The DIAS: quantifying coupled curve intersections in pharmacology, ecology, demography, and climatology

In de natuurlijke wereld ontvouwen veel processen zich als twee lijnen die over een grafiek bewegen. De ene lijn kan laten zien hoeveel van een medicijn het lichaam absorbeert, terwijl een andere laat zien hoeveel een bloedvat ontspant als reactie daarop. In een bos zou één lijn kunnen bijhouden hoeveel vissen een roofdier eet, terwijl een andere bijhoudt hoeveel prooien overleven. In een stad zou één lijn kunnen stijgen om de groeiende stedelijke bevolking aan te tonen, terwijl een andere daalt om de krimpende rurale bevolking aan te tonen. Wetenschappers zijn al lang geïntrigeerd door het exacte moment waarop deze twee lijnen elkaar kruisen. Dat snijpunt bevat vaak de sleutel tot het begrijpen van een systeem: het kan de precieze dosis zijn waarbij een medicijn begint te werken, het evenwichtspunt waarbij een roofdier en prooi in evenwicht zijn, of het jaar waarin een samenleving meer stedelijk dan ruraal wordt. Decennialang hebben onderzoekers deze snijpunten gevonden door simpelweg naar de grafiek te kijken en te gokken waar de lijnen elkaar ontmoeten. Ze konden de intersectie zien, maar ze hadden geen manier om te meten hoe zeker ze waren over die plek, of om met cijfers te bewijzen dat het snijpunt werkelijk was verschoven wanneer de omstandigheden veranderden.

Een nieuwe benadering, ontwikkeld door Rafael Dias de Brito Oliveira, biedt een manier om die visuele gok te veranderen in een nauwkeurige meting. De methode, genaamd het Dias' Intercept Analysis System, behandelt het punt waar twee lijnen elkaar ontmoeten niet als een enkel vast punt, maar als een locatie met een eigen foutenmarge, vergelijkbaar met een doelwit met een roos en een ring van onzekerheid eromheen. Door gebruik te maken van gevestigde statistische instrumenten om deze onzekerheid te berekenen, stelt het systeem wetenschappers in staat om rigoureuze vragen te stellen: Is het snijpunt significant verschoven toen een behandeling werd toegepast? Is het evenwicht tussen twee populaties anders in de ene regio vergeleken met de andere? De methode werkt door de wiskundige beschrijvingen van de twee lijnen te nemen, te berekenen waar ze elkaar snijden, en vervolgens een techniek genaamd de Delta-methode te gebruiken om te bepalen hoeveel dat snijpunt zou kunnen 'wiebelen' door willekeurige ruis in de data. Dit creëert een betrouwbaarheidszone rond het snijpunt, waardoor onderzoekers verschillende scenario's kunnen vergelijken met statistische zekerheid in plaats van alleen met een vluchtige blik.

De kracht van dit nieuwe systeem werd eerst getest in de gecontroleerde omgeving van computersimulaties. De onderzoekers creëerden duizenden nepdatasets die verschillende soorten curves vertegenwoordigden, van eenvoudige rechte lijnen tot complexe golven die over de tijd stijgen en dalen. Ze voegden variërende hoeveelheden ruis toe aan deze data om de rommeligheid van echte experimenten na te bootsen. De resultaten lieten zien dat het systeem het ware snijpunt met opmerkelijke nauwkeurigheid kon vinden, mits er voldoende data beschikbaar was. Voor eenvoudige lijnen en standaard S-vormige curves werkte de methode goed, zelfs met kleine hoeveelheden data. Echter, wanneer de curves golvend waren, zoals de dagelijkse ritmes van temperatuur of biologische klokken, had het systeem meer datapunten nodig om even precies te zijn. In die gevallen, als de data te schaars of te ruizig was, had het systeem soms moeite om het exacte moment te pinpointen waarop de golven elkaar kruisten, hoewel het nog steeds een nuttige schatting bood. De simulaties bevestigden dat de berekeningen van het systeem over de onzekerheid betrouwbaar waren, wat betekent dat de betrouwbaarheidszones die het rond de snijpunten tekende, accuraat waren.

De onderzoekers pasten dit instrument vervolgens toe op echte wetenschappelijke vragen in vier zeer verschillende vakgebieden. In de farmacologie heronderzochten ze data over hoe bloedvaten ontspannen als reactie op een signaalmolecuul. Eerdere studies hadden aangetoond dat het blokkeren van een specifief enzym de relatie tussen de productie van het molecuul en de ontspanning van het vat veranderde. Met behulp van het nieuwe systeem konden de onderzoekers exact kwantificeren hoeveel het snijpunt verschoof. Ze ontdekten dat wanneer het enzym werd geblokkeerd, het punt waar de productie- en de ontspanningscurves elkaar ontmoetten significant verschoof, van een specifiek concentratieniveau naar een veel hoger niveau, en de ontspanning op dat punt met meer dan de helft daalde. Dit leverde een duidelijk, numeriek bewijs van hoe het medicijn de biologische route veranderde, wat verder ging dan eenvoudige vergelijkingen van curvevormen.

In de studie van diergedrag werd de methode gebruikt om te kijken naar de relatie tussen de consumptie van prooi door een roofdier en het overleven van de prooi. Door data te analyseren over capelin en kabeljauw, identificeerden de onderzoekers het exacte moment in de tijd waarop de cumulatieve hoeveelheid gegeten prooi gelijk was aan het percentage overlevende prooi. Dit snijpunt vertegenwoordigde een dynamisch evenwicht in het ecosysteem. Het systeem berekende dit moment op ongeveer 103,5 minuten in de observatieperiode, met een zeer nauwe foutenmarge. Dit gaf ecologen een standaardmanier om het evenwichtspunt van een roofdier-prooi-relatie te beschrijven, dat nu vergeleken kon worden tussen verschillende omgevingen of perioden om te zien of het evenwicht aan het verschuiven was.

Het hulpmiddel bleek ook nuttig voor het begrijpen van menselijke demografie. Door censusdata uit twee Braziliaanse staten te analyseren, volgden de onderzoekers de jaren waarin de stedelijke bevolking de rurale bevolking inhaalde. Hoewel beide staten uiteindelijk het punt bereikten waarop de helft van de mensen in steden woonde, toonde het systeem aan dat ze dat op verschillende momenten bereikten. De ene staat bereikte deze mijlpaal in 1968, terwijl de andere deze pas in 1973 bereikte. Het verschil van bijna zes jaar was statistisch significant, wat aantoonde dat de twee regio's hun stedelijke transities in een ander tempo ondergingen, een nuance die mogelijk gemist zou zijn door simpelweg naar de ruwe populatiecijfers te kijken.

Ten slotte werd het systeem toegepast op klimaatdata om te zien of de seizoensgebonden temperatuurpatronen van twee steden op dezelfde manier veranderden. De onderzoekers keken naar de maanden waarin de gemiddelde temperaturen van Brasília en Porto Alegre gelijk waren. Deze steden hebben verschillende klimaten, maar hun temperatuurcurves kruisen elkaar twee keer per jaar, één keer in de herfst en één keer in de lente. Door data uit de jaren 1960 en de jaren 2000 te vergelijken, vonden de onderzoekers dat hoewel de werkelijke temperaturen op deze snijpunten met ongeveer 0,8 graden Celsius waren gestegen, de maanden waarin de temperaturen gelijk waren, helemaal niet waren veranderd. De herfst-intersectie vond nog steeds plaats in het midden van maart, en de lente-intersectie nog steeds in het begin van oktober. Dit suggereerde dat beide steden op een parallelle manier opwarmen, waarbij hun volledige temperatuurcurves omhoog verschuiven zonder de timing van hun seizoensgebonden evenwicht te veranderen.

De onderzoekers benadrukken dat deze methode geen vervanging is voor bestaande manieren om curves te vergelijken, maar eerder een gespecialiseerd hulpmiddel voor een specifiek probleem dat lang een formele oplossing heeft gemist. Het vertelt je niet of twee curves in hun geheel verschillend zijn, maar het vertelt je precies waar ze hetzelfde zijn, en hoe zeker je bent over die locatie. Het systeem is beschikbaar als een gratis, open-source applicatie waarmee onderzoekers zonder geavanceerde programmeervaardigheden hun data kunnen uploaden en deze nauwkeurige metingen kunnen ontvangen. Hoewel de methode het beste werkt met voldoende data en duidelijke curves, biedt het een nieuwe manier om de momenten van evenwicht en transitie te kwantificeren die zo veel complexe systemen in de natuur en de samenleving definiëren. Door een visuele intersectie te veranderen in een gemeten punt met een bekende foutenmarge, stelt het wetenschappers in staat om vergelijkingen te maken die voorheen onmogelijk met zekerheid te verifiëren waren.