Трофическая когерентность - это свойство ориентированных графов (или ориентированных сетей ). [1] Он основан на концепции трофических уровней , используемых в основном в экологии , [2] , но которые могут быть определены для направленных сетей в целом и обеспечивает меру иерархической структуры между узлами. Трофическая согласованность - это тенденция узлов попадать на четко определенные трофические уровни. Это было связано с несколькими структурными и динамическими свойствами направленных сетей, включая преобладание циклов [3] и сетевых мотивов , [4] экологическую стабильность , [1] интервальность,[5] и распространяющиеся процессы, такие как эпидемии и нейрональные лавины . [6]
Определение [ править ]
Рассмотрим направленную сеть, определяемую матрицей смежности . Каждому узлу может быть присвоен трофический уровень в соответствии с
где is в степени, а узлы с (базальные узлы) имеют по соглашению. С каждым ребром связано трофическое различие , определяемое как . Трофическая когерентность сети является мерой того , насколько плотно достиг максимума распределения трофических расстояний , вокруг ее среднее значения, которое всегда . Это может быть зафиксировано параметром некогерентности , равным стандартному отклонению :
где - количество ребер в сети. [1]
На рисунке показаны две сети, различающиеся трофической связностью. Положение узлов на вертикальной оси соответствует их трофическому уровню. В сети слева узлы попадают на отдельные (целые) трофические уровни, поэтому сеть максимально когерентна . В том, что справа, многие из узлов имеют фракционные трофические уровни, а сеть более непоследовательна . [6]
Трофическая согласованность в природе [ править ]
Степень трофической когерентности (или некогерентности) эмпирических сетей можно исследовать путем сравнения с нулевой моделью. Это обеспечивается базальным ансамблем , который включает сети, в которых все небазальные узлы имеют одинаковую долю базальных узлов для своих соседей. [3] Ожидаемые значения в этом ансамбле сходится к таковым из широко используемой конфигурации ансамбля [7] в пределе , (с и номерами узлов и ребер), и могут быть показаны численно быть хорошим приближением для конечных случайных сетей. Базовое ожидание ансамбля для параметра некогерентности составляет
где - количество ребер, соединенных с базальными узлами. [3] Отношение, измеренное в эмпирических сетях, показывает, являются ли они более или менее согласованными, чем случайное ожидание. Например, Джонсон и Джонс [3] обнаружили в наборе сетей, что пищевые сети значительно когерентны , метаболические сети значительно некогерентны , а сети регуляции генов близки к случайным ожиданиям .
Трофические уровни и функция узла [ править ]
Пока еще мало понимания механизмов, которые могут привести к тому, что определенные виды сетей станут значительно связными или непоследовательными. [3] Однако в системах, которые представляют корреляции между трофическим уровнем и другими характеристиками узлов, процессы, которые имели тенденцию способствовать созданию ребер между узлами с определенными характеристиками, могли вызвать согласованность или несогласованность. В случае пищевых сетей хищники, как правило, специализируются на потреблении добычи с определенными биологическими свойствами (такими как размер, скорость или поведение), которые коррелируют с их диетой и, следовательно, с трофическим уровнем. Это было предложено как причина согласованности трофической сети. [1] Однако модели трофической сети, основанные на оси ниши , не воспроизводят реалистичную трофическую когерентность,[1], что может означать, что либо этого объяснения недостаточно, либонеобходимо учитыватьнесколько аспектов ниши . [8]
Связь между трофическим уровнем и функцией узла можно увидеть в сетях, отличных от пищевых сетей. На рисунке показана словесная сеть смежности, взятая из книги доктора Сьюза « Зеленые яйца и ветчина » . [3] Высота узлов представляет их трофические уровни (в соответствии с направлением ребер, которое противоположно тому, что указано стрелками, которые указывают порядок, в котором слова объединяются в предложения). Синтаксическая функция слов также отображается цветом узла. Существует четкая взаимосвязь между синтаксической функцией и трофическим уровнем: средний трофический уровень нарицательных существительных (синий) равен , тогда как уровень глаголов (красный) равен. Этот пример иллюстрирует, как трофическая когерентность или несогласованность может возникать из функции узла, а также то, что трофическая структура сетей обеспечивает средства идентификации функции узла в определенных системах.
Создание трофически когерентных сетей [ править ]
Существуют различные способы создания направленных сетей с заданной трофической когерентностью, все из которых основаны на постепенном введении новых ребер в систему таким образом, чтобы вероятность принятия каждого нового ребра кандидата зависела от ожидаемого трофического различия, которое оно будет иметь.
Модель предпочтительной добычи - это развивающаяся сетевая модель, аналогичная модели предпочтительной привязанности Барбаси-Альберта , но вдохновленная экосистемой, которая растет за счет иммиграции новых видов. [1] Первый начинается с базальных узлов и продолжается введением новых узлов, общее количество которых не превышает . Каждому новому узлу назначается первый ближайший сосед (вид жертвы в контексте пищевой сети), и новое ребро размещается от до . Новому узлу присваивается временный трофический уровень . Затем из числа тех, кто находится в сети , выбираются следующие новые внутренние соседи в соответствии с их трофическими уровнями. В частности, для нового кандидата в соседние, вероятность быть выбранной зависит от . Джонсон и др. [1] используют
где - параметр, который настраивает трофическую когерентность: для максимально когерентных сетей генерируются, и монотонно увеличивается с помощью for . Выбор произвольный. Одна из возможностей состоит в том, чтобы установить , где - количество узлов, уже находящихся в сети на момент прибытия, и это случайная величина, полученная из бета-распределения с параметрами и
( желаемое количество ребер). Таким образом, обобщенная каскадная модель [9] [10] восстанавливается в пределе , а распределения степеней такие же, как в нишевой модели [11] и обобщенной нишевой модели . [10] Этот алгоритм, как описано выше, генерирует сети без циклов (за исключением самоциклов, если новый узел сам считается среди своих кандидатов в соседи ). Чтобы циклы любой длины были возможны, можно рассматривать новые ребра-кандидаты, в которых новый узел является внутренним соседом, а также те, в которых он будет внешним соседом. Вероятность принятия этих краев, , то зависит от .
Обобщенная модель льготной наживаться [6] аналогична описанной выше, но имеет определенные преимущества. В частности, он более поддается анализу, и можно создавать сети с точным числом ребер . Сеть начинается с базовых узлов, а затем добавляются следующие новые узлы следующим образом. Когда каждый входит в систему, ему случайным образом назначается один ближайший сосед из числа уже имеющихся. Тогда каждый узел имеет целочисленный временный трофический уровень . Остальные ребра вводятся следующим образом. С каждой парой узлов связаны два временных трофических расстояния, и. Каждое из этих возможных ребер принимается с вероятностью, которая зависит от этого временного расстояния. Клэйз и Джонсон [6] используют
потому что они находят распределение трофических расстояний в нескольких типах сетей приблизительно нормальным , и этот выбор приводит к диапазону параметра, в котором . После того, как все ребра были введены, необходимо пересчитать трофические уровни всех узлов, так как они будут отличаться от временных, изначально назначенных, если только . Как и в случае с предпочтительной моделью охоты, средний параметр некогерентности результирующих сетей является монотонно возрастающей функцией для . На рисунке выше показаны две сети с разной трофической когерентностью, созданные с помощью этого алгоритма.
Ссылки [ править ]
- ^ Б с д е е г Johnson S, Dominguez-GARCÍA V, L, Donetti Муньос MA (2014). «Трофическая согласованность определяет стабильность пищевой сети» . Proc Natl Acad Sci USA . 111 (50): 17923–17928. arXiv : 1404,7728 . Bibcode : 2014PNAS..11117923J . DOI : 10.1073 / pnas.1409077111 . PMC 4273378 . PMID 25468963 .CS1 maint: multiple names: authors list (link)
- Перейти ↑ Levine S (1980). «Некоторые меры трофической структуры применимы к сложным пищевым сетям». J Theor Biol . 83 (2): 195–207. DOI : 10.1016 / 0022-5193 (80) 90288-X .
- ^ Б с д е е Johnson S и NS Jones (2017). «Отсутствие петель в сетях связано с трофической связностью» . Proc Natl Acad Sci USA . 114 (22): 5618–5623. arXiv : 1505.07332 . DOI : 10.1073 / pnas.1613786114 . PMC 5465891 . PMID 28512222 .
- ^ Klaise Дж и Джонсон S (2017). «Происхождение семейств мотивов в пищевых сетях» . Научные отчеты . 7 (1): 16197. arXiv : 1609.04318 . Bibcode : 2017NatSR ... 716197K . DOI : 10.1038 / s41598-017-15496-1 . PMC 5700930 . PMID 29170384 .
- ^ Domı Domnguez-Garcıa V, Johnson S, Muñoz MA (2016). «Интервалность и согласованность в сложных сетях». Хаос . 26 (6): 065308. arXiv : 1603.03767 . Bibcode : 2016Chaos..26f5308D . DOI : 10.1063 / 1.4953163 . PMID 27368797 . CS1 maint: multiple names: authors list (link)
- ^ а б в г Клэйз Дж. и Джонсон С. (2016). «От нейронов к эпидемиям: как трофическая когерентность влияет на процессы распространения». Хаос . 26 (6): 065310. arXiv : 1603.00670 . Bibcode : 2016Chaos..26f5310K . DOI : 10.1063 / 1.4953160 . PMID 27368799 .
- ^ Ньюман, MEJ (2003). «Структура и функции сложных сетей». SIAM Обзор . 45 (2): 167–256. arXiv : cond-mat / 0303516 . Bibcode : 2003SIAMR..45..167N . DOI : 10.1137 / S003614450342480 .
- ^ Rossberg AG, Brännström A, Дикман U (2010). «Структура пищевой сети в низко- и многомерных трофических нишах» . Интерфейс JR Soc . 7 (53): 1735–1743. DOI : 10,1098 / rsif.2010.0111 . PMC 2988264 . PMID 20462875 . CS1 maint: multiple names: authors list (link)
- ^ Коэн JE и Ньюман CM (1985). «Стохастическая теория пищевых сетей сообщества I. Модели и агрегированные данные». Proc. R. Soc. B . 224 (1237): 421–448. Bibcode : 1985RSPSB.224..421C . DOI : 10,1098 / rspb.1985.0042 .
- ^ a b Stouffer DB, Camacho J, Amaral LAN (2006). «Надежная мера интервальности пищевой сети» . Proc Natl Acad Sci USA . 103 (50): 19015–19020. Bibcode : 2006PNAS..10319015S . DOI : 10.1073 / pnas.0603844103 . PMC 1748169 . PMID 17146055 . CS1 maint: multiple names: authors list (link)
- Перейти ↑ Williams RJ и Martinez ND (2000). «Простые правила дают сложные пищевые сети». Природа . 404 (6774): 180–183. Bibcode : 2000Natur.404..180W . DOI : 10.1038 / 35004572 . PMID 10724169 .
Внешние ссылки [ править ]
- Почему большие экосистемы просто не рушатся?
- Без петель
- Трофическая когерентность может помочь разгадать тайну сосуществования в сложных экосистемах
- Трофическая согласованность объясняет, почему в сетях мало петель обратной связи и высокая стабильность
- Сайт Сэмюэля Джонсона
- Сайт Ника Джонса