Tackling the Inverse Problem for Non-Autonomous Systems: Application to the Life Sciences

این پایان نامه روش جدیدی را برای دنبال کردن برهمکنش های در حال تکامل بین سیستم های نوسانی جفت شده از نوع که در طبیعت فراوان است ارائه می دهد. نمونه ها از سطح زیر سلولی، اکوسیستم ها، از طریق پویایی آب و هوا، تا حرکت سیارات و ستارگان را شامل می شود. چنین سیستم هایی به طور متقابل تعامل می کنند، ساعت های داخلی خود را تنظیم می کنند، و به همین ترتیب ممکن است بین حالت های همگام و غیر همگام حرکت کنند. این پایان نامه روشی را برای استفاده از استنتاج بیزی برای بهره برداری از حضور نوسانات تصادفی توصیف می کند، بنابراین این فرآیندها را با جزئیات بی سابقه ای تجزیه و تحلیل می کند. ابتدا تئوری اساسی اسیلاتورهای برهمکنش که فرکانس آنها ثابت نیست را توسعه می دهد و سپس آن را به عنوان مثال در قلب و ریه های انسان اعمال می کند. عملکرد کوپلینگ آنها را می توان برای پیگیری با دقت زیاد انتقال به داخل و خارج از همگام سازی استفاده کرد. روش توصیف شده پتانسیل روشن کردن روند پیری و همچنین بهبود تشخیص در قلب، بیهوشی و علوم اعصاب را دارد و بینش هایی را در مورد طیف گسترده ای از فرآیندهای طبیعی ارائه می دهد.

This thesis presents a new method for following evolving interactions between coupled oscillatory systems of the kind that abound in nature. Examples range from the subcellular level, to ecosystems, through climate dynamics, to the movements of planets and stars. Such systems mutually interact, adjusting their internal clocks, and may correspondingly move between synchronized and non-synchronized states. The thesis describes a way of using Bayesian inference to exploit the presence of random fluctuations, thus analyzing these processes in unprecedented detail. It first develops the basic theory of interacting oscillators whose frequencies are non-constant, and then applies it to the human heart and lungs as an example. Their coupling function can be used to follow with great precision the transitions into and out of synchronization. The method described has the potential to illuminate the ageing process as well as to improve diagnostics in cardiology, anesthesiology and neuroscience, and yields insights into a wide diversity of natural processes.