด์เล็กพอที่จะอยู่ใต้เกณฑ์ความผิดพลาด แต่พับซ้ำได้เป็น cloverleaf กะทัดรัดแล้วเป็นโครงสร้างรูปตัว L การพับที่ทำซ้ำได้นี้ทำให้โมเลกุลเดียวกันทำหน้าที่เป็นทั้งแม่แบบและวัตถุที่ทำงานได้ มันยังสามารถถูก charge ด้วยกรดอะมิโนที่ปลาย 3′ ทำให้สามารถรับรู้ จับ แฮนเดิลกรดอะมิโน และช่วยเร่งปฏิกิริยา
3. อธิบายการรวมโดยไม่ต้อง ligation หากข้อมูลทั้งหมดถูกแบ่งระหว่างตัวจำลองแบบเล็กหลายตัว ตัวจำลองแบบอิสระจะแข่งขันกันและตัวที่สั้นที่สุดหรือเร็วที่สุดมักชนะ วิธีแก้คือการเชื่อมโยงเชิงหน้าที่: ผลิตภัณฑ์ของแต่ละโมเลกุลกลายเป็นทรัพยากรสำหรับอีกตัว เมื่อการพึ่งพาเหล่านี้ปิดเป็นวัฏจักร ชุดจะทำตัวเป็นหน่วยร่วมมือเดียว นี่คือรูปแบบที่ง่ายที่สุดของการจัดระเบียบแบบ hypercyclic และไม่ต้องการการเชื่อมโมเลกุลเป็นจีโนมใหญ่หนึ่งเดียว
4. เชื่อมโยงโมเลกุลเหล่านี้กับเคมีเพปไทด์ดั้งเดิม RNA คล้าย tRNA สามารถทำหน้าที่เป็น adapter หรือ messenger: มันบรรทุกกรดอะมิโนเฉพาะและสามารถถ่ายโอนไปยังสายเพปไทด์ที่กำลังเติบโตโดยไม่ต้องมีเครื่องมือแปลที่ซับซ้อน มีเพียงกรดอะมิโนที่พบได้ทั่วไปเพียงพอจำนวนจำกัดที่ต้องจัดการ และความจำเพาะสามารถอยู่ในลำดับ RNA เอง
5. ชี้แจงการสลับการจัดเรียง hf → FH ว่าโมเลกุลคล้าย tRNA อยู่ในรูปแบบ hf หรือ FH ขึ้นอยู่กับว่ามันติดกับอะไร: กรดอะมิโนหรือสายเพปไทด์ การถ่ายโอนกรดอะมิโนไปยังสายเพปไทด์พลิกมันจาก hf เป็น FH สิ่งนี้บันทึกขั้นตอนการถ่ายโอนและให้ทิศทางแก่กระบวนการ แสดงให้เห็นว่าข้อความสามารถถูกอ่านได้โดยไม่ต้องมีระบบแปลที่ซับซ้อน
6. จบด้วยการเชื่อมโยงเทียบกับการหลอมรวม การเชื่อมโยงต้องเป็นวัฏจักรหรือร่วมมือ ในสายทางเดียว สมาชิกสุดท้ายได้รับการสนับสนุนโดยไม่ตอบแทนอะไร ดังนั้นการคัดเลือกจึงสนับสนุนมันและ collective collapses ไปสู่การแข่งขันธรรมดา การเชื่อมโยงเชิงหน้าที่ไม่ใช่ ligation ด้วยพันธะโควาเลนต์
ไม่ต้องมีอะไรถูกเชื่อมเป็นจีโนมใหญ่หนึ่งเดียวเพื่อให้ข้อมูลที่กระจายยังคงรวมอยู่
ประเด็นการสอน**
เกณฑ์ความผิดพลาดเป็นการแลกเปลี่ยนขนาด–ความเที่ยงตรง ถามว่ามีกี่ตำแหน่งที่ถูกคัดลอกต่อรอบและความแม่นยำในการคัดลอกเป็นเท่าใดก่อนถามว่าลำดับสามารถคงอยู่ได้หรือไม่
โมเลกุลคล้าย tRNA เข้าพอดีกับหน้าต่างเพราะขนาดของมันทำให้อยู่ใต้เกณฑ์ในขณะที่การพับที่ทำซ้ำได้ให้หน้าที่แก่พวกมัน
ข้อมูลที่กระจายสามารถคงรวมอยู่ได้โดยการเชื่อมโยงเชิงหน้าที่แบบวัฏจักรที่ผลิตภัณฑ์ของตัวจำลองแบบแต่ละตัวสนับสนุนอีกตัว
การพลิก hf → FH เป็นจุดตรวจที่มีประโยชน์: มันรายงานว่าโมเลกุลบรรทุกกรดอะมิโนหรือสายเพปไทด์และทำเครื่องหมายเหตุการณ์การถ่ายโอน
สัญญาณภาพ**
ตัวจำลองแบบคล้าย tRNA สี่ตัวที่กำกับว่าเป็นหน่วยการจำลองแบบ adapter กรดอะมิโน donor เพปไทด์ และตัวช่วยเร่งปฏิกิริยา เชื่อมโยงด้วยการ charge กรดอะมิโน การถ่ายโอนเพปไทด์ด้วย hf → FH การสนับสนุนเชิงเร่งปฏิกิริยา และการจำลองแบบ ศูนย์กลางควรอ่านว่าการเชื่อมโยงเชิงหน้าที่ ไม่ใช่การหลอมรวมด้วยพันธะโควาเลนต์ รวมข้อมูลที่กระจายขณะทำให้โมเลกุลเล็กพอที่จะอยู่ใต้เกณฑ์
แนวทางการฝึกปฏิบัติ**
ข้อจำกัดใดที่หลักทำให้หน่วยการจำลองแบบเริ่มต้นที่เสถียรเล็ก?
เกณฑ์ความผิดพลาด ข้อเสนอแนะ: ข้อผิดพลาดสะสมตามจำนวนตำแหน่งที่คัดลอก ดังนั้นการจำลองแบบความเที่ยงตรงต่ำรักษาข้อมูลได้เฉพาะในลำดับสั้น
ทำไม RNA คล้าย tRNA จึงเป็นไปได้ไม่ใช่แค่สั้น? คำตอบที่แนะนำที่ถูกต้อง: ประมาณ 70–90 นิวคลีโอไทด์ทำให้อยู่ใต้เกณฑ์ความผิดพลาด ในขณะที่การพับที่ทำซ้ำได้ให้หน้าที่แก่มัน
ตัวจำลองแบบเล็กหลายตัวสามารถรวมเป็นหน่วยที่ทำงานได้หนึ่งเดียวได้อย่างไร? คำตอบที่แนะนำที่ถูกต้อง: โดยการเชื่อมโยงเชิงหน้าที่ ซึ่งมักเป็นวัฏจักร ที่ผลิตภัณฑ์ของตัวจำลองแบบแต่ละตัวสนับสนุนตัวอื่น ไม่ใช่โดย ligation เป็นจีโนมใหญ่หนึ่งเดียว
อะไรกำหนด hf เทียบกับ FH? คำตอบที่แนะนำที่ถูกต้อง: ว่าโมเลกุลคล้าย tRNA บรรทุกกรดอะมิโนหรือสายเพปไทด์ การถ่ายโอนกรดอะมิโนไปยังสายเพปไทด์พลิก hf เป็น FH
ทำไมการเชื่อมโยงต้องเป็นวัฏจักรหรือร่วมมือแทนที่จะเป็นสายทางเดียว? คำตอบที่แนะนำที่ถูกต้อง: วัฏจักรทำให้สมาชิกทุกตัวขึ้นอยู่กับตัวอื่น ในขณะที่สายทางเดียวอนุญาตให้สมาชิกปลายสุดครอบงำ
ด้วยตัวจำลองแบบสี่ตัวขนาด ~80 นิวคลีโอไทด์และความแม่นยำต่อตำแหน่ง q̄m ≈ 0.995 เปรียบเทียบความน่าจะเป็นในการคัดลอก 80-mer อย่างถูกต้องกับความน่าจะเป็นในการคัดลอก 320-mer ที่หลอมรวม 80-mer ถูกคัดลอกอย่างถูกต้องในประมาณ 0.995^80 ≈ 0.67 ของรอบ ในขณะที่ 320-mer ถูกคัดลอกอย่างถูกต้องเพียงประมาณ 0.995^320 ≈ 0.20 ของรอบ ข้อมูลที่กระจายจึงกระจายภาระการกลายพันธุ์ ความเที่ยงตรงที่ดีขึ้นจะเพิ่มความยาวสูงสุดที่รักษาได้และในที่สุดทำให้จีโนมที่หลอมรวม viable สำหรับการเชื่อมโยง การออกแบบแบบวัฏจักรสอดคล้องกัน
หลักฐานของการเชื่อมโยงจริงจะรวมถึง aminoacylation ผ่านกิจกรรมของอีกตัว การถ่ายโอนเพปไทด์ด้วยการพลิก hf → FH การช่วยเร่งปฏิกิริยาของการจำลองแบบ และความล้มเหลวของสมาชิกใดตัวหนึ่งที่จะครอบงำเมื่อชุดถูกเจือจาง
ตรวจสอบความเข้าใจ**
ขอให้ผู้เรียนระบุในหนึ่งประโยคว่าทำไมขนาดเล็กและการพับที่เสถียรจึงจำเป็นทั้งคู่ และแยกแยะการเชื่อมโยงเชิงหน้าที่จากการหลอมรวมด้วยพันธะโควาเลนต์ หากพวกเขาทำได้ทั้งคู่ พวกเขามีแนวคิดหลักของสไลด์
ช่วงเปลี่ยนผ่าน**
เมื่อผู้เรียนสามารถอธิบายเกณฑ์ความผิดพลาดเป็นขีดจำกัดความยาวและอธิบายการเชื่อมโยงเชิงหน้าที่แบบวัฏจักรเป็นทางเลือกแทนการหลอมรวมจีโนม ให้ไปที่ตัวอย่างหรือการประยุกต์ใช้ถัดไป
### ความจำเป็นของการจัดระเบียบแบบ Hypercyclic
*หน้า 8*
> **วัตถุประสงค์ของหน้า:** ผู้เรียนควรเข้าใจว่าทำไมการรวมโมเลกุลที่แข่งขันกันนอกเหนือจาก ligation จึงต้องการการจัดระเบียบแบบ hypercyclic
**ประเด็นการสอน**
- ก่อนยอมรับข้อเสนอใดๆ ในการรวมตัวจำลองแบบดั้งเดิม ให้เปรียบเทียบความยาวรวมกับ vₘₐₓ ≈ ln σₘ ⁄ (1 − q̄ₘ) หากผลรวมของส่วนต่างๆ เกินความยาวที่เสถียรสูงสุด ลำดับที่หลอมรวมไม่สามารถรักษาไว้ได้ ไม่ว่าหน้าที่รวมของมันจะมีประโยชน์เพียงใด
- ทุกหน่วยภายในระบบที่รวมต้องยังคงมีข้อได้เปรียบในการคัดเลือกเหนือมิวแทนต์ของตัวเอง หากข้อมูลของหน่วยไม่อยู่ภายใต้การคัดเลือกอีกต่อไป มันจะสลาย — ดังนั้นการเชื่อมโยงต้องเป็นเชิงหน้าที่ ไม่ใช่การหลอมรวมที่เฉลี่ยความฟิตของแต่ละตัวออกไป
- ใน hypercycle ตัวที่จำลองแบบคือวงปิด ไม่ใช่โมเลกุลใดโมเลกุลหนึ่ง เมื่อวิเคราะห์ระบบเช่นนี้ ให้ถามว่าตัวใดจำลองแบบ ตัวใดกลายพันธุ์ และตัวใดถูกคัดเลือก ตัวจำลองแบบปรสิตเป็นข้อจำกัดภายหลังของวง ไม่ใช่การหักล้างหลักการรวม
วัตถุประสงค์ของหน้า
ผู้เรียนควรเข้าใจว่าทำไมการรวมโมเลกุลที่แข่งขันกัน โดยวิธีอื่นนอกจากการ ligation เป็นหน่วยการจำลองแบบขนาดใหญ่หนึ่งเดียว จึงต้องการการจัดระเบียบแบบ hypercyclic
ประเด็นการสอน
เกณฑ์ความผิดพลาดกำหนดเพดานที่แข็ง: v_max ≈ ln σ_m / (1 − q̄_m) สำหรับความแม่นยำในการคัดลอกที่กำหนด q̄_m และข้อได้เปรียบในการคัดเลือก σ_m มีเพียงลำดับที่สั้นกว่า v_max เท่านั้นที่สามารถรักษาเป็นข้อมูลที่เสถียรได้ หากลำดับเกินขีดจำกัดนี้ ลำดับมาสเตอร์ของมันจะ delocalize ไปสู่การกระจายตัวของมิวแทนต์ที่อยู่รอบข้าง
การ ligation เป็นหน่วยการจำลองแบบยาวหนึ่งเดียวเป็นสิ่งที่ prohibitive การหลอมรวมเพิ่มความยาวประมาณผลรวมของส่วนต่างๆ แต่ไม่ปรับปรุงความแม่นยำในการคัดลอก ลำดับที่หลอมรวมเกิน v_max และสูญเสียข้อมูลที่มันถูกสร้างขึ้นเพื่อปกป้อง การ ligation ล้มเหลวเกณฑ์แรกสำหรับการรวม
การรวมต้องรักษาความสามารถในการแข่งขัน ทุกหน่วยต้องยังคงสามารถแข่งขันกับมิวแทนต์ของตัวเองได้ การคัดเลือกคือสิ่งที่ทำให้ข้อมูลเฉพาะไม่ลอยไปสู่กลุ่มมิวแทนต์ หากหน่วยถูกฝังในเอนทิตีที่ใหญ่กว่าซึ่งความฟิตถูกเฉลี่ยเหนือหลายหน้าที่ ลำดับของตัวเองไม่อยู่ภายใต้แรงกดดันในการคัดเลือกอีกต่อไปและข้อมูลของมันสลาย การเชื่อมโยงจึงต้องเป็นเชิงหน้าที่ ไม่ใช่เชิงโครงสร้าง
hypercycle คือวิธีแก้ขั้นต่ำ hypercycle คือวงเร่งปฏิกิริยาปิด: I1 สนับสนุน I2, I2 สนับสนุน I3, I3 สนับสนุน I4 และ I4 สนับสนุน I1 กลับไปยังจุดเริ่มต้น ผลที่ตามมาสามประการ ข้อมูลยังคงกระจาย ดังนั้นไม่มีหน่วยใดต้องเกินเกณฑ์ความผิดพลาด อัตลักษณ์ในการแข่งขันยังคงอยู่ เพราะแต่ละหน่วยรักษาการจำลองแบบของตัวเองและการคัดเลือกกับกลุ่มมิวแทนต์ของมัน ระดับของการคัดเลือกเปลี่ยน ดังนั้นวัฏจักรโดยรวมเป็นหน่วยที่จำลองแบบและถูกคัดเลือกที่รวมอยู่
เกณฑ์ในการตัดสินการรวมที่เสนอใดๆ: หนึ่ง ทุกหน่วยต้องอยู่ใต้ความยาวที่เสถียรสูงสุดที่กำหนดโดยเกณฑ์ความผิดพลาด;สอง ทุกหน่วยต้องรักษาข้อได้เปรียบในการคัดเลือกเหนือมิวแทนต์ของตัวเอง
สาม การเชื่อมโยงต้องปิดและเป็นวัฏจักร เพื่อให้ชุดที่เชื่อมโยงจำลองแบบตัวเองเป็นหน่วยที่รวม การ ligation ล้มเหลวเงื่อนไขแรก การอยู่ร่วมกันแบบหลวมที่ไม่เร่งปฏิกิริยาล้มเหลวเงื่อนไขที่สาม: ตัวจำลองแบบอิสระที่เพียงแค่ใช้ช่องร่วมกันไม่ได้จำลองแบบเป็นระบบที่รวมหนึ่งเดียว
การจัดระเบียบแบบ hypercyclic สร้างความเปราะบาง เพราะวงสนับสนุนสมาชิกเชิงเร่งปฏิกิริยา ตัวจำลองแบบที่รับการสนับสนุนโดยไม่ตอบแทน ปรสิตภายใน สามารถแพร่กระจายและกัดกร่อนวัฏจักร นี่เป็นข้อจำกัดภายหลังของกลไก ไม่ใช่การหักล้าง ข้อกำหนดคือการรวมต้องยังคงเป็นวัฏจักรและถูกควบคุม ไม่ใช่ว่าต้องกันปรสิตได้ตั้งแต่ต้น
สัญญาณภาพ
ตัวจำลองแบบสี่ตัวบนวงเร่งปฏิกิริยาปิด ลูกศรสีน้ำเงินแสดงการสนับสนุนเชิงเร่งปฏิกิริยารอบวง วงสีเขียวน้ำทะเลแสดงการจำลองแบบตัวเองของแต่ละหน่วย จุดสีเทาแทนกลุ่มมิวแทนต์ของแต่ละหน่วย เน้นว่าแต่ละหน่วยต้องยังคงสามารถแข่งขันได้
สี่หน่วยที่ถูกเชื่อมเป็นสายยาวหนึ่งเดียวถูกกากบาท ความยาวที่หลอมรวมเกิน v_max ดังนั้นภาระการกลายพันธุ์ทำให้ลำดับ delocalize ความแตกต่างนี้ทำให้จุดหลักมองเห็นได้: วัฏจักร ไม่ใช่สาย กลายเป็นหน่วยของการคัดเลือก
v_max ≈ ln σ_m / (1 − q̄_m) โดยที่ q̄_m คือความแม่นยำในการคัดลอกต่อเบสของลำดับมาสเตอร์ และ σ_m คือความเหนือกว่าในการคัดเลือก ความยาวเข้ามาผ่านเกณฑ์ ดังนั้นการเพิ่มนิวคลีโอไทด์โดย ligation คือการเปลี่ยนแปลงที่ระบบนี้ไม่สามารถดูดซับได้
แนวทางการฝึกปฏิบัติ
การ ligation ถูกตัดออกไม่ใช่เพราะเคมี ligation ไม่พร้อมใช้งาน ไม่ใช่เพราะโมเลกุลที่ยาวกว่าจำเป็นต้องจำลองแบบเร็วกว่า และไม่ใช่เพราะการเชื่อมทำลายการเร่งปฏิกิริยา ลำดับที่หลอมรวมจะเกิน v_max ดังนั้นจีโนม delocalize สำหรับการหลอมรวมจะ viable ต้องเพิ่ม q̄_m หมายถึงความเที่ยงตรงที่สูงขึ้น หรือต้องเพิ่ม σ_m หมายถึงข้อได้เปรียบในการคัดเลือกที่มากขึ้น
ข้อกำหนดในการแข่งขันหมายความว่าแต่ละหน่วยต้องอยู่ภายใต้แรงกดดันในการคัดเลือกของตัวเองเพื่อให้ข้อมูลเฉพาะของมันถูกรักษาและปรับปรุง มันไม่ได้หมายถึงการกลายพันธุ์ที่เร็วขึ้น การกำจัดมิวแทนต์ทั้งหมด หรือการ ligation มิวแทนต์ออก
ในการจัดระเบียบแบบ hypercyclic หน่วยที่จำลองแบบและถูกคัดเลือกที่รวมคือวัฏจักรเร่งปฏิกิริยาปิดที่เกิดจากตัวจำลองแบบที่เข้าร่วมทั้งหมดทำหน้าที่ร่วมกัน ไม่ใช่โมเลกุลที่ยาวที่สุด ไม่ใช่กลุ่มมิวแทนต์ และไม่ใช่ส่วนผสมที่ไม่ได้เชื่อมโยง
การจัดระเบียบแบบ hypercyclic หลีกเลี่ยงขีดจำกัด v_max โดยกระจายหน้าที่เหนือหน่วยสั้นหลายตัว ไม่มีตัวใดเกินเกณฑ์ และเชื่อมโยงพวกมันเชิงเร่งปฏิกิริยา มันไม่ได้เพิ่มความแม่นยำในการคัดลอก ลบการจำลองแบบ หรือทำให้การคัดเลือกกระทำเฉพาะโมเลกุลเดียวที่เร็วที่สุด
การจัดระเบียบแบบ hypercyclic รวมหน้าที่แยกจากกันขณะทำให้แต่ละหน่วยถูกคัดเลือกได้เป็นรายบุคคล
จุดอ่อนที่รู้จักของมันคือการถูกใช้ประโยชน์โดยตัวจำลองแบบปรสิต มันไม่ล้มเหลวโดยการเกินเกณฑ์ความผิดพลาด ไม่ต้อง ligation ก่อน และไม่ได้กำจัดมิวแทนต์ทั้งหมด
สามหน้าที่ต้องการประมาณ 100 นิวคลีโอไทด์แต่ละตัว
v_max ประมาณ 120 นิวคลีโอไทด์ ตัวจำลองแบบที่หลอมรวม 300 นิวคลีโอไทด์อยู่ไกลเกินความยาวที่เสถียรสูงสุด ดังนั้นข้อมูลของมันไม่สามารถรักษาไว้ได้ ทางเลือกคือวงปิด: A สนับสนุน B, B สนับสนุน C และ C สนับสนุน A แต่ละหน่วยยังคงประมาณ 100 นิวคลีโอไทด์ ใต้ v_max และแต่ละตัวรักษาแรงกดดันในการคัดเลือกของตัวเองกับกลุ่มมิวแทนต์ วัฏจักรโดยรวมเป็นหน่วยที่จำลองแบบและถูกคัดเลือก การออกแบบยังทำนายปัญหาเรื่องปรสิต เพราะตัวจำลองแบบสามารถรับการสนับสนุนโดยไม่ตอบแทน
ตรวจสอบความเข้าใจ
ขอให้นักเรียนอธิบายด้วยคำพูดของตัวเองว่าทำไมไม่มีโมเลกุลใดใน hypercycle ต้องเกิน v_max ขอให้พวกเขาระบุเงื่อนไขสองข้อที่การ ligation และการอยู่ร่วมกันแบบหลวมล้มเหลวแต่ละข้อ ขอให้พวกเขาแยกแยะสิ่งที่การจัดระเบียบแบบ hypercyclic accomplishing กับความเปราะบางต่อปรสิตภายหลัง
ช่วงเปลี่ยนผ่าน
เมื่อปัญหาการรวมได้รับการแก้ไขโดยการเชื่อมโยงแบบวัฏจักร ประเด็นถัดไปคือวัฏจักรเช่นนี้สามารถถูกทำให้เสถียรต่อตัวจำลองแบบปรสิตได้อย่างไรและมันเชื่อมโยงกับการค้นหาหน่วยการจำลองแบบเริ่มต้นในวงกว้างอย่างไร
### ขีดจำกัดของการจัดระเบียบแบบ Hypercyclic และพลวัตของปรสิต
*หน้า 9*
> **วัตถุประสงค์ของหน้า:** ผู้เรียนควรเข้าใจขีดจำกัดของการจัดระเบียบแบบ hypercyclic รวมถึงปรสิตและปัญหาการเติบโตของจีโนม
**ประเด็นการสอน**
- เตือนตัวเองว่ามุมของ simplex เป็นสถานะสุดขั้วที่สมาชิกสูญหาย ในขณะที่ภายในเป็นสถานะร่วมมือที่สมาชิกทุกตัวอยู่ร่วมกัน hypercycle ที่ดูเสถียรภายในยังสามารถถูกดันออกไปยังมุมโดยการบุกรุกของปรสิต
- แยกแรงกดดันสองอย่างออกจากกันในใจ: ปรสิตที่จำลองแบบตัวเองขโมยการสนับสนุนเชิงเร่งปฏิกิริยา ในขณะที่การเติบโตของจีโนมเพิ่มภาระมิวแทนต์ผ่าน N_k = (L choose k) ทั้งสองกระทำภายใต้สมมติฐานการผสมดีและการจัดระเบียบคงที่ และทั้งสองสนับสนุนโครงสร้างเชิงพื้นที่หรือช่องที่เพิ่มเข้ามา
- ก่อนทำนายผลลัพธ์ใดๆ ให้คำนวณ c0 เทียบกับ k/k_A ใต้เกณฑ์ ẋ > 0 (ปรสิตถูกกัก); เหนือเกณฑ์ ẋ < 0 (สมาชิกสูญหาย) หากคุณไม่สามารถระบุว่าคุณอยู่ด้านใดของ k/k_A คุณยังไม่สามารถทำนายการบุกรุกได้
> **วัตถุประสงค์ของหน้า**
>
> ผู้เรียนควรเข้าใจขีดจำกัดของการจัดระเบียบแบบ hypercyclic รวมถึงปรสิตและปัญหาการเติบโตของจีโนม สไลด์อธิบายว่าทำไม hypercycle จึงดูร่วมมือภายในแต่ยังสามารถถูก destabilize โดยการแสวงหาประโยชน์และการกลายพันธุ์
> **ลำดับการสอน**
>
> 1. กำหนดกรอบขีดจำกัดศูนย์กลาง การจัดระเบียบแบบ hypercyclic สามารถรวมหน่วยเร่งปฏิกิริยาหลายตัวเป็นเครือข่ายที่จำลองแบบตัวเองหนึ่งเดียว แต่ภายใต้พลวัตแบบ mass-action การจัดระเบียบคงที่ มันเผชิญแรงกดดันสองอย่างพร้อมกัน: ปรสิตที่จำลองแบบตัวเองซึ่งเก็บการเร่งปฏิกิริยาโดยไม่ตอบแทน และภาระมิวแทนต์เชิงผสมที่เติบโตเมื่อจีโนมยาวขึ้น
>
> 2. วิเคราะห์การบุกรุกของปรสิตบน simplex ความเข้มข้น ในระบบสององค์ประกอบ ปรสิต c_A และสมาชิก x ใช้ร่วมกัน c0 = c_A + x ปรสิตจำลองแบบ autocatalytically ด้วยค่าคงที่อัตรา k_A และได้รับการค้ำจุนจากการเร่งปฏิกิริยาของวัฏจักร
>
> x ถูกสร้างผ่านการเชื่อมโยง k c_A x สมการการจัดระเบียบคงที่คือ ċ_A = k_A c_A² − (c_A/c0)(k_A c_A² + k c_A x) และ ẋ = k c_A x − (x/c0)(k_A c_A² + k c_A x) เครื่องหมายของ ẋ ให้เกณฑ์ c0 = k/k_A สำหรับ c0 0: สมาชิกเติบโตและปรสิตถูกกัก สำหรับ c0 > k/k_A, ẋ < 0: สมาชิกสลายและปรสิตบุกรุก นี่คือเหตุผลเชิงปริมาณที่ปรสิตที่จำลองแบบตัวเองสามารถ destabilize hypercycle ได้
>
> 3. แยกแยะสถานะมุมและภายใน จุดคงที่ที่มุมของ simplex ความเข้มข้นสอดคล้องกับการสูญเสียสมาชิกหนึ่งตัวหรือมากกว่า
>
> ภายในแทนการอยู่ร่วมกันแบบร่วมมือ ภายในมีประสิทธิผลแต่เปราะบาง เพราะการบุกรุกของปรสิตสามารถขับระบบออกไปยังขอบเขตที่สมาชิกสูญหายอย่างถาวร
>
> 4. อธิบายต้นทุนเชิงผสมของการเติบโตของจีโนม สำหรับลำดับที่มีความยาว L จำนวนมิวแทนต์ k ข้อผิดพลาดคือ N_k = (L choose k) ด้วย L = 100 มีมิวแทนต์หนึ่งข้อผิดพลาด 100 ตัว มิวแทนต์สองข้อผิดพลาด 4,950 ตัว และมิวแทนต์สามข้อผิดพลาด 161,700 ตัว เมื่อมีมิวแทนต์ n ตัวและ n ≪ N_k จำนวนชุดค่าผสมเติบโตเป็น (N_k + n − 1 choose n) ≈ N_k^n / n!
>
> . การเติบโตชันนี้ช่วยอธิบายว่าทำไมจีโนมเดียวที่เติบโตอย่างต่อเนื่องจึงถูก defavored เทียบกับการจัดระเบียบแบบ hypercyclic ของยีนมิวแทนต์เดี่ยว: ความร่วมมือกระจายหน้าที่เชิงเร่งปฏิกิริยาเพื่อไม่ให้ลำดับยาวหนึ่งเดียวต้องดูดซับภาระมิวแทนต์ทั้งหมด
>
> 5. จบด้วยว่าทำไมโครงสร้างจึงสำคัญ ขีดจำกัดเหล่านี้ได้มาจากการคัดเลือกแบบผสมดี การจัดระเบียบคงที่ หากไม่มีโครงสร้างเชิงพื้นที่หรือช่องเพิ่มเติม hypercycle ที่ใหญ่ขึ้นเผชิญแรงกดดันจากปรสิตและการกลายพันธุ์ที่เพิ่มขึ้นอย่างต่อเนื่อง และสถานะร่วมมือภายในไม่สามารถรักษาไว้ได้อย่างไม่มีกำหนด
**คำศัพท์สำคัญ**
- hypercycle
- ปรสิตที่จำลองแบบตัวเอง
- simplex ความเข้มข้น
- จุดคงที่มุม
- สถานะร่วมมือภายใน
- ภาระมิวแทนต์เชิงผสม
- เกณฑ์ c0 = k/k_A
- พลวัตแบบ mass-action การจัดระเบียบคงที่
> **สัญญาณภาพ**
>
> - สามเหลี่ยม simplex S2 แสดงสถานะร่วมมือภายในและจุดคงที่สามมุม ลูกศรเส้นประชี้้ออกไปจากภายในไปยังมุม บ่งชี้การบุกรุกของปรสิตและการสูญเสียสมาชิก ป้ายระบุมุมที่ปรสิตครอบงำ มุมสมาชิกวัฏจักร และจุดคงที่มุม เงื่อนไขเกณฑ์ปรากฏด้านล่าง: ẋ > 0 สำหรับ c0 k/k_A
> **แนวทางการฝึกปฏิบัติ**
>
> - คำถาม 1 ถามคุณสมบัติที่กำหนดของปรสิตที่จำลองแบบตัวเอง คำตอบที่แนะนำที่ถูกต้อง: มันได้รับการสนับสนุนเชิงเร่งปฏิกิริยาจาก hypercycle แต่ไม่ contribute การเร่งปฏิกิริยากลับ ข้อเสนอแนะ: กุญแจคือความไม่สมมาตร
> - ปรสิตใช้การเร่งปฏิกิริยาโดยไม่ตอบแทน ซึ่งทำให้มัน destabilizing มากกว่าสนับสนุน คำถาม 2 ถามว่าจุดคงที่มุมแทนอะไร คำตอบที่แนะนำที่ถูกต้อง: การสูญเสียสมาชิก hypercycle หนึ่งตัวหรือมากกว่า ดังนั้นระบบจึง rests บนขอบเขตแทนที่จะอยู่ภายใน ข้อเสนอแนะ: มุม simplex เป็นสถานะสุดขั้วที่องค์ประกอบหนึ่งครอบงำและตัวอื่นหายไป ตรงข้ามกับการอยู่ร่วมกันภายในที่สมดุล คำถาม 3 ถามว่า ẋ > 0 สำหรับ c0 0 และปรสิตถูกกักในตอนแรก ที่ c0 = 1.2, c0 อยู่เหนือเกณฑ์ ดังนั้น ẋ < 0 สมาชิกสลายและปรสิตบุกรุก
> - พลวัตการจัดระเบียบคงที่ขับระบบไปยังจุดคงที่มุมที่สมาชิกสูญหาย สำหรับความยาวจีโนม 100 ถึง 200 มิวแทนต์หนึ่งข้อผิดพลาดเพิ่มจาก 100 เป็น 200 และมิวแทนต์สองข้อผิดพลาดเพิ่มจาก 4,950 เป็นประมาณ 19,900 โดยจำนวนอันดับสูงกว่าเพิ่มเร็วขึ้นอีก ภาระเชิงผสมเติบโตแบบ super-linear ทำให้จีโนมยาวหนึ่งเดียวยากต่อการรักษา วิธีแก้เชิงโครงสร้างคือการแบ่งช่องหรือโครงสร้างเชิงพื้นที่ เช่น การห่อตัวจำลองแบบในถุง ซึ่งเพิ่มการคัดเลือกระหว่างช่อง ชะลอการแพร่กระจายของปรสิต และ缓冲ภาระการกลายพันธุ์
**ตรวจสอบความเข้าใจ**
ขอให้ผู้เรียนระบุแรงกดดันอิสระสองอย่างบน hypercycle ตีความจุดคงที่มุมเทียบกับภายใน คำนวณว่าระบบที่กำหนดอยู่ด้านใดของ c0 = k/k_A และอธิบายว่าทำไมการเติบโตของจีโนมสนับสนุนความร่วมมือระหว่างหน่วยที่สั้นกว่า การตรวจสอบปากเปล่าอย่างรวดเร็ว: ให้ k/k_A = 0.8 จำแนก c0 = 0.5 และ c0 = 1.2 และระบุผลลัพธ์ระยะยาวสำหรับแต่ละตัว
**กิจกรรมในชั้นเรียน**
เป็นคู่ ขอให้นักเรียนใช้เกณฑ์เพื่อทำนายการบุกรุกสำหรับความเข้มข้นรวมสองค่า จากนั้นประมาณว่าจำนวนมิวแทนต์สองข้อผิดพลาดเปลี่ยนอย่างไรเมื่อ L เพิ่มเป็นสองเท่าจาก 100 เป็น 200 ขอให้แต่ละคู่เสนอการเปลี่ยนแปลงเชิงพื้นที่หรือช่องหนึ่งอย่างที่อาจช่วยรักษาสถานะร่วมมือภายใน และให้เหตุผลโดยใช้สมมติฐานของแบบจำลอง
> **ช่วงเปลี่ยนผ่าน**
>
> เมื่อขีดจำกัดของการจัดระเบียบแบบ hypercyclic ได้รับการestablishแล้ว ขั้นตอนต่อไปคือการตรวจสอบว่าโครงสร้างหรือการแบ่งช่องที่เพิ่มเข้ามาสามารถช่วยเหลือความร่วมมือได้อย่างไรและเชื่อมโยงพลวัตเหล่านี้กับหน่วยการจำลองแบบเริ่มต้น
### เอนไซม์แรกและโปรตีนที่ทำงานได้เชิงหน้าที่
*หน้า 10*
> **วัตถุประสงค์ของหน้า:** ผู้เรียนควรเข้าใจว่าโปรตีนและเอนไซม์ที่ทำงานได้เชิงหน้าที่แรกอาจมีลักษณะอย่างไรในการจำลองแบบเริ่มต้น
**ประเด็นการสอน**
- จำไว้: การแปลความเที่ยงตรงต่ำจำกัดความยาวเพปไทด์ มีเพียงโปรโตเอนไซม์สั้นที่มีความจำเพาะต่ำเท่านั้นที่สามารถรักษาไว้ได้เมื่อเกณฑ์ความผิดพลาดตึง
- โปรโตเอนไซม์ไม่ใช่ตัวเร่งปฏิกิริยาที่แม่นยำ พวกมันอาศัย side chain ไม่กี่ตัว มีการพับที่อ่อนแอ และเสี่ยงต่อข้อผิดพลาด เอนไซม์สมัยใหม่ยาวกว่า จำเพาะกว่า และขึ้นอยู่กับการพิสูจน์อักษรขั้นสูง
- ติดตามลูกศรเสมอ: แม่แบบ RNA → เพปไทด์สั้น → การสังเคราะห์/การจำลองแบบที่เพิ่มขึ้น → RNA มากขึ้น วงป้อนกลับนี้คือการปิดเชิงเร่งปฏิกิริยาใน hypercycle
วัตถุประสงค์ของหน้า
ผู้เรียนควรเข้าใจว่าโปรตีนและเอนไซม์ที่ทำงานได้เชิงหน้าที่แรกอาจมีลักษณะอย่างไรในการจำลองแบบเริ่มต้น กุญแจคือพวกมันไม่ใช่เอนไซม์พับสมัยใหม่แต่เป็นเพปไทด์สั้นที่มีความจำเพาะต่ำซึ่งเชื่อมโยงข้อมูลที่เข้ารหัสโดย RNA กับการเร่งปฏิกิริยา
ลำดับการสอน
1. เริ่มจากบริบทของเกณฑ์ความผิดพลาด: ตัวจำลองแบบเริ่มต้นใกล้เกณฑ์ความผิดพลาดไม่สามารถรักษาลำดับโปรตีนที่ยาวและแม่นยำได้
2. แนะนำเพปไทด์สั้นที่มีความจำเพาะต่ำเป็นตัวเร่งปฏิกิริยาช่วงเปลี่ยนที่สร้างจากตัวอักษรกรดอะมิโนก่อนชีวิตที่มีจำกัด
แม่แบบ RNA → การแปลความเที่ยงตรงต่ำ → โปรโตเอนไซม์ที่มีกระเป๋าเร่งปฏิกิริยาขั้นต้น → การสังเคราะห์/การจำลองแบบที่เพิ่มขึ้น → RNA มากขึ้น นี่คือการปิดเชิงเร่งปฏิกิริยาใน hypercycle
4. แยกแยะโปรโตเอนไซม์จากเอนไซม์สมัยใหม่: โปรโตเอนไซม์อ่อนแอ เสี่ยงต่อข้อผิดพลาด และขึ้นอยู่กับ side chain ไม่กี่ตัว; เอนไซม์สมัยใหม่ยาวกว่า จำเพาะกว่า และขึ้นอยู่กับการพิสูจน์อักษรขั้นสูง
ประเด็นการสอน
โปรตีนเริ่มต้นน่าจะประกอบด้วยเพปไทด์สั้นหรือโปรตีนเล็กที่ใช้ชุดกรดอะมิโนจำกัด กิจกรรมเชิงเร่งปฏิกิริยาของพวกมันเกิดจากกลุ่มกระดูกสันหลังและ side-chain ไม่กี่กลุ่มที่รวมกันสร้างกระเป๋าขั้นต้น
หน้าที่ที่น่าจะเป็นของพวกมันคือสนับสนุนการจำลองแบบโดยการเร่งปฏิกิริยาการสังเคราะห์เช่น การกระตุ้นนิวคลีโอไทด์ การพอลิเมอไรเซชัน หรือการสร้างพันธะเพปไทด์ ปฏิกิริยาเหล่านี้ป้อนกลับไปยังวัฏจักรการจำลองแบบ
ในการตั้งค่าแบบ hypercyclic หรือ coupled กับการแปล ผลิตภัณฑ์ที่เข้ารหัสโดยสมาชิกหนึ่งตัวสามารถเพิ่มการสังเคราะห์หรือการจำลองแบบโดยสมาชิกอื่น สิ่งนี้เชื่อมโยงข้อมูล RNA กับการเร่งปฏิกิริยาของโปรตีน
การแปลและการจำลองแบบความเที่ยงตรงต่ำจำกัดความยาวเพปไทด์และความแม่นยำเชิงเร่งปฏิกิริยา มีเพียงโปรโตเอนไซม์ที่มีความจำเพาะต่ำเท่านั้นที่สามารถรักษาไว้ได้ก่อนที่เครื่องจักรการพิสูจน์อักษรและการแปลที่ดีขึ้นจะวิวัฒนาการ โปรตีนเหล่านี้แทนการเปลี่ยนผ่านจากการเร่งปฏิกิริยาของ RNA ไปสู่การเร่งปฏิกิริยาของโปรตีน ไม่ใช่การปรากฏขึ้นทันทีของเอนไซม์พับสมัยใหม่
ตัวอย่างของกระเป๋าขั้นต้น: เพปไทด์สั้นที่มี side chain ไม่กี่ตัวที่ hydrophobic และ polar สามารถสร้างกระเป๋าขั้นต้นที่เร่งปฏิกิริยาขั้นตอนการสังเคราะห์อย่างอ่อน ซึ่งป้อนกลับไปยังการจำลองแบบ กิจกรรมของมันจะ marginal และเสี่ยงต่อข้อผิดพลาด แต่เพียงพอที่จะให้ข้อได้เปรียบในการคัดเลือกภายใต้เกณฑ์ความผิดพลาด
สัญญาณภาพ
ใช้แผนผังเพื่อทำให้กลไกเป็นรูปธรรม แม่แบบ RNA ถูกแปลด้วยความเที่ยงตรงต่ำเป็นเพปไทด์สั้น เพปไทด์มีกระเป๋าเร่งปฏิกิริยาขั้นต้นและอาจรวมไอออนโลหะเช่น M²⁺ ตัวอักษรกรดอะมิโนที่มีจำกัดจำกัดว่ากลุ่มหน้าที่ใดมีอยู่ ลูกศรจากเพปไทด์ไปยังการสังเคราะห์และการจำลองแบบที่เพิ่มขึ้น ตามด้วยลูกศรกลับที่กำกับว่าการปิดเชิงเร่งปฏิกิริยา แสดงว่าเพปไทด์สามารถเพิ่มการจำลองแบบของ RNA ที่เข้ารหัสมันหรือของสมาชิก hypercycle อื่นได้อย่างไร ในคำอธิบาย ● = C, ○ = N, ○ = H, ⊙ = O และ ⊙ = R แทน side chain สัญลักษณ์ side-chain สำคัญเพราะ side chain contribute ต่อกระเป๋าเร่งปฏิกิริยาขั้นต้น
แนวทางการฝึกปฏิบัติ
ใช้คำถามห้าข้อเพื่อตรวจสอบว่าผู้เรียนสามารถเชื่อมโยงโครงสร้าง ข้อจำกัด และหน้าที่ได้หรือไม่
โปรตีนที่ทำงานได้เชิงหน้าที่แรก最早ที่สุดน่าจะมีลักษณะเป็นเพปไทด์สั้นที่มีความจำเพาะต่ำสร้างจากตัวอักษรกรดอะมิโนที่มีจำกัด แนะนำผู้เรียนออกจากเอนไซม์พับสมัยใหม่ เครื่องจักรที่ซับซ้อน หรือไรโบไซม์ลูกผสม RNA-โปรตีน ข้อเสนอแนะ: โปรตีนเริ่มต้นน่าจะเป็นเพปไทด์สั้นที่มีโครงสร้างง่าย สะท้อนความพร้อมของกรดอะมิโนก่อนชีวิตและข้อจำกัดการเข้ารหัสเริ่มต้น
มีเพียงโปรโตเอนไซม์ที่มีความจำเพาะต่ำเท่านั้นที่สามารถรักษาไว้ได้ก่อนการพิสูจน์อักษรที่ดีขึ้นวิวัฒนาการเพราะการแปลและการจำลองแบบความเที่ยงตรงต่ำจำกัดความยาวเพปไทด์และความแม่นยำเชิงเร่งปฏิกิริยา ข้อเสนอแนะ: การแปลที่เสี่ยงต่อข้อผิดพลาดจำกัดความยาวเพปไทด์ ดังนั้นมีเพียงตัวเร่งปฏิกิริยาที่เรียบง่ายและแม่นยำต่ำเท่านั้นที่สามารถคงอยู่
ในการตั้งค่าแบบ hypercyclic หรือ coupled กับการแปล เพปไทด์สั้นสามารถเร่งปฏิกิริยาที่จำเป็นสำหรับการสังเคราะห์และการจำลองแบบ ทำให้เกิดการปิดเชิงเร่งปฏิกิริยา ข้อเสนอแนะ: โปรโตเอนไซม์เหล่านี้สามารถเร่งปฏิกิริยาขั้นตอนการสังเคราะห์ เชื่อมโยงข้อมูล RNA กับหน้าที่โปรตีนและ enabling feedback ผลิตภัณฑ์ของสมาชิกหนึ่งตัวเพิ่มการจำลองแบบโดยตัวอื่น
หน้าที่เอนไซม์เริ่มต้นที่น่าจะเป็นคือการกระตุ้นนิวคลีโอไทด์และการพอลิเมอไรเซชัน ข้อเสนอแนะ: เอนไซม์เริ่มต้นน่าจะเร่งปฏิกิริยาง่ายเช่น การกระตุ้นนิวคลีโอไทด์ การพอลิเมอไรเซชัน หรือการสร้างพันธะเพปไทด์ ตัวลวงเช่น การซ่อมแซม DNA การสังเคราะห์แสง และการ phosphorylate แบบออกซิเดทีฟ belong ต่อระบบเซลล์ที่ późหรือซับซ้อนกว่า
ในแผนผังเพปไทด์ ⊙ = R แทน side chain ข้อเสนอแนะ: ในคำอธิบาย ⊙ = R แทน side chain ซึ่ง contribute ต่อกระเป๋าเร่งปฏิกิริยาขั้นต้น เตือนผู้เรียนให้ตรวจสอบคำอธิบายก่อนตีความแผนภาพ
แนวทางการฝึกปฏิบัติ
สำหรับคำตอบที่ไม่ถูกต้อง ขอให้ผู้เรียนกลับไปที่คำอธิบายในหน้า หาหลักฐานหรือตัวอย่างสำคัญ แล้วตัดสินใจอีกครั้ง สำหรับคำตอบที่ถูกต้อง ขอให้พวกเขาอธิบายพื้นฐาน ไม่ใช่แค่ระบุตัวเลือก ตัวอย่างเช่น หลัง Q2 ขอให้พวกเขาพูดว่าทำไมการแปลความเที่ยงตรงต่ำจำกัดความยาวเพปไทด์ หลัง Q3 ขอให้พวกเขาติดตามว่าผลิตภัณฑ์เพปไทด์ป้อนกลับไปยังการจำลองแบบ RNA อย่างไร
กิจกรรมในชั้นเรียน
ใช้กรณีศึกษาเป็นการอภิปรายกลุ่มเล็ก สถานการณ์: สภาพแวดล้อมโลกยุคแรกจำลองประกอบด้วยเพปไทด์สุ่มสั้นและตัวจำลองแบบ RNA การเพิ่มเพปไทด์สั้นที่เฉพาะเจาะจงเพิ่มการจำลองแบบ RNA แต่เพปไทด์ยังทำให้เกิดข้อผิดพลาดในการแปลและมีกิจกรรมเชิงเร่งปฏิกิริยาที่อ่อนและไม่จำเพาะ ระบบทำงานใกล้เกณฑ์ความผิดพลาด
ตัวอักษรกรดอะมิโนที่มีจำกัดของเพปไทด์จะส่งผลต่อความจำเพาะเชิงเร่งปฏิกิริยาและความสามารถในการถูกรักษาโดยการคัดเลือกอย่างไร?
ตัวอักษรกรดอะมิโนที่มีจำกัดจำกัดความหลากหลายของกลุ่มหน้าที่ที่มีสำหรับการเร่งปฏิกิริยา เพปไทด์สามารถสร้างได้เพียงกระเป๋าขั้นต้น นำไปสู่ความจำเพาะต่ำและกิจกรรมเชิงเร่งปฏิกิริยาที่อ่อน การคัดเลือกสามารถรักษามันได้ก็ต่อเมื่อมันให้ประโยชน์สุทธิต่อการจำลองแบบแม้มีข้อผิดพลาด ภายใต้เกณฑ์ความผิดพลาด มีเพียงเพปไทด์สั้นที่มีความจำเพาะต่ำเท่านั้นที่สามารถรักษาไว้ได้
เอนไซม์ที่ยาวขึ้นหรือแม่นยำกว่าจะต้องการความเที่ยงตรงในการแปลที่ดีขึ้นซึ่งยังไม่มี
เงื่อนไขใดที่จะอนุญาตให้โปรโตเอนไซม์นี้คงอยู่และ contribute ต่อการปิดเชิงเร่งปฏิกิริยาใน hypercycle?
การคงอยู่ต้องการให้ประโยชน์เชิงเร่งปฏิกิริยาของเพปไทด์เกินต้นทุน เงื่อนไขรวมถึง: เพปไทด์เร่งปฏิกิริยาขั้นตอนที่จำกัดอัตราในการสังเคราะห์หรือการจำลองแบบ
ผลิตภัณฑ์ของมันเพิ่มการจำลองแบบของ RNA ที่เข้ารหัสมันหรือของสมาชิก hypercycle อื่น;เกณฑ์ความผิดพลาดอนุญาตการรักษาลำดับเพปไทด์สั้น
และระบบถูกแบ่งช่องหรือเชื่อมโยงเพื่อให้เพปไทด์และ RNA ที่เข้ารหัสมันอยู่ร่วมกัน การปิดเชิงเร่งปฏิกิริยาเกิดขึ้นเมื่อกิจกรรมของเพปไทด์เพิ่มการจำลองแบบของ hypercycle โดยรวม สร้างวงป้อนกลับเชิงบวก
ตรวจสอบความเข้าใจ
ขอให้ผู้เรียนสรุปในหนึ่งหรือสองประโยค: ทำไมโปรโตเอนไซม์จึงสั้น อ่อนแอ และไม่จำเพาะ และ它們ยังสามารถสนับสนุนการจำลองแบบได้อย่างไร คำตอบที่แข็งแกร่งควรกล่าวถึงเกณฑ์ความผิดพลาด การแปลความเที่ยงตรงต่ำ ตัวอักษรกรดอะมิโนที่มีจำกัด กระเป๋าเร่งปฏิกิริยาขั้นต้น และการปิดเชิงเร่งปฏิกิริยา หากผู้เรียนไม่สามารถติดตามวง RNA → เพปไทด์ → การจำลองแบบที่เพิ่มขึ้น → RNA มากขึ้น ให้กลับไปที่แผนภาพก่อนไปต่อ
ช่วงเปลี่ยนผ่าน
เมื่อผู้เรียนสามารถอธิบายว่าทำไมมีเพียงโปรโตเอนไซม์สั้นที่มีความจำเพาะต่ำเท่านั้นที่สามารถรักษาไว้ได้และ它們 contribute ต่อการจำลองแบบอย่างไร ให้ไปที่ตัวอย่าง การประยุกต์ หรือสรุปของหน้าถัดไป เน้นว่าโปรตีนเริ่มต้นเหล่านี้เป็นตัวเร่งปฏิกิริยาช่วงเปลี่ยน: พวกมันเชื่อมการเร่งปฏิกิริยาของ RNA และการเร่งปฏิกิริยาของโปรตีนในภายหลังโดยไม่ต้องมีเอนไซม์พับสมัยใหม่
### การสังเคราะห์: เกณฑ์ความผิดพลาด ตัวจำลองแบบเริ่มต้น และขีดจำกัดของ Hypercycle
*หน้า 11*
> **วัตถุประสงค์ของหน้า:** ผู้เรียนควรสังเคราะห์ว่าเกณฑ์ความผิดพลาดจำกัดหน่วยการจำลองแบบเริ่มต้นอย่างไรและทำไมการจัดระเบียบแบบ hypercyclic แม้มีขีดจำกัด จึงเป็นขั้นตอนที่จำเป็น
**ประเด็นการสอน**
- จดจำ q^ν σ > 1 เป็นเงื่อนไขเกณฑ์ความผิดพลาด มันกล่าวว่าความแม่นยำในการคัดลอก q ความเหนือกว่าในการคัดเลือก σ และความยาว ν ไม่เป็นอิสระต่อกัน: หาก ν เพิ่มขึ้น μ ต้องลดลง หรือการคัดเลือกต้องแข็งแกร่งขึ้น
- ใช้การกลายพันธุ์ของฟาจ Qβ เป็นกรณีที่แรงกดดันจากการกลายพันธุ์ดันตัวจำลองแบบ RNA ไปสู่เกณฑ์ และการพิสูจน์อักษร/การซ่อมแซมของ DNA เป็นกรณีที่ μ ที่ต่ำลงเลื่อนเกณฑ์และอนุญาตจีโนมที่ใหญ่ขึ้น
- เมื่ออธิบายว่าทำไม hypercycle ไม่ใช่วิธีแก้สุดท้าย ให้ระลึกถึงขีดจำกัดห้าประการ: การถูกใช้ประโยชน์โดยปรสิต ความต้องการโครงสร้างเชิงพื้นที่หรือช่อง ปัญหาเสถียรภาพและการเกิดนิวเคลียส พลวัตแบบสั่น และการไม่สามารถรวมยีนทั้งหมดเชิงโครงสร้างได้ การปรับปรุงคือการเชื่อมโยงกับการแปล โปรโตเซลล์ และจีโนมเชิงโครงสร้าง
> **วัตถุประสงค์ของหน้า**
>
> สังเคราะห์ว่าเกณฑ์ความผิดพลาดจำกัดหน่วยการจำลองแบบเริ่มต้นอย่างไรและทำไมการจัดระเบียบแบบ hypercyclic แม้มีขีดจำกัด จึงเป็นขั้นตอนที่จำเป็น
> **ลำดับการสอน**
>
> เกณฑ์ความผิดพลาดกำหนดข้อมูลที่เสถียรสูงสุดที่ตัวจำลองแบบดั้งเดิมสามารถรักษาได้โดยพิจารณาจากความเที่ยงตรงในการจำลองแบบและข้อได้เปรียบในการคัดเลือก สำหรับความยาวลำดับ ν และความเหนือกว่าในการคัดเลือก σ การรักษาที่เสถียรต้องการ q^ν σ > 1 หรือเทียบเท่า μ ≲ ln σ / ν โดยที่ q คือความแม่นยำในการคัดลอกต่อเบสและ μ คืออัตราการกลายพันธุ์ต่อเบส หากแรงกดดันจากการกลายพันธุ์เกินขอบเขตนี้ ลำดับไวลด์ไทป์จะสลายไปเป็นกลุ่มมิวแทนต์ เน้นว่า q, σ และ ν ไม่เป็นอิสระต่อกัน: การเพิ่ม ν ต้องการ μ ที่ต่ำลงหรือการคัดเลือกที่แข็งแกร่งขึ้น
>
> สิ่งนี้ทำให้ข้อจำกัดเดียวกันเป็นทางการด้วย q̄m (ความแม่นยำในการคัดลอก), σm (ข้อได้เปรียบในการคัดเลือก) และ vm (ความยาวลำดับ) พวกมันร่วมกันทำนายว่าลำดับที่มีความหมายถูกรักษาไว้หรือสูญหาย การเพิ่ม vm โดยไม่ปรับปรุง q̄m หรือ σm ดันเกินเกณฑ์
>
> ข้อมูลที่เสถียรอยู่รอดได้เฉพาะเมื่อมีความสมดุลร่วมกัน
>
> การกลายพันธุ์ของฟาจ Qβ แสดงว่าเมื่อภาระการกลายพันธุ์เพิ่มขึ้น การกระจายตัวของมิวแทนต์กว้างขึ้นและความเด่นของไวลด์ไทป์กัดกร่อน—การเข้าใกล้เกณฑ์ความผิดพลาด การพิสูจน์อักษรและการซ่อมแซมของ DNA ลดอัตราการกลายพันธุ์ที่มีประสิทธิผล μ เลื่อนขอบเขตและทำให้จีโนมที่เสถียรขนาดใหญ่ขึ้นเป็นไปได้ ตัวจำลองแบบ RNA มีแนวโน้มเข้าใกล้เกณฑ์
>
> สิ่งมีชีวิตที่มีการพิสูจน์อักษรสามารถรักษาข้อมูลได้มากกว่า
>
> หน่วยการจำลองแบบเริ่มต้นน่าจะยังคงสั้นและคล้าย tRNA เพราะความเที่ยงตรงต่ำจำกัดความสามารถในการเข้ารหัสและเชิงเร่งปฏิกิริยา แทนที่จะเป็น ligation ด้วยพันธะโควาเลนต์ พวกมันถูกเชื่อมโยงด้วยการเชื่อมโยงเชิงหน้าที่หรือเชิงเร่งปฏิกิริยา: ตัวจำลองแบบแต่ละตัวสนับสนุนตัวอื่น สร้างเครือข่ายร่วมมือแทนที่จะเป็นโครโมโซมที่รวมหนึ่งเดียว
>
> hypercycle เชื่อมโยงตัวจำลองแบบแบบวัฏจักร ทำให้เกิดการคัดเลือกร่วม การรวมหน้าที่更多 และเส้นทางไปสู่การแปล พวกมันเป็นตัวกลางที่จำเป็นภายใต้ความเที่ยงตรงต่ำ แต่พวกมันมีขีดจำกัด: ความเปราะบางต่อการถูกใช้ประโยชน์โดยปรสิตหรือมิวแทนต์ที่เห็นแก่ตัว
>
> การพึ่งพาโครงสร้างเชิงพื้นที่หรือช่อง;ปัญหาเสถียรภาพและการเกิดนิวเคลียส;พลวัตแบบสั่นหรือวงจำกัด;และการไม่สามารถรวมยีนทั้งหมดเชิงโครงสร้างได้
>
> การปรับปรุงรวมถึงการจำลองแบบ coupled กับการแปล การแบ่งช่องหรือโปรโตเซลล์ และการรวมเชิงโครงสร้างเป็นจีโนมที่เป็นหนึ่งเดียว สิ่งเหล่านี้จัดแนวการถ่ายทอดกับหน่วยที่รวมทั้งหมด ทำให้การคัดเลือกกระทำบนชุดยีนทั้งหมดแทนที่จะเป็นตัวจำลองแบบที่เชื่อมโยงอย่างหลวม
>
> เกณฑ์ความผิดพลาดกำหนดข้อกำหนดด้านความเที่ยงตรง; hypercycle ให้กลยุทธ์การเชื่อมโยงเชิงหน้าที่ภายใต้ความเที่ยงตรงต่ำ; ขีดจำกัดของพวกมันกระตุ้นการเปลี่ยนผ่านไปสู่การแปลและการจัดระเบียบเซลล์ที่รวม
>
> **คำศัพท์สำคัญ**
>
> - เกณฑ์ความผิดพลาด, q^ν σ > 1, μ, q, σ, ν, เกมวิวัฒนาการประโยค, q̄m, σm, vm, ฟาจ Qβ, การพิสูจน์อักษรของ DNA, คล้าย tRNA, การเชื่อมโยงเชิงหน้าที่, hypercycle, ปรสิต, โปรโตเซลล์, จีโนมเชิงโครงสร้าง
> **สัญญาณภาพ**
>
> - แผนที่แนวคิดวางเกณฑ์ความผิดพลาด (q, σ, ν
> - q^ν σ > 1) ที่ศูนย์กลาง ลูกศรที่กำกับว่า 'การทดสอบเชิงประจักษ์' และ 'ข้อจำกัด' เชื่อมต่อไปยัง 'หลักยึดเชิงทดลอง' (การกลายพันธุ์ของฟาจ Qβ
> - การพิสูจน์อักษร/การซ่อมแซมของ DNA) และ 'ตัวจำลองแบบเริ่มต้น' (สั้น คล้าย tRNA
> - การเชื่อมโยงเชิงหน้าที่) จากศูนย์กลาง 'ตัวกลางที่จำเป็น' ชี้ไปที่ 'การจัดระเบียบแบบ Hypercyclic' (การเชื่อมโยงเชิงหน้าที่แบบวัฏจักร การคัดเลือกร่วม
> - ปรสิต ความไม่เสถียร การเกิดนิวเคลียส) และ 'ขีดจำกัด / การเปลี่ยนผ่าน' ชี้ไปที่ 'การเปลี่ยนผ่านไปสู่การรวม' (การจำลองแบบ coupled กับการแปล
> - การแบ่งช่อง/โปรโตเซลล์
> - จีโนมเชิงโครงสร้าง)
**แนวทางการฝึกปฏิบัติ**
สำหรับ Q1 เงื่อนไขที่ถูกต้องคือ q^ν σ > 1
หากนักเรียนเลือกอย่างอื่น เตือนพวกเขาว่า q, σ และ ν ต้องตอบสนองอสมการร่วมกัน สำหรับ Q2 q̄m คือความแม่นยำในการคัดลอก σm คือข้อได้เปรียบในการคัดเลือก และ vm คือความยาวลำดับ สำหรับ Q3 การกลายพันธุ์ Qβ แสดงให้เห็นว่าการเพิ่มภาระการกลายพันธุ์ทำให้การกระจายตัวของมิวแทนต์กว้างขึ้นและกัดกร่อนความเด่นของไวลด์ไทป์ สำหรับ Q4 การพิสูจน์อักษรและการซ่อมแซมของ DNA ลด μ ที่มีประสิทธิผลและอนุญาตจีโนมที่เสถียรขนาดใหญ่ขึ้น สำหรับ Q5 ขีดจำกัดของ hypercycle คือความเปราะบางต่อการถูกใช้ประโยชน์โดยปรสิตหรือมิวแทนต์ที่เห็นแก่ตัว
ประโยชน์รวมถึงการคัดเลือกร่วมและเส้นทางไปสู่การแปล ในกรณีศึกษา แนะนำให้นักเรียนระบุขีดจำกัด hypercycle ห้าประการและสามการปรับปรุง (การเชื่อมโยงกับการแปล โปรโตเซลล์ จีโนมเชิงโครงสร้าง) สำหรับแบบฝึกหัดเชิงตัวเลขด้วย ν = 100 และ σ = 2, μ ≲ ln 2 / 100 ≈ 0.0069 ต่อเบสต่อการจำลองแบบ
อธิบายว่าขีดจำกัดที่เข้มงวดนี้ทำให้ตัวจำลองแบบเริ่มต้นสั้น และการพิสูจน์อักษรในภายหลังขยายขนาดจีโนมที่เสถียร
**ตรวจสอบความเข้าใจ**
ขอให้นักเรียนระบุอสมการเกณฑ์ความผิดพลาดเป็นคำพูดและสัญลักษณ์ จากนั้นอธิบายว่าเกิดอะไรขึ้นหาก ν เพิ่มขึ้นโดยไม่ปรับปรุง q หรือ σ ถามว่าทำไมตัวจำลองแบบเริ่มต้นน่าจะสั้นและคล้าย tRNA และการพิสูจน์อักษรของ DNA เปลี่ยนขอบเขตอย่างไร ขอขีดจำกัดสองประการของการจัดระเบียบแบบ hypercyclic และการปรับปรุงสองประการที่เกินกว่านั้น
> **ช่วงเปลี่ยนผ่าน**
>
> เมื่อนักเรียนสามารถอธิบายว่าเกณฑ์ความผิดพลาดจำกัดความยาวตัวจำลองแบบอย่างไรและทำไม hypercycle จึงเป็นตัวกลางที่จำเป็นแต่มีขีดจำกัด ให้ไปที่หัวข้อถัดไปเกี่ยวกับการแปลและการจัดระเบียบเซลล์ที่รวม
--- จบข้อความต้นฉบับ ---