MARC

 008250123s2024        us                              c    eng  d
■001000017162297
■00520250211151956
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798383226476
■035    ▼a(MiAaPQ)AAI31329098
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a574.191
■1001  ▼aHuang,  Dean.
■24510▼aStochasticity,  Conflicts,  and  Instability:  Biological  Strategies  for  Optimal  Growth  in  a  Complex  Environment
■260    ▼a[Sl]▼bUniversity  of  Washington▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a276  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-01,  Section:  B.
■500    ▼aAdvisor:  Wiggins,  Paul  A.
■5021  ▼aThesis  (Ph.D.)--University  of  Washington,  2024.
■520    ▼aLife  is  complicated.  Even  in  the  bacterium  Escherichia  coli,  cell  proliferation  is  dependent  on  the  maintenance  of  over  2000  small-molecule  metabolites,  as  well  as  the  synthesis  of  more  than  600  essential  proteins.  In  addition  to  the  sheer  scale  of  this  regulatory  challenge,  the  regulatory  processes  themselves  are  stochastic  in  nature.  In  recent  decades,  biologists  have  made  great  progress  in  developing  a  functional  map  of  cellular  metabolism,  but  the  dynamics  and  regulatory  behavior  of  cellular  processes  remain  largely  opaque.In  this  dissertation,  I  have  aimed  to  develop  a  series  of  mathematical  and  experimental  methods  that  form  a  foundational  framework  for  investigating  and  characterizing  cellular  dynamics  and  robustness.  I  first  use  the  behavior  of  exponential  growth  to  establish  a  direct  correspondence  between  stochastic  and  deterministic  cell  models,  bridging  the  gap  between  experimental  stochasticity  and  observed  population  demographics.  Using  this  correspondence,  I  then  introduce  the  method  of  lag-time  analysis,  which  experimentally  characterizes  the  in  vivo  dynamics  of  replication  for  an  exponentially-growing  bacterial  population.  We  use  the  method  to  measure  replication  pauses  down  to  the  precision  of  seconds,  replication  fork  velocity  in  units  of  base  pairs  per  second,  and  temporal  oscillations  in  fork  velocity  in  three  evolutionarily-divergent  species.  Next,  I  introduce  the  robustness-load  trade-off  model,  which  incorporates  stochasticity  and  an  asymmetric  fitness  landscape  to  predict  a  lower  limit  for  transcription  of  essential  genes,  metabolic  load  balancing  between  transcription  and  translation,  and  a  generic  overabundance  of  essential  proteins.In  the  final  chapter,  I  describe  some  preliminary  work  on  regulatory  feedback  dynamics.  We  predict  that  regulation  is  a  strategy  that  the  cell  uses  to  maintain  robustness,  complementary  to  the  overabundance  strategy.  We  also  find  an  oscillatory  signature  that  agrees  with  the  lag-time  analysis  results,  and  demonstrate  a  trade-off  between  feedback  strength,  speed  of  return  to  equilibrium,  and  network  stability.  Although  this  research  is  not  yet  complete,  this  chapter  provides  a  road  map  for  further  analysis  and  experimental  tests.  My  hope  is  that  the  emergent  phenomena  described  in  this  dissertation  provide  a  solid  foundation  for  future  work  on  cellular  dynamics  and  regulation.
■590    ▼aSchool  code:  0250.
■650  4▼aBiophysics
■650  4▼aPhysics
■650  4▼aBiology
■653    ▼aComplexity
■653    ▼aConflicts
■653    ▼aInstability
■653    ▼aMetabolism
■653    ▼aRegulation
■653    ▼aStochasticity
■690    ▼a0786
■690    ▼a0605
■690    ▼a0306
■71020▼aUniversity  of  Washington▼bPhysics.
■7730  ▼tDissertations  Abstracts  International▼g86-01B.
■790    ▼a0250
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162297▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서