Электромагнитные поля в биосфере. Том 1 - Красногорская Н.
Скачать (прямая ссылка):
Гибкое применение резонансных методов, фильтрации и статистических методов анализа временных рядов позволяет получить количественные оценки их регулярных и случайных ооотавлякщих. Параметры скрнтых колебательных составляющих и трендов в биопроцессах отражают динамику либо системы в целом, либо основных входящих в нее подсистем, в то время как взаимодействие (связность) элементов внутри системы отражается суперпозицией и наложением случайных процессов с различными законами распределения. Полученные текущие оценки параметров временных рядов используются, с одной стороны, дяя определения параметров устойчивых циклов системы и
слежения эа их изменением, с другой - для получения статистических оценок случайных процессов, находящихся в окрестностях циклов, что имеет большое значение для адекватной оценки состояний системы, порождающей временной ряд. Применение указанного комплекса методов уже на первых этапах позволило получить новые количественные данные о параметрах временной организации биосистем и в первую очередь о параметрах скрытых колебательных процессов .Для разнообразных физиологических показателей от-наиболее сложного (ЭЗГ) до сравнительного простого (пневмограмма),-а также для некоторых процессов в окружающей среде обнаружено наличие сложней колебательной структуры /У .
До сих пор рассматривались вычислительные методы, позволяющие извлекать ценную не доступную для традиционных методов исследований информацию из экспериментальных данных без вмешательства в технику эксперимента (пассивный эксперимент). Новые перспективы для техники экспериментирования открываются в связи с возможностями анализа больших объемов информации на современных ЭВМ в реальном и ускоренном масштабах времени. Большой интерес, в частности, представляет постановка управляемых экспериментов с введением регулирующих воздействий, выбранных на основе параметров эндогенных С!фытых колебаний в живом организме, например управляемый эксперимент с изучением умственной работоспособности человека-оператора /8/, позволивший подойти к индикации такого тончайшего нейрофизиологического процесса, как умственная деятельность.
Подобные эксперименты по оценке влияния ЭМП на биосистемы представляют особый интерес. В частности, серия экспериментов по биоиндикации окружающих абиотических полей на основе ЭКГ и ритмической электрической активности (РЭА) некоторых видов рыб, а также по управлению поведением рыбы электрическими сигналами /§,107 показала, что у рыб отсутствуют регулярные скрытые колебательные составляющие в ритме сердца (по крайней мере для ряда 300-400 кардиоинтервалов). В то же время средний уровень сердечного ритма рыб изменяется в несколько раз даже при незначительных изменениях параметров окружающей среды. Колебательные составляющие в ритме сердца человека и высших млекопитающих отражают, как известно, различные уровни регуляции ритма сердца, координируемые в конечном итоге высшей командной системой,- ЦНС или корой головного мозга. Ритм сердца человека стабилизирован различными подсистемами и для изменения его в несколько раз нужны существенные внешние воздействия, а у рыб любое изменение в окружающей среде через ЦНС сразу отражается на ритме сердца. Еще более чувствительными к изменению окружающей среды оказались параметры РЭА отдельных видов рыб. Было установлено, что РЭА обладает высокой чувствительностью и отражает проявления как эндогенных, так и экзогенных ритмов электродокационной системы исследованных рыб. Все это позволяет подойти, с одной стороны, к биоиндикации весьма малых вариаций параметров окружающей среды, а с другой - к управлению поведением рыбы внешними регулирующими воздействиями. Постановка подобных экспериментов с управлением или "раскачиванием"
биосистемы в резонанс с внутренними циклическими процессами монет позволить осуществить достаточно строгую проверку разнообразных гипотез'о механизмах действия ЭМП на живые объекты.
Не менее важное направление исследований представляет математическое моделирование биосистем и исследование их поведения при помощи вычислительных машин. Одну из проблем представляет задача выделения небольшого числа фундаментальных объектов и явлений, которые могут быть положены в основу моделирования сложных биоспстем,и построение идентификационных моделей этих объектов и яглений. Разрыв между математическими моделями и реальной действительностью даже сравнительно простых биосистем в настоящее время, как правило, еще весьма велик. Существенного сокращения разрыва можно достичь путем построения модели на основе идентификации /II], т.е. на основе непрерывно поступающих экспериментальных данных с реального объекта, находящегося в процессе нормального функционирования или при определенных экспериментальных воздействиях. Одним из примеров удачного построения индектификационных моделей биосистем может служить модель распространения процесса возбуждения по нервному волокну [ 12 ]. Значения констант и функциональных зависимостей е системе уравнений Ходжкина-Хаксли были подобраны на основе реальных экспериментальных данных при помощи ЭВМ (оптимизатора) таким образом, чтобы формы импульсов, полученных в реальных экспериментах и рассчитанных по модели, совпадали с точностью до заданного критерия качества и воспроизводили основные особенности процесса возбуждения реального нервного волокна.Ба основе подобной модели с использованием современных средств вычислительной техники оказалось возможным построить сложные достаточно близкие к реальной действительности модели возбудимых сред, содержащих сотни и тысячи клеток [ 13 J.
