Mon . 19 Nov 2019

Агентна модель в біології

Агентські моделі мають багато застосувань у біології, насамперед завдяки характеристикам методу моделювання Агентне моделювання - це методологія обчислювального моделювання, заснована на правилах, яка фокусується на правилах та взаємодіях між окремими компонентами чи агентами системи [1 ] Метою цього методу моделювання є створення популяцій системних компонентів, що цікавлять, та моделювання їх взаємодії у віртуальному світі Моделі на основі агентів починаються з правил поведінки та намагаються реконструювати за допомогою обчислювальної інстанції цих правил поведінки спостережувані зразки поведінки [1] Деякі характеристики моделей на основі агентів, важливих для біологічних досліджень, включають:
Модульна структура: поведінка моделі, заснованої на агенті, визначається правилами її агентів Діючі правила агента можуть бути змінені або нові агенти можна додавати, не змінюючи всю модель
Екстрені властивості: За допомогою використання окремих агентів, які взаємодіють локально з правила поведінки, моделі на основі агентів призводять до синергії, яка веде до цілого вищого рівня з набагато більш заплутаною поведінкою, ніж поведінки кожного окремого агента [2]
Абстракція: Або шляхом виключення несуттєвих деталей, або якщо деталі не є доступні, на основі агентів моделі можуть бути побудовані за відсутності повних знань про досліджувану систему. Це дозволяє моделі бути максимально простою і перевіреною [1]
Стохастичність: Біологічні системи проявляють поведінку, яка, здається, є випадковою ймовірність конкретної поведінки може бути визначена для системи в цілому, а потім переведена в правила для окремих агентів [1]
Перш ніж розробити модель на основі агентів, потрібно вибрати відповідне програмне забезпечення або інструмент моделювання для Буде використано Мадей та Миколай надають широкий перелік наборів інструментів у своїй роботі "Інструменти торгівлі: опитування різних моделей платформ моделювання на основі агентів" [3] Документ намагається надати користувачам метод вибору підходящого інструментарію досліджуючи п'ять характеристик у спектрі наборів інструментів: мова програмування, необхідна для створення моделі, необхідна операційна система, наявність підтримки користувачів, тип ліцензії на програмне забезпечення та призначений домен інструментарію. Деякі з найбільш часто використовуваних наборів інструментів включають Swarm, [ 4] NetLogo, RePast та Mason [5] Нижче перелічені короткі статті декількох статей, що описують моделі на основі агентів, які були використані в біологічних дослідженнях. Зведені матеріали містять опис проблемного простору, огляд моделі на основі агентів та залучені агенти та коротке обговорення результатів моделі - Зміст - 1 Зараження лісовими комахами - 2 інвазивні види - 3 Динаміка популяції попелиць - 4 Динаміка популяції водних вод - 5 Провідність агрегації бактерій до утворення біоплівки - 6 збагачення стовбурових клітин після опромінення в період статевої зрілості. 7 Див. також 8 посилання »Захворювання лісовими комахами» У статті під назвою «Дослідження практики ведення лісового господарства» Використовуючи на основі агентської моделі зараження комах комах ", була розроблена модель на основі агентів для імітації поведінки насінників гірського сосни, Dendroctonus ponderosae, MPB з метою оцінки того, як різні політики заготівлі впливають на просторові характеристики лісу та просторове поширення зараження MPB з часом [6] Близько двох третин суші в Британській Колумбії, Канада, покрита лісами, які постійно змінюються природними порушеннями, такими як пожежа, хвороби та зараження комахами. Лісові ресурси становлять приблизно 15% економіка провінції, тому інвазії, спричинені комахами, такими як MPB, можуть мати істотний вплив на економіку. Спалахи MPB вважаються основним природним порушенням, яке може спричинити за собою широку смертність сосни лоджполе, одного з найпоширеніших комерційних видів дерев у Спалахи комах Британської Колумбії призвели до загибелі дерев на площах у кілька тисяч квадратних кілометрів Агентна модель, розроблена для цього дослідження, була розроблена для моделювання поведінки нападів MPB з метою оцінки того, як практики управління впливають на просторовий розподіл та закономірності популяції комах та їх уподобання для дерев, що напали та вбивали Три моделі управління розглядали модель: 1 відсутність управління, 2 санітарні врожаї та 3 порятунку врожаю У моделі Агент Жука представляв поведінку MPB; Агент сосни представляв лісове середовище та еволюцію здоров’я дерев; Агент з управління лісовими ресурсами представляв різні стратегії управління. Агент Жук дотримується ряду правил, щоб вирішити, куди літати в лісі та вибрати здорове дерево для нападу, годування та розведення. MPB, як правило, вбиває дерева-господарі в природному середовищі для того, щоб для успішного розмноження Личинки жука живляться внутрішньою корою зрілих дерев-господарів, врешті-решт вбиваючи їх Для того, щоб жуки розмножувалися, дерево-хазяїн має бути досить великим і мати товсту внутрішню кору. Спалахи MPB закінчуються, коли запас їжі зменшується зазначте, що недостатньо для утримання популяції або коли кліматичні умови стають несприятливими для жука. Агент сосни імітує опір дерева-господаря, зокрема сосни Лоджполе, і стежить за станом та ознаками кожної деревостану. при нападі MPB кількість жуків на дерево досягає потужності дерева-господаря Коли ця точка буде досягнута, жуки випускають хімічну речовину до прямі жуки для нападу на інші дерева Агент сосни моделює цю поведінку, обчислюючи щільність популяції жуків на стійці та передає інформацію агентам Жука. Агент управління лісовими ресурсами використовувався на рівні стенду для моделювання двох поширених методів санітарної санітарії та спасіння, оскільки а також стратегія, де не застосовувались практики господарювання. Зі стратегії санітарного збирання врожаю, якщо насадження мають рівень зараженості більше встановленого порогу, підставку видаляють, а також будь-яку здорову сусідську підставку, коли середній розмір дерев перевищує встановлений Поріг. Для стратегії врятування врятувальної плати вилучено стенд, навіть якщо він не знаходиться під атакою MPB, якщо заздалегідь визначена кількість сусідніх трибун знаходиться під атакою MPB. Дослідження вважається лісистим районом у північно-центральному інтер'єрі Британської Колумбії. приблизно 560 га. Площа складалася в основному з сосни лоджпольської з меншими частками ялиці дугласа та білої ялини. Весь крок часу, кожен крок, що представляє один рік Тридцять моделей пробігу для кожної розглянутої стратегії управління лісом. Результати моделювання показали, що коли не застосовувалася стратегія управління, відбулося найвище загальне зараження MPB. Результати також показали, що управління рятувальним лісом методика призвела до зменшення на 25% кількості лісових ниток, загиблих МПБ, на відміну від зменшення на 19% стратегією порятунку лісів. Підсумовуючи результати, результати показують, що модель може бути використана як інструмент для побудови лісового господарства політики
Інвазивні види
Під інвазивними видами розуміються "немісцеві" рослини та тварини, які негативно впливають на навколишнє середовище, в яке вони нападають. Внесення інвазивних видів може мати екологічні, економічні та екологічні наслідки У статті під назвою "Агент- На основі Моделі прикордонного забезпечення для управління інвазивними видами "представлена агентна модель, розроблена для оцінки впливу rt-специфічні та імпортерні режими примусового виконання для даного сільськогосподарського товару, який представляє небезпеку для інвазивних видів. Зрештою, метою дослідження було покращити розподіл ресурсів та забезпечити інструментам, який розробляє політику, щоб відповісти на подальші запитання щодо правозастосування кордонів та ризик інвазивних видів
Розроблена для дослідження модель на основі агентів розглядала три типи збудників: інвазивні види, імпортери та прикордонні виконавці [7] У моделі інвазивні види можуть реагувати лише на оточення, тоді як імпортери та прикордонні правоохоронці здатні приймати власні рішення на основі власних цілей та завдань. Інвазивний вид має можливість визначати, чи був він випущений на ділянці, що містить цільовий урожай, та розповсюджуватись на сусідні ділянки цільової культури. модель включає в себе просторові карти ймовірностей, які використовуються для визначення, чи буде встановлено інвазивний вид. Дослідження зосереджено на перевезеннях br occoli з Мексики в Каліфорнію через порти в'їзду Калексико, Каліфорнія та Отай-Меса, Каліфорнія Вибраними інвазивними видами, що викликають занепокоєння, був хрестоцвітний блошиний блошиний філотрета cruciferae Каліфорнія, на сьогоднішній день є найбільшим виробником брокколі в США, і тому занепокоєння та потенціал вплив впровадження інвазивних видів через обрані порти в'їзду є істотним. Ця модель також включала функцію просторово вираженого пошкодження, яка використовувалась для реалістичного моделювання пошкоджень від інвазивних видів. Агентне моделювання забезпечує можливість аналізу поведінки неоднорідних суб'єктів, тому було розглянуто три різні типи імпортерів, які відрізнялися за рівнем товарної зараженості високими, середніми та низькими, вибором попередньої обробки та вартістю транспортування до портів. Модель дала прогнози щодо інспекційних ставок для кожного порту в'їзду та імпортера та визначила рівень успішності перевірки прикордонних агентів не тільки для кожного порту та імпортера, але й також для кожного потенційного рівня попередньої обробки немає попередньої обробки, рівень перший, другий рівень і третій рівень. Модель була реалізована та запущена в NetLogo, версія 315 Просторова інформація про розташування портів в'їзду, основних автомобільних доріг та транспортних маршрутів було включено в аналіз, а також карта каліфорнійських брокколі з шаруватою картою вірогідності встановлення інвазивних видів BehaviorSpace [8], програмний інструмент, інтегрований з NetLogo, був використаний для перевірки ефектів різних параметрів, наприклад, величина відвантаження, вартість попередньої обробки модель В середньому розраховували 100 ітерацій на кожному рівні використовуваного параметра, де ітерація являла собою річний пробіг. Результати моделі показали, що в міру збільшення зусиль інспекції імпортери збільшують належну обережність або попередню обробку поставки, а загальна грошова втрата культур Каліфорнії зменшується. Модель показала, що імпортери реагують на збільшення інспекційних робіт різними способами. Деякі імпортери відповідають підвищив рівень інспекції за рахунок збільшення зусиль для попередньої обробки, а інші вирішили уникати доставки до конкретного порту або покупок на інший порт Важливим результатом результатів моделі є те, що він може показувати чи надавати рекомендації розробникам політики щодо того, в який момент імпортери можуть почати купувати порти, такі як швидкість інспекції, з якою вводяться торгові порти, і імпортери, пов'язані з певним рівнем ризику шкідників або транспортними витратами, ймовірно, внесуть ці зміни Ще одним цікавим результатом моделі є те, що коли інспектори не були вдалося навчитися реагувати на імпортера із раніше зараженими вантажами, пошкодження врожаїв каліфорнійської броколі оцінювали у 150 мільйонів доларів. 12% Модель забезпечує механізм прогнозування занесення інвазивних видів із сільськогосподарських i станції та їх ймовірний збиток Не менш важлива модель надає розробникам політики та органам прикордонного контролю інструмент, який може бути використаний для визначення найкращого розподілу ресурсів інспекції. Динаміка популяції попелиць
У статті під назвою "Динаміка популяції попелиці" «Сільськогосподарські ландшафти: імітаційна модель на основі агентів», представлена модель на основі агентів для вивчення динаміки популяції попелиці вишня-вівса, Rhopalosiphum padi L [9] Дослідження проводилось у районі п'яти квадратних кілометрів на північ Йоркшир, графство, розташоване в Йоркширі та регіоні Хамбер в Англії. Метод моделювання на основі агентів був обраний через його спрямованість на поведінку окремих агентів, а не населення загалом. Автори пропонують традиційні моделі, орієнтовані на населення в цілому не враховують складність паралельних взаємодій в екосистемах, таких як відтворення та конкуренція за ресурси, які можуть мати значну Вплив на тенденції чисельності населення Підхід до моделювання на основі агентів також дозволяє моделерам створювати більш загальні та модульні моделі, які є більш гнучкими та простішими в обслуговуванні, ніж моделювання підходів, орієнтованих на населення в цілому. Інші запропоновані переваги моделей на основі агентів включають реалістичне представлення явища, що викликає інтерес, завдяки взаємодії групи автономних агентів та здатності інтегрувати кількісні змінні, диференціальні рівняння та поведінку, засновану на правилах, в одну модель. Модель була реалізована в наборі інструментів моделювання Repast за допомогою JAVA мова програмування Модель працювала щоденними кроками та орієнтувалася на осінній та зимовий сезони. Вхідні дані для моделі включали дані про середовище проживання, мінімальний щоденний, максимальний та середній температури, швидкість та напрям вітру. Для збудників попелиці вік, положення, і морфологію алатними або аптерейними вважали вік від 000 до 200, причому 100 є точкою, в якій агент стає рекламою ult Розмноження збудниками попелиць залежить від віку, морфології та щоденної мінімальної, максимальної та середньої температури Після того, як німфи вилупляться, вони залишаються в тому самому місці, що і їхні батьки. Морфологія німф пов'язана з густотою населення та якістю поживних речовин харчове джерело попелиці Модель також враховувала смертність серед збудників попелиць, яка залежить від віку, температури та якості середовища проживання. Швидкість, з якою збудник попелиці визначається добовим мінімумом, максимальною та середньою температурою. збудника попелиць відбувається в дві окремі фази: міграційна фаза та фаза корму, обидві вони впливають на загальний розподіл популяції. Дослідження розпочали моделювання із початкової популяції в 10000 алатних попелиць, розподілених по сітці 25 Результати моделювання показали, що існували два основні вершини населення, перший на початку осені через приплив прилеглих іммігрантів, а другий через зниження температури пізніше року та дефіцит іммігрантів Зрештою, мета дослідників адаптувати цю модель для моделювання ширших екосистем та типів тварин. Динаміка водної популяції
У статті під назвою "Дослідження багато- Агентні системи в моделюванні динаміки популяції водних вод "пропонується модель для вивчення динаміки популяції двох видів макрофітів [10] Водні рослини відіграють життєво важливу роль в екосистемах, в яких вони живуть, оскільки можуть забезпечити притулок та їжу для інших водних організмів. Однак вони також можуть мати шкідливі наслідки, такі як надмірний ріст немісцевих рослин або евтрофікація озер, в яких вони живуть, що призводить до аноксичних умов. Враховуючи ці можливості, важливо зрозуміти, як довкілля та інші організми впливають на ріст ці водні рослини дозволяють пом'якшити або запобігти цим шкідливим впливам
Potamogeton pectinatus - один із агентів водних рослин у моделі. Це щорічний приріст рослина, що поглинає поживні речовини з ґрунту та розмножується через кореневі бульби та кореневища. На розмноження рослини не впливає потік води, але на неї можуть впливати тварини, інші рослини та людина. Рослина може вирости до двох метрів у висоту, тобто обмежуючий стан, оскільки він може рости лише на певних глибинах води, а більша частина його біомаси знаходиться у верхівці рослини для того, щоб забирати якомога більше сонячного світла. Другий агент рослини в моделі - Chara aspera, також вкорінена водна рослина Основна відмінність двох рослин полягає в тому, що остання розмножується завдяки використанню дуже маленьких насінин, що називаються ооспорами і бульбашками, які поширюються за течією води. Chara aspera виростає лише до 20 см і вимагає дуже хороших освітлених умов, а також хорошої води якість, що є обмежуючими факторами росту рослини Chara aspera має більш високий темп зростання, ніж Potamogeton pectinatus, але має набагато коротший термін життя. d агенти тваринного походження, що стосуються екологічних агентів, включають потік води, проникнення світла та глибину води Умови потоку, хоча і не мають великого значення для Potamogeton pectinatus, безпосередньо впливають на розповсюдження насіння Chara aspera Умови потоку впливають на напрямок, а також на відстань насіння, яке буде розподілене проникнення світла сильно впливає на аспекти Chara, оскільки це вимагає високої якості води. Коефіцієнт вимирання EC - це міра проникнення світла у воду. Зі збільшенням EC швидкість росту Chara aspera зменшується, нарешті, глибина важлива для обох видів рослин. проникнення світла зменшується, що ускладнює виживанню будь-якого виду понад певні глибини. Зоною, що цікавила модель, було озеро в Нідерландах під назвою озеро Велуве. Це відносно неглибоке озеро із середньою глибиною 155 метрів і охоплює близько 30 квадратних кілометрів Озеро перебуває під напругою евтрофікації, що означає, що поживні речовини не є обмежуючим фактом або для будь-якого з рослинних агентів у моделі Початкове положення рослинних агентів у моделі було визначено випадковим чином. Модель була реалізована за допомогою програмного пакету Repast і була виконана для імітації росту та розпаду двох різних рослинних агентів з урахуванням раніше обговорювані агенти навколишнього середовища, а також взаємодія з іншими агентами рослин Результати виконання моделі показують, що розподіл популяцій Chara aspera має просторовий малюнок, дуже схожий на ГІС карти спостережуваних розподілів. Автори дослідження роблять висновок, що агент регулює розроблені в дослідженні є розумним для імітації просторової картини росту макрофітів у цьому конкретному озері. Агрегація бактерій призводить до утворення біоплівки. У статті під назвою "iDynoMiCS: індивідуальне моделювання біоплівки нового покоління", агент представлена модель на основі моделювання колонізації бактерій на поверхні, що призводить до утворення біоплівки [11] Запропонувати iDynoMiCS виступати за індивідуальний симулятор динаміки мікробних спільнот - це імітувати зростання популяцій та спільнот окремих мікробів дрібних одноклітинних організмів, таких як бактерії, археї та протісти, які змагаються за простір та ресурси в біоплівках, занурених у водні середовища. iDynoMiCS може бути використовується для того, щоб зрозуміти, як індивідуальна мікробна динаміка призводить до виникнення нових популяційних чи біоплівкових властивостей та поведінки. Вивчення таких утворень є важливим у ґрунтових та річкових дослідженнях, дослідженнях гігієни зубів, інфекційних захворюваннях та медичних імплантаціях, пов'язаних із застосуванням імплантатів, та для розуміння біокорозії [ 12] Для моделювання парадигми на основі агентів було можливо дослідити, як кожна окрема бактерія певного виду сприяє розвитку біоплівки. Первісна ілюстрація iDynoMiCS розглядала, як коливальна екологічна доступність кисню впливає на різноманітність та склад комуні тип денітрифікуючих бактерій, які індукують шлях денітрифікації в умовах аноксичного або низького кисню [11] У дослідженні досліджується гіпотеза, що існування різноманітних стратегій денітрифікації в навколишньому середовищі може бути пояснено виключно припускаючи, що швидша реакція спричиняє більш високу вартість агента, Модель на основі припускає, що якщо метаболічні шляхи можна перемикати без витрат, тим швидше відбувається перемикання, тим краще. Однак, коли швидше перемикання вимагає більшої вартості, існує стратегія з оптимальним часом реагування для будь-якої частоти коливань навколишнього середовища. Це говорить про те, що різні типи стратегій денітрифікації виграти в різних біологічних середовищах З цього введення додатки iDynoMiCS продовжують зростати: недавнє дослідження інвазії плазміди у біоплівки є одним із прикладів [13] У цьому дослідженні було досліджено гіпотезу, що погане розповсюдження плазміди у біоплівках викликане залежністю кон'югації від швидкість росту агента донора плазміди Через si Дослідження про муляцію в статті припускають, що інвазія плазміди в резидентну біоплівку обмежена лише тоді, коли перенесення плазміди залежить від росту методів аналізу чутливості, що пропонує параметри, що стосуються затримки часу перед перенесенням плазміди між агентами та просторовим охопленням, більш важливі для вторгнення плазміди в біоплівку. ніж швидкість росту приймаючих агентів або ймовірність сегрегаційних втрат. Подальші приклади, що використовують iDynoMiCS, продовжують публікуватися, включаючи використання iDynoMiCS для моделювання біоплівки Pseudomonas aeruginosa з субстратом глюкози [14]
iDynoMiCS була розроблена міжнародною командою з дослідники з метою створення спільної платформи для подальшої розробки всіх індивідуальних моделей мікробних біоплівки і таких, як, наприклад, Модель спочатку була результатом багаторічної роботи Лорана Лардона, Брайана Меркі та Яна-Ульріха Крефта, з кодовим внеском Жоао Ксав'є За додатковим фінансуванням Національного центру з заміни, реф Зменшення та зменшення кількості тварин у дослідницьких NC3R в 2013 році розвиток iDynoMiCS як інструменту біологічного дослідження продовжується безперервно, і нові можливості додаються, коли це доцільно. З моменту створення команда зобов’язалася випустити iDynoMiCS як платформу з відкритим кодом, що заохочує співпрацівники для розробки додаткової функціональності, яку потім можна об'єднати в наступний стабільний випуск IDynoMiCS, реалізований в мові програмування Java, за допомогою сценаріїв MATLAB і R, що надаються для аналізу результатів Структури біоплівки, що формуються при моделюванні, можна розглядати як фільм за допомогою POV- Файли променів, які генеруються в процесі моделювання, - збагачення стовбурових клітин молочної залози після опромінення в період статевого дозрівання. Досліди показали, що вплив іонізуючого опромінення пубертальних молочних залоз призводить до збільшення співвідношення стовбурових клітин молочної залози. [15] Це важливо, оскільки, як вважається, стовбурові клітини є ключовими цілями для ініціювання раку іонізуючим радіатом іони, оскільки вони мають найбільший довгостроковий проліферативний потенціал, а мутагенні події зберігаються у кількох дочірніх клітинах. Крім того, дані епідеміології показують, що діти, які зазнають іонізуючого випромінювання, мають значно більший ризик раку молочної залози, ніж дорослі [16] [17] Таким чином, ці експерименти викликали питання про основний механізм збільшення стовбурових клітин молочної залози після опромінення У цій дослідницькій статті під назвою "Опромінення юнацьких, але не дорослих, молочна залоза збільшує самовідновлення стовбурових клітин та негативні пухлини рецепторів естрогену", [18] дві моделі на основі агентів були розроблені та використовувались паралельно з експериментами in vivo та in vitro для оцінки інактивації клітин, дедіференціації за допомогою епітеліально-мезенхімального переходу ЕМТ та самовідновлення симетричного поділу як механізмів, за допомогою яких випромінювання могло б збільшити стовбурові клітини. Перший на основі агентів модель являє собою багатомасштабну модель розвитку молочної залози, починаючи з рудиментарного молочного проточного дерева t статевої зрілості під час активної проліферації аж до повної молочної залози в зрілому віці, коли мало проліферації. Модель складається з мільйонів агентів, кожен агент представляє стовбурову клітину молочної залози, клітку-попередника або диференційовану клітину в молочній залозі. вперше були запущені на суперкомп'ютері Лоренса Берклі в лабораторії Lawrencium для параметризації та порівняння моделі проти різноманітних вимірювань молочної залози in vivo. Потім модель була використана для тестування трьох різних механізмів, щоб визначити, який з них призвів до результатів моделювання, які відповідали експериментам in vivo. найкраще Дивно, що індукована радіацією інактивація клітин смертю не сприяла збільшенню частоти стовбурових клітин незалежно від дози, що надається в моделі. Натомість модель виявила, що поєднання посиленого самовідновлення та розмноження клітин під час статевого дозрівання призвело до збагачення стовбурових клітин. контрастний епітеліально-мезенхімальний перехід у моделі показав посилення se частота стовбурових клітин не тільки у пубертальних молочних залозах, але й у дорослих залозах. Однак, остання прогноза суперечила даним in vivo; опромінення молочних залоз дорослих не призвело до збільшення частоти стовбурових клітин. Ці симуляції запропонували самооновлення як основний механізм збільшення пубертальної стовбурової клітини. Для подальшої оцінки самооновлення як механізму була створена друга модель на основі агентів для моделювання динаміки росту епітеліальних клітин молочної залози людини, що містять стовбурові / попередники та диференційовані клітинні субпопуляції in vitro після опромінення. Порівнюючи результати моделювання з даними експериментів in vitro, друга модель на основі агента додатково підтвердила, що клітини повинні широко розмножуватися, щоб спостерігати збільшення самостійного збільшення кількості клітин стовбурових та попередників після опромінення
Комбінація двох моделей на основі агентів та експериментів in vitro / in vivo дають зрозуміти, чому діти, що зазнають іонізуюче випромінювання, мають значно більший ризик раку молочної залози ніж дорослі разом. Вони підтримують гіпотезу про сприйнятливість грудей до перехідного періоду складка самообновлення стовбурових клітин під час впливу радіації під час статевого дозрівання, яка грунтує тканину дорослої людини, щоб розвинути рак десятиліттями пізніше. Див. також «Автономний агент» Розумний агент
Список літератури
^ abcd An G ; Mi Q; Дутта-Москато Дж; Vodovotz Y 2009 "Агентські моделі в біології трансляційних систем" Системна біологія та медицина 1 3: 159–171 doi: 101002 / wsbm45 PMC 3640333 PMID 20835989
^ Політопулос, I 11 вересня 2007 р. "Огляд та аналіз на основі агентів Моделі з біології "PDF Заархівовано з оригіналу PDF 27 липня 2011 р. ^ ^ Madey, G & amp; Микола, C 2009 "Інструменти торгівлі: опитування різноманітних платформ моделювання на основі агентів" PDF Журнал "Штучні товариства та соціальне моделювання" 12 2 | ^ Рояк> ^ Мейсон> ^ Перес, L & amp; Драгучевич, S 2010 Вивчення практик ведення лісового господарства з використанням на основі агентів моделі зараження лісовими комахами PDF 2010 Міжнародний конгрес з екологічного моделювання та програмного забезпечення Оттава, Канада: Міжнародне екологічне моделювання та програмне товариство iEMSs ^ Ameden, H; Boxall, P; Готівка, S & amp; Vickers, 2009 «Агентська модель прикордонного забезпечення управління інвазивними видами» Канадський журнал економіки сільського господарства 57 4: 481–496 doi: 101111 / j1744-7976200901166x
^ Посібник з поведінки простір
^ Еванс, А; Морган, D & amp; Паррі, H 2004 Динаміка популяції попелиць у сільськогосподарських ландшафтах: імітаційна модель на основі агентів PDF 2010 Міжнародний конгрес з екологічного моделювання та програмного забезпечення Оснабрук, Німеччина: Міжнародне екологічне моделювання та програмне забезпечення iEMSs ^ ^ Li, H; Mynett, A & amp; Qi, H 2009 Дослідження багатоагентних систем моделювання динаміки водних популяцій 8-ї міжнародної конференції з гідроінформатики Чилі
^ ab Lardon LA, Merkey BV, Martins S, Dötsch A, Picioreanu C, Kreft JU, Smets BF 2011 "iDynoMiCS: Індивідуальне моделювання біоплівки нового покоління "Мікробіологія навколишнього середовища 13 9: 2416–2434 doi: 101111 / j1462-2920201102414x PMID 21410622
^ Wanner O, Eberl H, Morgenroth E, Noguera D, Picioreanu C, Rittmann B, van Loosdrecht M 2006 Математичне моделювання біоплівки Лондон: IWA Publishing - ^ Merkey BV, Lardon LA, Seoane JM, Kreft JU, Smets BF 2011 "Залежність росту кон'югації пояснює обмежене вторгнення плазмід у біоплівки: індивідуальне дослідження моделювання" Екологія Мікробіологія 13 9: 2435–2452 doi: 101111 / j1462-2920201102535x PMID 21906217
^ Steffens, Matthew J; Климент, Барбара Дж; Вентворт, Крістофер Д 2011 Індивідуальне моделювання біоплівки Pseudomonas aeruginosa з глюкозовим субстратом осінь 2011 Засідання секції прерії APS, 10–12 листопада 2011 р., Реферат № E1006 Американське фізичне суспільство
^ Нгуен, Девід; Oketch-Rabah, HA; Ілла-Бочака, Ірінеу; Гейєр, ФК; Рейс-Фільо, JS; Мао, JH; Равані, SA; Заваділ, Дж; Боровський, А.Д .; Джеррі, діджей; Данфі, штат Каліфорнія; Seo, JH; Хаслам, S; Медіна, Д; Barcellos-Hoff, Mary Helen 2011 "Радіація діє на мікросередовище, щоб впливати на канцерогенез молочної залози за допомогою чітких механізмів, що знижують латентність раку і впливають на пухлину типу" Ракова клітина 19 5: 640–51 doi: 101016 / jccr201103011 PMC 3110779 PMID 21575864
^ Престон, DL; Матссон, А; Holmberg, E; Берег, R; Hildreth, NG; Boice, JD Jr 2002 "Радіаційний вплив на ризик раку молочної залози: об'єднаний аналіз восьми когорт" Радіаційне дослідження 158 2: 220–35 doi: 101667 / 0033-75872002158 [0220: reobcr] 20co; 2 PMID 12105993
^ Мертенс , Змінного струму; Лю, Q; Neglia, JP; Василевський, К; Leisenring, W; Armstrong, GT; Робісон, Л.Л .; Yasui, Y 2008 р. "Причинно-наслідкова смертність серед п'ятирічних жертв раку в дитячому віці: Дослідження виживання раку дитини" J Natl Cancer Inst 100 19: 1368 doi: 101093 / jnci / djn310 PMID 18812549
^ Танг, Джонатан; Фернандо-Гарсія, Ігнасіо; Віджаякумар, Сангетха; Мартінес-Руїс, Гайделіз; Ілла-Бочака, Ірінеу; Нгуен, Девід; Мао, Цзянь-Хуа; Costes, Sylvain; Barcellos-Hoff, Mary Helen 2014 "Опромінення молочної залози, але не дорослої молочної залози збільшує самообновлення стовбурових клітин та негативні пухлини рецепторів естрогену" Стовбурові клітини 32 3: 649–61 doi: 101002 / stem1533 PMID 24038768
v
e - «Рой» - Біологічне роїння - Агентська модель в біології - Приманка з м’ячем - Колективна поведінка тварин - Годування шаленого стада - Стадо, Стадо <Стадо
Поведінка стада - Зграя для змішаних видів - поведінка на мобінг - Пакет, мисливець за зграями - Форми самоорганізації у мурах Порушення симетрії втікаючих мурашок - Поведінка рояків - Ройова медоносна бджола - Рухливість роїння - Міграція тварин - Міграція тварин - висота - відстеження - кодована дротяна бирка - Міграція птахів
проліски - зворотна міграція: міграція клітин: міграція риб: вертикальна дільса - лессепська - біг лосося - біг сардини
міграція комах - метелики - монарх - міграція морських черепах Алгоритми рою - Агентські моделі - Оптимізація колонії мурашок - Штучні мурахи - Моделі - Моделювання натовпу - Оптимізація рою частинок - Розумний інтелект - Моделювання рою - Колективний рух
Active matter
Collective motion
Self-propelled particles
clustering
Vicsek model
Swarm robotics
Ant robotics
I-Swarm
Microbotics
Swarm robotics
Symbrion
Related topics
Allee effect
Animal navigation
Collective intelligence
Decentralised system
Eusociality
Group size measures
Microbial intelligence
Mutualism
Predator satiation
Quorum sensing
Spatial organization
Stigmergy
Military swarming
Task allocation and partitioning of social insects
v
e
Aquatic ecosystem topics

Aquatic ecosystems – general and freshwater components
General
Acoustic ecology
Adaptation
Agent-based models
Algal bloom
Anoxic waters
Aquatic animals Insects
Mammals
Aquatic plants
Aquatic science
Benthos
Biodiversity research
Bioluminescence
Biomass
Biomonitoring
Cascade effect
Colored dissolved organic matter
Camouflage and mimicry
Dead zone
Ecohydrology
Ecosystems
Eutrophication
Fisheries science
Food chain
Food web
GIS and aquatic science
Hydrobiology
Hypoxia
Isotope analysis
Microbial ecology
Microbial food web
Microbial loop
Nekton
Neuston
Particle
Pelagic zone
Photic zone
Phytoplankton
Plankton
Pleuston
Predation
Productivity
Ramsar Convention
Respiration
Schooling
Sediment trap
Siltation
Spawning
Substrate
Thermal pollution
Toxicology
Trophic level
Water column
Zooplankton
More
Freshwater
Biology
Biomes
Ecosystems
freshwater
lake
river
Fish
Hyporheic zone
Limnology
Lake stratification
Macrophyte
Pond
Fish pond
Rheotaxis
Stream bed
Stream pool
Trophic state index
Upland and l owland
Water garden
Wetland
brackish marsh
freshwater marsh
swamp
bog
fen
Environmental quality
More
Ecoregions
Freshwater List
Marine List
The Everglades
Maharashtra
The North Pacific Subtropical Gyre
The San Francisco Estuary
 
Aquatic ecosystems – marine components
Marine
Marine biology
Marine chemistry
Deep scattering layer
Diel vertical migration
Ecosystems
large marine
marine
f-ratio
Iron fertilization
Marine snow
Ocean nourishment
Oceanic physical-biological process
Ocean turbidity
Photophore
Thorson's rule
Upwelling
Whale fall
More
Marine
life
Bacteriophages
Census
Fish
coastal
coral reef
deep sea
demersal
pelagic
Deep sea communities
Deep sea creature
Deep-water coral
Invertebrates
Larvae
Mammals
Marine life
Microorganisms
Paradox of the plankton
Reptiles
Seabirds
Seashore wildlife
Vertebrates
Wild fisheries
Marine
habitats
Bay mud
Black smokers
Coastal biogeomorphology
Cold seeps
Coral reefs
Davidson Seamount
Estuaries
Intertidal ecology
Intertidal wetlands
Kelp forests
Hydrothermal vents
Lagoons
Mangroves
Marine biomes
Marine habitats
Mudflats
Rocky shores
Salt marshes
Salt pannes and pools
Seagrass meadows
Sponge reefs
Tide pools
Issues
Ecological values of mangroves
Fisheries and climate change
HERMIONE
Marine conservation
Marine conservation activism
Marine pollution
Marine Protected Area


Agent-based model in biology

Random Posts

Timeline beyond October following the September 11 attacks

Timeline beyond October following the September 11 attacks

The following list contains certain dates beyond October 2001 involving the September 11 attacks ...
Smash Hits

Smash Hits

Smash Hits was a pop music magazine, aimed at teenagers and young adults and originally published in...
2014–15 USC Trojans women's basketball team

2014–15 USC Trojans women's basketball team

The 2014–15 USC Trojans women's basketball team will represent University of Southern California dur...
Trademark classification

Trademark classification

A trademark classification is a way the trademark examiners and applicants' trademark attorneys arra...