خلاصه

با توجه به مطالعات مربوطه، سیستانچ یک گیاه رایج است که به عنوان "گیاه معجزه آسا طولانی کننده عمر" شناخته می شود. جزء اصلی آن استسیستانوزید، که دارای اثرات مختلفی از جملهآنتی اکسیدان, ضد التهاب، وارتقاء عملکرد سیستم ایمنی. مکانیسم بین سیستانچ وسفید شدن پوستدر اثر آنتی اکسیدانی نهفته استگلیکوزیدهای سیستانش. ملانین در پوست انسان از اکسیداسیون تیروزین که توسط آن کاتالیز می شود تولید می شودتیروزینازو واکنش اکسیداسیون نیاز به مشارکت اکسیژن دارد، بنابراین رادیکال‌های آزاد اکسیژن در بدن به عامل مهمی بر تولید ملانین تبدیل می‌شوند. سیستانچ حاوی سیستانوزید است که یک آنتی اکسیدان است و می تواند تولید رادیکال های آزاد را در بدن کاهش دهد.مهار تولید ملانین.

برای مکمل Cistanche Tubulosa کلیک کنید

برای اطلاعات بیشتر:

david.deng@wecistanche.com WhatApp:86 13632399501

معرفی

پویایی فضایی و زمانی جمعیت‌های جانوری، از جمله نوسانات و همبستگی‌ها در دامنه‌ها و فازها، برای دهه‌ها حوزه مهمی از تحقیقات در اکولوژی و علوم فیزیکی بوده است. مشاهدات تجربی الگوها در پویایی جمعیت، نظریه را به جلو سوق داده است که منجر به درک بهتر تعاملات شکارچی-شکار [1،2]، اثرات آلی [3]، و تعاملات بین عناصر قطعی و تصادفی سیستم ها [4،5] شده است. در حالی که ادبیات غنی در مورد همگام سازی سیستم ها و علل آنها وجود دارد [6]، شواهد تجربی کمی برای نوسانات یا نوسانات دوره ای در هماهنگی فضایی وجود دارد، به ویژه در اپیدمیولوژی، جایی که شناسایی الگوهای طولانی مدت در پویایی بیماری های عفونی می تواند برای بیماری های عفونی حیاتی باشد. موفقیت مداخلات بهداشتی به عنوان مثال، دانستن زمانی که سطح جمعیت پاتوژن به طور همزمان در سراسر یک منطقه پایین است، فرصت های بهبود یافته ای را برای حذف پاتوژن ارائه می دهد [7]. به همین ترتیب، پیش‌بینی اپیدمی‌های جهانی ممکن است به تخصیص ساختار یافته منابع، مانند واکسن‌ها، در فضا و زمان کمک کند. در حالی که همزمانی فضایی منظم در سایر گونه های حیات وحش توصیف شده است (به عنوان مثال، [8-12])، چگونگی تغییر درجه همزمانی در طول زمان کمتر مورد توجه قرار گرفته است [13-15]. در اینجا، ما همزمان سازی منظم دوره ای را در پویایی تب خونریزی دهنده دنگی (DHF) در تایلند در یک بازه زمانی 51- ساله توصیف می کنیم.

ویروس دنگی (DENV) یک ویروس منتقله از پشه است که تخمین زده می شود هر سال 100 میلیون نفر را مبتلا می کند [16،17]. چهار سروتیپ ویروسی (DENV1-4) وجود دارد. عفونت اولیه با یک سروتیپ خاص، ایمنی طولانی‌مدت در برابر عفونت‌های بعدی همان سروتیپ ایجاد می‌کند، و پشتیبانی تجربی قوی برای محافظت کوتاه‌مدت و موقت در برابر سایر سروتیپ‌ها وجود دارد [18-21]. علاوه بر این، مکانیسم‌های دیگری مانند افزایش وابسته به آنتی‌بادی نیز به طور بالقوه در پویایی بروز [22-24] واسطه می‌شوند.

الگوهای چندساله در دنگی که در هر مکانی مشاهده می‌شود، در نتیجه تعامل پیچیده عوامل مختلف از جمله موارد زیر ایجاد می‌شود: آب و هوا، از طریق تأثیر آن بر بردار و راندمان انتقال. پویایی شکارچی-شکار بین ویروس و میزبان (که با نوسانات تغییر فاز در فراوانی شکارچی و طعمه مشخص می شود). فعل و انفعالات بین سروتیپ ها و سویه های مختلف دنگی. الگوهای فضایی در ساختار میزبان، پویایی و حرکت؛ و عوامل ویروسی [25-28]. کارهای زیادی برای تفکیک نقش محرک های بیرونی، مانند آب و هوا، و عوامل درونی در شکل دادن به پویایی در بسیاری از سیستم های بیماری و استفاده از طیف وسیعی از رویکردها انجام شده است [29-34]. در نسبت دادن محرک‌ها به الگوهای بین سالانه در دینامیک دنگی، مطالعات اغلب عوامل بیرونی و عوامل درونی، به‌ویژه پویایی ایمنی را به‌عنوان فرضیه‌های جایگزین رقیب در نظر گرفته‌اند [26،35-41]. با این حال، ایمنی در جایی که افزایش انتقال به دلیل شرایط آب و هوایی مطلوب می‌تواند منجر به کاهش انتقال در دوره‌های آینده از طریق اثرات محافظتی ایمنی شود، بازخورد منفی ارائه می‌کند که منجر به پویایی چند ساله در بسیاری از سیستم‌ها می‌شود [30،42].

بسیاری از عوامل مشابهی که در ایجاد پویایی چندساله دخیل هستند نیز می توانند همزمانی را در بین مکان ها ایجاد کنند [6]. باز هم، هم درونی (به ویژه حرکت میزبان بین مکان‌ها) و هم بیرونی (محیطی؛ "اثر موران"، که در آن همبستگی بین جمعیت‌های مجزای جغرافیایی توسط همبستگی‌هایی در محیط‌های مربوطه ایجاد می‌شود) نه تنها پویایی را در فضا هماهنگ می‌کند، بلکه تولید نیز می‌کند. تغییر در درجه همگامی در طول زمان [13-15]. مطالعات تجربی بر اقلیم تمرکز دارند [40،41]. به عنوان مثال، ون پانهویس و همکاران [40] طغیان دنگی همزمان را در سراسر آسیای جنوب شرقی از سال 1997 تا 1998 شناسایی کردند، دوره ای از درجه حرارت بالا و یک رویداد قوی ال نینو.

انتظار می‌رود که محیط، و به‌ویژه دما، در شکل‌دهی به پویایی دنگی مهم باشد [43-45]. دما از طریق تأثیر خود بر نرخ متابولیک، به شدت بر بسیاری از ویژگی‌های تاریخچه زندگی پشه‌ها (مثلاً نرخ گزش، نرخ رشد جمعیت، نرخ مرگ و میر؛ [28،44]) و بنابراین، پویایی جمعیت آنها تأثیر می‌گذارد [46]. پیش‌بینی‌ها نشان می‌دهد که افزایش دما ممکن است محدوده‌ای را که در آن تب دنگی به طور موثر منتقل می‌شود گسترش دهد [47-49]. با این حال، تأثیر تغییر رژیم‌های دما بر روی دنگی در مکان‌هایی که پاتوژن در حال حاضر آندمیک است، کمتر مورد مطالعه قرار گرفته است، و این مناطق، حتی در پیش‌بینی‌ها تا سال 2050 یا 2080، اکثریت جمعیت جهان را در معرض خطر دنگی تشکیل می‌دهند [47-49] ].

در اینجا، ما پویایی فضایی و زمانی دنگی را در تایلند بین سال‌های 1968 و 2018 بررسی می‌کنیم. چرخه‌های چندساله را مشخص می‌کنیم و یک پدیده فضایی جالب را کشف می‌کنیم که در آن تایلند همزمان‌سازی دوره‌ای بروز دنگی را تجربه کرده است. برخلاف مطالعات قبلی، که تمایل داشتند برای توضیح الگوهای مشاهده‌شده بر محرک‌های بیرونی یا درونی تمرکز کنند، ما فرض می‌کنیم که ایمنی یک فیلتر دینامیکی قوی را تشکیل می‌دهد که برای درک تأثیرات دما بر دنگی ضروری است. به همین دلیل، ما یک مدل مکانیکی، وابسته به دما، 4-مدل سروتیپ دنگی را برای تفکیک نحوه تعامل دما و دینامیک ایمنی برای ایجاد همگام‌سازی‌های دوره‌ای اتخاذ می‌کنیم. ما بر روی محافظت متقاطع موقت بین سروتیپ‌ها به دلیل پشتیبانی تجربی واضح تمرکز می‌کنیم، اگرچه مکانیسم‌های دیگری مانند تقویت وابسته به آنتی‌بادی وجود دارد که می‌تواند به‌طور قابل‌توجهی نیز نقشی داشته باشد.

نتایج

الگوهای تجربی در چرخه های چند ساله و همزمانی

چرخه های چند ساله در دنگیشکل 1A یک نقشه حرارتی از تعداد ماهانه موارد دنگی را به تفکیک استان در طول 51 سال نشان می‌دهد، که در آن شیوع فصلی واضح است، اما در برخی از سال‌ها (به عنوان مثال، 1998 تا 1999 یا 2001) شیوع بیشتری در سراسر کشور نسبت به سال‌های دیگر داشت. این الگوهای چندساله اخیر است که در اینجا به آنها علاقه مندیم. به طور خاص، ما بر الگوهای چرخه‌ای با مقیاس‌های زمانی بین 1.5 تا 5 سال تمرکز می‌کنیم (یعنی الگوهایی که در آن سال‌هایی با شیوع بیشتر از متوسط ​​بین 1.5 تا 5 سال از هم جدا می‌شوند) زیرا این محدوده شامل مقیاس‌های زمانی است که قبلاً برای پویایی دنگی گزارش شده است (نگاه کنید به بخش "مواد و روش ها" برای منطق دقیق تر). برای توصیف چرخه‌های چندساله، ما از تبدیل موجک پیوسته (WTs) استفاده کردیم. WT ها اهمیت مقیاس های زمانی مختلف را در یک سری زمانی در طول زمان کمیت می کنند و با آنها، سری های زمانی را می توان تنها با استفاده از مولفه های چند ساله الگوهای مشاهده شده بازسازی کرد. بازسازی سری های زمانی دانگ وجود الگوهای متمایز چند ساله را تایید می کند (شکل 1B). ما تعیین می‌کنیم که کدام مقیاس زمانی چندساله در توصیف پویایی دنگی در هر استان و برای هر نقطه از زمان ("مقیاس زمانی غالب") مهم‌تر است، و نشان می‌دهد که مقیاس زمانی غالب چندساله در طول زمان تغییر می‌کند (متغیر بین 1.5 تا 4.5 سال) و اینکه در هر مقطع زمانی مشخص، مقیاس‌های زمانی غالب در استان‌ها می‌تواند به طور قابل ملاحظه‌ای متفاوت باشد (شکل S8b در ضمیمه S1). وجود مقیاس‌های زمانی چندساله قبلاً مشاهده شده است [27،40]، اما در اینجا، با بهره‌مندی از سری‌های زمانی طولانی‌تر، نشان می‌دهیم که این مقیاس‌ها در طول زمان و مکان تغییر می‌کنند.

همگامی در دانگما همزمانی فضایی را در موارد دانگ با استفاده از طیف وسیعی از روش‌ها تخمین می‌زنیم. ما در اینجا بر روی یک رویکرد تمرکز می‌کنیم، میدان‌های میانگین موجک (WMFs؛ [50،51])، اما جزئیات و نتایج را برای سایرین در بخش "چشم‌اندازهای همزمانی" در ضمیمه S1 ارائه می‌کنیم. WMF ها همگامی را به عنوان تابعی از مقیاس زمانی و زمان اندازه گیری می کنند. آن‌ها مقیاس‌های زمانی و نقاط زمانی را نشان می‌دهند که در آن هر دو فاز (موقعیت زمان در یک چرخه) و بزرگی نوسانات در سراسر استان‌ها سازگار (یا همگام‌تر) هستند. WMF برای موارد DHF در سرتاسر تایلند سیستمی را توصیف می‌کند که به نظر می‌رسد در داخل و خارج از هماهنگی نوسان می‌کند (شکل 2B)، نتایجی که با امواج سیار مشاهده‌شده در سراسر تایلند [27] و آسیای جنوب شرقی [40] سازگار است. همزمانی در تب دنگی در همه زمان‌ها از نظر آماری معنی‌دار است، به این معنی که حتی زمانی که سنکرون کمتر است (نقاط سفیدتر در شکل 2B)، درجه همزمانی همچنان بیشتر از چیزی است که در یک سیستم ناهمزمان انتظار می‌رود. علاوه بر این، لحظات همگامی بیشتر در مقیاس های زمانی مختلف اتفاق می افتد. به عنوان مثال، در حالی که رویداد همزمانی اواخر دهه 1980 با مقیاس زمانی ≈2.2 سال رخ می دهد، رویدادی که در حدود سال 2000 اتفاق می افتد دارای مقیاس زمانی ≈4.1 سال است. این نتایج با استفاده از 4 رویکرد اضافی برای تخمین همگامی بیشتر تأیید می شوند (شکل 3). همه روش‌ها سیستمی را توصیف می‌کنند که به نظر می‌رسد در داخل و خارج از همگام نوسان می‌کند (بخش "چشم‌اندازهای همزمانی" در ضمیمه S1). در همه موارد، به نظر می‌رسد که دوره‌های همزمانی بیشتر همزمان با شیوع‌های بزرگ‌تر است (مثلاً مقایسه S8a و S8c شکل در ضمیمه S1)، همانطور که قبلاً نیز مشاهده شد [40،52].

سنکرون در دمابا استفاده از شبکه جهانی اقلیم شناسی تاریخی نسخه 2 و سیستم نظارت بر ناهنجاری آب و هوا (GHCN CAMS)، ما یک سری زمانی دمایی را برای هر استان استخراج کردیم و دمای WMF در سراسر استان ها را برای همان دوره با داده های نظارت غیرفعال دانگ (1968 تا 2018) محاسبه کردیم. . همانطور که انتظار می رفت، همزمانی دما در تمام نقاط زمان قابل توجه بود. WMF برای دما سیستمی شبیه به آنچه در دنگی یافت می‌شود، که در آن دما در مقیاس‌های زمانی چندساله در داخل و خارج از همگام نوسان می‌کند (شکل 2A؛ برای نتایج با استفاده از رویکردهای جایگزین، به شکل‌های S34 و S35 در ضمیمه S1 مراجعه کنید) را توصیف می‌کند. علاوه بر این، به نظر می‌رسد لحظه‌های همزمانی بیشتر، هم از نظر زمان و هم در مقیاس زمانی، با لحظه‌های دنگی همسو هستند (شکل 2A و 2B).

اگر الگوهای همزمان در دنگی مستقیماً به الگوهای همزمان در دما مرتبط باشند، انتظار می‌رود که بزرگی‌های 2 WMF مربوطه (در مقیاس‌های زمانی چندسالانه و برای تمام نقاط زمانی به استثنای مخروط نفوذ) با هم مرتبط باشند. مثبت و قابل توجه است. ما یک همبستگی پیرسون 0.21 پیدا کردیم (P=0.060؛ بخش "مواد و روش‌ها" را برای آزمایش معنی‌داری ببینید) و یک همبستگی اسپیرمن 0.20 (P {{7} }}.069). بنابراین، در حالی که همبستگی ها مثبت بود، از نظر آماری معنی دار نبودند. با این حال، نتیجه WMF داده‌های دنگی و خروجی یک مدل مکانیکی بر اساس دما را در بخش «راه‌اندازی مدل با سری‌های زمانی دمای واقعی» در زیر ببینید.

برای پرداختن به اینکه آیا الگوهای همگامی در دما با جزئیات مشاهده شده در موارد دنگی مطابقت دارند یا خیر، روش‌های شپرد و همکاران [50،51] را برای محاسبه میدان‌های میانگین موجک متقاطع (CWMFs) گسترش دادیم. موجک های متقاطع شباهت را در 2-سری های زمانی (دما و موارد دانگ) توان موجک و زوایای فاز در هر مقیاس زمانی و نقطه زمانی تعیین می کنند، بنابراین CWMF ها (متوسط ​​وزنی موجک متقابل در سراسر استان ها) ثبات را کمی می کنند. این شباهت در بین مکان ها نتایج در شکل 2D (که در آن رنگ‌های تیره‌تر به معنای سازگاری بیشتر بین دنگی و دما در سراسر مکان‌ها است) نشان می‌دهد که دما نقش مهمی را ایفا می‌کند، به ویژه زمانی که همزمانی در تب دنگی بالا بود (همانطور که با ثبات آماری معنی‌دار در زوایای فاز بین دانگ و دما در طول همزمانی نشان داده شد. مناسبت ها).

از سوی دیگر، CWMF ها مشخص نمی کنند که چه مکانیسم هایی در طول دوره های ناهمزمان تر در حال بازی هستند. دینامیک چند ساله ناهمزمان در دما ممکن است به پویایی چند ساله ناهمزمان مشابه در دنگی منجر شود، یا رژیم‌های حرارتی مختلف ممکن است پویایی چند ساله ذاتی با تناوب‌های مختلف در دنگی را ایجاد کند، بنابراین منجر به ناهمزمانی نیز می‌شود. در هر دو این موارد، CWMF ممکن است کم باشد. برای تمایز بین این 2 فرضیه، برای هر استان، توان موجک را در دما و دانگ، به طور جداگانه برای دوره‌های همزمان بالا و پایین همبستگی کردیم (شکل S15 در ضمیمه S1). پس از تعیین اهمیت دما در طول رویدادهای همزمان، ما انتظار داشتیم که ضرایب همبستگی مثبت آماری در طول دوره‌های همگام بالا وجود داشته باشد. اگر دما در طول دوره‌های ناهمزمان نیز محرک اصلی بود، ممکن بود انتظار ضرایب همبستگی مشابهی را داشته باشیم. با این حال، ما متوجه شدیم که همبستگی ها در طول همگامی پایین به طور قابل توجهی کمتر است (شکل S16 و جدول S2 در ضمیمه S1). این نتیجه به تنهایی مانع از این نمی‌شود که دما عامل اصلی پویایی دنگی در طول دوره‌های ناهمزمان باشد، اما به بخش «رانندگی مدل با سری‌های زمانی دمای واقعی» مراجعه کنید.

تناوب رویدادهای همگام سازی در دانگ و دماتجزیه و تحلیل ما سیستمی را توصیف می کند که در داخل و خارج از همگام نوسان می کرد (شکل 2B و 3). برای توصیف تناوب خود درجه همزمانی، WMF ها را با در نظر گرفتن میانگین WMF در مقیاس های زمانی چند ساله برای هر نقطه از زمان (خط قرمز در شکل 3B) در یک سری زمانی جمع کردیم. سپس سری زمانی حاصل را به میانگین 0 و انحراف استاندارد 1 نرمال کردیم و WTها را اعمال کردیم.

از آنجایی که این سری‌های زمانی همگامی حداکثر شامل 4 چرخه مجزا هستند (شکل 3)، ما انتخاب کردیم که تناوب آنها را با میانگین‌گیری توان موجک در طول زمان، با گرفتن توان موجک متوسط ​​در مقیاس زمانی مشخص کنیم. تناوب‌هایی که بر سری‌های زمانی همزمانی تب دنگی و دما در تایلند، جایی که همزمانی با استفاده از WMF اندازه‌گیری شد، به ترتیب 12.6 و 12.5 سال بود (به عنوان مثال، تناوب اصلی چرخه‌های نشان داده شده در خط قرمز در شکل 3، 12.6 سال است. ). به عنوان یک نقطه مقایسه، دوره تناوب همزمانی در تب دنگی، که در آن همزمانی با استفاده از روش‌های جایگزینی مانند مقیاس‌های زمانی میانه وزنی یا همبستگی‌های spline win-dowed (section "Perspectives on synchrony" in S1 Appendix) تخمین زده می‌شود 12 بود.{12} سال در هر دو مورد

شبیه سازی برای کشف مکانیسم: تأثیر متقابل دما و ایمنی

مدل مکانیکی دنگی و شبیه سازیدر حالی که نتایج ما ممکن است نشان دهنده یک رابطه آماری نسبتاً ساده بین موارد تب دنگی و دما باشد (شکل 2 و شکل S36 در ضمیمه S1)، ما می‌خواستیم مکانیسم‌هایی را که توسط آن دما می‌تواند دینامیک ناهمزمان و همزمان ایجاد کند، در حالی که عوامل ذاتی مانند تعامل بین سروتیپ ها ایمنی در شکل دادن به پویایی دنگی نقش اساسی دارد. حفاظت متقاطع موقت بین سروتیپ ها به تنهایی می تواند باعث ایجاد دامنه کیفی گسترده ای از پویایی دنگی شود. بنابراین، هرگونه تأثیر دما بر دینامیک را باید از دریچه دینامیک ایمنی مشاهده کرد. برای این منظور، ما از یک مدل معادله دیفرانسیل سروتیپ ساده و وابسته به دما استفاده کردیم (به بخش "مواد و روش ها" مراجعه کنید). این مدل که بر اساس مدل هوبر و همکارانش [46] ساخته شده است، به صراحت وابستگی به دمای صفات بردار را رمزگذاری می کند، که به نوبه خود به دما اجازه می دهد تا انتقال و دینامیک دانگ را هدایت کند. ما مدل آنها را گسترش دادیم تا امکان تعامل متقابل محافظ بین سروتیپ‌ها با میانگین زمان‌های مختلف را فراهم کند.

ما 3 مجموعه شبیه‌سازی را اجرا کردیم تا ببینیم آیا می‌توانیم بهتر درک کنیم که چگونه دما می‌تواند الگوها را به صورت همزمان، با استفاده از سری‌های زمانی دمای واقعی و آزمایش‌های ساده شده، درک کنیم (جدول 1). ابتدا، در شبیه‌سازی 1، از سری زمانی دما برای هر استان به عنوان ورودی مدل استفاده کردیم تا ویژگی‌های مکانی-زمانی مشاهده‌شده را بازتولید کنیم. بعد، برای شبیه‌سازی‌های 2 و 3، می‌خواهیم مکانیسم‌های خاصی را بررسی کنیم که از طریق آن دما ممکن است دینامیک ناهمزمان و همزمان ایجاد کند. شبیه سازی 1 به ما اجازه می دهد تا ثابت کنیم که دما نقش کمتری در تولید دینامیک ناهمزمان در دنگی ایفا می کند. بنابراین، ما بررسی می‌کنیم که آیا رژیم‌های مختلف دما (و در نتیجه انتقال) می‌توانند نوسان‌های ذاتی چند ساله به اندازه کافی متنوع (و در نتیجه ناهمزمان) در سراسر مکان‌ها ایجاد کنند. برای این منظور، آزمایش‌های ساده‌سازی شده‌ای را در 6 مکان فرضی ایده‌آل در امتداد یک ترانسکت در تایلند ابداع کردیم، که از میانگین دمای بالا و تغییرپذیری فصلی پایین به دمای متوسط ​​پایین و تغییرپذیری فصلی بالا می‌رود (شکل S40-S42 را در ضمیمه S1 ببینید). برای شبیه‌سازی 2، از منحنی‌های سینوسی فصلی به عنوان ورودی دما (بدون چرخه‌های چند ساله) استفاده کردیم و شبیه‌سازی‌هایی را برای 6 مکان انجام دادیم. در نهایت، برای شبیه‌سازی 3، ما بر روی شبیه‌سازی 2 با معرفی یک نوسان چند ساله در سری زمانی دما، همزمان در 6 مکان، روی چرخه‌های فصلی ایجاد کردیم. نوسان چند ساله دارای مقیاس های زمانی متفاوتی بود (2 تا 5 سال) و دامنه موج چندساله نسبتی (10 تا 40 درصد) از دامنه فصلی بود. هدف از شبیه سازی 3 تعیین این بود که آیا نوسانات مشترک چند ساله در سراسر مکان ها برای ایجاد همزمانی در یک سیستم غیرهمزمان کافی است یا خیر. استفاده از توابع دمای سینوسی ایده‌آل در شبیه‌سازی‌های 2 و 3 به ما این امکان را می‌دهد تا بهتر تشخیص دهیم که آیا فرکانس‌های شناسایی‌شده در دینامیک مدل‌سازی دنگی ناشی از فرکانس‌های موجود در دما یا به دلیل ایمنی در جمعیت میزبان است.

برای اطلاعات بیشتر: david.deng@wecistanche.com WhatApp:86 13632399501