博文
谈谈有关生物物理方面的书 (2)
|||
非线性动力系统方面的书
为什么非线性动力系统在生物物理的研究中很重要? 是因为非线性现象在生物物理普遍存在, 这是与经典物理学有所不同的地方. 在经典物理学中的牛顿第二定律, Maxwell电磁场方程和量子力学中的Schrödinger 方程都是线性方程. 而有关生命的许多物理现象往往需要用非线性方程来描述.
比如, 在果蝇发育之初, 细胞群当中有一条连续的细胞发育控制基因(Morphigen)浓度变化曲线, 不同的细胞需要将由这一连续的浓度变化, 决定后继的基因是否打开还是关闭. 这个从连续量到跳跃性的0,1开关, 就是通过基因的促发蛋白(Promoter)之间的协同(Cooperativity)导致的非线性变化来实现的. 再有, 生物进化当中, 为什么没有连续的物种化石标本呢? 一方面, 物种在地质年代中数量分布的并不均均, 有时会爆发性大量涌现, 有时则数量很少. 另一方面, 基因和物种的生理形态之间并不是线性关系, 基因的突变也会导致物种的生理形态不连续的变化. 细胞中的功能蛋白是一个仅有数百个氨基酸的小系统, 处在一个无时不在的布朗运动的热力学环境中, 按统计力学的计算会有很大的波动性, 那么它如何能确定性的实现其功能呢? 假想你开着一辆奶糖做的随时会融化的汽车, 居然能在公路上行驶如常. 这里, 功能蛋白之间的协同性(Cooperativity)引起的非线性变化也非常重要.
对生物学背景的人而言, Strogatz 的”Nonlinear Dynamics and Chaos” 是一本深入浅出的非线性动力系统入门书籍. Strogatz避开了惯常的数学公式和定理, 对非线性系统给出了直观的几何化的解释, 并使用了物理,化学和生物中大量的实例, 生动而有趣.
然而真正的经典是 Springer应用数学黄皮书42卷的John Guckenheimer , Philip Holmes的”Nonlinear Oscillations, Dynamical Systems, and Bifurcations of Vector Fields”. 在出版以来的20多年中, 这本书是很多研究者书架上的必备参考书目.
如果觉得Guchenheimer和Holmes的书比较难读的话, 哥伦比亚大学的Michael Tabor的Chaos and Integrability in Nonlinear Dynamics是一本门槛较低, 但内容仍然较全面的入门书.
非线性动力系统已经深刻的影响了理论生物学方方面面的研究, 从生物系统进化动力学的研究, 到关于生命起源和生命秩序形成的猜想和假说, 没有一个看不到非线性动力系统的影子.
比如, 哈佛大学Novak关于生物系统进化动力学的 "Evolutionary Dynamics", 是目前该领域若干活跃问题的最新思考. 而Kauffman 由牛津大学出版的关于生命起源和生命秩序形成的猜想和假说, "The Origins of Order", 是一本发人深省的好书.
系统生物学方面的书
什么是系统生物学? 有人说用系统论来研究生物学就是系统生物学, 那是典型的望文生义. 目前活跃的系统生物学主要有两个方面: 一个是全基因组, 或全蛋白质组, 新陈代谢组的研究, 主要与正常生物功能和各种疾病进行关联; 另一个是, 对生物功能在整体层面建立定量数学模型, 仅仅考虑时间就是常微分方程, 时空皆考虑时间就是偏微分方程, 并给出定量的预测, 并由实验所验证. 其实, 系统生物学的第二个方面和生物物理是紧紧相关的.
在这里, 非线性动力系统的数学理论就显示出其威力了. 系统生物学中常谈到的"系统涌现特性", 无非就是由组成个体所不拥有的系统层面的新特性. 这正是线性系统所不拥有的, 因为线性系统的特性可以由组成个体的特性线性叠加而成. 而非线性系统的这个新特性不是从天上掉下来的, 而恰恰是数学方程组中的非线性项所产生的. 生物现象中的心脏跳动, 生物钟的产生, 细胞周期的形成等等, 都是这些非线性动力系统产生的结果.
再比如, 神经信号的传输是生物电流在神经元细胞的传导. 但是如果将神经元细胞比作导线的话, 这个导线将会处处漏电. 那么生物电流是如何准确无误的被传送到大脑的呢? 原来, 神经元细胞壁上的离子通道(Ion Channel)之间存在非线性协作, 这正是漏电导线可以高保真传送神经电流信号的原因.
因此, 系统生物学, 从某种意义上讲, 就是非线性系统生物学. 而非线性动力系统的数学理论的重要, 正在于次.
对于生物背景的人, Uri Alon 的” An Introduction to Systems Biology: Design Principles of Biological Circuits”是用简单的数学模型解释了生物学中一些很深刻的道理. Alon本来是物理出身, 能够把典型的生物问题分析那样透彻, 在独立思考上有很深的功底.
20世纪科学的大发展和还原论(reductionism)在物理和生物领域取得的巨大成功是分不开的. 在系统生物学逐渐发展的今天, 我们需要新的哲学基础吗? 由Hofmeyr 和 Westerhoff 担任主编的” Systems Biology: Philosophical Foundations”, 对此提出一些非常引人思考的观点.
如果想马上卷起袖子投入实战的话, MIT出版的 "System Modeling in Cellular Biology: From Concepts to Nuts and Bolts "是个不错的参考, 其中给出了各种工具在各个领域的应用实例. 另外, Wiley出版的"Systems Biology in Practice: Concepts, Implementation and Application "也不错.
如果想了解系统生物学的第一个方面, Wiley出版的"Principles of Computational Cell Biology: From Protein Complexes to Cellular Networks"也不错.
生物物理方面的期刊
真正进行生物物理方面的研究, 光读教科书肯定是不够的. 了解了这个领域常用的理论和工具, 最重要的是自己动手解决一个新的问题, 在生物物理领域做出自己的贡献. 因此, 经常性的关注本领域的重要期刊是每个研究者的基本功.
如果你已经有了物理的背景, 进入生物物理领域并不难. 通过教科书粗略的了解这个学科的基本领域, 然后选择一个自己”性之所近, 力之所及”的新问题, 动手来解决. 这可以分三步走:
1) 阅读在重要期刊上有关这一问题的Review
2) 找到这个问题有代表性的一到两篇文献, 一步一步自己推导其中的公式, 重现其中的分析或数值结果.
3) 构思新的思路, 用你自己的新方法去解决这个问题.
具体的步骤, 我觉得蒲慕明教授谈的科研选题很有价值, 重录如下:
"过去几年里，我常思考一个刚开始做科学研究的学生或刚进入一个新领域的科学家常面临的问题：怎样选择研究的课题，或者选定了课题后做什么实验。我想科研选题可有两种方式，我称之为「前瞻式」与「回顾式」。这两种方式从截然不同的策略开始，但最终都可能使你对科学做出贡献，同时又享受到探索与发现的乐趣。
前瞻式研究的第一步，你彻底检索你感兴趣的领域的文献，精读最新最「热」杂志里最「热」的文章，搞清楚这个领域里已解决的和未解决的问题。然后，你开始针对未解决的问题设计自己的实验。这些问题常常是最近「热」文章尚未涉及的下一步。这是一种正规的科研方式 -- 探索未知、追寻新知、一种往前看的「前瞻式」研究。但是，这种方式对一个科研新手或刚进入新领域的科学家是有问题的，因为在你完成你梦想的实验之前，类似的实验很可能早被已有成就的实验室先发表了。很显然，大多数未解决的重要问题的下一步工作，必定已在许多实验室中进行。一个新手要和他们竞争，显然是处于极为不利的地位。
对新手来说，第二种回顾式研究则提供了一个比较合适的方式。回顾式研究的第一步，你把所有「热」杂志「热」文章都暂搁一边，读几篇你所选的领域里最近的权威综述，从这些综述中选出几个你感兴趣，在这领域里已被公认的、接受的概念和假说。下一步就是去图书馆寻找这些假说所依据的原始文献（这些文献可能太老而无法从网上下载）。在仔细阅读这些文章后，你开始设计一个新的实验，用过去没有的新技术或方法，再度检测这个假说（你不能完全依照旧方法去重复旧实验，因为复制别人的实验是不受重视的）。你的实验可能有两种结果。第一，你可能证实了旧的实验结果是正确的，因为你使用了新的实验技术或方法，为一个公认的重要假说提供了新证据，对这个领域是有相当的贡献，可以发表在高水平的杂志。另一个可能是你的实验结果与旧的实验结果不符或甚至相反，那你就「中奖」了。你的证据可以对目前公认的假说提出质疑，流行的概念与假设需要重新考虑，你可以发表一篇「热」文章，一连串的新研究课题也将从此诞生。科学的进展就是不断对目前流行的假说进行修正。
前瞻式研究从累积新的信息来迫使假说修正。回顾式研究则从检测已知信息的可靠性直接指出假说的破绽 。 但是，在这个电子通讯和信息爆炸的时代，新一代科学家却反而因「信息」陷入了一个严重的危机：不能有效选择和消化轻易即可获得的信息。
我深深感到新入科研之门的年轻学生最不该做的，就是大量下载所有与他领域有关的文献，而且努力去读所有的文献。一个科研新手往往很难判断所得信息的可信度与其意义，已存在的大量信息难免造成不必要的困惑。事实上，科学界泛滥成灾的文献，对年轻科学家富有创造力的心智可能会造成窒息性的伤害。
（警告：读大量文献有碍健康！）身为一个神经生物学家，我常常在想，大脑处理信息的创造性与大脑已存信息量之间有什么关系？为什么科学上最富有创造性的，尤其是在物理与数学领域，常常是在科学家年轻的时候完成的？为什么大脑的创造力似乎随年龄而衰退？我现在的假说是「信息量」与「创造力」之间可能是成反比的。每一个新存入神经网络的信息，都是对创造性处理信息的一个新的约束。知识累积愈多，脑中各式各样的框架也愈多，而这些已知的框架正是创新的主要障碍。因此，对知识极谨慎、有「抵制性」地选择吸收，可能是保持创造力的重要一环。 ”
相信读了蒲慕明教授的警告你已经有了免疫力, 这里给出生物物理领域的重要期刊的名录 :-)
* 1 American Journal of Physics
* 2 ArXiv
* 3 Bioinformatics
* 4 Biophysical Journal
* 5 Bulletin of Mathematical Biology
* 6 Cell
* 7 Communications in Theoretical Physics
* 8 Current Opinion in Cell Biology
* 9 Development
* 10 Developmental Cell
* 11 European Physical Journal E
* 12 Europhysics Letters
* 13 HFSP Journal
* 14 Journal of Cell Biology
* 15 Journal of Physics A: Mathematical and Theoretical
* 16 Journal of Physics: Condensed Matter
* 17 Journal of Statistical Mechanics
* 18 Journal of Theoretical Biology
* 19 Molecules and Cells
* 20 Nature
* 21 Nature Cell Biology
* 22 Nature Neuroscience
* 23 Nature Physics
* 24 Nature Reviews Molecular Cell Biology
* 25 Neuron
* 26 Nonlinearity
* 27 Nucleic Acids Research
* 28 Ocean Dynamics
* 29 Physica A
* 30 Physical Biology
* 31 Physical Review E
* 32 Physical Review Letters
* 33 PLoS Biology
* 34 PLoS Computational Biology
* 35 PLoS One
* 36 PNAS
* 37 Proceedings of the Royal Society B
* 38 Science
(完)
读书荐书
https://blog.sciencenet.cn/blog-3468-242231.html
上一篇：Erfurt的民风舞文化节
下一篇：美国大学中的读经学院
