本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #1401
- 日期：2026-03-18
摘要
很明顯，許多生物體具有根據環境條件調節其突變率的能力。因此，尋找最佳突變率的問題必須替換為尋找最佳突變方案的問題。我們表明，這項任務無法用標準的人口動態模型來完成。然後，我們為經歷時間依賴性突變的族群開發了一個「混合」模型，該模型將族群成長視為確定性的，但將新變異體首次出現的時間視為隨機的。我們證明混合模型與蒙特卡羅模擬非常吻合。從這個模型中，我們得到了一個確定性近似，即「閾值」模型，它與標準族群動態模型類似，但在新突變體的初始生成率上有所不同。我們使用這些技術透過體細胞超突變來模擬抗體親和力成熟。我們先前已經證明，確定性閾值模型的最佳突變計劃是階段性的，在無突變生長間隔之間有突變期。為了確定該計劃的有效性，我們現在表明，優化確定性閾值模型的階段計劃顯著改進了混合模型和蒙特卡羅模型的最佳恆定速率計劃。