Популяційна динаміка старіння

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до навігації Перейти до пошуку

Популяційна динаміка старіння — напрямок дослідження старіння за допомогою методів популяційної динаміки, тобто дослідження вікового складу популяцій старіючих організмів та змін цієї залежності залежно від типу організму та умов довкілля.

Основні напрямки[ред. | ред. код]

Найбільший інтерес представляє динаміка старіння багатоплідних організмів, включаючи людину, у яких старіння наступає через великий час після досягнення статевої зрілості і має поступовий характер. На відміну від одноплідних форм, багатоплідним організмам не потрібно виживати до кінця відтвірної фази для того, щоб відтворення пройшло успішно, і середня тривалість життя відносно відтворного періоду дуже значно змінюється у різних особин та залежно від виду: маленькі гризуни і дикі птахи виживають в середньому тільки від 10 до 20 відсотків їх потенційного періоду відтворення, тоді як кити, слони, мавпи та інші великі ссавці в природних умовах виживають більш ніж 50 відсотків своїх відтворних періодів, і часто навіть переживають їх.

Популяційний підхід розглядає залежність розміру популяції від віку організмів. Зміни розміру популяції з віком називаються смертністю, що у випадку стаціонарного стану є кількістю організмів, що вмираюсь за одиницю часу. Відповідно, відносні зміни розміру популяції, або ймовірність смерті за одиницю часу, називаються відносною смертністю. Зворотнім до смертності показником, що також часто використовується при описі популяційної динаміки старіння, є ймовірність виживання за одиницю часу.

Ціллю популяційного підходу є визначення закономірностей у залежності розміру популяції від часу, що використовуються для визначення швидкості процесу старіння. Ці дані, у свою чергу, можуть використовуватися для перевірки моделей старіння, виведених або засновуючись на фізіологічних та генетичних механізмах, або за допомогою загальних системних механізмів.

Графічне відображення процесу старіння, закон Ґомпертца[ред. | ред. код]

Приклади графічного зображення смертності залежно від віку для тієї ж самої умовної популяції людей, що слідує закону Ґомпертца-Мейкгама.

Величина, яка безпосередньо вимірюється — це вікова залежність популяції, через це ця величина є і найзагальнішою мірою смертності та старіння. Проте, більш наглядною величиною є смертність або виживання — показники, що у більшій мірі характеризують саме процес старіння. Часто використовуються логарифмічні криві, що краще відображають деякі характерні риси наведених залежностей.

Однією з перших і найпоширенішою зараз математичною моделлю опису старіння багатоплідних організмів є так званий закон смертності Ґомпертца-Мейкгама[1][2] (або просто Ґомпертца), згідно з яким ймовірность смерті експоненційно зростає з віком: , де x — вік, а p — відносна ймовірність смерті за певний проміжок часу, a і b — коефіцієнти. Таким чином, при відсутності постійного члена a, розмір популяції знижується з віком за подвійною експонентою [3].

Закон Ґомпертца емпіричний та має місце не для всіх тварин і не на всіх проміжках часу, але він найлегший для порівняння старіння різних організмів, і тому його коефіцієнти часто використовуються як показники темпу (швидкості) старіння.

Залежність параметрів кривої Ґомпертца від організму[ред. | ред. код]

Віковий склад чоловічого населення Швеції у 19-20 століттях показує три фази збільшення тривалості життя:
1860-1920. Зменшення дитячої смертності та члена Мейкгама
1920-1946. Зменшення члена Мейкгама
1946-2000. Зменшення темпу старіння (коефіцієнту m у законі Ґомпертца)[4].

Коефіцієнт експоненти функції Ґомпертца вказує швидкість старіння. Відмінності в довголітті між видами є результатом передусім відмінностей у швидкості старіння, і тому виражаються у відмінностях в цьому коефіцієнті.

Порівняння таблиць смертності різних штамів мишей одного виду вказує, що відмінності між штамами перш за все походять від відмінностей в члені Мейкгама (незалежному від віку члені) функції Ґомпертца. Якщо штами відрізняються тільки незалежним від віку членом, менш довголітні штами мають більш смертність, вищу на постійну виличину протягом всього життя, що проявляється у вертикальному зсуві функції Ґомпертца. При цьому часто трапляється, що гібриди першого покоління (F1) двох пиродних штамів живуть довше, ніж будь-який з батьків. Хоча досліджень біохімічних процесів таких гібридів не проводилося, але таблиці тривалості життя указують, що гібриди відрізняються від батьківських штамів тільки незалежним від віку членом, але не зміною швидкості старіння. Інші дослідення також показали, що у значній мірі варіації в тривалості життя між штамами мишей пояснюються відмінностями в успадкованій сприйнятливості до певних хвороб.

Для популяцій людей в різних країнах до середини 20-го століття різниця в середній тривалості життя (не приймаючи до уваги дитячу смертність) майже виключно походила від різниці в члені Мейкгама. З середини 20-го століття ситуація змінилася, що привело до майже паралельного переносу кривої смертності праворуч. Хоча причини цієї зміни невідомі, було запропоновано, що вони обумовлені істотним прогресом особистої та суспільної гігієни, покращенням житлових умов та медичного обслуговування, якості харчування, ствренням ефективних вакцин и антибіотиків[5].

Відхилення від закону Ґомпертца: дитяча смертність[ред. | ред. код]

Слід відзначити, що закон Ґомпертца-Мейкгама є лише наближенням, вірним у середньому віковому діапазоні. В області малого віку спостерігається значно вища смертність, ніж передбачається цим законом. Наприклад, північна тріска під час нересту може відкласти до 6 мільйонів ікринок, але лише невелика кількість з них виживає до моменту статевої зрілості[6]. Ця смертність є переважно результатом нездатності молоді уникати хижаків, боротися із хворобами, та також може бути результатом вроджених дефектів, і не є результатом старіння.

Відхилення від закону Ґомпертца: уповільнення старіння на пізньому віці[ред. | ред. код]

Відхилення вікової залежності популяції плодових мух (Drosophila melanogaster) від кривої Ґомпертца[7].

В області пізнього віку, навпаки, спостерігається зменшення смертності порівняно із законом Ґомпертца, точніше вихід ймовірності смерті за одиницю часу на плато[8]. Як і у випадку дитячої смертності, це загальний закон, що спостерігається навіть у неживій природі[7]. І хоча одним з можливих пояснень цього явища могла би бути гетерогенність популяції, сучасні дані чітко вказують на зв'язок виходу смертності на плато із уповільненням процесу старіння[9].

Моделювання та теоретичні роботи[ред. | ред. код]

Поширеним методом дослідження старіння є математичне моделювання популяційної динаміки. Всі математичні моделі старіння можна приблизно розбити на два головних типи: моделі даних і системні моделі[10]. Моделі даних або аналітичні моделі — це моделі, які не використовують і не намагаються пояснити будь-яких гіпотез про фізичні процеси в системах, для яких ці дані отримані. До моделей даних відносяться, зокрема, і всі моделі математичної статистики. На відміну від них, системні або механістичні моделі будуються переважно на базі фізичних законів і гіпотез про структуру системи, головним в них є перевірка запропонованого механізму.

Нижче наведений список найважливіших з запропонованих математичних моделей[11]:

  • Моделі даних
  • Системні моделі
    • Графічна модель балансу ресурсів[19]
    • Модель Партріджа-Бертона[20]
    • Модель Дасгупти-Штауфера[21][22]
    • Генетична модель Орра[23]
    • Хаотична модель генної регуляції[24]
    • Гомеостатична модель старіння[25].

Першими з цих математичних моделей почали виникати саме моделі даних смертності. Ще задовго до розуміння і навіть дослідження процесів, що лежать в основі старіння, виник практичний інтерес до прогнозу майбутньої тривалості життя для використання в страхуванні і демографії. Саме для розрахунку страхових премій ще в 19-му столітті були розроблені перші таблиці смертності і сформульовані відомі моделі Ґомпертца[12] і Ґомпертца-Мейкгама[2]. Ввівши просту дво-параметричну модель смертності, Ґомпертц дав дослідникам можливість не тільки передбачати майбутні шанси довголіття, але й досліджувити зміни двох фундаментальних параметрів: початкової смертності і темпу старіння. Виділення із даних смертності вікової компоненти дало початок математичній геронтології[11].

Наприкінці 20-го століття почало виникати багато нових демографічних моделей смертності. Отримання значної кількості нових даних, часто для гетерогенних популяцій, привели до нових методів анализу таблиць смертности[26][27]. Ці моделі, часто з використанням методів аналізу стохастичних процесів, дозволили виділення окремих компонентів смертності та опис впливу захворювань та факторів довкілля на довголіття[28].

Через те, що вже давно було відомо про лінійність зніження функціональних можливостей організму[29], виникла необхідність ув'язки цієї динаміки з експоненціальним зростанням з віком відносної смертності. Одним з перших пояснень цього явища стала модель Стрелера-Мілдвана[13]. Ця модель пропонує флуктуації системи, ймовірність яких укспоненціально падає з розміром. Для їх подолання яких організм повинен витрачати енергію, але максимальні витрати лінійно спадають з віком. В результаті ймовірність смерті, тобто неможливості подолати флуктуацію, експоненційно зростає. Схожею моделлю є модель Сечера-Трукко[30], що пропонує гаусовський розподіл зовнішнього впливу, та за деякими умовами також приводить до експоненційної залежності смертності від віку. Альтернативним підходом до пояснення цієї залежності є використання теорії надійності, що пояснює експоненційну залежність за допомогою значної надмірності біологічних систем[15].

Наступним кроком у математичному моделюванні стало пояснення відхилення смертності від класичної залежності, перш за все виходу смертності на плато на пізньому віці. Загалом, запропоновні моделі є модіфікаціями згаданої моделі Стрелера-Мілдвана з використанням стохастичних даних, найбільш відомою є модель Мюллера і Роуза[31]. Крім цієї моделі були запропоновані кілька модіфікацій, наприклад, модифікація, заснована на теорії надійності[16]. Стохастичний підхід, що лежить в основі, пропонує зменшення ефекту надмірності біологічної системи за рахунок виснажування найбільш зайнятих каналів пошкодження системи[32]. Ще один підхід, заснований на гетерогенності популяції, показав неспроможність пояснити експериментальні дані[9]. Еволюціний підхід до проблеми виходу відносної смертності є модіфікацією моделі Гамільнона[33], заснованій на принципі антагоністиної плейотропії. Ідея полягає в тому, що тиск природного відбору знижується для мутацій, що пов'язані із змінами, що проявляються тільки на пізньому віці, але не обов'язково досягає нуля[9], наприклад за рахунок ефектів пов'язаних із збільшенням цінності досвідчених старих організмів порівняно із молодими, незважаючи на зменшення їх числа[34].

Системні моделі загалом розглядають багато окремих факторів, подій і явищ, що безпосередньо впливають на виживання організмів і породження потомства. Ці моделі, засновуючись на теорії одноразової соми, загалом розглядають старіння як баланс і перезазподіл ресурсів як в фізіологічному (впродовж життя одного організму), так і в еволюційному аспектах. Зазвичай, особливо в останньому випадку, мова йде про розподіл ресурсів між безпосередніми витратами на породження потомства і витратами на виживання батьків[10]. Багато з цих моделей, список яких наведений вище, засновуються на методах статистичного моделювання. Часто розглядається питання про адекватність моделей історії життя результатам експериментів на тваринах, перш за все популяційним даним.

Примітки[ред. | ред. код]

  1. Aging. Encyclopedia Britannica (англ.). Архів itannica.com/eb/article-63929/aging оригіналу за 16 липня 2013. Процитовано 8 червня 2019. 
  2. а б в Makeham W.M. (1860). On the Law of Mortality, and Construction of Annuity Tables.. JIA. VIII. 
  3. Gompertz curve. Wolfram MathWorld (англ.). 
  4. Yashin A.I., Begun A., Boiko S.I., Ukraintseva S.V., Oeppen J. (2002). New age patterns of survival improvement in Sweden: do they characterize changes in individual aging?. Mechanisms of Ageing and Development. 123: 637–647. 
  5. The Aging Factor in Health and Disease. Workshop Report. New York: International Longevity Center, Ltd. 1999. 
  6. Northern Cod -A Matter of Survival (англійська). Архів оригіналу за 28 січня 2012. Процитовано 31 липня 2007. 
  7. а б Angelos Economos (1989). A non-Gompertzian paradigm for mortality kinetic of metazoan animals and failure kinetics of manufactured products. Age (англійська): 74–76.  {{cite journal}}: Проігноровано невідомий параметр |Volume= (можливо, |volume=?) (довідка)
  8. Late-Life Mortality Deceleration, Mortality Levelling-off, Mortality Plateaus. Unraveling the Secrets of Human Longevity (англійська). Архів оригіналу за 28 січня 2012. Процитовано 31 липня 2007. 
  9. а б в Rose MR, Rauser CL, Mueller LD, Benford G (2006). A revolution for aging research. Biogerontology (4): 269–277. PMID 16612665.  {{cite journal}}: Текст «volume7» проігноровано (довідка)
  10. а б Новосельцев В. Н., Новосельцева Ж. А., ЯшинА.И. (2003). Математическое моделирование в геронтологии - стратегические перспективы. Успехи геронтологии (російська). 12: 149–165. 
  11. а б В.Н. Анисимов (2003). Молекулярные и физиологические механизмы старения (російська). Санкт-Петербург: Наука. 
  12. а б Gompertz B. (1825). On the Nature of the Function Expressive of the Law of Human Mortality.. Phil. Trans. Royal Soc. (London). 
  13. а б Strehler B. L, Mitdvon A.S. (1960). General theory of mortality and aging. Science (англійська). 132: 14–21. 
  14. Brown K. S., Forbes W. F. (1974). A mathematical model of aging processes (англійська). с. 46–51.  {{cite journal}}: Текст «volume29» проігноровано (довідка)
  15. а б в г Гаврилов Л. А., Гаврилова Н. С. (1991). Биология продолжительности жизни. Количественные аспекты (російська) (вид. 2). Москва: Наука. с. 280. 
  16. а б Gavrilov LA, Gavrilova NS (2006). Reliability Theory of Aging and Longevity. У Academic Press (ред.). Masoro E.J. & Austad S.N.. (eds.): Handbook of the Biology of Aging (вид. Sixth Edition): 3–42. ISBN 0-12-088387-2.  {{cite journal}}: Проігноровано невідомий параметр |city= (довідка)
  17. Penna T. J. P. (1995). A bit-string model for biological aging. Journal of Statistical Physics (англійська). 78: 1629–1633. 
  18. Pletcher S. D., Neuhauser C. title=Biological aging - Criteria for modeling and a new mechanistic model (2000). International Journal of Modern Physcis (англійська). 11: 525–546. 
  19. Reznick D. N. (1995). Cost of reproduction: an evaluation of empirical evidence. Oi-cos (англійська). 44: 257. 
  20. Partridge L, Barton N. H. (993). Optimality, mutation and the evolution of aging. Nature (англійська). 361: 305–311. 
  21. Dasgupta S. (1994). A computer simulation for biological aging. Journal de physique (французька). 4: 1563–1570. 
  22. Stauffer D. (1994). Monte-Carlo simulation for biological aging. Brazil. J. Physcics. 24: 900–906. 
  23. Orr W. C, Sohal R.S. (1994). Extension of life-span by overexpresion of superoxide dismutase and catalase in Drosophila melanogaster II. Science (англійська). 263: 1128–1130. 
  24. Соловьев М. В (2001). О возможной роли хаотического поведения системы генной регуляции в старении организма. Успехи геронтологии (російська). 8: 27–33. 
  25. Koltover V. K. (1997). Reliability concept as a trend in biophysics of aging. Theoretical Biology (англійська). 184: 157–163. 
  26. Rogers A., Rogers R. G., Branch L. G. (1989). A multistate analysis of active life expectancy. Public Health Reports. 104: 222–226. 
  27. Keyfitz N., Littman G. (1979). Mortality in a heterogeneous population. Population Studies. 33: 333–342. 
  28. Yashin A. I., Manton K. G. (1997). Effects of unobserved and partially observed covari-ate processes on system failure: A review of models and estimation strategies. Statistical Sciences. 12: 20–34. 
  29. Стрелер Б. (1966). Время, клетки, старение. Москва. 
  30. G. A. Sacher and E. Trucco. The stochastic theory of mortality. Annals of the New York Academy of Sciencer.  {{cite journal}}: Текст «96, 985-1007 (1962)» проігноровано (довідка); Текст «volume» проігноровано (довідка)
  31. Mueller L. D., Rose M. R. (1996). Evolutionary theory predicts late-life mortality plateaus. Proceedings of the National Academy of Sciiences of the USA. 93: 15249–15253. 
  32. Голубев А. Г. (1997). Взаимная совместимость представлений о старении и продолжительности жизни, их механизмах и проявлениях на уровне организма и популяции, и их эволюция. Успехи геронтологии. 1: 25–33. 
  33. Hamilton WD (1966). The moulding of senescence by natural selection. Journal of Theoretical Biology. 12: 12–45. 
  34. The Evolution of Aging (англійська). Архів оригіналу за 28 січня 2012. Процитовано 2 серпня 2007. 

Посилання[ред. | ред. код]