Войти
Агентные модели имеют множество приложений в биологии, в первую очередь из-за характеристики метода моделирования. Агентное моделирование - это основанная на правилах методология вычислительного моделирования, которая фокусируется на правилах и взаимодействиях между отдельными компонентами или агентами системы. Целью этого метода моделирования является создание популяций интересующих компонентов системы и моделирование их взаимодействия в виртуальном мире. Агентно-ориентированные модели начинаются с правил поведения и стремятся реконструировать посредством вычислительной реализации этих правил поведения наблюдаемые модели поведения. Некоторые характеристики агентно-ориентированных моделей, важных для биологических исследований, включают:
В статье под названием «Изучение практик управления лесами с использованием агентно-ориентированной модели заражения лесными насекомыми» была разработана агентная модель для моделирования поведения нападения горного соснового жука, Dendroctonus ponderosae, ( MPB), чтобы оценить, как различные политики лесозаготовок влияют на пространственные характеристики леса и пространственное распространение заражения MPB с течением времени. Около двух третей земель в Британской Колумбии, Канаде покрыто лесами, которые постоянно видоизменяются естественными нарушениями, такими как пожары, болезни и насекомые. заражение. Лесные ресурсы составляют примерно 15% экономики провинции, поэтому заражения, вызванные насекомыми, такими как MPB, могут иметь значительные последствия для экономики. Вспышки MPB считаются серьезным естественным нарушением, которое может привести к массовой гибели сосны, одной из самых распространенных коммерческих пород деревьев в Британской Колумбии. Вспышки насекомых привели к гибели деревьев на площади в несколько тысяч квадратных километров.
Агентная модель, разработанная для этого исследования, была разработана для имитации поведения атаки MPB с целью оценки того, как методы управления влияют на пространственное распределение и структуру популяции насекомых и их предпочтения для атакованных и убил деревья. В модели рассматривались три стратегии управления: 1) отсутствие управления, 2) санитарный сбор и 3) аварийный сбор. В модели Beetle Agent представляет поведение MPB; Агент Pine представил эволюцию окружающей среды леса и здоровья деревьев; Агент управления лесами представлял различные стратегии управления. Агент Жука следует ряду правил, чтобы решить, куда летать в лесу, и выбрать здоровое дерево для атаки, кормления и размножения. MPB обычно убивает деревья-хозяева в естественной среде для успешного воспроизводства. Личинки жука питаются внутренней корой зрелых деревьев-хозяев, в конечном итоге убивая их. Для размножения жуков дерево-хозяин должно быть достаточно большим и иметь толстую внутреннюю кору. Вспышки MPB заканчиваются, когда запасы пищи сокращаются до такой степени, что их недостаточно для поддержания популяции, или когда климатические условия становятся неблагоприятными для жука. Агент Pine имитирует сопротивление основного дерева, в частности сосны Lodgepole, и контролирует состояние и характеристики каждого насаждения деревьев. В какой-то момент атаки MPB количество жуков на дерево достигает емкости хоста. По достижении этой точки жуки выделяют химическое вещество, которое направляет жуков на другие деревья. Агент сосны моделирует это поведение, вычисляя плотность популяции жуков на стойбище и передает информацию агентам жуков. Агент управления лесами использовался на уровне древостоя для моделирования двух общих лесоводческих практик (санитария и утилизация), а также стратегии, в которой не применялись методы управления. При использовании стратегии санитарной уборки, если уровень заражения насаждений превышает установленный порог, насаждение удаляется, как и все здоровые соседние насаждения, когда средний размер деревьев превышает установленный порог. Для стратегии сбора утиля стойка удаляется, даже если она не находится под атакой MPB, если заранее определенное количество соседних стендов находится под атакой MPB.
В исследовании рассматривался лесной массив в северо-центральной части Британской Колумбии площадью примерно 560 гектаров. Территория в основном состояла из сосны Лоджпол с меньшими размерами пихты Дугласа и белой ели. Модель была выполнена для пяти временных шагов, каждый из которых соответствует одному году. Для каждой рассмотренной стратегии ведения лесного хозяйства было проведено 30 прогонов моделирования. Результаты моделирования показали, что когда не применялась никакая стратегия управления, происходило наибольшее общее заражение MPB. Результаты также показали, что метод ведения лесозаготовительных работ привел к сокращению на 25% количества лесных полос, уничтоженных MPB, по сравнению с сокращением на 19% благодаря стратегии управления лесными отходами. Таким образом, результаты показывают, что модель может использоваться как инструмент для построения политик управления лесами.
Инвазивные виды относятся к «неместным» растениям и животным, которые негативно влияют на окружающую среду, в которую они вторгаются. Интродукция инвазивных видов может иметь экологические, экономические и экологические последствия. В документе, озаглавленном «Агентная модель пограничного контроля для управления инвазивными видами», представлена агентная модель, которая была разработана для оценки воздействия порт и импортер - особые режимы правоприменения для данного сельскохозяйственного товара, который представляет риск инвазивных видов. В конечном итоге цель исследования заключалась в том, чтобы улучшить распределение правоприменительных ресурсов и предоставить лицам, определяющим политику, инструмент для ответа на дальнейшие вопросы, касающиеся пограничного контроля и риска инвазивных видов.
Агентная модель, разработанная для исследования, рассматривала три типа агентов: инвазивные виды, импортеры и пограничники. В модели инвазивные виды могут реагировать только на свое окружение, в то время как импортеры и пограничники могут принимать свои собственные решения, исходя из своих собственных целей и задач. У инвазивных видов есть возможность определить, был ли он выпущен в области, содержащей целевую культуру, и распространиться на соседние участки целевой культуры. Модель включает карты пространственной вероятности, которые используются для определения того, будет ли установлен инвазивный вид. Исследование было сосредоточено на поставках брокколи из Мексики в Калифорнию через порты ввоза Калексико, Калифорния и Отай Меса, Калифорния. Выбранными инвазивными видами, вызывающими озабоченность, были крестоцветные блохи (Phyllotreta cruciferae). Калифорния, безусловно, является крупнейшим производителем брокколи в Соединенных Штатах, поэтому проблема и потенциальное воздействие интродукции инвазивных видов через выбранные порты ввоза являются значительными. Модель также включала пространственно явную функцию ущерба, которая использовалась для реалистичного моделирования ущерба, нанесенного инвазивными видами. Агентное моделирование дает возможность анализировать поведение гетерогенных субъектов, поэтому были рассмотрены три разных типа импортеров, которые различались с точки зрения показателей заражения товаров (высокий, средний и низкий), выбора предварительной обработки и стоимость перевозки до портов. Модель дала прогнозы по количеству проверок для каждого порта въезда и импортера и определила степень успеха проверки пограничными агентами не только для каждого порта и импортера, но и для каждого потенциального уровня предварительной обработки (без предварительной обработки, уровень один, уровень два и уровень третий).
Модель была реализована и работала в NetLogo версии 3.1.5. В анализ была включена пространственная информация о расположении портов ввоза, основных автомагистралей и транспортных маршрутов, а также карта калифорнийских посевов брокколи с нанесенными на нее картами вероятности акклиматизации инвазивных видов. BehaviorSpace, программный инструмент, интегрированный с NetLogo, использовался для тестирования влияния различных параметров (например, стоимости доставки, стоимости предварительной обработки) в модели. В среднем 100 итераций были рассчитаны на каждом уровне используемого параметра, где итерация представляла собой однолетний прогон.
Результаты модели показали, что по мере увеличения усилий по инспектированию импортеры повышают должную осторожность или предварительную обработку грузов, а общие денежные потери урожая в Калифорнии уменьшаются. Модель показала, что импортеры по-разному реагируют на увеличение количества проверок. Некоторые импортеры отреагировали на увеличение количества проверок увеличением усилий по предварительной обработке, в то время как другие предпочли отказаться от доставки в конкретный порт или сделали покупки в другом порту. Важным результатом результатов модели является то, что она может показывать или предоставлять рекомендации лицам, определяющим политику, относительно точки, в которой импортеры могут начать делать покупки в портах, например, частота проверок, с которой вводятся покупки в портах, и импортеры, связанные с определенным уровнем фитосанитарного риска или стоимости транспортировки, вероятно, внесут эти изменения. Другой интересный результат модели заключается в том, что, когда инспекторы не смогли научиться реагировать на импортера с ранее зараженными грузами, ущерб урожаю брокколи в Калифорнии оценивался в 150 миллионов долларов. Однако, когда инспекторам удалось увеличить количество проверок импортеров с предыдущими нарушениями, ущерб урожаю брокколи в Калифорнии сократился примерно на 12%. Модель обеспечивает механизм для прогнозирования интродукции инвазивных видов в результате импорта сельскохозяйственной продукции и их вероятного ущерба. Не менее важно, что модель предоставляет политикам и органам пограничного контроля инструмент, который можно использовать для определения наилучшего распределения инспекционных ресурсов.
В статье «Динамика численности тли в сельскохозяйственных ландшафтах: имитационная модель на основе агентов» представлена агентная модель для изучения динамики популяции . из черемухо-овсяной тли, Rhopalosiphum padi (L.). Исследование проводилось в районе площадью пять квадратных километров в Северном Йоркшире, округе, расположенном в Йоркшире и регионе Хамбер в Англии. Метод моделирования на основе агентов был выбран потому, что он ориентирован на поведение отдельных агентов, а не на популяцию в целом. Авторы предполагают, что традиционные модели, ориентированные на популяции в целом, не учитывают сложность одновременных взаимодействий в экосистемах, таких как воспроизводство и конкуренция за ресурсы, которые могут иметь значительное влияние на популяционные тенденции. Подход к моделированию на основе агентов также позволяет разработчикам моделей создавать более общие и модульные модели, которые являются более гибкими и простыми в обслуживании, чем подходы к моделированию, ориентированные на совокупность в целом. Другие предлагаемые преимущества агентно-ориентированных моделей включают реалистичное представление интересующего явления из-за взаимодействий группы автономных агентов и возможность интегрировать количественные переменные, дифференциальные уравнения и поведение на основе правил в та же модель.
Модель реализована в наборе инструментов моделирования Repast с использованием языка программирования JAVA. Модель запускалась с ежедневными временными шагами и ориентировалась на осенний и зимний сезоны. Входные данные для модели включали данные о среде обитания, суточные минимальные, максимальные и средние температуры, а также скорость и направление ветра. Для возбудителей тли учитывались возраст, положение и морфология (крыловидная или бескрылая ). Возраст варьировался от 0,00 до 2,00, причем 1,00 - это момент, когда агент становится взрослым. Размножение возбудителями тли зависит от возраста, морфологии и суточных минимальных, максимальных и средних температур. После вылупления нимфы остаются на том же месте, что и их родители. Морфология нимф связана с плотностью популяции и питательными веществами источника питания тли. Модель также учитывала смертность среди возбудителей тли, которая зависит от возраста, температуры и качества среды обитания. Скорость старения возбудителя тли определяется минимальной, максимальной и средней дневной температурой. Модель рассматривала перемещение возбудителей тли в двух отдельных фазах, фазе миграции и фазе кормодобывания, обе из которых влияют на общее распределение популяции.
Исследование начало моделирование с начальной популяцией 10 000 крылатых. тли распределены по сетке из 25-метровых ячеек. Результаты моделирования показали, что было два основных пика численности населения: первый приходился на начало осени из-за притока иммигрантов, а второй из-за более низких температур в конце года и нехватки иммигрантов. В конечном счете, цель исследователей - адаптировать эту модель для моделирования более широких экосистем и типов животных.
В статье «Изучение мультиагентных систем при моделировании динамики водных популяций» предлагается модель для изучения динамики популяций двух видов макрофитов. Водные растения играют жизненно важную роль в экосистемах, в которых они живут, поскольку они могут обеспечивать убежище и пищу для других водных организмов. Однако они также могут иметь вредные воздействия, такие как чрезмерный рост неместных растений или эвтрофикация озер, в которых они живут, что приводит к бескислородным условиям. Учитывая эти возможности, важно понимать, как окружающая среда и другие организмы влияют на рост этих водных растений, чтобы смягчить или предотвратить эти вредные воздействия.
Potamogeton pectinatus является одним из агентов водных растений в модели. Это однолетнее растение, которое поглощает питательные вещества из почвы и размножается через корневые клубни и корневища. На размножение растения не влияет поток воды, но могут влиять животные, другие растения и люди. Растение может вырасти до двух метров в высоту, что является ограничивающим условием, потому что оно может расти только на определенных глубинах воды, а большая часть его биомассы находится в верхней части растения, чтобы улавливать как можно больше солнечного света. Второй растительный агент в модели - Chara aspera, также укоренившееся водное растение. Одно из основных различий между этими двумя растениями заключается в том, что последнее воспроизводится с помощью очень мелких семян, называемых ооспорами и луковицами, которые распространяются с потоком воды. Chara aspera вырастает только до 20 см и требует очень хороших условий освещения, а также хорошего качества воды, которые являются ограничивающими факторами для роста растения. Chara aspera имеет более высокую скорость роста, чем Potamogeton pectinatus, но имеет гораздо меньшую продолжительность жизни. Модель также учитывала агентов окружающей среды и животных. Рассмотренные факторы окружающей среды включали поток воды, проникновение света и глубину воды. Условия потока, хотя и не имеют большого значения для Potamogeton pectinatus, напрямую влияют на распространение семян Chara aspera. Условия потока влияют как на направление, так и на расстояние, на которое будут распределены семена. Проникновение света сильно влияет на Chara aspera, так как оно требует высокого качества воды. Коэффициент ослабления (ЕС) - это мера проникновения света в воду. По мере увеличения ЕС скорость роста Chara aspera снижается. Наконец, для обоих видов растений важна глубина. По мере увеличения глубины проникновение света уменьшается, что затрудняет выживание любого вида за пределами определенных глубин.
Областью интереса в модели было озеро в Нидерландах под названием озеро Велюве. Это относительно мелкое озеро со средней глубиной 1,55 метра и площадью около 30 квадратных километров. Озеро испытывает стресс эвтрофикации, что означает, что питательные вещества не являются ограничивающим фактором для любого из растительных агентов в модели. Начальное положение растительных агентов в модели определялось случайным образом. Модель была реализована с использованием программного пакета Repast и выполнялась для моделирования роста и разложения двух различных растительных агентов с учетом ранее обсужденных экологических агентов, а также взаимодействия с другими растительными агентами. Результаты выполнения модели показывают, что распределение популяции Chara aspera имеет пространственную структуру, очень похожую на карты ГИС наблюдаемых распределений. Авторы исследования приходят к выводу, что правила агентов, разработанные в ходе исследования, являются разумными для моделирования пространственной модели роста макрофитов в этом конкретном озере.
В статье под названием «iDynoMiCS: индивидуальное моделирование биопленок нового поколения» представлена агентная модель, которая моделирует колонизацию бактерий на поверхность, приводящая к образованию биопленок. Цель iDynoMiCS (сокращение от индивидуального симулятора динамики микробных сообществ) - моделировать рост популяций и сообществ отдельных микробов (небольших одноклеточных организмов, таких как бактерии, археи и протисты ), которые конкурируют за пространство и ресурсы в биопленках, погруженных в водную среду. iDynoMiCS можно использовать для понимания того, как динамика отдельных микробов приводит к появлению свойств и поведения на уровне популяции или биопленки. Изучение таких образований важно при изучении почвы и рек, исследованиях гигиены полости рта, инфекционных заболеваниях и исследованиях инфекций, связанных с медицинскими имплантатами, а также для понимания биокоррозии. Парадигма моделирования на основе агентов была использована, чтобы дать возможность исследовать, как каждая отдельная бактерия определенного вида способствует развитию биопленки. Первоначальная иллюстрация iDynoMiCS рассматривала, как колебания доступности кислорода в окружающей среде влияют на разнообразие и состав сообщества денитрифицирующих бактерий, которые вызывают путь денитрификации в бескислородных условиях или условиях низкого содержания кислорода. В исследовании исследуется гипотеза о том, что существование разнообразных стратегий денитрификации в окружающей среде можно объяснить только предположением, что более быстрое реагирование влечет за собой более высокие затраты. Агентная модель предполагает, что, если метаболические пути можно переключать бесплатно, чем быстрее переключение, тем лучше. Однако там, где более быстрое переключение требует более высоких затрат, существует стратегия с оптимальным временем отклика для любой частоты колебаний окружающей среды. Это говорит о том, что разные типы стратегий денитрификации выигрывают в разных биологических средах. С момента появления этого введения применение iDynoMiCS продолжает расти: недавнее исследование инвазии плазмиды в биопленки является одним из примеров. В этом исследовании изучалась гипотеза о том, что плохое распространение плазмиды в биопленках вызвано зависимостью конъюгации от скорости роста агента-донора плазмиды. С помощью моделирования в статье предполагается, что проникновение плазмиды в резидентную биопленку ограничено только тогда, когда перенос плазмиды зависит от роста. Были использованы методы анализа чувствительности, которые предполагают, что параметры, относящиеся к времени (задержка перед переносом плазмиды между агентами) и пространственному охвату, более важны для инвазии плазмиды в биопленку, чем скорость роста принимающих агентов или вероятность потери сегрегации. Дальнейшие примеры использования iDynoMiCS продолжают публиковаться, включая использование iDynoMiCS при моделировании биопленки Pseudomonas aeruginosa с субстратом глюкозы.
iDynoMiCS был разработан международной группой исследователей для обеспечения общей платформы для дальнейшего разработка всех индивидуальных моделей микробных биопленок и т.п. Изначально эта модель была результатом многолетней работы Лорана Лардона, Брайана Мерки и Яна-Ульриха Крефта при участии кода Жоао Ксавьера. Благодаря дополнительному финансированию от Национального центра по замене, усовершенствованию и сокращению количества животных в исследованиях (NC3Rs) в 2013 году, разработка iDynoMiCS как инструмента для биологических исследований продолжается быстрыми темпами, при необходимости добавляются новые функции. С самого начала команда обязалась выпустить iDynoMiCS как платформу с открытым исходным кодом, поощряя соавторов разрабатывать дополнительные функции, которые затем можно будет объединить в следующий стабильный выпуск. IDynoMiCS реализован на языке программирования Java с предоставленными сценариями MATLAB и R для анализа результатов. Структуры биопленки, сформированные при моделировании, можно просматривать как фильм с использованием файлов POV-Ray, которые создаются во время моделирования.
Эксперименты показали, что воздействие ионизирующего излучения на пубертатные молочные железы приводит к увеличению доли стволовых клеток молочных желез в железа. Это важно, потому что стволовые клетки считаются ключевыми мишенями для инициации рака под действием ионизирующего излучения, потому что они обладают наибольшим долгосрочным пролиферативным потенциалом, а мутагенные явления сохраняются во множестве дочерних клеток. Кроме того, данные эпидемиологии показывают, что дети, подвергшиеся воздействию ионизирующего излучения, имеют значительно больший риск рака груди, чем взрослые. Таким образом, эти эксперименты вызвали вопросы о механизме, лежащем в основе увеличения количества стволовых клеток молочной железы после облучения. В этой исследовательской статье под названием «Облучение молодых, но не взрослых, молочных желез увеличивает самообновление стволовых клеток и опухоли, отрицательные по рецепторам эстрогена», были разработаны две модели на основе агентов, которые использовались параллельно с экспериментами in vivo и in vitro для оценки инактивация клеток, дедифференцировка через эпителиально-мезенхимальный переход (EMT) и самообновление (симметричное деление) как механизмы, с помощью которых излучение может увеличивать стволовые клетки.
Первая агентно-ориентированная модель - это многомасштабная модель развития молочной железы, начиная с рудиментарного протока молочной железы в начале полового созревания (во время активной пролиферации) вплоть до полной молочной железы в зрелом возрасте (когда есть небольшое распространение). Модель состоит из миллионов агентов, каждый из которых представляет стволовую клетку молочной железы, клетку-предшественницу или дифференцированную клетку в груди. Сначала моделирование проводилось на суперкомпьютере Национальной лаборатории Лоуренса Беркли Лоуренсиум для параметризации и сравнения модели с различными измерениями молочной железы in vivo. Затем модель была использована для тестирования трех различных механизмов, чтобы определить, какой из них приводит к результатам моделирования, которые лучше всего соответствуют экспериментам in vivo. Удивительно, но индуцированная излучением инактивация клеток в результате гибели не способствовала увеличению частоты стволовых клеток независимо от дозы, введенной в модель. Вместо этого модель показала, что сочетание повышенного самообновления и пролиферации клеток в период полового созревания привело к обогащению стволовыми клетками. Напротив, эпителиально-мезенхимальный переход в модели, как было показано, увеличивает частоту стволовых клеток не только в пубертатных молочных железах, но также и во взрослых железах. Это последнее предсказание, однако, противоречило данным in vivo; облучение взрослых молочных желез не привело к увеличению частоты стволовых клеток. Таким образом, это моделирование предполагает самообновление как основной механизм увеличения пубертатных стволовых клеток.
Чтобы дополнительно оценить самообновление как механизм, была создана вторая модель на основе агентов для моделирования динамики роста эпителиальных клеток молочной железы человека (содержащих субпопуляции стволовых / предшественников и дифференцированные клетки) in vitro после облучения. Сравнивая результаты моделирования с данными экспериментов in vitro, вторая модель на основе агентов дополнительно подтвердила, что клетки должны активно пролиферировать, чтобы наблюдать зависимое от самообновления увеличение количества стволовых / клеток-предшественников после облучения.
Комбинация двух моделей на основе агентов и экспериментов in vitro / in vivo позволяет понять, почему дети, подвергшиеся воздействию ионизирующего излучения, имеют значительно больший риск рака груди, чем взрослые. Вместе они подтверждают гипотезу о том, что грудь подвержена временному увеличению самообновления стволовых клеток при воздействии радиации во время полового созревания, что заставляет ткани взрослого человека развить рак десятилетия спустя.
