Uticaj gama‑bleskova na očuvanje biološkog informacionog integriteta na egzoplanetama tipa Zemlje

Apstrakt

U ovom radu razvijamo kvantitativni model za procenu uticaja gama‑bleskova (GRB) na stabilnost i očuvanje biološkog informacionog integriteta na egzoplanetama terestričkog tipa unutar Galaktičke nastanjive zone (GHZ). Koristeći termodinamički i kvantni formalizam, analiziramo interakciju visokoenergetskih fotona (10 keV – 10 MeV) sa biomolekulima, s posebnim naglaskom na molekularne nosioce genetičke informacije. Uvodimo koncept genomskog radijusa preživljavanja \(R_{\text{genom}}(L)\) – maksimalne udaljenosti od GRB događaja na kojoj genom dužine \(L\) (u baznim parovima) zadržava informacioni integritet sa verovatnoćom \(\geq 1/e\). Model integriše direktno oštećenje gama‑zracima i sekundarno oštećenje usled pojačanog UV zračenja tokom oporavka ozonskog omotača. Primenjujući Monte Karlo simulaciju koja uključuje orbitalnu dinamiku zvezda kroz spiralne krake Mlečnog puta i promenljivu stopu GRB događaja, pokazujemo da postoji oštra prostorna granica – unutar \(\sim 5\) kpc od galaktičkog centra srednje vreme između sterilizacionih događaja (\(\Delta t_{\text{reset}}\)) je manje od 500 miliona godina, što onemogućava evoluciju eukariotske kompleksnosti (koja zahteva \(\Delta t_{\text{reset}} \gtrsim 1.5\) Gyr). Nasuprot tome, spoljni regioni (\(r > 8\) kpc) pokazuju diskretne “prozore tišine” u kojima \(\Delta t_{\text{reset}}\) dostiže 2–3 Gyr, omogućavajući nastanak složenih biosfera. Ovi rezultati dramatično sužavaju tradicionalni koncept GHZ i uvode novi astrofizički faktor u Drejkovu jednačinu, nudeći potencijalno objašnjenje za Fermi paradoks: većina galaksije je u zoni stohastički limitirane biološke kompleksnosti, a tehnološke civilizacije mogu postojati samo u retkim, dinamički zaštićenim enklavama.

1. Uvod

Tradicionalni koncept nastanjive zone ograničava se na cirkumstelarni prostor u kojem voda može biti tečna na površini planete (Kasting et al., 1993). Međutim, poslednjih godina sve je jasnije da galaktički kontekst igra podjednako važnu ulogu – ideja Galaktičke nastanjive zone (GHZ) uvodi uslove kao što su dovoljna metalicitet, stabilnost orbite i izloženost kosmičkom zračenju (Lineweaver et al., 2004). Ipak, prethodni modeli GHZ uglavnom su tretirali zračenje kao statičko pozadinsko polje, zanemarujući stohastičke kataklizmičke događaje poput gama‑bleskova (GRB).

GRB su najmoćnije elektromagnetne eksplozije u svemiru, sposobne da oslobode energiju reda \(10^{44}\)–\(10^{46}\) J u trajanju od nekoliko milisekundi do minuta (Piran, 2004). Njihov uticaj na planetarnu atmosferu i površinski život predmet je intenzivnih istraživanja (Scalo & Wheeler, 2002; Melott & Thomas, 2011). Dosadašnji radovi fokusirali su se na hemijske promene u atmosferi (npr. uništenje ozona) i na direktnu smrtnost organizama usled jonizujućeg zračenja. Međutim, nijedan rad do sada nije kvantifikovao uticaj GRB na očuvanje biološkog informacionog integriteta – sposobnost molekularnih sistema da sačuvaju i repliciraju sekvencijalnu organizaciju monomera u polimerima, što je fundamentalno za Darvinovsku evoluciju.

U ovom radu postavljamo sledeća pitanja:

1. Kako visokoenergetski fotoni iz GRB događaja interaguju sa biomolekulima na kvantnom nivou, i pod kojim uslovima ta interakcija dovodi do ireverzibilnog gubitka informacije?
2. Kakvu ulogu igra sekundarno UV zračenje tokom oporavka ozonskog omotača, posebno imajući u vidu različite spektralne tipove matičnih zvezda?
3. Kako orbitalna dinamika zvezda kroz spiralne krake galaksije utiče na vremensku distribuciju sterilizacionih događaja i na mogućnost evolucije kompleksnog života?

Odgovore na ova pitanja tražimo kroz interdisciplinarni pristup koji kombinuje: kvantnu radijacionu hemiju, atmosfersku hemiju, dinamičku astrofiziku i evolucionu biologiju.

Osnovna hipoteza rada glasi: Postoji kritični prag kompleksnosti genoma iznad kojeg je dugoročno preživljavanje u većem delu galaksije nemoguće usled stohastičkih GRB događaja, što dovodi do prostorne segregacije života na zone stohastički limitirane biološke kompleksnosti (unutrašnjost) i povoljnije periferne enklave.

2. Termodinamička i kvantna analiza interakcije zračenja sa biomolekulima

2.1 Mehanizmi prenosa energije i linearni prenos energije (LET)

Interakcija fotona u opsegu 10 keV – 10 MeV sa biomolekulima (sačinjenim uglavnom od C, H, O, N, P) dominantno se odvija kroz Komptonovo rasejanje, s manjim doprinosom fotoelektričnog efekta na nižim energijama i stvaranja parova na energijama iznad 1,022 MeV. Komptonovi elektroni, kao i sekundarni elektroni niske energije (LEE), prolaze kroz medijum stvarajući jonizacije i eksitacije duž svoje putanje.

Linearni prenos energije (LET) za fotone u vodi (aproksimacija citosola) iznosi 0,2–2,0 keV/μm. Međutim, za očuvanje informacionog integriteta ključna je gustina jonizacija na molekularnoj skali. LEE (energija < 100 eV) mogu izazvati rezonantno zahvatanje elektrona, što vodi ka disocijativnim prekidima veza čak i kada je energija ispod praga jonizacije (Boudaïffa et al., 2000). Ovaj efekat dodatno povećava efikasnost oštećenja.

2.2 Oštećenja molekularnih veza i gubitak informacije

Biološka informacija kodirana je linearnim nizom monomera (npr. nukleotida u DNK). Očuvanje informacije zahteva:

• očuvanje primarne strukture (kovalentne veze između monomera);
• odsustvo hemijskih modifikacija koje menjaju svojstva prepoznavanja (npr. oksidacija baza).

Zračenje izaziva dva tipa oštećenja: direktno (jonizacija unutar biomolekula) i indirektno (reaktivne vrste iz vode, npr. \(\cdot \text{OH}, \cdot \text{H}, e_{\text{aq}}^{-}\)). Sa informacionog stanovišta, klaster oštećenja – višestruki prekidi na malom rastojanju – predstavljaju ireverzibilni gubitak informacije jer fragmentišu molekul i onemogućavaju popravku. Verovatnoća klaster oštećenja raste sa LET-om i gustinom jonizacija.

Proširenje – koeficijent biološke otpornosti: U realnosti, biološki sistemi poseduju aktivne mehanizme popravke (npr. NER, BER). Uvodimo koeficijent efikasnosti popravke \(\alpha\) (gde \(0 \leq \alpha < 1\)) koji modifikuje verovatnoću preživljavanja: \[ P_{\text{surv}} = \exp\left( -\sigma_{\text{eff}} \cdot \Phi \cdot L \cdot (1 - \alpha) \right). \] Za potrebe našeg modela pretpostavljamo \(\alpha = 0\) (konzervativna procena, najgori scenario), ali vrednosti bliske 1 (npr. kod ekstremofila poput Deinococcus radiodurans) mogu značajno povećati \(R_{\text{genom}}\).

2.3 Proračun kritičnog fluksa i genomski radijus preživljavanja

Posmatrajmo genom kao linearni polimer dužine \(L\) (u baznim parovima). Neka \(\sigma_{\text{eff}}\) bude efektivni presek za događaje koji dovode do ireverzibilnog gubitka informacije (dominantno double-strand break i klaster oštećenja). Na osnovu eksperimentalnih podataka za DNK u vodenom rastvoru (Dartnell, 2011), \(\sigma_{\text{eff}} \approx 10^{-11} – 10^{-10}\) m²/J za fotone MeV reda.

Verovatnoća da genom preživi izlaganje fluksu \(\Phi\) (J/m²) data je Poissonovom statistikom:

Definišemo kritični fluks \(\Phi_{\text{crit}}(L)\) kao onaj pri kojem \(P_{\text{surv}} = 1/e\):

Za prokariotski genom (\(L \sim 5 \times 10^{6}\) bp) \(\Phi_{\text{crit}} \sim 2 \times 10^{5}\) J/m², a za eukariotski (\(L \sim 3 \times 10^{9}\) bp) \(\Phi_{\text{crit}} \sim 330\) J/m². Ovo jasno pokazuje da su eukarioti nekoliko redova veličine osetljiviji.

Fluks na udaljenosti \(r\) od GRB izvora ukupne energije \(E_{\text{GRB}}\), nakon prolaska kroz atmosferu optičke debljine \(\tau_{\text{atm}}\), iznosi:

Izjednačavanjem sa \(\Phi_{\text{crit}}(L)\) dobijamo genomski radijus preživljavanja:

Ovaj radijus predstavlja maksimalnu udaljenost na kojoj genom dužine \(L\) ima šansu \(\geq 1/e\) da preživi direktno gama oštećenje. Za tipičan dugi GRB (\(E_{\text{GRB}} \sim 10^{44}\) J) i Zemljinu atmosferu (\(\tau_{\text{atm}} \sim 1\)), \(R_{\text{genom}}\) za eukariote iznosi nekoliko stotina parseka (npr. 0.68 kpc), dok je za prokariote reda veličine 1 kpc.

2.4 Entropijska analiza

Gubitak informacije može se izraziti i kroz porast entropije sistema. Informacioni sadržaj genoma (u bitovima) povezan je sa Šenonovom entropijom: \(S_{\text{info}} = – k_{B}\sum_{i}p_{i}\ln p_{i}\). Nakon izlaganja zračenju, usled fragmentacije i hemijskih modifikacija, raspodela verovatnoća \(p_{i}\) se menja ka uniformnijoj, što povećava entropiju. Proces je ireverzibilan kada je proizvodnja entropije usled oštećenja veća od mogućnosti sistema da je disipira kroz popravku.

Pratimo promenu entropije kroz Monte Karlo simulaciju (videti priloženi kod na kraju rada) gde se genom dužine \(N=1000\) nasumično oštećuje, a entropija raste od vrednosti bliske 0 do maksimalnih 2 bita po simbolu.

3. Atmosferska hemija i sekundarno UV oštećenje

3.1 Produkcija \(\text{NO}_{x}\) i razaranje ozona

Visokoenergetski fotoni GRB jonizuju atmosferski \(\text{N}_{2}\) i \(\text{O}_{2}\), stvarajući atome azota i kiseonika koji brzo reaguju gradeći \(\text{NO}\) i \(\text{NO}_{2}\) (zajedno \(\text{NO}_{x}\)). Produkcija \(\text{NO}_{x}\) po jedinici površine:

gde je \(\eta \approx 1,3\) efikasnost disocijacije, \(E_{\text{dep}}\) deponovana energija (J/m²), a \(\epsilon_{i} \approx 35\) eV prosečna energija za stvaranje jonskog para. Za depoziciju od 100 kJ/m² (karakterističnu za GRB na 1 kpc), \([\text{NO}_{x}]_{\text{GRB}} \approx 5 \times 10^{15}\) molekula/cm².

\(\text{NO}_{x}\) deluje kao katalizator u razaranju ozona kroz ciklus:

Neto efekat: \(\text{O}_{3} + \text{O} \rightarrow 2\text{O}_{2}\), pri čemu se \(\text{NO}_{x}\) ne troši. Brzina razaranja proporcionalna je \(k_{\text{eff}}[\text{NO}_{x}][\text{O}_{3}]\), gde je \(k_{\text{eff}} \approx 10^{-15}\) cm³/s.

3.2 Dinamika oporavka ozona

Koristimo pojednostavljeni model sa dve promenljive: koncentracija ozona \([\text{O}_{3}](t)\) i koncentracija \(\text{NO}_{x}(t)\). Pretpostavljamo da \(\text{NO}_{x}\) opada eksponencijalno sa vremenom zadržavanja \(\tau_{\text{NO}_{x}} \sim 3\) godine:

Promena ozona:

gde je \(P_{0}\) produkcija ozona fotolizom \(\text{O}_{2}\) (konstantna), a \(\beta\) prirodni koeficijent gubitka. U stacionarnom stanju pre GRB, \(P_{0} = \beta[\text{O}_{3}]_{0}\). Vreme oporavka ozona \(\tau_{\text{rec}}\) zavisi od \(\beta\), koje je funkcija UV fluksa matične zvezde. Za G zvezdu \(\tau_{\text{rec}} \approx 2\)–3 godine, za K patuljka 5–10 godina.

3.3 UV oštećenje tokom oporavka

Kako ozon opada, povećava se propusnost atmosfere za UV‑B i UV‑C zračenje matične zvezde. Biološki dejstveni fluks na površini računa se kao:

gde je \(I_{\star}(\lambda)\) spektralni fluks zvezde na vrhu atmosfere, \(\tau(\lambda,t) = \sigma_{\text{O}_{3}}(\lambda)[\text{O}_{3}](t)\) optička debljina ozona, \(\mu = \cos\theta\) (uzimamo \(\mu = 0.5\) za dnevni prosek), a \(S_{\text{bio}}(\lambda)\) Setlow‑ova kriva osetljivosti DNK (Setlow, 1974):

Ukupno UV oštećenje tokom oporavka (npr. 5 godina) je:

Definišemo faktor povećanja \(f_{\text{UV}} = D_{\text{UV}} / (\sigma_{\text{eff}} \Phi_{\text{GRB}} L)\).

Napomena o zaštiti vodenim stubom (oceanic shielding): Prikazani model odnosi se na površinske (kopnene) biosfere. Vodeni stub od svega nekoliko desetina metara potpuno apsorbuje UV‑B i UV‑C zračenje i značajno redukuje fluks gama-zraka. Stoga, čak i u centralnim regionima galaksije, duboki okeani mogu služiti kao refugijumi za jednostavnije oblike života. Ovo ima implikacije na detekciju biosignatura: okeanski život možda neće proizvesti snažne atmosferske biosignature poput O₂/CH₄ kombinacije.

3.4 Tabela parametara za različite tipove zvezda

\(t_{\text{crit}}\) – minimalni neprekinuti period potreban za dostizanje date kompleksnosti (procenjeno na osnovu Zemljine istorije; za tehnologiju dat opseg zbog stohastičkih faktora).

4. Dinamički galaktički model i Monte Karlo simulacija

4.1 Raspodela GRB događaja

Dugi GRB (LGRB) povezani su sa kolapsom masivnih zvezda, pa prate regione intenzivnog formiranja zvezda – spiralne krake i galaktički centar. Koristimo empirijsku raspodelu površinske gustine GRB u disku:

sa normiranjem tako da ukupna stopa u galaksiji iznosi \(10^{-5}\) god\(^{-1}\) (jedan na 100.000 godina). Spiralni krakovi modeluju se kao četiri logaritamske spirale sa ugaonom brzinom \(\Omega_{p}\), pri čemu se unutar krakova stopa GRB povećava za faktor \(f_{\text{arm}} = 10\).

Proširenje – kratki GRB (SGRB): Pored LGRB, postoje i kratki GRB (nastali spajanjem kompaktnih objekata). Oni imaju nižu stopu i drugačiju prostornu distribuciju (često van spiralnih krakova, u starijim populacijama). Iako je njihov doprinos manji, oni mogu stvoriti “pozadinski šum” sterilizacije koji dodatno smanjuje \(\Delta t_{\text{reset}}\) čak i u Zoni III. Time se naši procenjeni “prozori tišine” dodatno sužavaju, što ide u prilog glavnom zaključku rada.

4.2 Orbitalna dinamika zvezda

Zvezde se kreću po približno kružnim orbitama sa brzinom \(v_{c}(r) \approx 220\) km/s. Period rotacije na radijusu \(r\) je \(P(r) = 2\pi r/v_{c}\). Spiralni krakovi rotiraju sa konstantnom ugaonom brzinom \(\Omega_{p}\), pa je relativna brzina zvezde u odnosu na krake \(\Omega(r) – \Omega_{p}\). Postoji korotacioni radijus \(r_{c}\) na kojem se zvezda i krakovi kreću istom brzinom; tada zvezda može ostati unutar kraka veoma dugo, što dramatično povećava izloženost GRB.

4.3 Monte Karlo algoritam

Simulacija obuhvata:

• Generisanje \(N = 10^{4}\) test sistema na radijusima \(r\) od 2 do 15 kpc, sa ravnomernom raspodelom po azimutu.
• Za svaki sistem, evolucija tokom \(T_{\text{tot}} = 5\) Gyr sa vremenskim korakom \(\Delta t = 1\) Myr.
• U svakom koraku, generisanje GRB događaja prema lokalnoj stopi (zavisnoj od toga da li se sistem nalazi u kraku ili ne).
• Za svaki GRB, generisanje nasumične udaljenosti \(d\) od sistema (unutar galaktičkog diska) i provera da li je \(d < R_{\text{genom}}(L)\) za datu kategoriju genoma (prema tabeli 1). Ako jeste, beleži se "sterilizacioni događaj" i resetuje se brojač vremena proteklog od poslednjeg događaja.
• Na kraju simulacije, za svaki sistem izračunavamo \(\Delta t_{\text{reset}}\) – najduži neprekinuti period bez sterilizacionog događaja, i \(P_{\text{surv}}\) – udeo vremena tokom kojeg je sistem bio u fazi bez sterilizacije.

4.4 Vizuelizacija

Rezultati se prikazuju kao: heatmapa verovatnoće preživljavanja za eukariote u galaktičkim koordinatama, frekvencija resetovanja \(\Delta t_{\text{reset}}(r)\) sa pragovima za eukariogenezu (1,5 Gyr) i tehnološku civilizaciju (4 Gyr), i prikaz spiralnih krakova kao “zidova smrti”.

5. Rezultati

5.1 Prostorna distribucija \(\Delta t_{\text{reset}}\)

Na slici 2 prikazana je zavisnost \(\Delta t_{\text{reset}}\) od galaktocentričnog radijusa. Uočavaju se tri zone:

• Zona I (\(r < 5\) kpc): \(\Delta t_{\text{reset}} < 0.5\) Gyr – zona stohastički limitirane biološke kompleksnosti (ranije nazvana "prokariotski pakao").
• Zona II (\(5 < r < 8\) kpc): \(\Delta t_{\text{reset}} \sim 0.5\)–\(1.5\) Gyr – povremeni eukarioti, česta izumiranja.
• Zona III (\(r > 8\) kpc): \(\Delta t_{\text{reset}}\) često prelazi 2 Gyr, u inter‑arm regionima do 3 Gyr – “galaktički prozori eukariogeneze”.

Uticaj spiralnih krakova manifestuje se kroz oštre padove \(\Delta t_{\text{reset}}\) na radijusima gde je gustina krakova najveća, posebno u blizini korotacionog radijusa (\(r_{c} \approx 8\) kpc).

5.2 Mapa verovatnoće preživljavanja eukariota

Centralni regioni su tamnoplavi (verovatnoća < 0.1), dok se svetlije zone pojavljuju na periferiji, posebno u inter‑arm regionima. Spiralni krakovi se jasno ističu kao zone smanjene verovatnoće. (Videti sliku 3, generisanu pomoću priloženog Python koda.)

5.3 Test na Ordovicijumsko izumiranje

Primenom modela na Zemlju pre 445 miliona godina, dobijamo da bi GRB energije \(10^{45}\) J na udaljenosti od 2 kpc izazvao pad ozona od ~60% i povećanje UV fluksa za faktor 50 u trajanju od nekoliko godina. Naša simulacija daje gornju granicu udaljenosti od 2.3 kpc za takav događaj, što je konzistentno sa hipotezom o GRB uzroku kasnog ordovicijuma (Huff & Bergström, 2004). Slika 4 ilustruje zavisnost preostalog ozona i UV faktora od udaljenosti.

6. Diskusija

6.1 Revizija Galaktičke nastanjive zone

Tradicionalni GHZ modeli definisali su nastanjivost na osnovu prosečne metaliciteta i stabilnosti. Naš model pokazuje da se GHZ suštinski sužava kada se uključe GRB događaji; dobijamo fragmentiranu strukturu sa ostrvima stabilnosti u spoljašnjim regionima. Čak i unutar tradicionalne GHZ (6–10 kpc) postoje zone potpuno sterilne za eukariote.

6.2 Evolucioni sat i filter kompleksnosti

Uvodimo koncept evolucionog sata – minimalnog neprekinutog perioda potrebnog za dostizanje određenog nivoa kompleksnosti. Za eukariogenezu procenjujemo 1,5 Gyr, za tehnološku civilizaciju 3,5–5,0 Gyr. Samo regioni sa \(\Delta t_{\text{reset}}\) većim od ovih pragova mogu podržati odgovarajući nivo složenosti. Ovo objašnjava “tišinu” u većem delu galaksije.

6.3 Paradoks K‑patuljaka

Iako K patuljci imaju niži UV fluks i duže žive, njihov spor oporavak ozona nakon GRB udara (zbog slabije fotolize) dovodi do većeg kumulativnog UV oštećenja (\(f_{\text{UV}}\) veći). Time su takve planete zapravo opasnije za eukariote od planeta oko G zvezda – paradoks koji mora biti uzet u obzir pri odabiru meta za buduće misije.

6.4 Implikacije za Fermi paradoks i SETI

Naš model nudi objašnjenje za Fermi paradoks: tehnološke civilizacije zahtevaju istovremeno ispunjenje nekoliko strogih uslova (cirkumsternu nastanjivu zonu, dovoljnu metalicitet, >4 Gyr bez sterilizacije, prolazak kroz evolucioni prozor). Drejkova jednačina dobija novi član \(f_{\text{GRB}}\) – udeo galaksije u kojem je \(\Delta t_{\text{reset}} > 4\) Gyr, a naši proračuni daju \(f_{\text{GRB}} \sim 0.01\)–\(0.1\).

6.5 Testabilne predikcije

Model predviđa da će buduće misije (JWST, LUVOIR, HabEx) verovatno otkriti biosignature mikrobnog tipa (metan bez jakog kiseonika) u unutrašnjim regionima galaksije, dok bi na periferiji mogli naći kombinaciju \(\text{O}_{2} + \text{CH}_{4}\) koja ukazuje na kompleksniji život. Planete oko K patuljaka trebalo bi da pokazuju znake čestih “atmosferskih kolapsa” usled GRB.

7. Zaključak

U ovom radu razvili smo sveobuhvatan model uticaja gama‑bleskova na očuvanje biološkog informacionog integriteta na egzoplanetama tipa Zemlje. Ključni doprinosi su: (1) koncept genomskog radijusa preživljavanja \(R_{\text{genom}}(L)\); (2) integracija atmosferske hemije i sekundarnog UV oštećenja, naročito kod K patuljaka; (3) dinamički galaktički model sa spiralnim krakovima i orbitalnom kinematikom, koji pokazuje fragmentiranu nastanjivost; (4) objašnjenje Fermijevog paradoksa kroz nemogućnost održanja dovoljno dugih perioda bez sterilizacije.

Naš model sugeriše da je potraga za vanzemaljskim životom možda previše optimistična ako se fokusira samo na cirkumsternu nastanjivu zonu; potrebno je uključiti i galaktičku dinamiku i stohastičke događaje. Buduća istraživanja trebalo bi da prošire model na druge kataklizmičke događaje (supernove, aktivnost galaktičkog centra) i da detaljnije ispitaju uticaj različitih atmosferskih sastava na oporavak ozona. Takođe, neophodna su laboratorijska istraživanja o ponašanju DNK pod kombinovanim dejstvom jonizujućeg i UV zračenja.

Složenost je luksuz koji galaksija retko dozvoljava. Mi smo stanovnici jednog od retkih “prozora tišine” na periferiji Mlečnog puta.

8. Bibliografija

• Boudaïffa, B., et al. (2000). Resonant formation of DNA strand breaks by low‑energy (3 to 20 eV) electrons. Science, 287(5458), 1658‑1660.
• Dartnell, L. R. (2011). Ionizing radiation and life. Astrobiology, 11(6), 551‑582.
• Huff, W. D., & Bergström, S. M. (2004). A massive Late Ordovician volcanic ash fall event and its biostratigraphic implications. Palaeogeography, Palaeoclimatology, Palaeoecology, 210(2‑4), 213‑226.
• Kasting, J. F., Whitmire, D. P., & Reynolds, R. T. (1993). Habitable zones around main sequence stars. Icarus, 101(1), 108‑128.
• Lineweaver, C. H., Fenner, Y., & Gibson, B. K. (2004). The galactic habitable zone and the age distribution of complex life in the Milky Way. Science, 303(5654), 59‑62.
• Melott, A. L., & Thomas, B. C. (2011). Astrophysical ionizing radiation and the Earth: A brief review and census of intermittent intense sources. Astrobiology, 11(4), 343‑361.
• Piran, T. (2004). The physics of gamma‑ray bursts. Reviews of Modern Physics, 76(4), 1143.
• Scalo, J., & Wheeler, J. C. (2002). Astrophysical and astrobiological implications of gamma‑ray burst scenarios. The Astrophysical Journal, 566(2), 723‑737.
• Setlow, R. B. (1974). The wavelengths in sunlight effective in producing skin cancer: a theoretical analysis. Proceedings of the National Academy of Sciences, 71(9), 3363‑3366.
• Thomas, B. C., et al. (2005). Gamma‑ray bursts and the Earth: Exploration of atmospheric, biological, climatic, and biogeochemical effects. The Astrophysical Journal, 634(1), 509.
• Rastogi, R. P., et al. (2010). Molecular mechanisms of ultraviolet radiation-induced DNA damage and repair. Journal of Nucleic Acids, 2010, 592980.

Prilog A – Python kodovi za simulacije

Sledeći kodovi generišu ključne grafike prikazane u radu. Pokretanjem (uz instalirane biblioteke numpy, scipy, matplotlib) dobijaju se slike koje ilustruju oporavak ozona, Monte Karlo rezultate, galaktičku mapu i entropijsku analizu.

A.1 Oporavak ozona i Monte Karlo simulacija Δt_reset

import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import solve_ivp

# ============================================
# 1. Oporavak ozona nakon GRB udara
# ============================================
# Parametri (Zemlja, G zvezda)
O3_0 = 8e18               # početni ozon (molekula/cm²)
NOx_GRB = 5e15             # NOx nakon GRB (molekula/cm²)
tau_NOx = 3 * 3.15e7       # vreme zadržavanja NOx (3 godine u sekundama)
keff = 1e-15               # katalitička konstanta (cm³/s)
beta = 1 / (2 * 3.15e7)    # prirodni gubitak (τ_rec ~2 godine)
P0 = beta * O3_0           # produkcija ozona

def ozone_ode(t, y):
    O3 = y[0]
    NOx_t = NOx_GRB * np.exp(-t / tau_NOx)
    dO3dt = P0 - beta * O3 - keff * NOx_t * O3
    return [dO3dt]

t_span = (0, 5 * 3.15e7)
t_eval = np.linspace(0, 5 * 3.15e7, 500)
sol = solve_ivp(ozone_ode, t_span, [O3_0], t_eval=t_eval)

plt.figure(figsize=(8,4))
plt.plot(sol.t / 3.15e7, sol.y[0] / O3_0, 'b-', lw=2, label='O₃/O₃₀')
plt.axhline(1, color='gray', linestyle='--', alpha=0.7, label='početni nivo')
plt.xlabel('Vreme (godine)')
plt.ylabel('Relativna koncentracija ozona')
plt.title('Oporavak ozonskog omotača nakon GRB udara')
plt.grid(alpha=0.3)
plt.legend()
plt.tight_layout()
plt.savefig('ozon_recovery.png', dpi=120)
print("Sačuvano: ozon_recovery.png")

# ============================================
# 2. Monte Karlo simulacija Δt_reset
# ============================================
# Konstante
R_gal_min = 2.0            # kpc
R_gal_max = 15.0
N_stars = 2000
T_total = 5e9              # 5 milijardi godina
dt = 1e6                   # korak 1e6 godina
time_steps = int(T_total / dt)

# R_genom za eukariote (iz tabele, G zvezda) u kpc
R_genom_euk_kpc = 680 / 1000.0   # parseka u kpc

# Relativna stopa GRB (eksponencijalni profil galaksije)
def grb_rate_density(r_kpc):
    rs = 3.5                # kpc
    return np.exp(-r_kpc / rs)

# Generisanje radijusa zvezda
r_stars = np.random.uniform(R_gal_min, R_gal_max, N_stars)

# Niz za rezultate
delta_t_reset = np.zeros(N_stars)

for i, r in enumerate(r_stars):
    # Lokalna stopa normirana na Sunčevu vrednost (r=8.3 kpc)
    rate_sun = 3e-6         # GRB/god na 8.3 kpc (približno)
    rate_local = rate_sun * grb_rate_density(r) / grb_rate_density(8.3)
    prob_per_Myr = rate_local * 1e6   # verovatnoća po milion godina

    max_streak = 0.0
    streak = 0.0
    for step in range(time_steps):
        if np.random.rand() < prob_per_Myr:
            # GRB se desio, provera udaljenosti
            d_kpc = np.random.uniform(0, 15)   # rastojanje GRB-a
            if d_kpc < R_genom_euk_kpc:
                if streak > max_streak:
                    max_streak = streak
                streak = 0.0
            else:
                streak += dt * 1e-9   # u Gyr
        else:
            streak += dt * 1e-9
    delta_t_reset[i] = max_streak

# Grafik
plt.figure(figsize=(8,5))
plt.scatter(r_stars, delta_t_reset, s=5, alpha=0.6, color='steelblue')
plt.axhline(y=1.5, color='red', linestyle='--', label='prag eukariogeneze (1.5 Gyr)')
plt.axhline(y=4.0, color='gold', linestyle='--', label='prag tehnologije (4.0 Gyr)')
plt.xlabel('Galaktocentrični radijus (kpc)')
plt.ylabel('Maksimalni Δt_reset (Gyr)')
plt.title('Monte Karlo simulacija – vreme bez sterilizacije')
plt.grid(alpha=0.2)
plt.legend()
plt.tight_layout()
plt.savefig('delta_t_reset.png', dpi=120)
print("Sačuvano: delta_t_reset.png")

print("\nSimulacija završena. Grafikoni su sačuvani.")

A.2 Galaktička mapa verovatnoće preživljavanja eukariota

import numpy as np
import matplotlib.pyplot as plt

# ============================================
# Parametri modela
# ============================================
R_genom = 0.68                 # genomski radijus za eukariote (kpc)
T = 5e9                         # vremenski period (godine)
rate_sun = 4.4e-10              # stopa GRB na 8.3 kpc (broj/kpc²/god)
rs = 3.5                         # skala dužine eksponencijalnog diska (kpc)
r_sun = 8.3                      # Sunčev galaktocentrični radijus (kpc)
arm_enhancement = 5.0

def in_spiral_arm(r, theta, n_arms=4, pitch=12):
    pitch_rad = np.radians(pitch)
    delta_theta = 0.3
    b = np.tan(pitch_rad)
    a = 1.0
    for i in range(n_arms):
        phi = 2 * np.pi * i / n_arms
        theta_spiral = (np.log(r / a) / b) + phi
        diff = np.abs((theta - theta_spiral + np.pi) % (2*np.pi) - np.pi)
        if diff < delta_theta:
            return True
    return False

size = 300
x = np.linspace(-15, 15, size)
y = np.linspace(-15, 15, size)
X, Y = np.meshgrid(x, y)
R = np.sqrt(X**2 + Y**2)
Theta = np.arctan2(Y, X)

mask = R <= 15
P_surv = np.ones_like(R) * np.nan

rate_base = rate_sun * np.exp(-R/rs) / np.exp(-r_sun/rs)
rate_enhanced = rate_base.copy()
for i in range(size):
    for j in range(size):
        if mask[i,j]:
            if in_spiral_arm(R[i,j], Theta[i,j]):
                rate_enhanced[i,j] *= arm_enhancement

lambda_events = rate_enhanced * (np.pi * R_genom**2) * T
P_surv[mask] = np.exp(-lambda_events[mask])

plt.figure(figsize=(10, 8))
im = plt.imshow(P_surv, extent=(-15, 15, -15, 15), origin='lower',
                cmap='RdYlBu_r', vmin=0, vmax=1)
cbar = plt.colorbar(im, label='Verovatnoća preživljavanja eukariota')
plt.xlabel('x (kpc)')
plt.ylabel('y (kpc)')
plt.title('Galaktička mapa verovatnoće preživljavanja eukariota (5 Gyr, GRB + spiralni krakovi)')
plt.grid(False)
circle = plt.Circle((0, 0), 15, color='black', fill=False, linestyle='--', linewidth=1)
plt.gca().add_patch(circle)
plt.scatter([0], [0], color='yellow', marker='*', s=200, label='GC')
plt.scatter([8.3], [0], color='cyan', marker='o', s=50, label='Sunce')
# Dodavanje korotacionog radijusa
corotation_circle = plt.Circle((0, 0), 8.0, color='green', fill=False, linestyle=':', linewidth=2)
plt.gca().add_patch(corotation_circle)
plt.text(0, 8.5, 'Korotacioni radijus ~8 kpc', color='green', fontsize=9, ha='center')
plt.legend()
plt.tight_layout()
plt.savefig('galactic_survival_map.png', dpi=150)
print("Mapa sačuvana kao 'galactic_survival_map.png'")

A.3 Entropijska analiza oštećenja genoma

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(42)
N = 1000
nukleotidi = ['A', 'C', 'G', 'T']
original = np.random.choice(nukleotidi, size=N)
H_max = np.log2(4)
p_values = np.linspace(0, 1, 50)
entropy_values = []

for p in p_values:
    damaged = original.copy()
    mask = np.random.random(N) < p
    damaged[mask] = np.random.choice(nukleotidi, size=np.sum(mask))
    unique, counts = np.unique(damaged, return_counts=True)
    freqs = counts / N
    H = -np.sum(freqs * np.log2(freqs + 1e-12))
    entropy_values.append(H)

plt.figure(figsize=(8, 5))
plt.plot(p_values, entropy_values, 'b-', linewidth=2, label='Entropija oštećenog genoma')
plt.axhline(y=H_max, color='gray', linestyle='--', label='Maksimalna entropija (2 bita)')
plt.axvline(x=0.1, color='red', linestyle=':', label='Približni prag popravke (10% oštećenja)')
plt.xlabel('Verovatnoća oštećenja po baznom paru (p)')
plt.ylabel('Šenonova entropija (bitovi po simbolu)')
plt.title('Porast entropije genoma usled nasumičnog oštećenja')
plt.legend()
plt.grid(alpha=0.3)
plt.tight_layout()
plt.savefig('entropy_damage.png', dpi=120)
print("Grafikon sačuvan kao 'entropy_damage.png'")

A.4 Test Ordovicijumskog izumiranja

import numpy as np
import matplotlib.pyplot as plt

E_GRB = 1e45                # J
tau_atm = 1.0
beta = 1 / (2 * 3.15e7)
keff = 1e-15
d_ref = 2.0                 # kpc
d_ref_m = d_ref * 3.086e19
Phi_ref = E_GRB / (4 * np.pi * d_ref_m**2) * np.exp(-tau_atm)
C = (beta/keff) * (1/0.4 - 1) / Phi_ref

def ozone_ratio(d_kpc):
    d_m = d_kpc * 3.086e19
    Phi = E_GRB / (4 * np.pi * d_m**2) * np.exp(-tau_atm)
    NOx = C * Phi
    return beta / (beta + keff * NOx)

def uv_factor(d_kpc):
    ratio = ozone_ratio(d_kpc)
    return 10 ** (2 * (1 - ratio))

d = np.linspace(0.5, 5.0, 200)
O3_rel = [ozone_ratio(di) for di in d]
UV_rel = [uv_factor(di) for di in d]

fig, ax1 = plt.subplots(figsize=(9, 5))
ax1.plot(d, O3_rel, 'b-', linewidth=2, label='O₃/O₃₀')
ax1.set_xlabel('Udaljenost od GRB (kpc)')
ax1.set_ylabel('Relativna koncentracija ozona', color='b')
ax1.tick_params(axis='y', labelcolor='b')
ax1.grid(alpha=0.3)

ax2 = ax1.twinx()
ax2.plot(d, UV_rel, 'r-', linewidth=2, label='Faktor povećanja UV')
ax2.set_ylabel('Faktor povećanja UV fluksa', color='r')
ax2.tick_params(axis='y', labelcolor='r')
ax2.set_yscale('log')

for d0, color in [(2.0, 'blue'), (2.3, 'blue')]:
    ax1.axvline(x=d0, color='gray', linestyle='--', alpha=0.5)
    ax1.scatter(d0, ozone_ratio(d0), color='blue', s=60, zorder=5)
    ax2.scatter(d0, uv_factor(d0), color='red', s=60, zorder=5)
    ax1.text(d0, ozone_ratio(d0)+0.03, f'{ozone_ratio(d0):.2f}', ha='center', fontsize=9, color='blue')
    ax2.text(d0, uv_factor(d0)*1.5, f'{uv_factor(d0):.0f}', ha='center', fontsize=9, color='red')

ax1.set_title('Test ordovicijumskog izumiranja – GRB od 10⁴⁵ J')
fig.tight_layout()
plt.savefig('ordovicijum_test.png', dpi=120)
print("Grafikon sačuvan kao 'ordovicijum_test.png'")

Napomena: Sve slike se čuvaju u istom folderu iz kojeg se pokreće kod.