Editor, Editors, USER, editor, translator
5,845
edits
Tags: Mobile web edit Mobile edit Visual edit |
|||
Line 1: | Line 1: | ||
===8.2. | ===8.2. Funciones biológicas en el marco cuántico de Markov=== | ||
Pasamos a la dinámica de sistemas abiertos con la ecuación GKSL. En nuestro modelo, hamiltoniano <math>\widehat{\mathcal{H}}</math> y Lindbladian <math>\widehat{{L}}</math> representan alguna función biológica especial <math>F</math> (ver Khrennikov et al., 2018)<ref>Khrennikov A., Basieva I., PothosE.M., Yamato I. | |||
Quantum Probability in Decision Making from Quantum Information Representation of Neuronal States, Sci. Rep., 8 (2018), Article 16225</ref> | Quantum Probability in Decision Making from Quantum Information Representation of Neuronal States, Sci. Rep., 8 (2018), Article 16225</ref>para detalles. Su funcionamiento resulta de la interacción de flujos de información internos y externos. En las Secciones 10, 11.3, <math>F</math> es alguna función psicológica; en el caso más simple <math>F</math> representa una pregunta hecha a <math>S</math> (digamos que es un ser humano). En la Sección 7, <math>F</math> es la regulación génica del metabolismo de la glucosa/lactosa en la bacteria Escherichia coli. En las Secciones 9, 11.2, <math>F</math> representa el proceso de mutación epigenética. Función simbólicamente biológica <math>F</math> se representa como un observable cuántico: operador hermitiano <math>\widehat{F}</math>con la descomposición espectral <math>\widehat{F}=\sum_xx\widehat{E}^F(x)</math>,dónde <math>x</math> etiqueta las salidas de <math>F</math>.La teoría de la dinámica de estado cuántica de Markov describe el proceso de generación de estos resultados. | ||
En el modelo matemático (Asano et al., 2015b<ref>Asano M., Khrennikov A., Ohya M., Tanaka Y., Yamato I. | |||
Quantum Adaptivity in Biology: From Genetics To Cognition | Quantum Adaptivity in Biology: From Genetics To Cognition | ||
Springer, Heidelberg-Berlin-New York(2015)</ref> Asano et al., 2017b | Springer, Heidelberg-Berlin-New York(2015)</ref>, Asano et al., 2017b<ref>Asano M., Basieva I., Khrennikov A., Yamato I. | ||
A model of differentiation in quantum bioinformatics | A model of differentiation in quantum bioinformatics | ||
Prog. Biophys. Mol. Biol., 130 (Part A)(2017), pp. 88-98</ref> Asano et al., 2017a | Prog. Biophys. Mol. Biol., 130 (Part A)(2017), pp. 88-98</ref>, Asano et al., 2017a<ref>Asano M., Basieva I., Khrennikov A., Ohya M., Tanaka Y. | ||
A quantum-like model of selection behavior | A quantum-like model of selection behavior | ||
J. Math. Psychol., 78 (2017), pp. 2-12</ref> Asano et al., 2015a | J. Math. Psychol., 78 (2017), pp. 2-12</ref>, Asano et al., 2015a<ref>Asano M., Basieva I., Khrennikov A., Ohya M., Tanaka Y., Yamato I. | ||
Quantum information biology: from information interpretation of quantum mechanics to applications in molecular biology and cognitive psychology. Found. Phys., 45 (10) (2015), pp. 1362-1378</ref> Asano et al., 2012b | Quantum information biology: from information interpretation of quantum mechanics to applications in molecular biology and cognitive psychology. Found. Phys., 45 (10) (2015), pp. 1362-1378</ref>, Asano et al., 2012b<ref>Asano M., Basieva I., Khrennikov A., Ohya M., Tanaka Y., Yamato I. | ||
Towards modeling of epigenetic evolution with the aid of theory of open quantum systems | Towards modeling of epigenetic evolution with the aid of theory of open quantum systems | ||
AIP Conf. Proc., 1508 (2012), p. 75</ref> Asano et al., 2011 | AIP Conf. Proc., 1508 (2012), p. 75</ref>, Asano et al., 2011<ref>Asano M., Ohya M., Tanaka Y., BasievaI., Khrennikov A. | ||
Quantum-like model of brain’s functioning: decision making from decoherence | Quantum-like model of brain’s functioning: decision making from decoherence | ||
J. Theor. Biol., 281 (1) (2011), pp. 56-64</ref> Asano et al., 2012a<ref>Asano M., Basieva I., Khrennikov A., Ohya M., Tanaka Y., I | J. Theor. Biol., 281 (1) (2011), pp. 56-64</ref>, Asano et al. ., 2012a<ref>Asano M., Basieva I., Khrennikov A., Ohya M., Tanaka Y., I | ||
Yamato quantum-like model for the adaptive dynamics of the genetic regulation of e. coli’s metabolism of glucose/lactose | Yamato quantum-like model for the adaptive dynamics of the genetic regulation of e. coli’s metabolism of glucose/lactose | ||
Syst. Synth. Biol., 6 (2012), pp. 1-7</ref>), | Syst. Synth. Biol., 6 (2012), pp. 1-7</ref>), los resultados de la función biológica <math>F</math> se generan acercándose a un estado estable de la dinámica GKSL: | ||
{| width="80%" | | {| width="80%" | | ||
Line 39: | Line 39: | ||
|} | |} | ||
tal que coincide con la descomposición espectral de <math>\widehat{F}</math>,es decir., | |||
{| width="80%" | | {| width="80%" | | ||
Line 48: | Line 48: | ||
|} | |} | ||
dónde | |||
{| width="80%" | | {| width="80%" | | ||
Line 57: | Line 57: | ||
|} | |} | ||
Esto significa que <math>\widehat{\rho}_{steady}</math>es diagonal en una base ortonormal que consta de vectores propios de <math>\widehat{F}</math>. Este estado, o más precisamente, esta descomposición del operador de densidad <math>\widehat{\rho}_{steady}</math>,es la mezcla estadística clásica de los estados básicos de información que determinan esta función biológica. Las probabilidades en la descomposición de estados (26) se interpretan estadísticamente. | |||
Considere un gran conjunto de biosistemas con el estado <math>\widehat{\rho}_0</math> interactuando con el medio ambiente <math>\varepsilon</math>. (Recordemos que matemáticamente la interacción está codificada en el Lindbladian <math>\widehat{{L}}</math>) Como resultado de esta interacción, la función biológica <math>F</math> produce salida <math>x</math> con probabilidad <math>p_x</math>.Observamos que en los términos del operador la probabilidad se expresa como <math>p_x=Tr\widehat{\rho}_{steady}\widehat{E}^F(x)</math> | |||
Esta interpretación se puede aplicar incluso a un solo biosistema que se encuentra con el mismo entorno muchas veces. | |||
Cabe señalar que el estado límite <math>\widehat{\rho}_{steady}</math> expresa la estabilidad con respecto a la influencia del entorno concreto <math>\varepsilon</math>.Por supuesto, en el mundo real nunca se alcanzaría el estado límite. La fórmula matemática (25) describe el proceso de estabilización, amortiguación de fluctuaciones. Pero, nunca desaparecerían por completo con el tiempo. | |||
Observamos que un estado estacionario satisface la ecuación GKSL estacionaria: | |||
{| width="80%" | | {| width="80%" | | ||
Line 74: | Line 74: | ||
|} | |} | ||
También es importante señalar que, en general, un estado estacionario de la ecuación maestra cuántica no es único, depende de la clase de condiciones iniciales. |