Введение К настоящему времени достаточно подробно изучено значительное число проблем, связанных с механизмами мембранного пищеварения рыб, а также с различными адаптациями пищеварительной системы. Одним из важнейших объектов исследования в данной области являются осетровые [1–3]. Однако остается ряд невыясненных аспектов относительно особенностей адаптаций на уровне ферментных систем. Изучение воздействия экологических факторов на функциональные характеристики мембранно-связанных ферментных систем требует применения статистических методов обработки массивов данных, сочетающих возможность комплексного анализа многомерных данных с удобным и лаконичным представлением результатов исследования. Одним из подобных методов является многомерное шкалирование – математический инструментарий, предназначенный для обработки данных о попарных сходствах, связях или отношениях между анализируемыми объектами с целью представления этих объектов в виде точек некоторого координатного пространства [4]. Данный метод прикладной статистики в настоящее время чаще всего используется в современных социологических исследованиях [5, 6]. В биологических науках этот метод применяется относительно редко, а его основным назначением, как правило, является визуализация многомерных массивов данных [7–12]. Целью наших исследований являлся сравнительный анализ температурных воздействий на пищеварительные ферменты слизистой оболочки кишечника русского осетра, ленского осетра и их гибрида РОЛО. Материал и методы исследований Объектами исследования служили годовики русского осетра (Acipenser güldenstädtii B.), ленского осетра (Acipenser baerii B.) и их гибрид РОЛО (Acipenser güldenstädtii × Acipenser baerii), полученные и выращенные в искусственных условиях. Биохимический анализ проводили по общепринятым методикам [13]. Уровень активности α-амилазы (КФ 3.1.1.1) определяли по убыли крахмала модифицированным методом Смита и Роя, уровень активности мальтазы (КФ 3.2.1.20) – модифицированным глюкозооксидазным методом, щелочной фосфатазы (КФ 3.1.3.1) – по степени гидролиза n-нитро-фенилфосфата Na. Казеинлитическую активность протеиназ (КФ 3.4.21) определяли модифицированным методом Ансона [13]. Из усредненных значений активности исследуемых ферментов формировалась матрица сопряженных измерений для каждого исследуемого значения температуры. Затем на основе этой матрицы вычислялась матрица различий между переменными. Для вычисления различий между переменными использовалась метрика городских кварталов. , где dst – расстояние; xsj, xtj – координаты объектов s и t. Для обработки данных использовался комбинированный алгоритм неметрического многомерного шкалирования по методикам Гутмана и Краскала. Для вычисления функции стресса использовалась формула Краскала: , (1) где Phi – значение функции стресса; dij – воспроизведенные расстояния в двумерном пространстве; σij – исходные расстояния; f(σij) – значения функции неметрического монотонного преобразования исходных данных. Результаты вычислений по алгоритму Краскала также использовались при построении диаграммы Шепарда, отражающей зависимость оценок расстояний от исходных данных. Результаты исследований При обработке методом неметрического многомерного шкалирования экспериментальных данных совокупность изучаемых многомерных переменных, содержащих информацию об уровне активности всех исследуемых ферментов слизистой оболочки кишечника, была представлена в виде двумерной карты, т. е. эта совокупность была отображена в плоскость двух главных осей (рис. 1). Как указывалось выше, подобная картина была получена с применением комбинированного алгоритма, поэтому в качестве мер соответствия полученной структуры данных исходной – многомерной – использовались функция стресса Краскала (1) и коэффициент отчуждения. Рис. 1. Результаты многомерного шкалирования. Индекс R в имени переменной означает данные по русскому осетру, индекс L – по ленскому осетру, RL – по РОЛО, числа в имени переменной обозначают температуру инкубации Значения этих показателей составили 0,045 и 0,059 соответственно. Это свидетельствует о высокой степени соответствия полученной и исходной структур данных и, следовательно, об адекватности полученных результатов [1]. С целью дополнительного изучения качества выполненных преобразований по результатам обработки была построена диаграмма Шепарда (рис. 2), отображающая зависимость воспроизведенных расстояний от исходных. Данные диаграммы также свидетельствуют о хорошем соответствии исходных данных конечной конфигурации точек. По результатам многомерного шкалирования прежде всего можно выделить характерную особенность: переменные, содержащие информацию о воздействии на ферменты температуры 60 °С образуют отдельный кластер, содержащий данные по русскому осетру и РОЛО, тогда как данные по ленскому осетру удалены от всех основных множеств анализируемых данных. Не образуют компактной группы, хотя и могут быть выделены в отдельный кластер, данные по воздействию температуры в диапазоне 0–20 °С на пищеварительные ферменты ленского осетра. Остальные анализируемые данные образуют три относительно компактных множества переменных. Первый кластер включает в себя все переменные, содержащие информацию о воздействии температуры на ферменты русского осетра и РОЛО в диапазоне 0–20 °С. Другой – аналогичные данные для температурного диапазона 40–50 °С. Наконец, третий кластер наиболее сильно удален как от первых двух, так и от не образующих компактных групп переменных и содержит данные по воздействию исследуемого фактора в диапазоне 30–50 °С на изучаемые энзимы ленского осетра. Первые два выделенных кластера переменных вытянуты параллельно измерению 1 в конечной конфигурации, таким образом, для этих множеств внутренняя структура кластера (расстояния между включенными в кластер переменными) в большей степени определяется значениями координат измерения 1, тогда как межгрупповые отличия примерно в равной мере обусловлены координатами по обоим измерениям; аналогичная картина возникнет и в случае выделения в отдельный кластер данных по воздействию низких и умеренных значений температуры на ферменты ленского осетра. Рис. 2. Диаграмма Шепарда: по горизонтали – исходные расстояния между данными, по вертикали – воспроизведенные в конечной конфигурации, приведенной на рис. 1 Вероятно, разброс переменных в выделенных кластерах вдоль измерения 1 связан с пластичностью адаптивных реакций ферментной системы на температурные воздействия, тогда как межгрупповые отличия по измерению 2 отражают перестройку ферментного комплекса, а также межвидовые отличия реакций. Заключение В целом можно с уверенностью полагать, что адаптивные реакции пищеварительных ферментов РОЛО к воздействию различных значений температуры среды наиболее сходны в основных тенденциях с реакциями энзимов русского осетра, при этом в диапазоне 30–40 °С происходит резкое изменение реакций в обоих случаях. Переменные, содержащие информацию о воздействии на ферменты температуры 60 °С, удалены от основного массива данных, однако и здесь заметно существенное сходство между ферментами русского осетра и ферментами РОЛО. Переменные, содержащие данные по ленскому осетру, образуют два отдельных кластера, в одном из которых находятся переменные низкого температурного диапазона, значительно удаленные друг от друга, в другом – существенно более сходные между собой данные по воздействию температуры 30–50 °С. Наконец, данные по воздействию на этот вид температуры 60 °С удалены от основного массива и не принадлежат ни одному кластеру. Таким образом, у ленского осетра также отмечено существенное отличие реакций ферментного комплекса между низким – умеренным и верхним диапазоном значений температуры, кроме того, очевидно, его адаптивные особенности существенно отличаются от особенностей как русского осетра, так и РОЛО. Выводы 1. Установлено, что наиболее сходны между собой реакции энзимов на воздействие температуры у русского осетра и РОЛО. 2. Реакции на воздействие температуры у ленского осетра существенно отличны от реакций не только у русского осетра, но и у гибрида. 3. Вместе с тем во всех исследованных случаях данные, содержащие информацию о воздействии умеренной и низкой температуры на ферменты и данные по аналогичному влиянию высокой температуры, выделены в разные кластеры, что свидетельствует о значительных изменениях адаптивных реакций энзимов. 4. С точки зрения перспектив применения многомерное шкалирование является эффективным методом комплексного анализа данных в задачах экологической физиологии при обработке многомерных массивов экспериментальных данных.