博士論文 - 複雑さの出現 (Emergence of Complexity)

By Ivan SHPUROV

私たちを取り巻く世界は、複雑な進化する構造にあふれています。ある観点からは、すべての生物細胞内の遺伝子制御のパターン、脳内の神経回路網および人間のオンラインおよびオフラインの複雑な社会的相互作用は類似した存在、すなわち学習および進化により新たな問題および環境に適応できる自己最適化構造であると考えることができます。ニューラルネットワークの専門家および複雑性科学の研究者により開発された数学的フレームワークを利用することにより、自然界および人工生命の分野で生じている多くの現象をよりよく理解することが可能になると考えられます。

その結果、遺伝子を、相関する発現の頂点を結ぶ神経のグラフのノードとしてモデル化することで、進化が、過去に達成した適応度地形上の最適条件を「記憶」し、それを生物が類似の環境に遭遇したときに思い出すことを可能にする方法に関する仮説を立てることができます。この斬新なアプローチにより、無関係な種の収束的進化や断続平衡など、多くの進化現象の理解を深めることができます。

同時に、ネットワークの個々のニューロンに、相互作用から抜け出した進化を通して、簡単な規則のみに従い、自己の利益を追求する利己的な行為主体として振る舞うことを許容した場合、ヘブ学習を使用した自己組織化および複雑な行動を示すことが可能な構造が生み出されると考えられます。 

事例研究1 - Watsonsネットワーク

WatsonおよびWagnerが提案した遺伝的ネットワークの計算モデルは単純ですが、興味深い行動を示すことができます。遺伝子発現は、数値ベクターとしてモデル化され、遺伝子間のエピスタシス相互作用は2Dマトリックスによって表されています。進化のシミュレーション研究では、いずれもランダム変異を獲得しています。

line chart
Figure 1. 2つのアトラクター間の単純な人工遺伝子ネットワークの切り替え
Figure 1. 2つのアトラクター間の単純な人工遺伝子ネットワークの切り替え
Graph showing Regulation vs No regulation
Figure 2. 規制進化による最適なアトラクターのベースの拡大
Figure 2. 規制進化による最適なアトラクターのベースの拡大

事例研究2 - 酵母モデル

進化論は近代生物学の真の基盤であり、管理された実験室条件でそれをモデル化することは、重要ですが非常に困難です。実験室環境における人工的進化に関する実験には、大腸菌の長期進化研究(Barrick et al., 2009)および酵母菌試験(Kryazhimskiy, Rice, Jerison, & Desai, 2014)の2つの実験があります。いずれの実験でも既存の理論が検証されましたが、新たな疑問も生じています。これらのプロジェクトでは、進化する集団の頑健な計算モデルを作成し、規制相互作用が実験室条件で観察される進化パターンにどのように関与し得るかを調べようとしています。

2 line charts of Growth in cell size
Figure 3. 長期進化実験における大腸菌細胞のサイズ(データはBarrick et al., 2009から著者のご厚意により転載)と「酵母モデル」シミュレーション試験からの増殖曲線。
Figure 3. 長期進化実験における大腸菌細胞のサイズ(データはBarrick et al., 2009から著者のご厚意により転載)と「酵母モデル」シミュレーション試験からの増殖曲線。