跳转至

第七章：生物振荡器

生物振荡器与开关 (Biological Oscillators and Switches)

书籍来源：J.D. Murray, Mathematical Biology I

章节概述：本章系统介绍了生物振荡器的数学理论、反馈控制机制及其在神经信号、激素调节等领域的应用。振荡现象广泛存在于生物系统中，周期从秒级到小时级甚至天级不等。

7.1 动机、历史背景与研究现状

7.1.1 生物振荡现象概述

生物振荡器是生命系统中普遍存在的现象。活的生物系统虽然极其复杂，但同时具有高度有序性和高效性。这些系统紧凑地存储了生成重复性细胞繁殖、组织、控制等机制所需的信息。

与最先进的计算机芯片每单位重量的信息存储效率相比，核糖核酸分子（mRNA）等分子的效率要高出数十亿倍。这种比较说明了生物系统的惊人效率。

7.1.2 重要生物振荡器实例

心脏起搏器：心脏中的周期性起搏器是一个重要例子，在第9章中有所涉及。

果蝇蛹的羽化：果蝇从蛹中出现的周期约为24小时，看似由外部每日节律控制，但实际上并非如此。

神经动作电位：Hodgkin和Huxley（1952）的经典工作揭示了沿神经纤维传播的电脉冲。在特定条件下，神经纤维表现出规律性的周期性放电。

呼吸：呼吸是另一个生理振荡器的典型例子，周期约为秒级。

糖酵解途径：糖酵解是分解葡萄糖以提供细胞代谢能量的过程。在该过程中某些化学物质的浓度会表现出数分钟周期的振荡。

Dictyostelium discoideum（细胞黏菌）：在细胞黏菌生命周期的特定阶段，细胞会周期性释放环磷酸腺苷（cAMP），周期为几分钟。

睾酮水平：男性血液中的睾酮水平通常表现出2-3小时量级的振荡周期。

7.1.3 历史发展

振荡反应的研究历史可追溯至Lotka（1910），他提出了一个表现出阻尼振荡的理论反应。后来Lotka（1920, 1925）提出了现在被称为Lotka-Volterra标签的反应机制。

实验方面，Bray（1921）在过氧化氢-碘酸根离子反应中发现了振荡现象。Belousov（1951, 1959）随后发现了另一个重要的振荡反应，后由Zhabotinskii（1964）继续研究，现被称为Belousov-Zhabotinskii反应。

7.1.4 振荡器的数学描述

振荡器模型通常涉及常微分方程系统：

\[\frac{du}{dt} = f(u) \qquad(7.1)\]

其中 \(u(t)\) 是浓度向量，\(f\) 描述非线性反应动力学或底层生物振荡器机制。

对于周期解 \(u(t + T) = u(t)\)，其中 \(T > 0\) 是周期。在相空间中，这个解轨迹是一个简单的闭合轨道 \(\gamma\)。如果 \(u_0(t)\) 是极限环解，那么它全局渐近稳定——即从 \(u_0\) 或 \(\gamma\) 出发的任何扰动最终都会趋于零。

7.1.5 Hopf分岔定理

定理内容：设 \(u = 0\) 是方程(7.1)的一个稳态，关于它作线性化得到一对简单的共轭复特征值 \(\alpha(\lambda) = \text{Re}\alpha \pm i\text{Im}\alpha\)。假设这對特征值具有所有特征值中最大的实部，并且在分岔值 \(\lambda_c\) 的小邻域内满足： - (i) \(\lambda < \lambda_c\) 时，\(\text{Re}\alpha < 0\) - (ii) \(\lambda = \lambda_c\) 时，\(\text{Re}\alpha = 0\) 且 \(\text{Im}\alpha \neq 0\) - (iii) \(\lambda > \lambda_c\) 时，\(\text{Re}\alpha > 0\)

则在 \(\lambda_c\) 的小邻域内，\(\lambda > \lambda_c\) 时稳态因增长振荡而不稳定，并且至少存在一个围绕 \(u = 0\) 的小振幅极限环周期解。极限环周期为 \(2\pi/T_0\)，其中 \(T_0 = \text{Im}[\alpha(\lambda_c)]\)。值 \(\lambda_c\) 是Hopf分岔值。

7.2 反馈控制机制

7.2.1 酶合成调控模型

在许多细胞培养中，参与分裂的某些酶会表现出周期性的活性增加，这反映了酶合成速率的周期性变化。Monod和Jacob（1961）提出了几种能够自我调节和控制的模型。

Goodwin（1965）提出了一个简单模型，描述某些代谢物抑制对其自身合成所必需的酶的过程。这一过程通过抑制DNA转录为mRNA来实现，而mRNA是合成酶的模板。

7.2.2 Goodwin模型的数学表示

一个推广的Goodwin模型如下：

\[\frac{dM}{dt} = \frac{V}{D + P^m} - aM \qquad(7.3)\]
\[\frac{dE}{dt} = bM - cE \qquad(7.3)\]
\[\frac{dP}{dt} = dE - eP \qquad(7.3)\]

其中 \(M\)、\(E\) 和 \(P\) 分别代表mRNA、酶和酶与底物反应产物的浓度。\(V\)、\(D\)、\(m\)（Hill系数）和 \(a\)、\(b\)、\(c\)、\(d\)、\(e\) 都是正常数参数。

Griffith（1968）通过分析稳态稳定性表明，除非方程(7.3)中的Hill系数 \(m\) 足够大（大约大于8），否则不可能出现振荡——这是一个不自然的高值。

7.2.3 Michaelis-Menten动力学修正

一个更符合生物学意义的修法是将 \(P\) 方程中的线性降解替换为Michaelis-Menten动力学：

\[\frac{dP}{dt} = dE - \frac{eP}{k + P} \qquad(7.3')\]

即产物的降解根据Michaelis-Menten动力学在 \(P\) 很大时达到饱和。有了这个修正，即使Hill系数 \(m\) 低至2，也能出现极限环振荡。

7.2.4 一般反馈控制系统

一个在适当无量纲化形式下的通用系统为：

\[\frac{du_1}{dt} = f(u_n) - k_1u_1 \qquad(7.4)\]
\[\frac{du_r}{dt} = u_{r-1} - k_ru_r, \quad r = 2, 3, \ldots, n \qquad(7.4)\]

其中 \(k_r > 0\)，\(f(u)\) 是非线性反馈函数，始终为正。

正反馈与负反馈： - 如果 \(f(u)\) 是 \(u\) 的增函数，即 \(f'(u) > 0\)，则(7.4)代表正反馈回路 - 如果 \(f(u)\) 是 \(u\) 的单调减函数，即 \(f'(u) < 0\)，则系统代表负反馈回路或反馈抑制

正反馈回路在代谢控制机制中不常见，而负反馈回路则很常见。

7.2.5 稳态分析

方程(7.4)的稳态解为：

\[f(u_n) = k_1k_2\ldots k_nu_n \qquad(7.5)\]
\[u_{n-1} = k_nu_n, \ldots, u_1 = k_2k_3\ldots k_nu_n\]

7.2.6 有界域与极限环存在条件

高维方程系统不存在二维相平面上Poincaré-Bendixson定理的等价定理，但实际系统必须具有某个有界域 \(B\)，使得：

\[\mathbf{n} \cdot \frac{du}{dt} < 0 \quad \text{for } u \in B \qquad(7.6)\]

其中 \(\mathbf{n}\) 是 \(B\) 的外向单位法向量。

7.2.7 二物种负反馈系统分析

对于二物种负反馈系统：

\[\frac{du_1}{dt} = f(u_2) - k_1u_1, \quad \frac{du_2}{dt} = u_1 - k_2u_2 \qquad(7.4二物种)\]

其中 \(f(u_2) > 0\) 且 \(f'(u_2) < 0\)。

考虑由 \(|u_1| = 0\)、\(|u_2| = 0\)、\(|u_1| = U_1\) 和 \(|u_2| = U_2\) 界定的矩形域，其中 \(U_1\) 和 \(U_2\) 待定。在边界上：

\[u_1 = 0: \quad \mathbf{n} \cdot \frac{du}{dt} = -\frac{du_1}{dt} = -f(u_2) < 0 \quad \forall u_2 \geq 0\]
\[u_2 = 0: \quad \mathbf{n} \cdot \frac{du}{dt} = -\frac{du_2}{dt} = -u_1 < 0 \quad \forall u_1 > 0\]

如果选择满足以下条件的 \(U_1\) 和 \(U_2\)：

\[U_1 > \frac{f(0)}{k_1}, \quad U_2 > \frac{U_1}{k_2} \qquad(7.8)\]

则(7.7)表明存在一个满足(7.6)的有界域 \(B\)。

7.2.8 n物种系统的临界条件

对于n物种负反馈回路，临界条件为：

\[U_1 > \frac{f(0)}{k_1}, \quad U_2 > \frac{U_1}{k_2}, \ldots, \quad U_n > \frac{U_{n-1}}{k_n} \qquad(7.9)\]

7.2.9 Hill系数与稳定性

当 \(n = 3\) 时，稳态仅在 \(m > 8\) 时不稳定。当反馈回路长度 \(n\) 增加时，Tyson和Othmer（1978）表明，当Hill系数 \(m\) 和反馈回路长度 \(n\) 满足 \(m > m_0(n) = \sec^n(\pi/n)\) 时，稳态会失稳。

部分取值： - \(n = 3\): \(m = 8\) - \(n = 4\): \(m = 4\) - \(n = 10\): \(m = 1.65\) - \(n \to \infty\): \(m \to 1\)

7.2.10 振荡周期近似

振荡周期的一个近似公式为：

\[T \approx \frac{2N}{K} \qquad(7.10)\]

其中 \(N\) 是半衰期大致相同的物种数，\(K\) 是最小的动力学参数。

Rapp（1976）给出的更定量结果为：

\[\omega = K\tan\left(\frac{\pi}{N}\right) \Rightarrow T = \frac{2\pi}{\omega} \qquad(7.10')\]

7.3 两物种或多物种振荡器与开关：一般定性结果

7.3.1 两物种系统的数学框架

设两物种 \(u\) 和 \(v\) 满足由以下方程给出的反应动力学：

\[\frac{du}{dt} = f(u,v), \quad \frac{dv}{dt} = g(u,v) \qquad(7.10)\]

稳态解 \((u_0, v_0)\) 满足：

\[f(u_0, v_0) = g(u_0, v_0) = 0 \qquad(7.11)\]

线性化后的稳定性矩阵为：

\[A = \begin{pmatrix} f_u & f_v \\ g_u & g_v \end{pmatrix}_{(u_0, v_0)} \qquad(7.12)\]

特征值 \(\lambda\) 由下式给出：

\[|A - \lambda I| = 0 \Rightarrow \lambda^2 - (\text{tr}A)\lambda + |A| = 0 \qquad(7.13)\]
\[\lambda = \frac{1}{2}\left[\text{tr}A \pm \sqrt{(\text{tr}A)^2 - 4|A|}\right] \qquad(7.13)\]

7.3.2 稳定性条件

稳定性的必要充分条件为：

\[\text{tr}A = f_u + g_v < 0, \quad |A| = f_ug_v - f_vg_u > 0 \qquad(7.14)\]

7.3.3 相平面分析与Poincaré-Bendixson定理

假设动力学使系统正交中有一个有界域，则根据Poincaré-Bendixson定理，当 \((u_0, v_0)\) 是不稳定的螺旋或结点时，存在极限环解；但如果是鞍点，则不存在。

不稳定条件：

\[\text{tr}A > 0, \quad |A| > 0 \Rightarrow \begin{cases} (\text{tr}A)^2 > 4|A| & \text{不稳定结点} \\ (\text{tr}A)^2 < 4|A| & \text{不稳定螺旋} \end{cases} \qquad(7.15)\]

7.3.4 零斜率线分析与稳定性矩阵符号

在稳态 \(S(u_0, v_0)\) 附近，零斜率线 \(f(u,v) = 0\) 和 \(g(u,v) = 0\) 可以以不同方式相交。稳定性矩阵 \(A\) 的可能符号形式为：

\[A = \begin{pmatrix} + & - \\ + & - \end{pmatrix} \text{或} \begin{pmatrix} - & + \\ - & + \end{pmatrix} \qquad(7.16)\]

7.3.5 开关与阈值现象

在多稳态情况下（如参数变化导致零斜率线形成三个交点），系统可以表现出开关特性。通过适当的扰动，系统可以从一个稳定的稳态永久地切换到另一个稳定的稳态。

这种开关行为在生物学中具有重要意义，特别是在神经信号的传导和细胞信号传导通路中。

7.3.6 快慢动力学与松弛振荡

考虑一般系统：

\[\frac{du}{dt} = f(u, \alpha), \quad \frac{d\alpha}{dt} = \varepsilon g(u, \alpha) \qquad(7.18)\]

其中 \(0 < \varepsilon \ll 1\)，\(\alpha\) 是一个变化缓慢的参数。

如果 \(\alpha\) 周期性变化，使得在每个周期中它来回穿过一个产生三个解的区域，则系统可能表现出弛豫振荡行为——解的缓慢变化段与快速变化段交替出现。

7.3.7 周期爆发（Periodic Bursting）

周期爆发是慢快系统表现出的一种复杂行为模式。在某些参数范围内，系统在静止期和重复放电期之间交替。

这种现象在神经系统中观察到，特别是在考虑钾、钠、钙等多种离子电流的耦合时。

7.3.8 突变理论（Canards）

定义：突变是振荡系统在某个参数通过窄值范围时，其振荡解的振幅和周期发生突然重大变化的现象。

突变最早由Benoit等（1981）在与van der Pol方程相关时讨论。突变系统会产生有趣且有时极为复杂的动力学行为。

7.4 简单两物种振荡器：参数域的确定

7.4.1 三分子反应必要性

Hanusse（1972）证明，如果将反应系统限制为仅两物种，极限环解只能存在于有三分子反应的情况下。

Schnackenberg（1979）考虑了能够产生周期解的"最简单"但化学上合理的两物种三分子反应。最简单的反应机制为：

\[X \rightleftharpoons^{k_1}_{k_{-1}} A, \quad B \xrightarrow{k_2} Y, \quad 2X + Y \xrightarrow{k_3} 3X \qquad(7.19)\]

7.4.2 无量纲方程

使用质量作用定律，得到关于 \(u\) 和 \(v\)（\(X\) 和 \(Y\) 的无量纲浓度）的方程：

\[\frac{du}{dt} = a - u + u^2v = f(u,v) \qquad(7.20)\]
\[\frac{dv}{dt} = b - u^2v = g(u,v) \qquad(7.20)\]

其中 \(a\) 和 \(b\) 是正常数。

7.4.3 稳态分析

方程(7.20)的稳态为：

\[f(u_0, v_0) = a - u_0 + u_0^2v_0 = 0, \quad g(u_0, v_0) = b - u_0^2v_0 = 0 \qquad(7.21)\]
\[u_0 = b + a, \quad v_0 = \frac{b}{(a+b)^2}, \quad b > 0, \quad a + b > 0 \qquad(7.21)\]

稳定性矩阵的迹和行列式为：

\[\text{tr}A = f_u + g_v = (-1 + 2u_0v_0) + (-u_0^2) = \frac{b-a}{a+b} - (a+b)^2 \qquad(7.22)\]
\[|A| = f_ug_v - f_vg_u = (a+b)^2 > 0 \quad \forall a, b \qquad(7.23)\]

7.4.4 参数域确定

不稳定结或螺旋的参数域由 \(\text{tr}A > 0\) 给出，即：

\[\text{tr}A = 0 \Rightarrow b - a = (a+b)^3 \qquad(7.24)\]

7.4.5 参数化方法

用稳态 \(u_0\) 作为参数，将 \(b\) 和 \(a\) 表示为 \(u_0\) 的函数：

\[a = \frac{u_0(1 - u_0^2)}{2} \qquad(7.27)\]
\[b = \frac{u_0(1 + u_0^2)}{2} \quad \forall u_0 > 0 \qquad(7.27)\]

7.4.6 λ-ω系统

λ-ω系统是特别简单的方程组，具有精确的极限环解，广泛用于反应扩散系统的原型研究。方程可以写成以下形式：

\[\frac{du}{dt} = \lambda(r)u - \omega(r)v \qquad(7.30)\]
\[\frac{dv}{dt} = \omega(r)u + \lambda(r)v \qquad(7.30)\]

其中 \(r = (u^2 + v^2)^{1/2}\)。

如果将变量 \((u,v)\) 表示为复数形式 \(c = u + iv\)，则方程变为：

\[\frac{dc}{dt} = [\lambda(|c|) + i\omega(|c|)]c \qquad(7.31)\]

极限环解为：

\[r = r_0, \quad \theta(t) = \omega(r_0)t + \theta_0 \qquad(7.34)\]

7.5 Hodgkin-Huxley神经膜理论与FitzHugh-Nagumo模型

7.5.1 神经信号传导背景

神经通讯是一个非常重要的领域。Hodgkin和Huxley（1952）对巨型乌贼神经轴突的开创性工作获得了诺贝尔奖。

神经轴突是一条长的圆柱形管，从每个神经元延伸出来。电信号沿其外膜传播，膜厚约50-70埃。电脉冲的产生是因为膜对各种化学离子具有选择性通透性，且通透性受当前电流和电位的影响。

7.5.2 基本数学模型

设膜电流（记为 \(I\)）的正方向为从轴突向外。电流 \(I(t)\) 由通过膜的单个离子电流和跨膜电位随时间变化的贡献（膜电容贡献）组成：

\[I(t) = C\frac{dv}{dt} + I_i \qquad(7.35)\]

其中 \(C\) 是电容，\(I_i\) 是离子穿过膜的电流贡献。

基于实验观察，Hodgkin和Huxley取：

\[I_i = I_{Na} + I_K + I_L \qquad(7.36)\]
\[= g_{Na}m^3h(V - V_{Na}) + g_Kn^4(V - V_K) + g_L(V - V_L) \qquad(7.36)\]

其中 \(V\) 是电位，\(I_{Na}\)、\(I_K\) 和 \(I_L\) 分别是钠、钾和"泄漏"电流；\(g\) 是常数电导，\(V_{Na}\)、\(V_K\) 和 \(V_L\) 是常数平衡电位。

\(m\)、\(n\) 和 \(h\) 是变量，由以下微分方程决定：

\[\frac{dm}{dt} = \alpha_m(V)(1-m) - \beta_m(V)m \qquad(7.37)\]
\[\frac{dn}{dt} = \alpha_n(V)(1-n) - \beta_n(V)n \qquad(7.37)\]
\[\frac{dh}{dt} = \alpha_h(V)(1-h) - \beta_h(V)h \qquad(7.37)\]

7.5.3 Hodgkin-Huxley方程

如果施加电流 \(I_a(t)\)，则控制方程为：

\[C\frac{dV}{dt} = -g_{Na}m^3h(V-V_{Na}) - g_Kn^4(V-V_K) - g_L(V-V_L) + I_a \qquad(7.38)\]

系统(7.38)与(7.37)构成四变量模型。

7.5.4 兴奋性与阈值特性

如果 \(I_a = 0\)，模型(7.37)和(7.38)的静息态是线性稳定的，但具有可兴奋性——即如果对静息态的扰动足够大，变量在返回稳态之前会经历相空间中的大 excursion。

如果 \(I_a \neq 0\)，存在一个范围的值使系统产生规律的重复放电——即表现出极限环特性。

7.5.5 FitzHugh-Nagumo模型

由于原方程组的复杂性，人们提出了各种简化数学模型，其中最著名且特别有用的是FitzHugh-Nagumo模型（FitzHugh 1961, Nagumo et al. 1962）。

\(m\) 的时间尺度比其他变量快得多，因此可以假设它立即弛豫到由 \(\frac{dm}{dt} \approx 0\) 确定的平衡值。

得到的关于 \(V\) 和 \(n\) 的二变量模型在定性上可以近似为：

\[\frac{dv}{dt} = f(v) - w + I_a \qquad(7.39)\]
\[\frac{dw}{dt} = bv - \gamma w \qquad(7.39)\]
\[f(v) = v(a-v)(v-1) \qquad(7.39)\]

其中 \(0 < a < 1\)，\(b\) 和 \(\gamma\) 是正常数。

7.5.6 相平面分析

对于 \(I_a = 0\) 的情况，系统(7.39)的零斜率线如图7.11所示。随着参数值的变化，系统可以有1个或3个稳态。

7.5.7 周期神经元放电

当存在施加电流 \(I_a\) 时，零斜率线的配置允许存在一个 \(I_a\) 的窗口 \((I_1, I_2)\)，在此窗口内稳态可能不稳定，极限环振荡是可能的。

对于分段线性近似的必要条件是零斜率线在稳态处的斜率小于 \(w\) 零斜率线的斜率：

\[\tan\theta = \frac{w_2 - w_1}{v_2 - v_1} < \frac{b}{\gamma} \qquad(7.42)\]

7.6 睾酮分泌控制的建模与化学阉割

7.6.1 生理学背景

睾酮是一种极其重要的激素，尽管其在血液中的含量非常低。任何规律性的失衡都可能导致剧烈变化。

男性血液中的睾酮水平可以表现出大约2-3小时量级的周期性波动。男性体内的睾酮水平在10-35纳摩尔/升之间，女性在0.7-2.7纳摩尔/升之间。

7.6.2 睾酮分泌的 compartment 模型

睾酮分泌的核心调控机制涉及三种激素： - LHRH（黄体生成素释放激素）：由下丘脑分泌 - LH（黄体生成素）：由垂体分泌，受LHRH刺激 - T（睾酮）：由性腺产生，受LH刺激

睾酮对LHRH和LH的分泌有负反馈作用。

7.6.3 模型的数学表示

设 \(R(t)\)、\(L(t)\) 和 \(T(t)\) 分别为LHRH、LH和T的浓度。Smith（1980）提出的简单负反馈 compartment 模型为：

\[\frac{dR}{dt} = f(T) - b_1R \qquad(7.43)\]
\[\frac{dL}{dt} = g_1R - b_2L \qquad(7.43)\]
\[\frac{dT}{dt} = g_2L - b_3T \qquad(7.43)\]

其中 \(b_1, b_2, b_3, g_1, g_2 > 0\)，\(f(T)\) 是 \(T\) 的正单调递减负反馈函数。

7.6.4 时滞模型

由于激素的空间分离和血液运输的事实，在激素产生的各个阶段之间必然存在延迟。Murray（1970年代）提出在T方程中加入时滞的修正模型：

\[\frac{dR}{dt} = f(T) - b_1R \qquad(7.44)\]
\[\frac{dL}{dt} = g_1R - b_2L \qquad(7.44)\]
\[\frac{dT}{dt} = g_2L(t-\tau) - b_3T \qquad(7.44)\]

其中 \(\tau\) 是与体内血液循环时间相关的延迟。

7.6.5 稳定性分析

设 \(x = R - R_0\)，\(y = L - L_0\)，\(z = T - T_0\)，线性化系统为：

\[\frac{dx}{dt} = f'(T_0)z - b_1x \qquad(7.47)\]
\[\frac{dy}{dt} = g_1x - b_2y \qquad(7.47)\]
\[\frac{dz}{dt} = g_2y(t-\tau) - b_3z \qquad(7.47)\]

寻找形如 \(\mathbf{x} = A\exp[\lambda t]\) 的解，得到特征方程：

\[\lambda^3 + a\lambda^2 + b\lambda + c + de^{-\lambda\tau} = 0 \qquad(7.49)\]

其中： $\(a = b_1 + b_2 + b_3, \quad b = b_1b_2 + b_2b_3 + b_3b_1\)$ $\(c = b_1b_2b_3, \quad d = -f'(T_0)g_1g_2 > 0\)$

7.6.6 临界延迟的确定

临界延迟 \(\tau_c\) 是使得解具有 \(\text{Re}\lambda > 0\) 的 \(\tau\) 值。分岔值由以下条件确定：

\[c - a\nu^2 + d\cos\nu\tau = 0 \qquad(7.56)\]
\[b\nu - \nu^3 - d\sin\nu\tau = 0 \qquad(7.56)\]

从中可得：

\[\cot\nu\tau = \frac{a\nu^2 - c}{\nu(b - \nu^2)} \qquad(7.57)\]

以及：

\[d = \frac{[b - \nu^2(\tau)]\nu(\tau)}{\sin[\nu(\tau)\tau]} \qquad(7.59)\]

当 \(\tau = 0\) 时，稳态是稳定的（\(\text{Re}\lambda < 0\)）。当时滞 \(\tau\) 超过临界值 \(\tau_c\) 时，稳态会因增长振荡而失稳，从而产生极限环周期解。

7.6.7 化学阉割

化学阉割药物（如Lupron、Goserelin）通过阻断垂体产生的LH来发挥化学阉割作用。即在模型系统(7.44)中，\(g_1 = 0\)。

这种情况下，\(L(t)\) 的控制方程与其它方程解耦，\(L \to 0\) 随时间，进而 \(T \to 0\)，这等同于阉割。

7.7 周期性动态疾病概述

（注：原章节内容可能未完整覆盖此部分，以下基于章节内容推断）

7.7.1 振荡与疾病

许多疾病与生物振荡器的异常有关。当振荡器失去正常节律时，可能导致各种病理状况。

7.7.2 可能的临床意义

理解生物振荡器的数学机制对于诊断和治疗与节律紊乱相关的疾病具有重要意义。

公式汇总表

编号 公式名称 公式形式 备注
(7.1) 振荡器ODE系统 \(\frac{du}{dt} = f(u)\) 基本微分方程系统
(7.2) 周期解条件 \(u(t+T) = u(t)\) 周期为 \(T\)
(7.3) Goodwin模型 \(\frac{dM}{dt} = \frac{V}{D+P^m} - aM\), \(\frac{dE}{dt} = bM-cE\), \(\frac{dP}{dt} = dE-eP\) 酶合成反馈控制
(7.4) 通用反馈系统 \(\frac{du_1}{dt} = f(u_n) - k_1u_1\), \(\frac{du_r}{dt} = u_{r-1} - k_ru_r\) n物种反馈回路
(7.6) 有界域条件 \(\mathbf{n} \cdot \frac{du}{dt} < 0\) 存在有界域
(7.10) 两物种系统 \(\frac{du}{dt} = f(u,v)\), \(\frac{dv}{dt} = g(u,v)\) 基本两物种模型
(7.14) 稳定性条件 \(\text{tr}A = f_u+g_v < 0\), $ A
(7.15) 不稳定条件 \(\text{tr}A > 0\), $ A
(7.18) 快慢系统 \(\frac{du}{dt} = f(u,\alpha)\), \(\frac{d\alpha}{dt} = \varepsilon g(u,\alpha)\) 弛豫振荡系统
(7.20) Schnackenberg模型 \(\frac{du}{dt} = a-u+u^2v\), \(\frac{dv}{dt} = b-u^2v\) 简化三分子模型
(7.30) λ-ω系统 \(\frac{du}{dt} = \lambda(r)u - \omega(r)v\), \(\frac{dv}{dt} = \omega(r)u + \lambda(r)v\) 解析可解极限环
(7.35) 膜电流关系 \(I(t) = C\frac{dv}{dt} + I_i\) Hodgkin-Huxley基础
(7.37) 门控变量方程 \(\frac{dm}{dt} = \alpha_m(1-m) - \beta_mm\) 钠钾通道动力学
(7.38) Hodgkin-Huxley方程 \(C\frac{dV}{dt} = -g_{Na}m^3h(V-V_{Na}) - g_Kn^4(V-V_K) - g_L(V-V_L) + I_a\) 完整神经模型
(7.39) FitzHugh-Nagumo模型 \(\frac{dv}{dt} = f(v) - w + I_a\), \(\frac{dw}{dt} = bv - \gamma w\) 简化神经模型
(7.42) 极限环条件（分段线性） \(\tan\theta = \frac{w_2-w_1}{v_2-v_1} < \frac{b}{\gamma}\) 周期解存在条件
(7.43) 睾酮模型（无时滞） \(\frac{dR}{dt} = f(T)-b_1R\), \(\frac{dL}{dt} = g_1R-b_2L\), \(\frac{dT}{dt} = g_2L-b_3T\) 三激素负反馈
(7.44) 睾酮模型（有时滞） \(\frac{dT}{dt} = g_2L(t-\tau) - b_3T\) 含血液传输延迟
(7.49) 特征方程 \(\lambda^3 + a\lambda^2 + b\lambda + c + de^{-\lambda\tau} = 0\) 时滞系统特征方程

关键概念总结

  1. 极限环振荡器：在相平面上表现为稳定闭合轨道的周期解，是生物振荡器的核心数学模型。

  2. Hopf分岔：当参数通过临界值时，系统从稳态转变为极限环振荡。

  3. 负反馈机制：生物振荡器中最常见的控制机制，确保系统稳定性但可能在特定条件下产生振荡。

  4. 时滞效应：时滞可以破坏稳定平衡，导致周期性振荡的产生。

  5. 兴奋性与阈值：神经系统中重要的非线性特性，允许"全或无"的动作电位响应。

  6. 弛豫振荡：快慢时间尺度的耦合导致大幅度的周期性变化。

  7. 开关特性：多稳态系统中的阈值机制，允许在稳定状态之间切换。

学习要点： - 理解极限环的数学定义及其存在条件 - 掌握Poincaré-Bendixson定理在二维系统中的应用 - 熟悉Hopf分岔定理及其在生物振荡器中的应用 - 理解反馈控制与振荡之间的关系 - 掌握时滞对系统稳定性的影响 - 了解生物振荡器在神经科学和内分泌学中的应用

本笔记基于 J.D. Murray, Mathematical Biology I, Chapter 7 编制