毒蛇防御行为研究:了解人类与蛇的接触被咬伤的新途径

Science 头条!他踩了 4 万多次毒蛇,终于知道了蛇什么时候会咬人

募格学术

本文来源:iNature

蛇咬伤影响了全世界数百万人。

大多数关于蛇咬伤的研究和管理都集中在蛇毒和抗蛇毒血清上,而对蛇的生态学关注较少。蛇咬伤的根本原因是蛇的防御性咬伤行为

2024 年 5 月 3 日,巴西布坦唐研究所(Instituto Butantan)João Miguel Alves-Nunes 等人在 Scientific Reports 在线发表题为 “Study of defensive behavior of a venomous snake as a new approach to understand snakebite” 的研究论文,该研究检测了环境变量 (温度、时间和人类刺激) 和生物变量 (性别和体型) 对巴西一种医学上重要的蝮蛇物种具窍蝮蛇(Bothrops jararaca)的咬伤行为的影响,并将其与蛇咬伤的流行病学联系起来。

最后,2024 年 5 月 15 日,Science 发表了题为 “Researcher steps on deadly vipers 40,000 times to better predict snakebites” 的新闻报道,总结了该研究成果及对通讯作者做了采访,解说背后的细节。

图片

图片

蛇咬伤是由毒蛇毒液中的毒素引起的一种可能致命的疾病,仍然是全世界重大的公共卫生问题,每年影响数百万人。由于蛇咬伤对人类的影响,世界卫生组织将其列为高度重视的被忽视的热带病。虽然对毒液特性、解毒剂和发生率分析进行了大量研究,但对蛇咬伤的生态和行为方面的重视有限。

反捕食者行为(Antipredator behavior)是研究蛇咬伤的一个重要的生态和行为方面,因为人类和蛇的相遇经常会引发蛇的防御反应,比如咬,这可能导致中毒。尽管存在 “干性咬伤” 的可能性 (即,不注射毒液的蛇咬伤),但防御性蛇咬伤比掠夺性蛇咬伤需要更多的毒液,这可能导致更严重的中毒。然而,它的重要性,缺乏全面的研究将反捕食者行为与蛇咬伤联系起来。

图片

巴西具窍蝮蛇蛇咬伤几率增加的自然情况(图源自 Scientific Reports )

防御性咬伤行为受各种内在和环境因素的影响,如体型、性别、厌恶刺激类型、体温和各种外在因素。根据环境和每条蛇的种类,这些变量可以以不同的方式影响防御技能。了解影响蛇咬伤发生的生态和行为因素对采取有效的控制和预防措施至关重要。对毒蛇生态的动态了解可以加强对毒蛇咬伤风险的管理。然而,这一领域的研究有限,阻碍了准确绘制、预测和减轻蛇咬伤的努力。

本研究旨在探讨影响防御行为的内在因素和环境因素及其与蛇咬伤流行病学的关系,以弥补这一研究空白。研究的模型蛇种是巴西具窍蝮蛇(Bothrops jararaca),它是巴西东南部最常见的毒蛇。这种蛇是该地区大多数蛇咬伤病例的原因,在该国的事件中占很大比例,每年总计约 2 万起中毒事件。

图片

从沿海和高地巴西具窍蝮蛇蛇种群的大小模型中获得的咬人概率 (%)(图源自 Scientific Reports )

为了实现这一目标,该研究分析了内在因素和环境因素是否会影响具窍蝮蛇的防御行为及其与蛇咬伤流行病学的关系。更具体地说,该研究检测了这种蛇的形态学特征,如性别、大小、生命阶段、厌恶刺激类型、环境温度和一天中的时间。评估它们对蛇咬伤概率和具窍蝮蛇对厌恶刺激的耐受性的影响,以及这与蛇咬伤流行病学的关系。此外,该研究还探索了流行病学数据情景,以应用具窍蝮蛇的行为、大小、温度、一天中的时间和蛇咬伤发生率之间的关联。该研究假设是,所有在蛇咬伤病例中具有较高代表性的环境因素和内在因素也会影响具窍蝮蛇的咬伤行为,增加该蛇的防御性咬伤倾向,这种行为可能是两变量 (生态和流行病学) 之间的因果机制。

通过实验模拟人类与蛇的接触(随机在蛇的头部、身体和尾部轻轻踩踏,每隔 3 秒踩一次,每个区域踩 10 次,即每条蛇踩 30 次(共 116 条蛇),一共踩了 40480 下),该研究获得了适用于巴西圣保罗州流行病学情况的行为模型。该研究发现行为学、形态学、环境和流行病学数据之间存在显著的重叠(这些蛇往往在白天和温暖的温度下更容易咬人;当被踩到时,它们更容易咬人,尤其是在身体的前部(如头部);年轻的蛇,尤其是年轻的雌蛇,更容易咬人;体型越小,越容易咬人)。流行病学数据中增加蛇咬伤的变量也增强了蛇的防御性咬伤倾向,从而导致蛇咬伤。该研究认为蛇咬伤事件受环境和形态因素的影响,影响蛇的行为和事件的比例。因此,调查与蛇咬伤事件相关的蛇的行为是更好地了解这些事件的流行病学的一个有价值的工具,有助于预测,从而预防蛇咬伤。

参考资料:


via:

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系实际应用场景,强调“借力”工具创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试复现,同时注重从已有案例中提炼可迁移的科研方法创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性调参技巧。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值