PL 
EnglishDomyślny
Українська🐺 Ewolucja drapieżnik-ofiara
Ewoluujące populacje drapieżników i ofiar, w których cechy takie jak szybkość i kamuflaż podlegają selekcji przez pokolenia.
O tej symulacji
Ta symulacja łączy dynamikę populacji Lotki-Volterry z ewoluującą cechą drapieżnika: tempo ataku v zmienia się w czasie pod wpływem selekcji, więc populacje ofiar i drapieżników nie tylko oscylują — one koewoluują. To hipoteza Czerwonej Królowej w działaniu: oba gatunki muszą wciąż ewoluować tylko po to, by utrzymać swoje dostosowanie względem drugiego.
🔬 Co pokazuje
Ofiary H rosną logistycznie w kierunku pojemności środowiska K=200 i są konsumowane w tempie a(v)·H·P, podczas gdy drapieżniki P przekształcają skonsumowane ofiary we wzrost przy efektywności e=0,1 i wymierają w tempie d=0,2. Samo tempo ataku v ewoluuje poprzez gradient dostosowania (napędzany tym, jak dużo ofiar jest obecnie dostępnych względem kosztu wyższego tempa ataku) plus niewielka losowa mutacja, skalowane przez suwaki Tempo ewolucyjne i Presja selekcyjna. Wykres szeregu czasowego przedstawia Ofiary (zielony), Drapieżniki (czerwony) i Tempo ataku (przerywany pomarańczowy); wykres płaszczyzny fazowej przedstawia Ofiary względem Drapieżników bezpośrednio.
🎮 Jak korzystać
Naciśnij Uruchom, by rozpocząć symulację i obserwować populacje oraz ewoluujące tempo ataku aktualizowane na żywo w polach Czas, Ofiary H, Drapieżniki P, Tempo ataku v i Status. Podnieś Presję selekcyjną lub Tempo ewolucyjne, by tempo ataku adaptowało się szybciej, lub podnieś Wariancję mutacji σ, by wprowadzić więcej losowego dryfu do jego ewolucji. Przełącz Prędkość ewolucji między Wolno i Szybko, by porównać stopniową i szybką koewolucję, i użyj Zatrzymaj/Reset, by wstrzymać lub zrestartować od początkowych populacji H=100, P=20.
💡 Czy wiesz, że?
Hipoteza Czerwonej Królowej bierze swoją nazwę od słów Czerwonej Królowej w powieści Lewisa Carrolla „Po drugiej stronie lustra" — „trzeba biec z całych sił, żeby zostać w tym samym miejscu". Biolodzy używają jej do opisu dokładnie tego typu koewolucyjnego wyścigu zbrojeń: gepardów ewoluujących w kierunku szybszych sprintów w odpowiedzi na gazele ewoluujące szybsze ucieczki, czy bakterii i infekujących je fagów zamkniętych w cyklach odporności i kontr-odporności, które nigdy nie ustalają się w trwałej przewadze którejkolwiek ze stron.
Często zadawane pytania
Co oznaczają równania Lotki-Volterry w tej symulacji?
Równanie ofiary mówi, że ofiary rosną logistycznie, ograniczone przez pojemność środowiska K, ale są usuwane przez drapieżnictwo w tempie proporcjonalnym do tempa ataku, gęstości ofiar i gęstości drapieżników. Równanie drapieżnika mówi, że drapieżniki rosną, przekształcając skonsumowane ofiary w potomstwo przy stałej efektywności, ale wymierają w stałym tempie na osobnika. W przeciwieństwie do klasycznego modelu Lotki-Volterry, tempo ataku nie jest tu stałą wartością — samo jest ewoluującą cechą, co czyni ten model koewolucyjnym, a nie czysto ekologicznym.
Jak faktycznie ewoluuje tempo ataku v w czasie?
Każdy krok oblicza gradient dostosowania proporcjonalny do presji selekcyjnej razy człon ważący korzyść z wyższego tempa ataku wobec jego kosztu. Ten gradient, skalowany przez tempo ewolucyjne i kwadrat wariancji mutacji, przesuwa tempo ataku w górę lub w dół, a mały losowy człon dodaje dryf, więc ewolucja nie jest w pełni deterministyczna. Ustawienie prędkości ewolucji mnoży efektywne tempo ewolucyjne pięciokrotnie w trybie szybkim w porównaniu do trybu wolnego.
Czym jest hipoteza Czerwonej Królowej i jak demonstruje ją ta symulacja?
Hipoteza Czerwonej Królowej zakłada, że gatunki w antagonistycznej relacji muszą stale ewoluować nie po to, by uzyskać bezwzględną przewagę, lecz po prostu, by utrzymać swoje względne dostosowanie, ponieważ drugi gatunek również ewoluuje. W tej symulacji, gdy tempo ataku drapieżnika rośnie, szybciej wyczerpuje ofiary, co następnie zmniejsza liczebność ofiar, która czyniła wyższe tempo ataku opłacalnym, tworząc ruchomy cel, który utrzymuje presję selekcyjną aktywną w nieskończoność.
Co powoduje różne odczyty statusu, takie jak Stabilny cykl czy Wyścig zbrojeń?
Symulacja zgłasza wymarcie ofiar, gdy gęstość ofiar spada poniżej 1, wymarcie drapieżników, gdy gęstość drapieżników spada poniżej 1, wyścig zbrojeń, gdy tempo ataku wzrasta powyżej 1,5, oraz stabilny cykl w pozostałych przypadkach, co oznacza, że obie populacje oscylują w klasycznym wzorcu Lotki-Volterry bez załamania którejkolwiek z nich ani dramatycznej eskalacji tempa ataku.
Jak ten model odnosi się do rzeczywistej koewolucji drapieżnik-ofiara?
Prawdziwe ekologiczne wyścigi zbrojeń podążają za tą samą ogólną logiką modelowaną tutaj: węże podwiązkowe i traszki szorstkoskóre wykształciły w koewolucji odporność na toksyny i siłę toksyn w eskalującym cyklu, a wiele układów bakteria-fag przechodzi cykle mutacji odporności i kontr-adaptacji w skali dni do tygodni w eksperymentach laboratoryjnych. Ratunek ewolucyjny, czyli populacja ewoluująca wystarczająco szybko, by uniknąć wymarcia z powodu nowego zagrożenia, to ta sama dynamika widoczna tutaj.