In this thesis it is shown how the spread of infectious diseases can be described via mathematical models that show the dynamic behavior of epidemics. Ordinary differential equations are used for the modeling process. SIR and SIRS models are distinguished, depending on whether a disease confers immunity to individuals after recovery or not. There are characteristic parameters for each disease like the infection rate or the recovery rate. These parameters indicate how aggressive a disease acts and how long it takes for an individual to recover, respectively. In general the parameters are time-varying and depend on population groups. For this reason, models with multiple subgroups are introduced, and switched systems are used to carry out time-variant parameters. When investigating such models, the so called disease-free equilibrium is of interest, where no infectives appear within the population. The question is whether there are conditions, under which this equilibrium is stable. Necessary mathematical tools for the stability analysis are presented. The theory of ordinary differential equations, including Lyapunov stability theory, is fundamental. Moreover, convex and nonsmooth analysis, positive systems and differential inclusions are introduced. With these tools, sufficient conditions are given for the disease-free equilibrium of SIS, SIR and SIRS systems to be asymptotically stable. / In der vorliegenden Arbeit werden Möglichkeiten aufgezeigt, wie man die Ausbreitung von Infektionskrankheiten mit Hilfe von mathematischen Modellen beschreiben kann. Anhand solcher Modelle möchte man mehr über die Dynamik von Epidemien lernen und vorhersagen, wie sich eine gegebene Infektionskrankheit innerhalb einer Population ausbreitet. Zunächst werden gewöhnliche Differentialgleichungen verwendet, um grundlegende epidemiologische Modelle aufzustellen. Hierbei unterscheidet man sogenannte SIR und SIS Modelle, je nachdem ob die betrachtete Krankheit einem Individuum nach seiner Heilung Immunität verleiht oder nicht. Charakteristisch für Infektionskrankheiten sind Parameter wie die Infektionsrate oder die Heilungsrate. Sie geben an, wie ansteckend eine Krankheit ist bzw. wie schnell eine Person nach einer Erkrankung wieder gesund wird. Im Allgemeinen sind diese Parameter abhängig von bestimmten Bevölkerungsgruppen und verändern sich mit der Zeit. Daher werden am Ende des zweiten Kapitels Modelle entwickelt, die die Betrachtung mehrerer Bevölkerungsgruppen zulassen. Zeitvariante Parameter werden durch die Verwendung geschalteter Systeme berücksichtigt. Bei der Untersuchung solcher Systeme ist derjenige Zustand von besonderem Interesse, bei dem innerhalb der Bevölkerung keine Infizierten auftreten, die gesamte Bevölkerung also von der betrachteten Krankheit frei bleibt. Es stellt sich die Frage, unter welchen Bedingungen sich dieser Zustand nach einer Infizierung der Bevölkerung im Laufe der Zeit von selbst einstellt. Mathematisch gesehen untersucht man die triviale Ruhelage des Systems, bei der keine Infizierten existieren, auf Stabilität. Für die Stabilitätsanalyse sind einige mathematische Begriffe und Aussagen notwendig, die im zweiten Kapitel bereitgestellt werden. Grundlegend ist die Theorie gewöhnlicher Differentialgleichungen, einschließlich der Stabilitätstheorie von Lyapunov. Darüberhinaus kommen wichtige Erkenntnisse aus den Gebieten Konvexe und Nichtglatte Analysis, Positive Systeme und Differentialinklusionen. Ausgestattet mit diesen Hilfsmitteln werden im vierten Kapitel Sätze bewiesen, die hinreichende Bedingungen dafür angegeben, dass die triviale Ruhelage in geschalteten SIS, SIR und SIRS Systemen asymptotisch stabil ist.

Simulation von Federmassenschwingern

Simulation von Federmassenschwingern

The present habilitation thesis in theoretical biological physics addresses two central dynamical processes in cells and organisms: (i) active motility and motility control and (ii) self-organized pattern formation. The unifying theme is the nonlinear dynamics of biological function and its robustness in the presence of strong fluctuations, structural variations, and external perturbations. We theoretically investigate motility control at the cellular scale, using cilia and flagella as ideal model system. Cilia and flagella are highly conserved slender cell appendages that exhibit spontaneous bending waves. This flagellar beat represents a prime example of a chemo-mechanical oscillator, which is driven by the collective dynamics of molecular motors inside the flagellar axoneme. We study the nonlinear dynamics of flagellar swimming, steering, and synchronization, which encompasses shape control of the flagellar beat by chemical signals and mechanical forces. Mechanical forces can synchronize collections of flagella to beat at a common frequency, despite active motor noise that tends to randomize flagellar synchrony. In Chapter 2, we present a new physical mechanism for flagellar synchronization by mechanical self-stabilization that applies to free-swimming flagellated cells. This new mechanism is independent of direct hydrodynamic interactions between flagella. Comparison with experimental data provided by experimental collaboration partners in the laboratory of J. Howard (Yale, New Haven) confirmed our new mechanism in the model organism of the unicellular green alga Chlamydomonas. Further, we characterize the beating flagellum as a noisy oscillator. Using a minimal model of collective motor dynamics, we argue that measured non-equilibrium fluctuations of the flagellar beat result from stochastic motor dynamics at the molecular scale. Noise and mechanical coupling are antagonists for flagellar synchronization. In addition to the control of the flagellar beat by mechanical forces, we study the control of the flagellar beat by chemical signals in the context of sperm chemotaxis. We characterize a fundamental paradigm for navigation in external concentration gradients that relies on active swimming along helical paths. In this helical chemotaxis, the direction of a spatial concentration gradient becomes encoded in the phase of an oscillatory chemical signal. Helical chemotaxis represents a distinct gradient-sensing strategy, which is different from bacterial chemotaxis. Helical chemotaxis is employed, for example, by sperm cells from marine invertebrates with external fertilization. We present a theory of sensorimotor control, which combines hydrodynamic simulations of chiral flagellar swimming with a dynamic regulation of flagellar beat shape in response to chemical signals perceived by the cell. Our theory is compared to three-dimensional tracking experiments of sperm chemotaxis performed by the laboratory of U. B. Kaupp (CAESAR, Bonn). In addition to motility control, we investigate in Chapter 3 self-organized pattern formation in two selected biological systems at the cell and organism scale, respectively. On the cellular scale, we present a minimal physical mechanism for the spontaneous self-assembly of periodic cytoskeletal patterns, as observed in myofibrils in striated muscle cells. This minimal mechanism relies on the interplay of a passive coarsening process of crosslinked actin clusters and active cytoskeletal forces. This mechanism of cytoskeletal pattern formation exemplifies how local interactions can generate large-scale spatial order in active systems. On the organism scale, we present an extension of Turing’s framework for self-organized pattern formation that is capable of a proportionate scaling of steady-state patterns with system size. This new mechanism does not require any pre-pattering clues and can restore proportional patterns in regeneration scenarios. We analytically derive the hierarchy of steady-state patterns and analyze their stability and basins of attraction. We demonstrate that this scaling mechanism is structurally robust. Applications to the growth and regeneration dynamics in flatworms are discussed (experiments by J. Rink, MPI CBG, Dresden). / Das Thema der vorliegenden Habilitationsschrift in Theoretischer Biologischer Physik ist die nichtlineare Dynamik funktionaler biologischer Systeme und deren Robustheit gegenüber Fluktuationen und äußeren Störungen. Wir entwickeln hierzu theoretische Beschreibungen für zwei grundlegende biologische Prozesse: (i) die zell-autonome Kontrolle aktiver Bewegung, sowie (ii) selbstorganisierte Musterbildung in Zellen und Organismen. In Kapitel 2, untersuchen wir Bewegungskontrolle auf zellulärer Ebene am Modelsystem von Zilien und Geißeln. Spontane Biegewellen dieser dünnen Zellfortsätze ermöglichen es eukaryotischen Zellen, in einer Flüssigkeit zu schwimmen. Wir beschreiben einen neuen physikalischen Mechanismus für die Synchronisation zweier schlagender Geißeln, unabhängig von direkten hydrodynamischen Wechselwirkungen. Der Vergleich mit experimentellen Daten, zur Verfügung gestellt von unseren experimentellen Kooperationspartnern im Labor von J. Howard (Yale, New Haven), bestätigt diesen neuen Mechanismus im Modellorganismus der einzelligen Grünalge Chlamydomonas. Der Gegenspieler dieser Synchronisation durch mechanische Kopplung sind Fluktuationen. Wir bestimmen erstmals Nichtgleichgewichts-Fluktuationen des Geißel-Schlags direkt, wofür wir eine neue Analyse-Methode der Grenzzykel-Rekonstruktion entwickeln. Die von uns gemessenen Fluktuationen entstehen mutmaßlich durch die stochastische Dynamik molekularen Motoren im Innern der Geißeln, welche auch den Geißelschlag antreiben. Um die statistische Physik dieser Nichtgleichgewichts-Fluktuationen zu verstehen, entwickeln wir eine analytische Theorie der Fluktuationen in einem minimalen Modell kollektiver Motor-Dynamik. Zusätzlich zur Regulation des Geißelschlags durch mechanische Kräfte untersuchen wir dessen Regulation durch chemische Signale am Modell der Chemotaxis von Spermien-Zellen. Dabei charakterisieren wir einen grundlegenden Mechanismus für die Navigation in externen Konzentrationsgradienten. Dieser Mechanismus beruht auf dem aktiven Schwimmen entlang von Spiralbahnen, wodurch ein räumlicher Konzentrationsgradient in der Phase eines oszillierenden chemischen Signals kodiert wird. Dieser Chemotaxis-Mechanismus unterscheidet sich grundlegend vom bekannten Chemotaxis-Mechanismus von Bakterien. Wir entwickeln eine Theorie der senso-motorischen Steuerung des Geißelschlags während der Spermien-Chemotaxis. Vorhersagen dieser Theorie werden durch Experimente der Gruppe von U.B. Kaupp (CAESAR, Bonn) quantitativ bestätigt. In Kapitel 3, untersuchen wir selbstorganisierte Strukturbildung in zwei ausgewählten biologischen Systemen. Auf zellulärer Ebene schlagen wir einen einfachen physikalischen Mechanismus vor für die spontane Selbstorganisation von periodischen Zellskelett-Strukturen, wie sie sich z.B. in den Myofibrillen gestreifter Muskelzellen finden. Dieser Mechanismus zeigt exemplarisch auf, wie allein durch lokale Wechselwirkungen räumliche Ordnung auf größeren Längenskalen in einem Nichtgleichgewichtssystem entstehen kann. Auf der Ebene des Organismus stellen wir eine Erweiterung der Turingschen Theorie für selbstorganisierte Musterbildung vor. Wir beschreiben eine neue Klasse von Musterbildungssystemen, welche selbst-organisierte Muster erzeugt, die mit der Systemgröße skalieren. Dieser neue Mechanismus erfordert weder eine vorgegebene Kompartimentalisierung des Systems noch spezielle Randbedingungen. Insbesondere kann dieser Mechanismus proportionale Muster wiederherstellen, wenn Teile des Systems amputiert werden. Wir bestimmen analytisch die Hierarchie aller stationären Muster und analysieren deren Stabilität und Einzugsgebiete. Damit können wir zeigen, dass dieser Skalierungs-Mechanismus strukturell robust ist bezüglich Variationen von Parametern und sogar funktionalen Beziehungen zwischen dynamischen Variablen. Zusammen mit Kollaborationspartnern im Labor von J. Rink (MPI CBG, Dresden) diskutieren wir Anwendungen auf das Wachstum von Plattwürmern und deren Regeneration in Amputations-Experimenten.

The present habilitation thesis in theoretical biological physics addresses two central dynamical processes in cells and organisms: (i) active motility and motility control and (ii) self-organized pattern formation. The unifying theme is the nonlinear dynamics of biological function and its robustness in the presence of strong fluctuations, structural variations, and external perturbations. We theoretically investigate motility control at the cellular scale, using cilia and flagella as ideal model system. Cilia and flagella are highly conserved slender cell appendages that exhibit spontaneous bending waves. This flagellar beat represents a prime example of a chemo-mechanical oscillator, which is driven by the collective dynamics of molecular motors inside the flagellar axoneme. We study the nonlinear dynamics of flagellar swimming, steering, and synchronization, which encompasses shape control of the flagellar beat by chemical signals and mechanical forces. Mechanical forces can synchronize collections of flagella to beat at a common frequency, despite active motor noise that tends to randomize flagellar synchrony. In Chapter 2, we present a new physical mechanism for flagellar synchronization by mechanical self-stabilization that applies to free-swimming flagellated cells. This new mechanism is independent of direct hydrodynamic interactions between flagella. Comparison with experimental data provided by experimental collaboration partners in the laboratory of J. Howard (Yale, New Haven) confirmed our new mechanism in the model organism of the unicellular green alga Chlamydomonas. Further, we characterize the beating flagellum as a noisy oscillator. Using a minimal model of collective motor dynamics, we argue that measured non-equilibrium fluctuations of the flagellar beat result from stochastic motor dynamics at the molecular scale. Noise and mechanical coupling are antagonists for flagellar synchronization. In addition to the control of the flagellar beat by mechanical forces, we study the control of the flagellar beat by chemical signals in the context of sperm chemotaxis. We characterize a fundamental paradigm for navigation in external concentration gradients that relies on active swimming along helical paths. In this helical chemotaxis, the direction of a spatial concentration gradient becomes encoded in the phase of an oscillatory chemical signal. Helical chemotaxis represents a distinct gradient-sensing strategy, which is different from bacterial chemotaxis. Helical chemotaxis is employed, for example, by sperm cells from marine invertebrates with external fertilization. We present a theory of sensorimotor control, which combines hydrodynamic simulations of chiral flagellar swimming with a dynamic regulation of flagellar beat shape in response to chemical signals perceived by the cell. Our theory is compared to three-dimensional tracking experiments of sperm chemotaxis performed by the laboratory of U. B. Kaupp (CAESAR, Bonn). In addition to motility control, we investigate in Chapter 3 self-organized pattern formation in two selected biological systems at the cell and organism scale, respectively. On the cellular scale, we present a minimal physical mechanism for the spontaneous self-assembly of periodic cytoskeletal patterns, as observed in myofibrils in striated muscle cells. This minimal mechanism relies on the interplay of a passive coarsening process of crosslinked actin clusters and active cytoskeletal forces. This mechanism of cytoskeletal pattern formation exemplifies how local interactions can generate large-scale spatial order in active systems. On the organism scale, we present an extension of Turing’s framework for self-organized pattern formation that is capable of a proportionate scaling of steady-state patterns with system size. This new mechanism does not require any pre-pattering clues and can restore proportional patterns in regeneration scenarios. We analytically derive the hierarchy of steady-state patterns and analyze their stability and basins of attraction. We demonstrate that this scaling mechanism is structurally robust. Applications to the growth and regeneration dynamics in flatworms are discussed (experiments by J. Rink, MPI CBG, Dresden).:1 Introduction 10 1.1 Overview of the thesis 10 1.2 What is biological physics? 12 1.3 Nonlinear dynamics and control 14 1.3.1 Mechanisms of cell motility 16 1.3.2 Self-organized pattern formation in cells and tissues 28 1.4 Fluctuations and biological robustness 34 1.4.1 Sources of fluctuations in biological systems 34 1.4.2 Example of stochastic dynamics: synchronization of noisy oscillators 36 1.4.3 Cellular navigation strategies reveal adaptation to noise 39 2 Selected publications: Cell motility and motility control 56 2.1 “Flagellar synchronization independent of hydrodynamic interactions” 56 2.2 “Cell body rocking is a dominant mechanism for flagellar synchronization” 57 2.3 “Active phase and amplitude fluctuations of the flagellar beat” 58 2.4 “Sperm navigation in 3D chemoattractant landscapes” 59 3 Selected publications: Self-organized pattern formation in cells and tissues 60 3.1 “Sarcomeric pattern formation by actin cluster coalescence” 60 3.2 “Scaling and regeneration of self-organized patterns” 61 4 Contribution of the author in collaborative publications 62 5 Eidesstattliche Versicherung 64 6 Appendix: Reprints of publications 66 / Das Thema der vorliegenden Habilitationsschrift in Theoretischer Biologischer Physik ist die nichtlineare Dynamik funktionaler biologischer Systeme und deren Robustheit gegenüber Fluktuationen und äußeren Störungen. Wir entwickeln hierzu theoretische Beschreibungen für zwei grundlegende biologische Prozesse: (i) die zell-autonome Kontrolle aktiver Bewegung, sowie (ii) selbstorganisierte Musterbildung in Zellen und Organismen. In Kapitel 2, untersuchen wir Bewegungskontrolle auf zellulärer Ebene am Modelsystem von Zilien und Geißeln. Spontane Biegewellen dieser dünnen Zellfortsätze ermöglichen es eukaryotischen Zellen, in einer Flüssigkeit zu schwimmen. Wir beschreiben einen neuen physikalischen Mechanismus für die Synchronisation zweier schlagender Geißeln, unabhängig von direkten hydrodynamischen Wechselwirkungen. Der Vergleich mit experimentellen Daten, zur Verfügung gestellt von unseren experimentellen Kooperationspartnern im Labor von J. Howard (Yale, New Haven), bestätigt diesen neuen Mechanismus im Modellorganismus der einzelligen Grünalge Chlamydomonas. Der Gegenspieler dieser Synchronisation durch mechanische Kopplung sind Fluktuationen. Wir bestimmen erstmals Nichtgleichgewichts-Fluktuationen des Geißel-Schlags direkt, wofür wir eine neue Analyse-Methode der Grenzzykel-Rekonstruktion entwickeln. Die von uns gemessenen Fluktuationen entstehen mutmaßlich durch die stochastische Dynamik molekularen Motoren im Innern der Geißeln, welche auch den Geißelschlag antreiben. Um die statistische Physik dieser Nichtgleichgewichts-Fluktuationen zu verstehen, entwickeln wir eine analytische Theorie der Fluktuationen in einem minimalen Modell kollektiver Motor-Dynamik. Zusätzlich zur Regulation des Geißelschlags durch mechanische Kräfte untersuchen wir dessen Regulation durch chemische Signale am Modell der Chemotaxis von Spermien-Zellen. Dabei charakterisieren wir einen grundlegenden Mechanismus für die Navigation in externen Konzentrationsgradienten. Dieser Mechanismus beruht auf dem aktiven Schwimmen entlang von Spiralbahnen, wodurch ein räumlicher Konzentrationsgradient in der Phase eines oszillierenden chemischen Signals kodiert wird. Dieser Chemotaxis-Mechanismus unterscheidet sich grundlegend vom bekannten Chemotaxis-Mechanismus von Bakterien. Wir entwickeln eine Theorie der senso-motorischen Steuerung des Geißelschlags während der Spermien-Chemotaxis. Vorhersagen dieser Theorie werden durch Experimente der Gruppe von U.B. Kaupp (CAESAR, Bonn) quantitativ bestätigt. In Kapitel 3, untersuchen wir selbstorganisierte Strukturbildung in zwei ausgewählten biologischen Systemen. Auf zellulärer Ebene schlagen wir einen einfachen physikalischen Mechanismus vor für die spontane Selbstorganisation von periodischen Zellskelett-Strukturen, wie sie sich z.B. in den Myofibrillen gestreifter Muskelzellen finden. Dieser Mechanismus zeigt exemplarisch auf, wie allein durch lokale Wechselwirkungen räumliche Ordnung auf größeren Längenskalen in einem Nichtgleichgewichtssystem entstehen kann. Auf der Ebene des Organismus stellen wir eine Erweiterung der Turingschen Theorie für selbstorganisierte Musterbildung vor. Wir beschreiben eine neue Klasse von Musterbildungssystemen, welche selbst-organisierte Muster erzeugt, die mit der Systemgröße skalieren. Dieser neue Mechanismus erfordert weder eine vorgegebene Kompartimentalisierung des Systems noch spezielle Randbedingungen. Insbesondere kann dieser Mechanismus proportionale Muster wiederherstellen, wenn Teile des Systems amputiert werden. Wir bestimmen analytisch die Hierarchie aller stationären Muster und analysieren deren Stabilität und Einzugsgebiete. Damit können wir zeigen, dass dieser Skalierungs-Mechanismus strukturell robust ist bezüglich Variationen von Parametern und sogar funktionalen Beziehungen zwischen dynamischen Variablen. Zusammen mit Kollaborationspartnern im Labor von J. Rink (MPI CBG, Dresden) diskutieren wir Anwendungen auf das Wachstum von Plattwürmern und deren Regeneration in Amputations-Experimenten.:1 Introduction 10 1.1 Overview of the thesis 10 1.2 What is biological physics? 12 1.3 Nonlinear dynamics and control 14 1.3.1 Mechanisms of cell motility 16 1.3.2 Self-organized pattern formation in cells and tissues 28 1.4 Fluctuations and biological robustness 34 1.4.1 Sources of fluctuations in biological systems 34 1.4.2 Example of stochastic dynamics: synchronization of noisy oscillators 36 1.4.3 Cellular navigation strategies reveal adaptation to noise 39 2 Selected publications: Cell motility and motility control 56 2.1 “Flagellar synchronization independent of hydrodynamic interactions” 56 2.2 “Cell body rocking is a dominant mechanism for flagellar synchronization” 57 2.3 “Active phase and amplitude fluctuations of the flagellar beat” 58 2.4 “Sperm navigation in 3D chemoattractant landscapes” 59 3 Selected publications: Self-organized pattern formation in cells and tissues 60 3.1 “Sarcomeric pattern formation by actin cluster coalescence” 60 3.2 “Scaling and regeneration of self-organized patterns” 61 4 Contribution of the author in collaborative publications 62 5 Eidesstattliche Versicherung 64 6 Appendix: Reprints of publications 66