CC BY
42
Статья
При усреднении по всем полученным данным в каждой группе больных активность СОД была одинаковой в эритроцитах пациентов с нормальным АД и с повышенным АД перед лечением и не отличалась от нормы (табл. 11). После курса акупунктуры активность этого фермента в клетках пациентов обеих групп повышалась приблизительно на 10%, но достоверно. При более тщательном анализе индивидуальных результатов в отношении активности СОД удалось выявить необычную закономерность. В эритроцитах одной подгруппы больных с повышенным АД активность СОД оказалась достоверно выше (на 23%), а в другой подгруппе - ниже (на 14%) контрольного уровня (табл. 11). После терапии активность СОД, повышенная в эритроцитах больных 1-й подгруппы, падала на 47%, а активность СОД, пониженная у лиц 2-й подгруппы, повышалась на 50% (табл. 11).
Влияние акупунктуры на активность СОД в эритроцитах больных
СОД, Ед/мл
До лечения n После лечения n
Здоровые лица 1181± 62 16
Пациенты с нормальным АД 1155± 44 18 1277±50++ 16
Пациенты с повышенным АД 1162± 68 27 1294±85+ 14
а) Пациенты с повышенным АД, в эритроцитах которых перед лечением активность СОД выше контрольного уровня 1456± 56* 9 986±69++ 6
б) Пациенты с повышенным АД, в эритроцитах которых перед лечением активность СОД ниже контрольного уровня 1015±43* 18 1525±48++ 8
*Р<0,01 при сравнении с контрольным уровнем; +Р<0,05, ++Р<0,01 при сравнении с показателем до лечения
Выводы. Акупунктура улучшает состояние здоровья в 8091% случаев. Применение ЯК в сочетании с иглотерапией позволяет достичь более длительного периода ремиссии и сократить курс лечения. Положительный эффект акупунктуры или акупунктуры в сочетании с приемом ЯК подтверждается субъективной оценкой пациентами своего состояния, нормализацией общего числа лейкоцитов и критериями адаптационных реакций периферической крови. Нормализация общего числа лейкоцитов периферической крови позволяет предположить о противовоспалительном действии акупунктуры в сочетании с приемом ЯК. После курса акупунктуры у абсолютного большинства больных состояние здоровья улучшилось и ни у одного из 200 лиц не наблюдалось ухудшения состояния. Концентрация МДА, как показатель интенсивности перекисного окисления мембранных липидов, в эритроцитах больных оказалась повышенной на 60-75% при сравнении с этим показателем у здоровых лиц. После курса акупунктуры концентрация МДА частично нормализовалась в эритроцитах пациентов с нормальным АД и полностью нормали-
зовалась в клетках больных с повышенным АД. Активность глутатионпероксидазы, в ~2 раза сниженная в эритроцитах, повышалась после курса акупунктуры, приближаясь к контрольному показателю, но не достигая его в группе лиц, имеющих повышенное АД. Активность каталазы, увеличенная в эритроцитах, полностью восстанавливалась после курса лечения.
В эритроцитах одной подгруппы лиц с повышенным АД активность СОД оказалась достоверно выше, а в другой подгруппе - существенно ниже контрольного уровня. После курса терапии активность СОД, повышенная в эритроцитах больных 1-й подгруппы, снижалась на 47%, а активность СОД, пониженная у больных 2-й подгруппы, повышалась на 50%. Биохимически итоги терапии проявляются в адаптивном улучшении показателей, характеризующих окислительный стресс в эритроцитах и их антиокислительный статус. В биохимический механизм акупунктуры вовлекается система антиокислительной защиты эритроцитов.
Литература
1. Гаркави Л.Х. и др. Антистрессорные реакции и активационная терапия.- М.: ИМЕ-ДИС, 1998.- 656с.
2. Aebi H.E. // Methods of Enzymatic Analysis / Eds H.U. Bergmeyer.- Vol. 3.- New York, 1984.- P. 273-286.
3. Beauchamp C., Fridovich I. // Anal. Biochem.- 1971.- Vol. 44.- P. 276-287.
4. Ernster L., Nordenbrand K. // Methods in Enzymology.- 1967.- Vol. 10.- P. 574-580.
5. Lawrence R.A., Burk R.F. // Biochem. Biophys. Res. Commun.- 1976.- Vol. 71.- P. 952.
6. Ohkawa H et al,H Anal. Biochem.-1979.- Vol. 95.- P. 351-358.
OXIDATIVE METABOLISM IN ERYTHROCYTES IN ACUPUNCTURE YU.G.KAMINSKIY, E.A.KOSENKO, A.S. POGOSYAN Summary
A state of health was improved subjectively and objectively in the absolute majority of patients after acupunture treatment. These results were manifested biochemically as adaptive changes in indexes of both oxidative stress and antioxidant status of erythrocytes. MDA levels, catalase, SOD and glutathione peroxidase activities were altered nonspecifically in patient’s erythrocytes and normalized partially or totally after acupuncture course.
Key words: acupuncture, erythrocyte, superoxide dismutase, catalase, glutathione peroxidase
УДК 612.28
ИДЕНТИФИКАЦИЯ ИНТЕРВАЛОВ УСТОЙЧИВОСТИ РЕСПИРАТОРНЫХ НЕЙРОСЕТЕЙ В АСПЕКТЕ КОМПАРТМЕНТНО-КЛАСТЕРНОГО ПОДХОДА
О.А. ВЕДЯСОВА, В.М. ЕСЬКОВ, С.В. КУЛАЕВ, Ю.М. ПОПОВ*
Введение. Гомеостаз организма человека и животных поддерживается устойчивой работой регуляторных механизмов и стабильной деятельностью систем органов. Решающую роль в этом процессе играют основные (жизнеобеспечивающие) функциональные системы организма (ФСО), которые, поддерживая постоянство внутренней среды, создают оптимальные условия для надежной деятельности организма как целостной и устойчивой биологической динамической системы (БДС) [5-7].
В комплексе наиболее важных ФСО особое место занимает кардио-респираторная система (КРС), обеспечивающая доставку
* СурГУ
Таблица 10
Влияние акупунктуры на концентрацию малонового диальдегида в эритроцитах
Пациенты Пациенты
Здоровые с нормальным АД с повышенным АД
лица До После До После
лечения лечения лечения лечения
Концентрация МДА, 142,2± 17,8 226,3± 23* 196,3±21 ** 248,6±27,3 150,4±
нмоли на 1 мл n=30 n=19 n=8 * n=15 3,4** n=5
Глутатионперокси-даза, мкмоли/мин на 1 мл 16,9± 0,8 n=30 8,9± 1,1* n=14 14,8±1,3** n=14 7,5± 0,8* n=16 9,9± 1,5** n=12
Каталаза, 17,7±1,0 21,6±1,4* 19,2± 0,8** 24,3 ± 1,4* 16,9± 1,0**
сек'1 на 1 мл n=30 3 3 и n n=24 n=24 n=19
Приведены средние значения и среднеквадратичные отклонения от средних.
*Р<0,01 при сравнении с контрольным уровнем; **Р<0,05 при сравнении с показателем до лечения
Таблица 11
О. А. Ведясова, В.М. Еськов, С.В. Кулаев и др.
кислорода и адекватный уровень метаболизма в клетках организма человека и животных. Не случайно основной причиной высокой смертности человека называют именно патологию КРС. Здесь следует назвать патологические изменения в работе сердечно-сосудистой системы (ССС), в частности, инфаркты миокарда, инсульты, ишемическую болезнь сердца (ИБС) и ряд других нарушений. Не менее драматическая ситуация возникает и при патологии системы дыхания. Пневмонии, астмы, туберкулёз и многие другие бронхо-легочные заболевания зачастую приводят к летальному исходу. Во всех этих случаях нередко возникают сложности с регуляцией дыхательной ритмики, нарушается её устойчивость, что ставит вопрос о механизмах респираторного контроля в норме и при различных патологических состояниях в разряд важнейших проблем физиологии и патологии КРС. Однако эта проблема имеет и более широкое значение, так как расстройства и дестабилизация дыхательного ритма возможны и при многих других состояниях организма (интоксикациях, инфекциях, физической нагрузке, эмоциональном стрессе и т. д). Не вызывает сомнений тот факт, что изучение механизмов устойчивости периодики дыхания в норме и патологии - это одна из кардинальных проблем медицины вообще и физиологии млекопитающих животных, в частности. Поэтому разработка новых подходов к решению этой проблемы в рамках системного анализа является актуальной и служит делу дальнейшего развития общей теории ФСО, которую впервые обозначил и сформулировал выдающийся российский физиолог П.К. Анохин [1].
Возможности применения компартментно-кластерного
подхода (ККП) к изучению регуляции и идентификации интервалов устойчивости различных ФСО - это проблема, которой на протяжении почти 10 лет занимается лаборатория биокибернетики и биофизики сложных систем (ЛББСС) при Сургутском государственном университете. Уже достигнуты определенные успехи в плане формализации данной задачи [2-4]. Разработаны новые методы изучения устойчивости различных ФСО и БДС, в целом, к внешним возмущающим воздействиям [3, 4]. Здесь представлены результаты по применению методов для исследования таких компонентов КРС, как система дыхания и респираторных нейронных сетей (РНС). При этом надо подчеркнуть, что РНС являются наиболее сложным объектом в изучении проблемы устойчивости БДС из-за полиморфности строения, многообразия связей и функциональной неоднородности, присущей нейросетям продолговатого мозга. Сложность выбранного объекта изучения обусловлена большим количеством центральных структур, в том числе супрабульбарного уровня, которые принимают участие в регуляции дыхательной ритмики. Однако, именно этот аспект проблемы заслуживает пристального внимания и изучения.
Объект и методы исследования. Опыты производились на 26 кошках (вес около 2,5 кг), наркотизированных смесью нембу-тала с хлоралозой (40 и 45 мг/кг массы соответственно). У наркотизированных животных электростимуляции подвергали смешанные межреберные нервы и некоторые области продолговатого мозга. Раздражение осуществляли посредством серебряных электродов которые подводили к поверхности мозга через трепа-национное отверстие в костях крыши черепа или подводили к нерву. Устанавливали параметры импульсного тока: сила 100300 мкА; длительность импульса 0,5 мс; частота 50-100 с-1; продолжительность серии 5-10 с. При выборе показателей состояния РНС исходили из положения ККТБ о кооперативной деятельности нейронов ДЦ, согласно которому ответ отдельной клетки представляет собой случайное событие, а реализация функции, связанной с нейронной ассоциацией, является наиболее достоверной. С учетом сказанного для оценки респираторных реакций использовали интегральные выходные показатели деятельности РНС, в том числе паттерн внешнего дыхания (спирограмму), суммарную и интегрированную электромиограмму (ЭМГ) диафрагмы (ДМ), наружных межреберных мышц (НММ).
ЭМГ ДМ отводили одновременно от обоих её куполов, а ЭМГ НММ от симметричных участков правой и левой сторон грудной клетки в области 6-7 межреберий. Для отведения использовали биполярные игольчатые электроды с межэлектрод-ным расстоянием 3 мм. Запись ЭМГ осуществляли путем фоторегистрации на электромиографе Medicor MG-42 (Budapest, Hungary). В ряде опытов сигналы с блока усиления электромиографа переводились на чернильный самописец Н-338, с помощью которого записывались на бумажную ленту. Внешнее дыхание регистрировали через трахеостомическую трубку с помощью
миниатюрного спирографа, снабженного фотооптическим датчиком перемещений колокола. Изменения объема дыхания, преобразованные в электрический сигнал, поступали от прибора на регистрирующее устройство (самописец Н-338). Запись ЭМГ и спирограммы в экспериментах проводилась в порядке: в исходном состоянии; во время электрической стимуляции области продолговатого мозга (ДЦ); при электростимуляции афферентных нервов. При анализе ЭМГ учитывали изменения длительности залпов (ДЗ) инспираторной активности и межзалповых интервалов (МИ), по которым рассчитывали коррелят доли вдоха или т.н. полезный цикл (ПЦ) и частоту дыхания (ЧД). На спирограммах определяли общую длительность дыхательного цикла (Tt), вдоха (Ti) и выдоха (Te), объем дыхания (Vt). Расчетным путем вычисляли ПЦ (как Ti/Tt), ЧД (как f = 60/Tt) и легочную вентиляцию (ЛВ) за 1 мин (как V = f xVt).
С целью разработки компартментно-кластерных методов идентификации интервалов устойчивости функционирования РНС были поставлены опыты на кошках с регистрацией респираторных ответов в условиях электростимуляции межреберных нервов и ряда структур продолговатого мозга. В качестве входного управляющего воздействия использовались серии раздражающих импульсов, наносимые с помощью биполярных серебряных электродов на 10-й внутренний МН (при изучении ЭНС) или наружный МН (для анализа ИНС). Регистрировали первичные и вторичные (прошедшие через РНС) спино-бульбо-спинальные (СБС) ответы, отводимые от смешанного 11-го МН. В отдельных опытах управляющие воздействия на РНС моделировали путем микроэлектростимуляций ретикулярного гигантоклеточного ядра и микроинъекций ГАМК (10-5 М; 0,2 мкл) в медиальное парабра-хиальное ядро, при этом в качестве показателя деятельности ДЦ регистрировали интегрированную инспираторную активность диафрагмального нерва. Такая методика позволяла оценить состояние РНС по соотношению между входными стимулами и выходными сигналами. Последние рассматривались как выходные марковские параметры системы «черный ящик», роль которого выполняли ИНС или ЭНС. По марковским параметрам y (t) строились матрицы А математических моделей РНС и определялись интервалы их устойчивости к внешним раздражителям. Общий вид моделей будет представлен при описании опытов.
Для регистрации электронейрограмм и (в отдельных опытах) ЭМГ у кошек использовался восьмиканальный магнитограф фирмы «Виброприбор» (Кишинёв). Обработка ЭНГ и ЭМГ осуществлялась на компьютере с помощью 16-канального АЦП. При этом применялась специальная программа, зарегистрированная в РОСАПО, позволяющая получать информацию о длительности фаз вдоха и выдоха, а также анализировать уровень активности ИНС и ЭНС в относительных единицах. Статистическую обработку данных проводили с помощью программного пакета SigmaStat v.2.0 (Jandel Scientific, USA) c использованием теста ANOVA для повторных измерений, тестов Dunnett’s, Tukey, непарного и парного t-теста Стьюдента.
Теория идентификации интервалов устойчивости РНС. Кибернетический метод идентификации интервалов устойчивости РНС основан на идентификации модели нейросетей и дальнейшего изучения свойств этих моделей. В частности, мы считаем неизменным состояние РНС, если не меняются собственные значения матрицы А моделей объекта при изменении интервалов раздражающих стимулов. Это значит, что нейросеть дает приблизительно одинаковую реакцию на разные раздражающие стимулы. Решение задач структурной и параметрической идентификации параметров математической модели РНС невозможно без решения задач выбора оптимальной длительности t входного воздействия, выбора частоты квантования fmax реального непрерывного сигнала и оценки интервала T регистрации ответа исследуемой РНС [2]. В рамках разрабатываемого нами ККП мы предлагаем решение указанных задач для линейных моделей РНС, параметры которых могут быть идентифицированы методом минимальных реализаций (ММР). Согласно ММР при частичной минимальной реализации последовательности, состоящей из k марковских параметров, размерность m, системы линейного приближения, будет определяться соотношением 2m+1=k [2, 3, 5, 7]. Тогда минимальная продолжительность T регистрации ответа РНС на предъявляемый стимул длительностью t связана неравенством T>(2m+1)t. Ограничение на величину t задается в виде
t<T/2m+1. (1)
О. А. Ведясова, В.М. Еськов, С.В. Кулаев и др.
При использовании ММР длительность входного воздействия t будет равняться шагу счета разностной модели, т. е. периоду дискретизации времени при регистрации ответа РНС. Оценка допустимого интервала устойчивости РНС te [tmin, tmax] более сложная задача. Наш критерий оценки этого интервала и оптимального значения t основан на следующем алгоритме. Если при изменении t, например, путем перехода от t1 к t2 математические модели РНС не претерпевают явных изменений, т.е. нет изменений в динамике поведения исследуемых РНС, то считается, что t2 находится внутри искомого интервала, т.е. t2e [tmin, tmax].
При классическом подходе для сравнения состояния системы при разных воздействиях обычно анализируют нормы матриц A модели, и если вариация нормы не превышает некоторую величину, то считают, что динамическая система прибывает приблизительно в том же состоянии. Наши экспериментальные данные показали обратное. Даже простые НС могут существенно изменять свою структуру (например, менялся порядок модели m для НС в ходе нейрофизиологического эксперимента) без существенного изменения нормы матрицы. Вследствие этого нами предлагается в качестве показателя состояния использовать такие инварианты системы, как собственные числа идентифицируемой с помощью ММР в результате эксперимента матрицы A при одинаковом порядке m. Если в результате эксперимента при длительности входного импульса t1 была получена матрица A1, а при длительности входного импульса tq=qtj, где q=2, 3,.. .,k, получена матрица Aq, то, обозначая собственные значения матрицы Aj через A,1,...,Xm, а собственные значения A — X X ,
q 1 ''5 m
можно среди X и X попарно найти с точностью до перенумерации такие значения, что
(X )q =X, где i=1,...,m. (2)
В случае выполнения условия (2) считаем, что сравниваемые линейные модели идентичны.
Из (1) и (2) следует процедура нахождения верхней границы интервала устойчивости РНС, когда исследования производятся в рамках одной и той же линейной модели РНС при кратном изменении длительности входного стимула. Для выбранного определенного значения t, удовлетворяющего неравенству (1), производится идентификация методом ММР матрицы A, и находятся ее собственные значения X(i=1,---,m). Затем, последовательно увеличивая q на единицу и проводя новую идентификацию, находим X ( - 1 . m) и такое значения q , для которого
уже не будет выполняться с точностью до перенумерации равенство (2). В результате найденное значение t m lax - (q* - ^ будет
являться верхней границей устойчивости РНС, когда действует одна и та же математическая модель и состояние системы остается неизменным. Найденное значение tmax также характеризует нижнюю границу частоты внешнего электрического стимула
f ■ -—.
J min
max
Важным элементом при выборе допустимого интервала длительности стимула (определяет границу устойчивости РНС) является нижняя граница - tmin. С одной стороны эту границу необходимо знать для задания оптимального t , с другой стороны значение tmin фактически определяет период квантования сигнала при использовании АЦП. Нами предложено следующее решение этой задачи. Пусть некоторым образом, например согласно (1), задается исходная величина tj стимула. По результатам экспериментальной идентификации определяется матрица Aj модели, которая имеет собственные значения Xj,...,Xn- Тогда можно выбрать некоторое фиксированное q<1 (для удобства q=1) и последовательно возрастающие l>1 (например, l = 2,3,., l), такие, что образуется последовательность q/l убывающих элементов, меньших 1. Определяя новую длительность t — q±_
1 - ~г
стимула и выполняя идентификацию, получаем новую матрицу Al и соответствующие ей собственные числа X,...,Xm . Тогда если среди X и X- попарно найдутся с точностью до перенумерации такие значения, что
то будем считать, что в рамках данного приближения сравниваемые линейные модели идентичны. Последовательно увеличивая I и получая новые Хх,к,Х , можно найти граничное
значение 1, для которого уже не будет выполняться с точностью до перенумерации равенство (3). Это значение I и определит нижнюю границу рабочего интервала длительностей стимула , _ Фл . Соответственно может быть определена верхняя
ШШ “ ,
I — 1
граница частоты внешнего электрического стимула ^ .
Нужно отметить, что для проверки (3) существует необходимость извлечения корня 1-го порядка из А1 (при я=1), что
приводит к получению I матриц и такого же числа наборов собственных значений. Тогда ЭВМ по разработанной программе производит перебор максимум I наборов собственных значений, останавливаясь в этой процедуре при невыполнении (3).
Зная границы допустимого интервала (интервала устойчивости РНС к внешним воздействиям) длительностей стимула ^ ^ [шт, ^шах ], можно определить оптимальную величину Г
t --
(3)
2
(X )1 -Лг где г'^.-
(3)
из соображений возможности сдвига границ указанного промежутка при функционировании РНС.
Таким образом, используя алгоритмы отыскания 1тп и ^ах,
мы определяем оптимальные значения t , которые обеспечивают нам сходящуюся процедуру построения математической модели РНС и дают возможность судить о структурной устойчивости по отношению к внешнему стимулу длительностью ^ Наличие перронова корня для этих случаев говорит о существовании окончательно неотрицательной матрицы межкомпартментных связей, что указывает на согласованный, взаимоподдерживаю-щий характер взаимодействий между компартментами [5, 7].
Экспериментальные примеры идентификации границ устойчивости нейросетей. При использовании подхода «черный ящик» считаем, что структура и внутренние процессы исследуемой РНС очень сложные. Поэтому полная их идентификация не производится, а выполняются эксперименты по идентификации некоторого линейного приближения. При этом согласно разработанным в ККТБ положениям, мы учитываем в выходе у только влияние переменных состояния системы. После проверки нахождения РНС в квази- или линейном состоянии, когда переменные системы остаются постоянными, либо совершают некоторые колебания вокруг среднего уровня, мы приступаем к процедуре параметрической идентификации, т. е. нахождению неизвестных параметров модели. В используемом нами ММР, предполагается воздействие импульсного сигнала на входы исследуемой системы в виде единичного ступенчатого воздействия:
_Ги _ 0 ,1=0,1 — (5)
t |0, t > 0
Поэтому мы применяем электростимуляционный метод воздействия на структуры РНС. Преимущества электростимуляции в том, что достаточно точно можно локализовать область стимуляции, точно задать силу стимуляции (амплитуду) и время стимуляции (длительность). К тому же, управляя параметрами импульса от ЭВМ, мы достигаем большей гибкости, чего не скажешь о других методах [5, 6]. В качестве примера представляем результаты идентификации компартментной структуры экспираторной нейронной сети кошки для различных ответов ЭНС, соответствующих различным длительностям стимулов ( = 5, 10, 15, 20 мс) (рис. 1). Длительность раздражающих стимулов в опытах по идентификации выбиралась с учетом, во-первых, условий на инварианты матрицы А, во-вторых, из условия когда порядок минимальной реализации т оставался в пределах т<7 (резкое возрастание порядка квалифицировалось как точка катастрофы). Конкретно, в рассматриваемом эксперименте, границы допустимого интервала (когда система оставалась квазилинейной) были следующими te[tmm, *тах] = [1 мс, 60 мс].. При 1<1тт шло резкое изменение линейных свойств ЭНС, а при ^тах в СБС-ответах появлялись колебательные составляющие, что сразу увеличивало порядок реализации до 8-10. Вне границ этого интервала считали проведение процедуры идентификации неце-
m
О. А. Ведясова, В.М. Еськов, С.В. Кулаев и др.
лесообразной. В табл. указанызначения марковских параметров для каждого случая раздражающего стимула (рис.).
Таблица
Марковские параметры для различных длительностей стимула (в условных единицах)
Уі Y, Y2 Y3 y4 Y5 Уі6 y7 Ys yq
t = 5 мс 0,8 5,89 8,2 8,6 5,8 3,4 1,2 1,1 1,0
t = 10 мс 1,0 4,36 6,0 10,3 7,5 5,0 2,0 1,0 0,5
t = 15 мс 0,9 5,0 9,1 9,2 9,0 8,8 4,5 0,8 0,2
t = 20 мс 1,0 5,0 9,2 9,3 9,1 9,0 4,1 0,5 0,1
.АА*- ___
Рис. Зависимость вторичных рефлекторных ответов (СБС-ответ) 10-го внутреннего межреберного нерва от длительности стимуляции 11-го внутреннего межреберного нерва кошки в условиях гипервентиляции и хлоралозного наркоза. Длительность одного импульса 1 мс, частота в серии 200 Гц длительность серии меняется от 5 мс до 20 мс; а) - естественная активность нерва; Ь) - интегральная (усредненная) активность после стимуляции.
При идентификации ЭНС методом минимальной реализации для 1= 5 мс были получены численные значения тройки матриц А, В, С. Собственные значения для матрицы А удовлетворяли условиям теоремы Фробениуса - Перрона:
Г 1,55
0,97
Л _ 0,57 + 0,63/ :
0,57 — 0,63/
— 0,91
Действительно, собственное число равное 1,55 будет являться перроновым корнем, т. к. оно положительно и превосходит по модулю все оставшиеся собственные значения. Для случая /=10 мсек также определялась тройка матриц А, В, С разностного уравнения. Собственные значения матрицы А в этом случае удовлетворяли условиям теоремы Фробениуса - Перрона:
Г 2,44 0,68
Л_ 0,39 + 0,49/ :
0,39 — 0,49/
— 0,6
а именно: перронов корень - л _ 2,44 и л > |Л | при / Ф 1.
Применяя ММР для варианта 1=15 мс мы получаем следующие собственные значения матрицы А (и в этом случае они удовлетворяли условиям теоремы Фробениуса - Перрона):
Г 3,46
0,91 + 0,40/
Л_ 0,91 — 0,40/
— 0,47 + 0,94/
— 0,47 — 0,94/
Действительно, л _ 4,89 и л >\Л\ при / Ф 1.
В последнем случае, при 1=20 мс, для матрицы А были следующие значения Л:
' 5,35 '
0,90 + 0,4/
Л_ 0,90 — 0,4/ .
— 0,55 + 0,96/
— 0,55 — 0.96/
Перронов корень - Л _ 5,35 и Л > Л | при / Ф 1.
В этих экспериментах по идентификации интервалов устойчивости ЭНС кошки при кратном изменении длительности стимула /д=д/], =5 ус/г, а д=2, 3, 4 мы получали возрастающую
последовательность перроновых корней: Л=1.55; Л=2.44;
Л=3.70; Л=5.35, удовлетворяющих условию (2), что говорит об относительно неизменном состоянии исследуемой РНС. В интервале (5,20) мс мы имели устойчивость в работе РНС, которая терялась при выходе за эти пределы (возрастал порядок т матрицы А). Возрастание перронова корня показывает, что даже при увеличении длительности раздражающего импульса компар-тментные свойства РНС не изменяются.
Литература
1. Анохин П.К. Кибернетика функциональных систем.- М.: Медицина, 1998.-160 с.
2. Еськов В М. Введение в компартментную теорию респираторных нейронных сетей.- М.: Наука.- 1994.- 164 с.
3. Еськов В. М. Компартментно-кластерный подход в исследованиях биологических динамических систем (БДС).- Ч.1. Межклеточные взаимодействия в нейрогенераторных и биомеханических кластерах.- Самара: Офорт, 2003.- 198 с.
4. Еськов ВМ. и др. Системный анализ, управление и обработка информации в биологии и медицине. Часть IV. Обработка информации, системный анализ и управление (общие вопросы в клинике, в эксперименте). Монография.- Тула: Изд-во ТулГУ. 2003.- 203 с.
5. Николис Г., Пригожин И. Познание сложного.- М.: Изд-во УРСС, 2003.- 342 с.
6. Скупченко В.В., Милюдин Е.С. Фазотонный гомеостаз и врачевание.- Самара: СамГУ, 1994.- 256 с.
7. Хакен Г. Принципы работы головного мозга.- М.:Изд-во Регёе, 2001.- 352 с.
THE IDENTIFICATION OF RESPIRATORY NEURON NETWORKS STABILITY INTERVALS ACCORDING TO COMPARTMENTAL-CLUSTER APPROACH
O. A. VEDYASOVA, V.M. ESKOV, S.V. KULAEV, U.M. POPOV
Summary
The modern compartmental-cluster theory provides the identification of interval stability of respiratory neuron networks. The theory based on identification of eigenvalues of matrix A presenting the model.
Key words: respiratory neuron networks
УДК 616.4-074/-078
СИСТЕМНЫЙ АНАЛИЗ ПРИЗНАКОВ ДИСЛИПИДЕМИИ, ХАРАКТЕРИЗУЮЩИЙ БИОЛОГИЧЕСКИЕ ФАКТОРЫ АДАПТАЦИИ У БОЛЬНЫХ САХАРНЫМ ДИАБЕТОМ 2 ТИПА С РАЗЛИЧНЫМИ КЛИНИЧЕСКИМИ ВАРИАНТАМИ ТЕЧЕНИЯ, ПОСТОЯННО ПРОЖИВАЮЩИХ В
УСЛОВИЯХ СЕВЕРА РФ
И.Ю. ДОБРЫНИНА, Ю.В. ДОБРЫНИН, В.М.ЕСЬКОВ, Т.Н. КОВАЛЕНКО*
Сахарный диабет (СД) является медико-социальной проблемой, относящейся к приоритетам национальных систем здравоохранения практически всех стран мира, защищенным нормативными актами ВОЗ. Драматизм и актуальность проблемы определяется широкой распространенностью СД, высокой смертностью и ранней инвалидизацией больных [1—2].
Актуальность изучения основных параметров углеводного обмена и липидограммы, характеризующих биологические факторы адаптации у больных СД типа 2 с различными клиническими вариантами течения, постоянно проживающих в условиях Севера РФ, определяется возможностью появления новых представлений о функциональной системе регуляции и позволит разработать современные методы профилактики и лечения сосудистых осложнений у больных СД.
* Сургутский государственный университет, Сургут, Энергетиков 14, СурГУ, evm @ bf. s
Сургут, Россия, 628400, surgu.ru
