Statistical Modeling of Control of Animal Motion in a Fluid Environment
यह शोध पत्र स्थिर जल में *Daphnia magna* के कदम की लंबाई और अभिविन्यास कोणों के लिए एक सांख्यिकीय मॉडल प्रस्तुत करता है ताकि जैविक रूप से यथार्थवादी सिंथेटिक प्रक्षेपवक्र उत्पन्न किए जा सकें, जो विभिन्न पर्यावरणीय परिवेशों में पशु गति के मॉडलिंग के लिए एक नियंत्रण-आधारित ढांचा स्थापित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
यह समझने के लिए कि एक जानवर पानी में कैसे चलता है, वैज्ञानिकों ने लंबे समय से बाहर से देखते हुए, इस बात को ट्रैक किया है कि कोई जीव बिंदु A से बिंदु B तक कहाँ जाता है। यह पर्यवेक्षक का दृष्टिकोण जीव को मानचित्र पर एक बिंदु की तरह मानता है, जो समय के साथ उसकी स्थिति को रिकॉर्ड करता है। दशकों से, शोधकर्ताओं ने इस पद्धति का उपयोग गति को चरणों की एक श्रृंखला के रूप में वर्णित करने के लिए किया है, अक्सर यह मानकर कि प्रत्येक चरण एक यादृच्छिक विकल्प या पिछले कदम का एक सरल विस्तार है। हालांकि यह दृष्टिकोण समतल जमीन पर चलने वाले जानवरों के लिए अच्छी तरह काम करता है, लेकिन यह तीन आयामों (3D) में जीवन की पूर्ण वास्तविकता को पकड़ने में संघर्ष करता है। एक तरल वातावरण में, एक जानवर केवल आगे नहीं बढ़ता; वह जटिल तरीकों से घूम सकता है, अपने शरीर को झुका सकता है, बगल में लुढ़क सकता है, या अपने सिर को ऊपर-नीचे कर सकता है। ये गतिविधियाँ केवल इस बात की प्रतिक्रिया नहीं हैं कि जानवर कहाँ पहुँचा है; वे वे सक्रिय नियंत्रण हैं जिनका उपयोग जानवर नेविगेट करने के लिए करता है। इन नियंत्रणों को समझना एक कार के सड़क पर चलने को देखने से बदलकर ड्राइवर की सीट में बैठने और यह महसूस करने जैसा है कि कार को चलाने के लिए स्टीयरिंग व्हील और पेडल्स का उपयोग कैसे किया जाता है।
हाल ही में एक अध्ययन में, विस्कॉन्सिन-मिलवॉकी विश्वविद्यालय के शोधकर्ताओं डेविड स्पेड और जे.आर. स्ट्रिकलर ने एक छोटे से जल के कीड़े डैफनिया मैग्ना (Daphnia magna) के लिए उस ड्राइवर की सीट वाले परिप्रेक्ष्य को अपनाने का निर्णय लिया। ये सूक्ष्म क्रस्टेशियंस (कवचधारी जीव) शांत पानी में तैरते और तैरते रहते हैं, और वैज्ञानिक यह समझना चाहते थे कि भोजन या शिकारियों जैसे किसी भी बाहरी व्यवधान के बिना यह जीव अपने स्वयं के संचलन को कैसे नियंत्रित करता है। केवल यह रिकॉर्ड करने के बजाय कि जल का कीड़ा हर क्षण कहाँ था, टीम ने डेटा को देखने का एक नया तरीका विकसित किया। उन्होंने जीव द्वारा की गई विशिष्ट क्रियाओं पर ध्यान केंद्रित किया: वह एक ही क्षण में कितनी दूर चला, और उसने तीन अलग-अलग तरीकों से अपने शरीर को कैसे घुमाया। उन्होंने इन घुमावों को रोल (roll), पिच (pitch) और यॉ (yaw) कहा। रोल (Roll) है बगल में झुकने वाली गति, जैसे लहर में नाव का डगमगाना। पिच (Pitch) है सिर का ऊपर-नीचे होना, और यॉ (Yaw) है शरीर का बाएँ-दाएँ मुड़ना। इन विशिष्ट नियंत्रणों में गति को विभाजित करके, शोधकर्ता एक सांख्यिकीय मॉडल बना सके जो जीव की आंतरिक निर्णय लेने की प्रक्रिया की नकल करता है।
टीम ने एक शांत टैंक में एक अकेले डैफनिया मैग्ना की गतिविधियों को रिकॉर्ड करके शुरुआत की। उन्होंने हर एक-तिहाई सेकंड में जीव की स्थिति को कैप्चर किया, फिर कई छोटी रिकॉर्डिंग को एक लंबी, निरंतर ट्रैक में मिलाया जो दो मिनट से अधिक समय तक चली। इस डेटा को समझने के लिए, उन्होंने पहले मानक गणितीय उपकरणों का उपयोग करके गति का वर्णन करने का प्रयास किया जो समय के साथ स्थिति को ट्रैक करते हैं। उन्होंने पाया कि हालांकि ये उपकरण यह बता सकते थे कि जीव कहाँ गया, लेकिन वे सीमित थे। ये विधियाँ प्रतिक्रियात्मक (reactive) हैं; वे पथ का वर्णन घटना के बाद करती हैं लेकिन यह नहीं बतातीं कि जीव ने वास्तव में खुद को कैसे निर्देशित किया। शोधकर्ताओं को एहसास हुआ कि गति को वास्तव में समझने के लिए, उन्हें पथ को रिवर्स-इंजीनियर करने की आवश्यकता थी। उन्होंने एक गणितीय विधि का उपयोग करके सटीक कदम की लंबाई और घूर्णन के सटीक कोणों की गणना की जो जीव ने एक बिंदु से दूसरे बिंदु तक पहुँचने के लिए उपयोग किए होंगे। उन्होंने सिद्ध किया कि यह विधि काम करती है क्योंकि उन्होंने उन गणना किए गए कोणों और कदम की लंबाई का उपयोग करके कंप्यूटर पर मूल ट्रैक को फिर से बनाया। पुनर्गठित पथ वास्तविक पथ से लगभग पूरी तरह मेल खाता था, जिससे पुष्टि हुई कि उन्होंने सफलतापूर्वक जीव के नियंत्रण इनपुट को कैप्चर कर लिया है।
इस समझ के साथ, शोधकर्ताओं ने सिंथेटिक, या नकली ट्रैक बनाने के लिए एक नया मॉडल बनाया जो वास्तविक डैफिया की गति की तरह दिखता और व्यवहार करता है। उन्होंने कदम की लंबाई और घूर्णन कोणों को एक अलग लेकिन जुड़ी हुई प्रक्रियाओं के रूप में माना। उन्होंने देखा कि जल का कीड़ा कभी-कभी बहुत बड़े, तेज़ उछाल लेता है, जिसे उन्होंने अपने रिकॉर्डिंग स्क्रीन पर 25 पिक्सेल से अधिक की चाल के रूप में परिभाषित किया। ये बड़े उछाल लगभग पांच प्रतिशत समय होते थे और समूहों (clusters) में होने की प्रवृत्ति रखते थे। बाकी समय, जीव छोटे, नियमित कदम उठाता था। मॉडल ने इस तथ्य को भी ध्यान में रखा कि जीव कभी-कभी पूरी तरह से मुड़ना बंद कर देता है, या केवल एक विशिष्ट दिशा में मुड़ता है, जैसे कि केवल रोल करना या केवल पिच करना। इन व्यवहारों की आवृत्ति का विश्लेषण करके, टीम ने नियमों का एक सेट बनाया जो हजारों नए, यथार्थवादी गति पथ उत्पन्न कर सकता था। ये सिम्युलेटेड (simulated) पथ वास्तविक वाले के समान नहीं थे, लेकिन उनमें एक ही सांख्यिकीय डीएनए था: कदमों के आकार का समान वितरण, घूर्णन के समान पैटर्न और समग्र सहजता।
परिणामों ने दिखाया कि यह नियंत्रण-आधारित दृष्टिकोण जल के कीड़े की गति की जैविक वास्तविकता को सफलतापूर्वक पुन: निर्मित करता है। जब शोधकर्ताओं ने सिम्युलेटेड ट्रैक्स की तुलना वास्तविक डेटा से की, तो उन्होंने पाया कि नया मॉडल गति की आवश्यक विशेषताओं को कैप्चर करता है। सिम्युलेटेड जीव वास्तविक जीवों की तरह ही खुरदरेपन और तरलता के साथ चलते थे, और उनके मुड़ने के कोण भी समान पैटर्न का पालन करते थे। मॉडल ने उस विशिष्ट व्यवहार को भी पुन: पेश किया जहाँ जीव क्षैतिज (horizontal) की तुलना में ऊर्ध्वाधर (vertical) दिशा में अधिक अनियमित रूप से चलता है, जिसे "हॉप-सिंक" (hop-sink) व्यवहार के रूप में जाना जाता है। हालांकि सिमुलेशन ने कदमों के बीच के सहसंबंध के हर सूक्ष्म विवरण को कैप्चर नहीं किया, लेकिन समग्र चित्र जैविक रूप से यथार्थवादी माने जाने के लिए पर्याप्त सटीक था। यह सफलता बताती है कि यह मॉडल इन छोटे जीवों के दुनिया में नेविगेट करने के तरीके का वर्णन करने के लिए एक मजबूत उपकरण है।
यह कार्य पानी में जानवरों के व्यवहार पर भविष्य के अध्ययनों के लिए एक आधारभूत कदम प्रदान करता है। शांत, निर्बाध्य पानी में डैफनिया मैग्ना के चलने के आधारभूत मॉडल को स्थापित करके, शोधकर्ताओं ने एक संदर्भ बिंदु बनाया है। भविष्य में, वे शिकारी की गंध या भोजन की उपस्थिति जैसे चर (variables) पेश कर सकते हैं ताकि यह देखा जा सके कि जीव के नियंत्रण इनपुट कैसे बदलते हैं। मॉडल को फिर इन नई स्थितियों को प्रतिबिंबित करने के लिए समायोजित किया जा सकता है, जिससे वैज्ञानिक यह सटीक रूप से पहचान सकते हैं कि एक जानवर अपने पर्यावरण के जवाब में अपने स्टीयरिंग और गति को कैसे बदलता है। यह दृष्टिकोण केवल यह ट्रैक करने से आगे बढ़कर कि एक जानवर कहाँ जाता है, यह समझाने लगता है कि वह वहाँ जाने का निर्णय कैसे लेता है, जो तरल दुनिया में जीवन के यांत्रिकी की एक स्पष्ट खिड़की खोलता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।