دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Raphaël Cerf. Joseba Dalmau
سری: Probability Theory and Stochastic Modelling, 102
ISBN (شابک) : 9783031086625, 9783031086632
ناشر: Springer
سال نشر: 2022
تعداد صفحات: 242
[236]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 Mb
در صورت تبدیل فایل کتاب The Quasispecies Equation and Classical Population Models به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب معادله شبه گونه ها و مدل های جمعیت کلاسیک نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این تک نگاری مجموعه ای از مدل های ریاضی تکامل جمعیت تحت جهش و انتخاب را مورد مطالعه قرار می دهد. نقطه شروع آن معادله شبه گونه است، یک معادله عمومی غیر خطی که تعادل انتخاب جهش را در مدل شبه گونه معروف مانفرد ایگن توصیف می کند. تجزیه و تحلیل دقیق از این معادله تحت مفروضات فضای ژنوتیپ محدود، چشم انداز قله تیز، و مناظر تناسب اندام وابسته به کلاس ارائه شده است. فرمولهای نمایش احتمالی متفاوتی برای حل آن مشتق شدهاند که شامل مقادیر ترکیبی کلاسیک مانند اعداد استرلینگ و اویلر است. نشان داده شده است که چگونه شبه گونهها و پدیدههای آستانه خطا در مدلهای جمعیت محدود پدیدار میشوند، و اثباتهای کامل ریاضی در مورد مدل رایت-فیشر ارائه شدهاند. در طول مسیر، فرمولهای دقیقی برای توزیع شبه گونهها در رژیم زنجیره طولانی، در چشمانداز اوج تیز و در مناظر تناسب اندام وابسته به کلاس به دست میآید. در نهایت، چندین مدل جمعیت کلاسیک دیگر، با تمرکز بر رفتار دینامیکی آنها و پیوندهای آنها با معادله شبه گونه، تحلیل میشوند. این کتاب برای ریاضیدانان و بومشناسان نظری/زیستشناسانی که با مدلهای جمعیت محدود کار میکنند مورد علاقه خواهد بود.
This monograph studies a series of mathematical models of the evolution of a population under mutation and selection. Its starting point is the quasispecies equation, a general non-linear equation which describes the mutation-selection equilibrium in Manfred Eigen’s famous quasispecies model. A detailed analysis of this equation is given under the assumptions of finite genotype space, sharp peak landscape, and class-dependent fitness landscapes. Different probabilistic representation formulae are derived for its solution, involving classical combinatorial quantities like Stirling and Euler numbers. It is shown how quasispecies and error threshold phenomena emerge in finite population models, and full mathematical proofs are provided in the case of the Wright–Fisher model. Along the way, exact formulas are obtained for the quasispecies distribution in the long chain regime, on the sharp peak landscape and on class-dependent fitness landscapes. Finally, several other classical population models are analyzed, with a focus on their dynamical behavior and their links to the quasispecies equation. This book will be of interest to mathematicians and theoretical ecologists/biologists working with finite population models.
Foreword Contents Chapter 1 Introduction Part I Finite Genotype Space Overview of Part I Chapter 2 The Quasispecies Equation 2.1 The Equilibrium Equation 2.2 The Perron–Frobenius Theorem 2.3 Solutions Chapter 3 Non-Overlapping Generations 3.1 The Moran–Kingman Model 3.2 The Galton–Watson Model 3.3 The Wright–Fisher Model Chapter 4 Overlapping Generations 4.1 The Eigen Model 4.2 The Continuous Branching Model 4.3 The Moran Model Chapter 5 Probabilistic Representations 5.1 Stopped RandomWalk 5.2 Stopped Branching Process Part II The Sharp Peak Landscape Overview of Part II Chapter 6 Long Chain Regime 6.1 Genotypes and Mutations 6.2 Sharp Peak Fitness 6.3 Hamming Classes 6.4 Limit Equation Chapter 7 Error Threshold and Quasispecies 7.1 The Error Threshold 7.2 The Distribution of the Quasispecies Chapter 8 Probabilistic Derivation 8.1 Asymptotics of c* 8.2 Limit of the Mutant Walk Representation 8.3 The Poisson Random Walk 8.4 Formal Derivation Chapter 9 Summation of the Series 9.1 Stirling Numbers 9.2 Eulerian Numbers 9.3 Combinatorial Identities Chapter 10 Error Threshold in Infinite Populations 10.1 The Moran–Kingman Model 10.2 The Eigen Model Part III Error Threshold in Finite Populations Overview of Part III Chapter 11 Phase Transition 11.1 The Moran Model 11.2 The Wright–Fisher Model Chapter 12 Computer Simulations Chapter 13 Heuristics 13.1 A Simplified Process 13.2 A Renewal Argument 13.3 Persistence Time Chapter 14 Shape of the Critical Curve 14.1 Critical Curve for the Moran Model 14.2 Critical Curve for the Wright–Fisher Model Chapter 15 Framework for the Proofs 15.1 Candidate Limits for Moran 15.2 Candidate Limits for Wright–Fisher Part IV Proof for Wright–Fisher Overview of Part IV Chapter 16 Strategy of the Proof 16.1 Main Ideas 16.2 Invariant Probability Measure 16.3 Upper Bounds Chapter 17 The Non-Neutral Phase M 17.1 Large Deviations Principle 17.2 Perturbed Dynamical System 17.3 Time away from the Fixed Points 17.4 Reaching the Quasispecies 17.5 Escape from the Quasispecies Chapter 18 Mutation Dynamics 18.1 Binary Process of Differences 18.2 Hamming Class Dynamics 18.3 Time away from the Equilibrium 18.4 Reaching the Equilibrium 18.5 Escape from the Equilibrium Chapter 19 The Neutral Phase N 19.1 Ancestral Lines 19.2 Monotonicity and Correlations 19.3 Time away from the Disorder 19.4 Reaching the Disorder 19.5 Escape from the Disorder Chapter 20 Synthesis 20.1 The Quasispecies Regime 20.2 The Disordered Regime Part V Class-Dependent Fitness Landscapes Overview of Part V Chapter 21 Generalized Quasispecies Distributions 21.1 Class-Dependent Fitness Landscapes 21.2 Up-Down Coefficients 21.3 Re-Expansion Chapter 22 Error Threshold 22.1 Eventually Constant Fitness Functions 22.2 Error Threshold 22.3 Further Solutions Chapter 23 Probabilistic Representation 23.1 Asymptotics of Perron–Frobenius 23.2 Mutant Walk Representation 23.3 Computation of the Limit 23.4 Rearranging the Sums Chapter 24 Probabilistic Interpretations 24.1 Poisson Random Walk 24.2 The Branching Poisson Walk Chapter 25 Infinite Population Models 25.1 The Moran–Kingman Model 25.2 The Eigen Model Part VI A Glimpse at the Dynamics Overview of Part VI Chapter 26 Deterministic Level 26.1 The Moran–Kingman Model 26.2 The Eigen Model Chapter 27 From Finite to Infinite Population 27.1 From Moran’s to Eigen’s Model 27.2 From Wright–Fisher’s to Moran–Kingman’s Model Chapter 28 Class-Dependent Landscapes 28.1 Moran Model 28.2 The Wright–Fisher Model Appendix A Markov Chains and classical results A.1 Monotonicity A.2 Construction of Markov Processes A.3 Lumping A.4 The FKG Inequality A.5 Hoeffding’s Inequality References Index