MODELOVÁNÍ A SIMULACE Modelovací techniky v biologii Modely
Download
Report
Transcript MODELOVÁNÍ A SIMULACE Modelovací techniky v biologii Modely
MODELOVÁNÍ A SIMULACE
Modelovací techniky v biologii
Modely v praxi
Modelovací techniky
Kompartmentové modelování
medicínské modely - např. regulace glykémie (množství glukózy v krvi)
Celulární a jiné konečné automaty
umělé systémy inspirované živými organismy – metabolismus, reprodukce,
evoluce
= evoluční systémy, multicelulární systémy, učící se systémy
Petriho sítě
Grafický a matematický nástroj
Vhodné pro modelování a analýzu systémů diskrétních událostí
Distribuovaný systém reprezentován orientovaným bipartitním grafem
s ohodnocením
Modely systémů hromadné obsluhy
…
Petriho sítě
Petriho sítě obsahují:
místa (places)
přechody (transitions)
vyjadřují možné změny stavu
jejich aktivováním dochází k přesunu tokenů mezi místy, jež daný
přechod spojuje
v grafech reprezentovány jako obdélníky
hrany (arcs)
obsahují stavovou informaci ve formě značek (tokenů)
v grafech jsou reprezentována jako kolečka
určují logické vazby
mohou být pouze mezi místem a přechodem
značky – tokeny (tokens)
jejich počet vyjadřuje stavovou informaci systému
rozložení značek v daném časovém okamžiku se nazývá označkování
Petriho sítě
( P, T , F ,W , C, M 0 )
P…množina míst
T…množina přechodů
F…množina hran, platí: F ( P T ) (T P)
W : F N+…váhová funkce, jež každé hraně
přiřazuje číslo, které nám říká, kolik tokenů touto
hranou projde
C : P N …vyjadřuje kapacitu jednotlivých míst
M0 : P N…počáteční označkování
Příklad PS – postavení domu
5 míst
P1
P2
P3
P4
P5
počet
počet
počet
počet
počet
stěn
oken
dveří
střech
domů
1 přechod T
který je uschopněn, obsahuje-li:
=
=
=
=
=
místo P1 alespoň 4 tokeny
místo P2 libovolný počet tokenů
místo P3 a místo P4 alespoň 1
aktivací přechodu se odeberou tokeny z
P1-P4
postavení domu – v místě P5 přibude 1
token
Příklad: nedojde k aktivaci přechodu –
nutná střecha
Systémy hromadné obsluhy
Systém, jež slouží k uspokojování požadavků, které do
tohoto systému vstupují právě za účelem jejich uspokojení
Základními částmi SHO jsou:
Vstupní linka - přichází jí do systému nové požadavky
Obslužný kanál - jsou jím uspokojovány požadavky
Fronta - obsahuje požadavky, které nemohou být uspokojeny
okamžitě (např. z důvodu „obsazení“ obslužného kanálu jiným
požadavkem)
Systémy hromadné obsluhy
Markovovy modely SHO
V praxi bohatě zastoupeno
Poissonovo exponenciální rozdělení vstupního toku a
doby obsluhy
Pravděpodobnost, s jakou najde nově příchozí
požadavek systém ve stavu A je shodná
s pravděpodobností, že systém se nachází ve stavu A
Tj. Markovův model - jeho následující stav závisí
pouze na stavu aktuálním
Např. pro populační a epidemiologické modely
MODELY BIOLOGICKÝCH SYSTÉMU
V PRAXI
Populační modely
Jednodruhové populace
Dvoudruhové populace
Epidemiologické modely
Modely venerických onemocnění
Biologické modely
Modely celulární a tkáňové struktury
Medicínské modely
Populační modely
– jednodruhové populace
A. Spojité deterministické modely jednodr. populací
Modelování založeno na deterministickém způsobu
chování populace, stav populace je charakterizován
její velikostí (např. hustota osídlení)
Základní otázky
jak dlouho trvá, než dosáhne populace dané velikosti
jak velká bude populace po určitém čase (příp. po
daném počtu generací)
jak dlouho může populace přežít v nevhodných
podmínkách
Populační modely
– jednodruhové populace
Základní vztah charakterizující dynamiku dané populace
je možno napsat ve tvaru:
x(t t ) x(t ) xb xd xm ,
Δxb … automní přírustek – narození jedinci
Δxd … autonomní úbytek – zemřelí jedinci
Δxm … počet jedinců, kteří do populace přišli
(imigrovali) z jiného prostředí, příp. odešli (emigrovali)
Populační modely
– jednodruhové populace
x(t t ) x(t ) (b( x, t ) d ( x, t )). x(t ).t
V limitním případě, kdy Δt → 0:
x(t t ) x(t )
( x, t ). x(t )
t
x(t ) ( x, t ).x(t )
Deterministické vyjádření dynamiky stavu populace x(t)
za předpokladu, že tento stav můžu popsat spojitou
funkcí
Chování základního spojitého modelu jednodruhové
populace definovaného tímto vztahem určuje tvar funkce
γ(x,t)
Užívané spojité modely
jednodruhových populací
Malthusův model
Nejjednodušší
modelu
varianta
spojitého
Předp. neměnnost prostředí (stálý
rozdíl úbytku a přírůstku v populaci)
lineární diferenciální rovnice 1. řádu
(t ) b( x, t ) d ( x, t ) r x(t ) r.x(t ),
Nevýhoda
populace
-
neomezený
růst
Logistický model
uplatňují
prostředí
se
omezující
faktory
Populační modely
– jednodruhové populace
B. Diskrétní ekvivalenty spojitých modelů jednodruhových
populací
Generace se v populace nepřekrývají (jedinci z jedné generace)
C. Modely s věkovou strukturou
Leslieho model
Věkově struktur. model s diskrétním časem
Popisuje dynamiku populace v definovaných věkových skupinách pomocí
známých hodnot porodnosti a úmrtnosti v jednotlivých věkových
kategoriích
Věková struktura dána vývojovými stádii jedinců v populaci nebo jinými
konvencemi
Populační modely
– dvoudruhové populace
Spolužitím zpravidla ovlivněna dynamika každé z vyskytující
se populace – vzájemná interakce (kladný vliv – stimulační,
záporný vliv – inhibiční, neutrální)
Interakce mezi druhy probíhají na úrovni jedinců, ale
uvažujeme o nich na úrovni populace
Mezidruhové vztahy vytváří síť vazeb, které regulují přílišné
kolísání početnosti populací a udržují rovnovážný stav
ekosystému
Typy vzájemné interakce se rozdělují podle míry vzájemné
prospěšnosti i těsnosti soužití z hlediska zúčastněných
organismů
Užívané modely dvoudruhových
populací (dravec – kořist)
Gaussův model
x' xf ( x) V ( x) y
y ' yg ( y ) V ( x) y,
x = x(t) … velikost populace kořisti
y = y(t) … velikost populace predátora
Funkce V … tzv. trofická funkce
Určuje množství kořisti, které dravec uloví za jednotku času v závislosti na stavu
populace kořisti
κ … znamená efektivitu, s jakou predátor přemění zlikvidovanou kořist na svoji
biomasu
f(x) … relativní rychlost rozmnožování populace kořisti
g(y) … celkový přírůstek populace dravce
Užívané modely dvoudruhových
populací (dravec – kořist)
Lotka-Volterrův model konkurence druhů
x' (t ) k1 x(t ) k 2 x(t ) y(t )
y' (t ) k 2 k3 x(t ) y(t ) k 4 y(t ),
k1 … koeficient přírůstku do populace kořisti
k2 … pravděpodobnost, že setkání dravce s kořistí skončí smrtí kořisti
k3 … vyjadřuje účinnost přeměny biomasy kořisti na biomasu dravce
k4 … koeficient přírůstku do populace dravce
Předpoklad - každá populace roste logisticky
Zobecnění - Model společenstva více druhů
Lotka-Volterrův model
k1 = 0,4, k2 = 0,017, k3 = 0,7 a k4 = 1,2
Stavové trajektorie modelu pro různé hodnoty k1
Užívané modely dvoudruhových
populací (dravec – kořist)
Spojitý model
Jednoduchá implementace – modelování diferenciálních rovnic v
Simulinku
Přesnější numerická metoda – chyby
Deterministické chování – pro určité parametry existuje pouze jediné
řešení, není zahrnuta náhoda
Diskrétní model (v úrovni)
Markovovy modely – exponenciální rozdělení vzniku jednotlivých
událostí
Respektování počtu jedinců
Stochastické chování
Užívané modely dvoudruhových
populací (dravec – kořist)
Základní matematický model LotkyVolterry:
předpokládal neomezený, exponenciální růst
populace kořisti za nepřítomnosti dravce
Může být splněno jen tehdy, když je zahubení
dravcem výrazně hlavní příčinou smrti kořisti
Není-li tato podmínka splněna, pak je nutné
připustit pro kořist další omezující faktory
růstu - Kolmogorovův model
Epidemiologické modely
Modely časoprostorového šíření infekčních chorob
I pro modelování principiálně blízkých procesů (např. šíření ohně,
invaze rostlin do neobsazeného prostoru, dynamika potravinového
řetězce)
Základní předpoklady:
jde o uzavřenou, autonomní, populaci – celkový počet jedinců se
nemění v čase, tj. nepředpokládáme narození nových jedinců ani
migraci a všichni zemřelí jsou zahrnuti ve skupině R(t)
nemoc se šíří kontaktem mezi infikovanými a zdravými jedinci
choroba nemá latentní období
populace je homogenní, tj. všichni ohrožení jedinci jsou ohrožení
stejně, všichni infikovaní jedinci jsou stejně infekční atd.
Epidemiologické modely
Za uvedených předpokladů je možno populaci rozdělit do tří skupin:
skupina S (susceptible)
skupina I (infected)
obsahuje tu část populace, která je náchylná k onemocnění
tito jedinci netrpí chorobou, mohou však být infikováni při styku s nemocnými
obsahuje část populace tvořenou infikovanými jedinci
tito jedinci vykazují známky onemocnění a rozšiřují nemoc mezi členy skupiny S
skupina R (removed)
obsahuje tu část populace, která je tvořena jedinci, kteří byli dříve infikováni, ale
nyní již nemohou šířit chorobu
jsou zde obsaženi jedinci, kteří se uzdravili a zůstali trvale imunní, jedinci, kteří byli
trvale izolováni, a v případě smrtelné nemoci jedinci, kteří uhynuli
Veličiny S, I, R jsou obecně funkcemi času
V libovolném časovém okamžiku t platí (tzv. podmínka autonomity
systému):
S (t ) I (t ) R(t ) N
Epidemiologické modely
Předpoklady pro vývoj epidemie:
rychlost přesunu jedinců ze skupiny S do skupiny I je úměrná počtu setkání
infikovaných jedinců s jedinci náchylnými k onemocnění
rychlost přesunu jedinců ze skupiny I do skupiny R je úměrná počtu
infikovaných jedinců
jedinci, kteří se ocitli ve skupině R v této skupině trvale zůstávají
Počáteční podmínky (v čase t = 0):
existuje kladný počet jedinců, kteří jsou náchylní k onemocnění
v populaci se vyskytuje kladný počet jedinců, kteří jsou nemocí infikováni a
jsou přenašeči infekce
nulový počet vyléčených (imunitních) jedinců (pokud je tato skupina
populace v modelu zahrnuta)
Nejčastěji používané
epidemiologické modely
A. Model SIR
Po prodělání choroby vzniká jistá forma imunity
(většinou doživotní klasická či smrt) - např. plané
neštovice
Kermackův-McKendrickův (matematický) model
definovaný třemi diferenciálními rovnicemi popisujícími
dynamiku dílčích kategorií
S (t ) r S (t ) I (t ),
S (0) S0 0;
I (t ) r S (t ) I (t ) a I (t ), I (0) I 0 0;
R(t ) a I (t ),
R(0) R0 0;
r 0, a 0;
Nejčastěji používané
epidemiologické modely
Koeficient r - koeficient šíření nákazy
Koeficient a - koeficientem léčení
míra infekčnosti choroby a kvalita prevence proti dalšímu šíření
míra vážnosti choroby a schopnost (společnosti či jedince) se
s chorobou vypořádat
B. Model SI
Zajímá nás dynamika počátku infekce (přechod ze skupiny
ohrožených do skupiny infikovaných) - např. počáteční stádium
horních cest dýchacích
Nejčastěji používané
epidemiologické modely
C. Model SIS
Pro onemocnění, která nejsou smrtelná a při kterých nevzniká na
danou nemoc imunita - jedná se tedy o „běžné“ nemoci, jako je
např. chřipka či angína
Rozlišujeme model SIS:
s konstantními koeficienty – prodělaná choroba není smrtelná a
současně prodělání choroby proti ní nevytváří imunitu
s časově proměnnými koeficienty – v reálných systémech se zpravidla
mění parametry – povědomí společnosti o nemoci, epidemiologická
opatření apod.
s konstantním počtem přenašečů – případ, kdy je nemoc vyvolána
zprostředkovaně nakaženým prostředím, potravou apod.
Nejčastěji používané
epidemiologické modely
D. Model SIR s vakcinací
Případ, kdy nemocí ohrožené osoby jsou buď posíleny
očkováním nebo se převádějí do izolované karantény
- navíc skupina V(t)
E. Model SEIR
Zahrnutí inkubační doby, která uplyne od nákazy
do okamžiku, kdy se příznaky nemoci projeví – nutné
u poměrně dlouhé inkubační doba nemoci - skupina
E(t) - popisuje tu část populace, která je infikována,
ale zatím není infekční
Modely venerických nemocí
Oproti infekčním nemocím některé poněkud
odlišné charakteristiky:
omezeny na sexuálně aktivní část populace
(výjimku tvoří přenos choroby z matky na dítě)
přenašeči jsou často asymptomatičtí (bez
vnějších projevů)
nevyvolávají téměř žádnou imunitu vůči
prodělané chorobě
vzhledem k sociálnímu tabu se obtížně získávají
údaje o dynamice přenosu
Modely venerických nemocí
Při tvorbě modelu budeme předpokládat:
přenos nemocí se bude uskutečňovat mezi
dvěma vzájemně se ovlivňujícími skupinami
(heterosexuální přenos), které budeme
považovat za homogenní
stejně promiskuitní chování u všech mužů a žen
Křížový model SIR
taková venerická onemocnění, po jejichž
prodělání získává jedinec imunitu (jedinci, kteří
nemoci podlehli)
Modely venerických nemocí
Křížový model SIR
S m (t ) rm S m (t ) I z (t )
I m (t ) rm S m (t ) I z (t ) a m I m (t )
Rm (t ) a m I m (t )
(3.11)
S z (t ) rz S z (t ) I m (t )
I z (t ) rz S z (t ) I m (t ) a z I z (t )
R z (t ) a z I z (t )
Křížový model SIS
Modely šíření AIDS
Narážíme na mnohé nejasnosti a neurčitosti s touto
chorobou spojené:
neznámá délka latentního období nemoci
výchozí a současná délka seropozitivní části populace
epidemiologické parametry šíření
sociální problémy při pořizování dat vzhledem
k různým sociálním tabu spojených s touto nemocí
Zatím neexistuje žádný spolehlivý lék modelováno
pomocí křížového modelu SIR, kde skupina R(t) udává
počet jedinců, kteří této chorobě podlehli.
Modely šíření AIDS
Výhoda diskrétního modelu - větší přiblížení
reálnému světu (nemusí dojít k vymření celé
autonomní populace)
Nevýhoda - generuje pouze jednu realizaci
náhodného procesu, což při stejných počátečních
podmínkách způsobí odlišné průběhy
Uživatele nejčastěji zajímá střední hodnota - lze
částečně vyřešit (použitím metody Monte Carlo)
Spojitý model relativně dobře zachycuje interakci
jednotlivých populačních skupin.
Možné zpřesnění spojitého modelu - použití
přesnější numerické metody (metoda RungeKutta či využití Richardsonovy extrapolace)
Medicínské modely:
Bergmanův model cukrovky I. typu
dG(t )
p1 G(t ) Gb x t G (t ), G(0) G0
dt
dx(t )
p2 x t p3 I (t ) I b ,
x(0) x0
dt
dI (t )
n I (t ) I b G(t ) h t , I (0) I 0
dt
nelineární, 2-kompartmentový model
matematický popis orgánů
zdravého lidského těla,
které jsou zapojeny do
procesu metabolismu cukrů
jsou zanedbány některé
vlivy podílející se na
regulaci metabolismu cukrů
výstupem Bergmanova
modelu na základě vhodně
zvolených parametrů
člověka je množství glukózy
a inzulínu v krvi
Medicínské modely:
Model činnosti srdce
Balthasar van der Pol
elektronkové modely lidského
srdce - studium dynamiky pro
stabilizaci srdeční arytmie
Van der Polova diferenciální
rovnice:
y y 2 y ky u
KONEC