🔢 mathematics

Fundamental Properties, Comparative Analysis, and Application of Caputo and Riemann-Liouville Fractional Derivatives to a Cancer Cell Epidemic Model

تؤسس هذه الورقة الفروق النظرية بين مشتقات كابوتو ومشتقات ريمان-ليوفيل، مبرهنةً تفوق الأولى في المسائل الأولية البيولوجية، وتطبق هذا الإطار على نموذج وبائي للخلايا السرطانية لتحليل كيفية تأثير الرتب الكسرية على تأثيرات الذاكرة، وتطور المرض، والاستجابة للعلاج المناعي.

المؤلفون الأصليون: Jenitha Borges M, John Borg S, Britto Antony Xavier G, Avinash N

نُشر 2026-08-10

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Jenitha Borges M, John Borg S, Britto Antony Xavier G, Avinash N

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل عالم العلوم كمدينة ضخمة وصاخبة، حيث كل شيء في حالة حركة وتغير مستمر. لفترة طويلة، استخدم العلماء مجموعة محددة للغاية من الأدوات للتنبؤ بكيفية تحرك الأشياء، أو نموها، أو انتشارها. هذه الأدوات، التي تسمى "حساب التفاضل والتكامل" (Calculus)، تشبه كاميرا عالية السرعة لا تلتقط سوى لقطات للحظة الحالية. إنها مذهلة في وصف كيف تتدحرج كرة من فوق تلة في هذه اللحظة بالذات، بناءً على كيفية حركتها قبل جزء من الثانية. ولكن ماذا لو كانت الكرة تتذكر كيف كان شعورها بالأمس؟ ماذا لو كان الفيروس لا يتفاعل فقط مع الشخص الذي هو فيه الآن، بل يحمل "ذاكرة" لكل شخص أصابه من قبل؟

هنا يأتي دور فرع خاص من الرياضيات يسمى "حساب التفاضل والتكامل الكسري" (Fractional Calculus). فكر في الأمر ككاميرا لا تكتفي بالتقاط لقطة ثابتة، بل تسجل فيديو كاملاً للماضي، وتدمج التاريخ في الحاضر. في هذا الفيديو، تعتمد سرعة التغيير ليس فقط على اللحظة الحالية، بل على كل ما حدث من قبل. هناك "عدستان" رئيسيتان لهذا النوع من الرياضيات: عدسة "كابوتو" (Caputo) وعدسة "ريمان-ليوفيل" (Riemann-Liouville). كلتا العدستين يمكنهما تسجيل الماضي، لكنهما تتعاملان مع بداية القصة (الظروف الأولية) بطرق مختلفة تماماً. إحدى العدستين تعامل بداية القصة كصفحة بيضاء، بينما تضيف الأخرى خللاً غريباً ومتذبذباً عند البداية تماماً. يهتم العلماء بهذا الأمر لأن العديد من الأشياء في العالم الحقيقي — مثل كيفية انتشار الأمراض أو نمو الخلايا — تمتلك ذاكرة عميقة. إذا استخدمت العدسة الخاطئة، فقد يبدو تنبؤك كأنه لعبة فيديو مليئة بالأخطاء التقنية بدلاً من أن يكون واقعاً حقيقياً.

هذه الورقة البحثية هي غوص عميق في مقارنة هاتين العدستين ومعرفة أي منهما هي الأداة الأفضل لدراسة مشكلة خطيرة للغاية: انتشار خلايا السرطان. يعمل المؤلفون، وهم فريق من علماء الرياضيات من كلية "سيكريد هارت" (Sacred Heart College)، كالمحققين أولاً، حيث يقومون بتفكيك القواعد الأساسية لكل من طريقتي "كابوتو" و"ريمان-ليوفيل". لقد أثبتوا رياضياً أنه إذا حاولت قياس قيمة ثابتة لا تتغير (مثل عدد ثابت من الخلايا السليمة) باستخدام عدسة "ريمان-ليوفيل"، فإن ذلك سيخلق طفرة غريبة ولانهائية في البداية لا معنى لها في العالم الحقيقي. ومع ذلك، تتعامل عدسة "كابوتو" مع هذه الحالات المستقرة بشكل مثالي، حيث تعطي صفراً نظيفاً. وهذا أمر بالغ الأهمية لأننا في علم الأحياء، نحتاج أن نكون قادرين على قول: "في البداية، كان لدينا 100 خلية سليمة"، دون أن تصرخ الرياضيات بأن هذا الرقم هو في الواقع مالانهاية.

ثم يأخذ الفريق هذه النتائج ويبني "نموذج وباء خلايا السرطان ذو الرتبة الكسرية". تخيل محاكاة رقمية لساحة معركة حيث تتصارع الخلايا السليمة وخلايا السرطان. في النموذج القياسي، تحدث المعركة فوراً بناءً على من هو موجود في اللحظة الحالية. ولكن في هذا النموذج الجديد، تمتلك الخلايا "ذاكرة". خلايا السرطان تتذكر سرعة نموها في الأسبوع الماضي، والخلايا السليمة تتذكر عدد الخلايا التي فُقدت في الماضي. أجرى الباحثون عمليات محاكاة حاسوبية لمعرفة ما يحدث عندما يخفضون "مقبض الذاكرة" (الذي يسمى الرتبة الكسرية، $\mu$ ) من 1 (لا توجد ذاكرة) إلى 0.75 (ذاكرة قوية).

كانت النتائج رائعة. عندما كانت الذاكرة قوية (قيم $\mu$ المنخفضة)، لم يستولِ السرطان على الجسم بسرعة. بدا وكأن النظام "يتردد"، متذكراً حالته الصحية الأولية لفترة أطول. كان الأمر كما لو أن خلايا السرطان تتحرك عبر شراب كثيف بدلاً من الماء؛ فالماضي كان يعيقها. أظهرت عمليات المحاكاة أنه مع عامل ذاكرة قدره 0.75، نما تعداد السرطان ببطء شديد مقارنة بالنموذج القياسي، وعاشت الخلايا السليمة لفترة أطول. كما اختبرت الورقة سيناريو "العلاج"، بإضافة حد يمثل العلاج المناعي (وهو علاج يساعد الجهاز المناعي على محاربة السرطان). أظهرت الرياضيات أن هذا العلاج يعمل بطريقة إضافية مباشرة: كلما أضفت علاجاً أكثر، زاد كبح السرطان، بغض النظر عن إعدادات الذاكرة.

والأهم من ذلك، أثبت المؤلفون أن محاولة استخدام عدسة "ريمان-ليوفيل" لهذا النموذج البيولوجي كانت ستكون كارثة. ولأن هذه الطريقة تخلق "خللاً" رياضياً (تفرد/singularity) عند البداية لأي قيمة ثابتة، فقد كان من المستحيل إعداد النموذج بأرقام البداية الموجودة في الواقع. في المقابل، سمحت عدسة "كابوتو" لهم بضبط العدد الأولي للخلايا تماماً كما هي في الواقع ومراقبة القصة وهي تتكشف. وتخلص الورقة إلى أنه لنمذجة أشياء مثل نمو السرطان، حيث يهم التاريخ وتكون أرقام البداية حقيقية وثابتة، فإن مشتقة "كابوتو" هي الأداة المتفوقة. فهي توفر طريقة متسقة رياضياً لتضمين "ذاكرة" المرض دون كسر قواعد الفيزياء أو البيولوجيا.

ملخص تقني: الخصائص الأساسية، والتحليل المقارن، وتطبيق المشتقات الكسرية من نوع كابوتو وريمان-ليوفيل على نموذج وبائي لخلايا السرطان

بيان المشكلة
تتناول الورقة البحثية التمايزات النظرية والعملية بين مشتقات كابوتو (Caputo) وريمان-ليوفيل (Riemann-Liouville - RL) الكسرية، وتحديداً في سياق نمذجة الأنظمة البيولوجية ذات تأثيرات الذاكرة. وبينما يُعد الحساب الكسري أداة راسخة لنمذجة الخصائص الوراثية في الأنظمة المعقدة، فإن اختيار المؤثر يعد أمراً حاسماً للمسائل ذات القيم الابتدائية. وقد حدد المؤلفون تباينًا جوهريًا: وهو أن مشتق ريمان-ليوفيل للثابت لا يساوي صفرًا (مما ينتج عنه تفرد عند نقطة الأصل)، بينما مشتق كابوتو للثابت يساوي صفرًا. ويطرح هذا التباين تحديات في النمذجة البيولوجية، حيث تكون الشروط الابتدائية (مثل أعداد الخلايا الأولية) ثوابت ذات معنى فيزيائي، بينما تفتقر حالات التفرد (Singularities) عند $t=0$ إلى التفسير البيولوجي. تهدف الدراسة إلى إرساء خصائص كلا المؤثرين بشكل صارم وتحديد أيهما أكثر ملاءمة لنموذج وبائي لخلايا السرطان.

المنهجية
يستخدم البحث مزيجًا من الاشتقاق التحليلي، وإثبات النظريات المقارنة، والمحاكاة العددية:

الإطار النظري: يعرّف المؤلفون دالتي غاما (Gamma) بيتا (Beta)، يليهما التعريف الرسمي للتكاملات والمشتقات الكسرية من نوع ريمان-ليوفيل وكابوتو. كما يشتقون بشكل منهجي الخصائص الأساسية، بما في ذلك:
- المشتقات والتكاملات الكسرية للدوال الأسية ( $z^m$ ).
- خطية كلا المؤثرين.
- العلاقة بين المؤثرين عبر نظرية حد التصحيح، والتي تعبر عن مشتق كابوتو كاشتقاق ريمان-ليوفيل ناقص مجموع حدود القيم الابتدائية.
- الخصائص العكسية، التي توضح كيف تستعيد التكاملات الكسرية الدوال الأصلية وصولاً إلى كثيرات الحدود المحددة بواسطة الشروط الابتدائية.
التحليل المقارن: تستخدم الورقة الرسوم التوضيحية والتمثيلات البيانية وأمثلة محددة (مثل الدوال الثابتة، $f(z)=1$ ، والدوال التربيعية $f(z)=z^2$ ) لتصور سلوك كلا المشتقين. يسلط هذا الضوء على السلوك المتفرد لمشتق ريمان-ليوفيل بالقرب من نقطة الأصل بالنسبة للثوابت، مقابل تلاشي مشتق كابوتو.
تطبيق النموذج: تُطبق النتائج النظرية على نظام تفاضلي كسري مقترن لنمذجة أعداد الخلايا السليمة ( $H$ ) والخلايا السرطانية ( $C$ ). يتضمن النموذج النمو اللوجستي، والتنافس بين الخلايا، والتحكم عبر العلاج المناعي. وقد تم اختيار مؤثر كابوتو لصياغة النموذج لضمان التوافق مع الشروط الابتدائية الكلاسيكية ( $H(0)=H_0, C(0)=C_0$ ).
المحاكاة العددية: يتم حل النظام عددياً باستخدام مخطط تقريب غرونوالد-ليتنيكوف (Grunwald-Letnikov). تُجرى المحاكاة عبر الفترة الزمنية $z \in [0, 12]$ مع تغيير الرتب الكسرية ( $\mu \in \{1.0, 0.9, 0.75, 0.7\}$ ) وكثافة العلاج لمراقبة تأثيرات الذاكرة وتطور المرض.

المساهمات الرئيسية

التوضيح التحليلي: تقدم الورقة برهاناً صارماً على أن مشتق كابوتو للثابت يتلاشى، بينما ينتج عن مشتق ريمان-ليوفيل حد متفرد يتناسب مع $z^{-\mu}$ . وقد تم صياغة ذلك رسمياً من خلال Theorem 3.4 و Lemma 3.3.
علاقة حد التصحيح: يثبت المؤلفون Theorem 5.3، الذي يحدد صراحة الفرق بين كلا المؤثرين كمجموع للقيم الابتدية الموزونة بنواة (kernels) متفردة؛ وهذا يبرر رياضياً لماذا تقدم صياغة ريمان-ليوفيل حدوداً متفردة "زائفة" في السياقات البيولوجية.
اختيار المؤثر للبيولوجيا: توضح الدراسة أن صياغة كابوتو هي الخيار الطبيعي للمسائل البيولوجية ذات القيم الابتدائية لأنها تسمح بالتعيين المباشر للبيانات الفيزيائية الأولية دون إدخال حالات تفرد غير فيزيائية عند $t=0$ .
تحديد تأثير الذاكرة: من خلال المحاكاة العددية، توضح الورقة أن الرتب الكسرية الأقل ( $\mu < 1$ ) تحفز سلوك الانتشار دون المتوسط (sub-diffusive)، مما يؤدي فعلياً إلى إبطاء معدل تقدم السرطان وإطالة "ذاكرة" النظام لحالته الأولية مقارنة بالنموذج الكلاسيكي من الرتبة الصحيحة ( $\mu = 1$ ).

النتائج

نظرية: يؤكد التحليل أنه بالنسبة للدوال التي تتلاشى فيها القيم الابتدائية والمشتقات من الرتب الدنيا عند نقطة الأصل (مثل $f(z)=z^2$ )، فإن مشتقات كابوتو وريمان-ليوفيل تتطابق. ومع ذلك، بالنسبة للدوال الثابتة أو الدوال ذات القيم الابتدية غير الصفرية، فإن المؤثرين يتباعدان بشكل كبير.
عددية:
- تأثير الرتبة الكسرية: يؤدي خفض $\mu$ من 1.0 إلى 0.75 إلى تقارب أبطأ لأعداد الخلايا السرطانية نحو حالة التوازن وتأخر في سيطرة الخلايا السرطانية على الخلايا السليمة. يقترب إجمالي عدد الخلايا من السعة الاستيعابية ( $K$ ) بشكل أبطأ، مما يعكس الاحتفاظ بتاريخ الكثافة المنخفضة الأولية.
- الاستجابة للعلاج: يظهر إدراج حد العلاج المناعي ( $-\sigma C$ ) انخفاضاً إضافياً في كثافة الخلايا السرطانية، وهو ما يتوافق مع خطية مؤثر كابوتو. تؤدي شدة العلاج الأعلى ( $\sigma$ ) إلى تعافي أسرع للخلايا السليمة.
- مخططات الطور (Phase Portraits): تقطع المسارات في حالة $\mu < 1$ قوساً أوسع في مستوى الطور قبل التقارب نحو التوازن المسيطر عليه من السرطان، مما يشير إلى زيادة الذاكرة وبطء انتشار المعلومات.

الأهمية
تزعم الورقة أن أهميتها الرئيسية تكمن في توفير أساس رياضي متسق وقابل للتفسير بيولوجياً لاستخدام المعادلات التفاضلية الكسرية في البيولوجيا الرياضية التطبيقية. ومن خلال الإثبات الصارم بأن مشتق كابوتو يتجنب حالات التفرد المتأصلة في صياغة ريمان-ليوفيل للحالات الابتدية الثابتة، تثبت الدراسة صلاحية مؤثر كابوتو كأداة مناسبة لنمذجة ديناميكيات خلايا السرطان. يجسّر هذا العمل الفجوة بين نظرية الحساب الكسري المجردة والنمذجة الوبائية العملية، موضحاً كيف يمكن استخدام الرتب الكسرية لضبط "ذاكرة" النظام البيولوجي. ويخلص المؤلفون إلى أن تحليلهم يقدم أساساً نظرياً ضرورياً للاستقصاءات المستقبلية حول الاستقرار، والوجود، ووحدانية التوازن في النماذج البيولوجية الكسرية، وكذلك لتطوير مخططات عددية أكثر دقة لهذه الأنظمة.

أبحاث مشابهة