双稳性


若一个动力学系统有两个稳定的平衡态,则称该系统具有双稳性 Bistability[1]。电灯的开关是一种常见的双稳性机械系统,其中的杠杆设计使开关停留在“开”或“关”的位置,而不是中间位置。机械系统、电子系统、非线性光学系统、化学系统和生物系统都可能具有双稳性。


在保守力场系统中,若势能有两个局部极小值点,则系统具有双稳性[2]。由于势能函数具有连续性,该系统一定存在不稳定的势能极大值点。在静息状态下,粒子将处于某一势能极小值点,极大值点可以视为它们之间的一道屏障。若给予足够的活化能,粒子能够穿过极大值屏障,从一个稳定区域到达另一个稳定区域,并在一段时间之后静止在极小值点上(假定该系统有能量损耗),这段时间称为驰豫时间 relaxation time


双稳性被广泛应用于二进制存储器当中,是触发器 flip-flop的基本特性,可以存储1比特数据,其中一个状态表示“0”,另一个状态表示“1”。它也用于弛豫振荡器 relaxation oscillator多谐振荡器 multivibrator施密特触发器 Schmitt trigger等器件中。光学系统中的光学双稳性 Optical bistability表示两种稳定的共振传输状态,依赖于输入内容。生物化学系统的双稳性通常与滞回现象 Hysteresis有关。


数学

双稳性动力学系统中的经典数学模型如下

[math]\displaystyle{ \frac{dy}{dt} = y(1-y^2). }[/math]


该方程有三个平衡点: [math]\displaystyle{ y=1 }[/math], [math]\displaystyle{ y=0 }[/math], and [math]\displaystyle{ y=-1 }[/math]。中点 [math]\displaystyle{ y=0 }[/math] 不稳定,而其他两点是稳定的。[math]\displaystyle{ y(t) }[/math]的演化方向和最终状态取决于初始条件 [math]\displaystyle{ y(0) }[/math]。若 [math]\displaystyle{ y(0)\gt 0 }[/math],则 [math]\displaystyle{ y(t) }[/math] 趋向于1,若 [math]\displaystyle{ y(0)\lt 0 }[/math],则 [math]\displaystyle{ y(t) }[/math] 趋向-1。[3]


更复杂的双稳性系统 [math]\displaystyle{ \frac{dy}{dt} = y (r-y^2) }[/math] 具有超临界的叉分岔 pitchfork bifurcation现象。


生物化学

若想合理利用双稳性,生物化学系统需要具备三个必要条件:正反馈机制、约束机制和稳定机制。[4]


约束正反馈过程能够产生双稳性。正反馈机制(比如 X 激活 Y、Y 激活 X)将输出信号与输入信号耦合在一起,使系统向特定方向持续演化。约束机制防止正反馈过程无止境地进行。它们协同作用可以产生全或无 All-or-none信号开关[7]。许多生物化学系统(如非洲爪蟾卵“Xenopus”母细胞的成熟过程[8]、哺乳动物的钙信号转导过程和芽殖酵母“budding yeast”的极化)都包含或慢或快的时序正反馈回路,有时二者兼而有之,称为“双时间开关dual-time switches”。dual-time switches能够增加调节能力(每个开关具有独立可变的激活和失活时间)并过滤噪声[5]


生化参数处于特定范围内时才能产生双稳性,这些参数共同影响着反馈强度。以单一参数 r 调节反馈强度的系统为例:(1)当 r <r1时,系统只有一个稳定不动点x1。(2)当 r1<r<r2时,一个鞍结分岔 saddle-node bifurcation产生一对新的不动点:不稳定点x2和稳定点x3,且x1<x2<x3。它们构成双稳态系统。(3)当 r2<r时 ,x1与x2作为鞍结分岔逆过程融合消失,只留下x3。


具有上述特点的数学模型比如[6][math]\displaystyle{ \frac{\mathrm{d}x}{\mathrm{d}t} = r + \frac{x^5}{1+x^5} - x }[/math]


稳定机制(比如额外的激活子 activator和抑制子 inhibitor)能够提升系统的鲁棒性,使系统能够容忍更剧烈的生化参数变化,保持“开关”特性。例如,在细胞生物学中, CDK1(Cyclin Dependent Kinase 1)激活 Cdc25(激活子activator),同时使 Wee1(inactivator)失活,让细胞进入有丝分裂。如果没有这种双重反馈,系统仍然是双稳态的,但是不能容忍如此广泛的浓度范围。[7]双稳态在黑腹果蝇的胚胎发育中也被描述过,例如前后轴 anterior-posterior axis背腹轴 dorso-ventral axis[8][9]的形成与眼睛的发育。[10]


另一个典型例子是音猬因子 Sonic hedgehog(Shh)信号网络,同时存在的正反馈环路和负反馈环路。Shh是一种分泌型信号分子,在发育过程中起着关键作用,比如肢芽组织分化。当Shh浓度到达阈值时,gli1和 gli2的转录被激活,相应的产物作为转录激活因子进一步增强自身的转录,同时增强Ptc(一种抑制因子)的转录。[11]


双稳态化学体系已经被广泛研究,用以分析弛豫动力学,非平衡态热力学,随机共振,以及气候变化[4]。在空间扩展系统 spatially extended systems中,双稳态被用以分析局域相关性和行波的传播。[12][13]


双稳态常伴有滞回现象。在细胞群体水平上,如果内部存在许多种双稳态机制(比如双稳态细胞[14]),系统状态通常处于双峰分布,其变化过程就像平滑的过渡。这种个体与群体的关联性也体现了单细胞研究的价值。


一种特殊类型的不稳定性被称为模式跳变 modehopping,它是频率空间中的双稳定性。系统的演化轨迹可以在两个稳定极限环 stable limit cycle之间跳转,在庞加莱截面 Poincare section内呈现出双稳态相似的特性。


使用双稳性视角有助于理解细胞的基础功能,比如细胞周期中的决策过程、细胞分化[15]和细胞凋亡。双稳性还能解释癌症早期的细胞内稳态 cellular homeostasis失调、朊病毒疾病以及物种形成speciation[4]


机械

机械系统设计中的双稳态通常被称为“过中心”。也就是说,系统的两个稳定态之间有一个不稳定平衡中心,外力使系统超过中心,系统就到达另一个稳定位置。若外力使系统发生了阈值下的变化,那系统的状态则不会改变。


弹簧是实现“过中心”的常用方法。弹簧作用在双态棘轮上可以创造出相互切换的结构,许多圆珠笔和滚珠笔都采用这种结构。另一个例子是电灯开关,一旦开关板超过中心点,就可以牢固地扣入“开”或“关”位置。


棘轮和棘爪是一种多重稳定的“过中心”系统,用来产生不可逆的单向运动。当棘爪向前方转动时,它会越过中心。在这种情况下,“过中心”是指棘轮是稳定地“锁定”在一个给定的位置,直到再次点击向前。


参考文献

  1. Morris, Christopher G. (1992). Academic Press Dictionary of Science and Technology. Gulf Professional publishing. pp. 267. ISBN 978-0122004001. https://books.google.com/books?id=nauWlPTBcjIC&q=bistable+bistability&pg=PA267. 
  2. Nazarov, Yuli V.; Danon, Jeroen (2013). Advanced Quantum Mechanics: A Practical Guide. Cambridge University Press. pp. 291. ISBN 978-1139619028. https://books.google.com/books?id=w20gAwAAQBAJ&q=bistability+minimum&pg=PA291. 
  3. Ket Hing Chong; Sandhya Samarasinghe; Don Kulasiri; Jie Zheng (2015). "Computational techniques in mathematical modelling of biological switches". Modsim2015: 578–584. For detailed techniques of mathematical modelling of bistability, see the tutorial by Chong et al. (2015) http://www.mssanz.org.au/modsim2015/C2/chong.pdf The tutorial provides a simple example illustration of bistability using a synthetic toggle switch proposed in Collins, James J.; Gardner, Timothy S.; Cantor, Charles R. (2000). "Construction of a genetic toggle switch in Escherichia coli". Nature. 403 (6767): 339–42. Bibcode:2000Natur.403..339G. doi:10.1038/35002131. PMID 10659857.. The tutorial also uses the dynamical system software XPPAUT http://www.math.pitt.edu/~bard/xpp/xpp.html to show practically how to see bistability captured by a saddle-node bifurcation diagram and the hysteresis behaviours when the bifurcation parameter is increased or decreased slowly over the tipping points and a protein gets turned 'On' or turned 'Off'.
  4. 4.0 4.1 4.2 Wilhelm, T (2009). "The smallest chemical reaction system with bistability". BMC Systems Biology. 3: 90. doi:10.1186/1752-0509-3-90. PMC 2749052. PMID 19737387.
  5. O. Brandman, J. E. Ferrell Jr., R. Li, T. Meyer, Science 310, 496 (2005)
  6. Angeli, David; Ferrell, JE; Sontag, Eduardo D (2003). "Detection of multistability, bifurcations, and hysteresis in a large calss of biological positive-feedback systems". PNAS. 101 (7): 1822–7. Bibcode:2004PNAS..101.1822A. doi:10.1073/pnas.0308265100. PMC 357011. PMID 14766974.
  7. Ferrell JE Jr. (2008). "Feedback regulation of opposing enzymes generates robust, all-or-none bistable responses". Current Biology. 18 (6): R244–R245. doi:10.1016/j.cub.2008.02.035. PMC 2832910. PMID 18364225.
  8. Wang, Yu-Chiun; Ferguson, Edwin L. (10 March 2005). "Spatial bistability of Dpp–receptor interactions during Drosophila dorsal–ventral patterning". Nature. 434 (7030): 229–234. Bibcode:2005Natur.434..229W. doi:10.1038/nature03318. PMID 15759004.
  9. Umulis, D. M.; Mihaela Serpe; Michael B. O’Connor; Hans G. Othmer (1 August 2006). "Robust, bistable patterning of the dorsal surface of the Drosophila embryo". Proceedings of the National Academy of Sciences. 103 (31): 11613–11618. Bibcode:2006PNAS..10311613U. doi:10.1073/pnas.0510398103. PMC 1544218. PMID 16864795.
  10. Graham, T. G. W.; Tabei, S. M. A.; Dinner, A. R.; Rebay, I. (22 June 2010). "Modeling bistable cell-fate choices in the Drosophila eye: qualitative and quantitative perspectives". Development. 137 (14): 2265–2278. doi:10.1242/dev.044826. PMC 2889600. PMID 20570936.
  11. Lai, K., M.J. Robertson, and D.V. Schaffer, The sonic hedgehog signaling system as a bistable genetic switch. Biophys J, 2004. 86(5): pp. 2748–57.
  12. Elf, J.; Ehrenberg, M. (2004). "Spontaneous separation of bi-stable biochemical systems into spatial domains of opposite phases". Systems Biology. 1 (2): 230–236. doi:10.1049/sb:20045021. PMID 17051695.
  13. Kochanczyk, M.; Jaruszewicz, J.; Lipniacki, T. (Jul 2013). "Stochastic transitions in a bistable reaction system on the membrane". Journal of the Royal Society Interface. 10 (84): 20130151. doi:10.1098/rsif.2013.0151. PMC 3673150. PMID 23635492.
  14. Nielsen; Dolganov, Nadia A.; Rasmussen, Thomas; Otto, Glen; Miller, Michael C.; Felt, Stephen A.; Torreilles, Stéphanie; Schoolnik, Gary K.; et al. (2010). Isberg, Ralph R. (ed.). "A Bistable Switch and Anatomical Site Control Vibrio cholerae Virulence Gene Expression in the Intestine". PLOS Pathogens. 6 (9): 1. doi:10.1371/journal.ppat.1001102. PMC 2940755. PMID 20862321.
  15. Ghaffarizadeh A, Flann NS, Podgorski GJ (2014). "Multistable switches and their role in cellular differentiation networks". BMC Bioinformatics. 15: S7+. doi:10.1186/1471-2105-15-s7-s7. PMC 4110729. PMID 25078021.


外部链接


编辑推荐

集智课程

缺失数据和因果推断中的双稳健方法介绍

在许多研究中,缺失数据是普遍存在的问题,尤其是当研究对象涉及到人时,如流行病学、心理学和社会学等。大多数处理缺失数据的方法可大致分为逆概率加权或插补。双稳健方法结合了这两种方法,它通常比逆概率加权更有效,比插补对于模型错误指定更稳健。双稳健方法的适用领域非常广泛,如因果问题可视为缺失数据问题。


该报告对双稳健方法的基本原理和思路做一个概要介绍,内容包括经典双稳健方法及其局限性。为克服双稳健性的局限性,进一步介绍双稳健回归估计,双稳健逆概率加权估计,偏差下降的双稳健估计。最后,我们总结双稳健方法的一般框架:双稳健估计方程,双稳健损失函数。前者可用于得到一般模型参数的双稳健估计,后者常用于预测问题中。


动力系统稳定性初步

对于现实的动力系统,并不是动力系统所有的解都能够被轻易观测到。有些解存在但几乎不会被观测到,只有具有某种稳定性的结构和结果才能被观测到。所以这种能够观测到的稳定性对于我们去观察和理解一个系统非常重要。


该课程主要介绍了轨道稳定性和状态稳定性的含义和区别,通过大量的例子,详细介绍了状态稳定性判断的两种主要方法,李雅普诺夫函数和线性稳定性分析方法。


使用李雅普诺夫函数来判断定态的稳定性,具体方法是在定态附近找到它的李雅普诺夫函数,之后根据这个函数对时间演化的性质,进而判断系统的稳定性。由于李雅普诺夫函数是一个构造的方法,很多时候求解它会比较困难,使用起来具有一定的局限性。由于提出了一个相对简单且程序化的方法,线性稳定性判断的规则。



本中文词条由Llk审校,薄荷编辑,如有问题,欢迎在讨论页面留言。


本词条内容源自wikipedia及公开资料,遵守 CC3.0协议。