Title: Biosistemu modeliai
1Biosistemu modeliai
- Doc. Robertas Damaševicius
- KTU Programu inžinerijos katedra,
- Studentu 50-415
- Email damarobe_at_soften.ktu.lt
2Biosistemu modeliai
- Ekosistemu modeliai
- Plešruno-aukos modelis
- Neuroniniai modeliai
- Dirbtiniai neuroniniai tinklai
- Augimo modeliai
- Fraktalai
- L-sistemos
- Evoliuciniai modeliai
- Genetiniai algoritmai
3Plešruno-aukos modelis (1)
- Pasiule A.J. Lotka (1925) ir V. Volterra (1926)
- Tarkime, triušiai yra aukos, o vilkai plešrunai
- x(t) triušiu skaicius,
- y(t) - vilku skaicius momentu t.
- Auku populiacija apribota plešrunu populiacijos,
triušiai dauginasi eksponentiškai - Vilku populiacijos augimas priklauso nuo ju
medžiojimo sekmes - Vilku populiacijos mažejimas priklauso nuo
naturalaus mirtingumo - Auka turi neribota maisto kieki ir dauginasi
eksponentiškai, jeigu nera medžiojama - Medžiojimo koeficientas yra proporcingas plešruno
ir aukos susitikimo dažniui
4Plešruno-aukos modelis (2)
- Galima užrašyti matematiškai diferencialiniu
lygciu sistema - X auku skaicius/tankis
- Y plešrunu skaicius/tankis
- a auku augimo greitis
- ß X medžiojimo greitis
- ? Y asimiliacijos koeficientas
- d plešrunu mirtingumo koeficientas
- Sistema turi dvi pusiausvyras
- Vilkai ir triušiai išnyksta x 0, y 0.
- Pusiausvyra, kai x ?/dß, y a/ß.
5Plešruno ir aukos populiaciju dinamika
- Plešruno ir aukos modelis yra taikomas ir
placiau, kai egzistuoja konkurencija del tam
tikru resursu.
6Erdvinis plešruno-aukos modelis
- Demonstruoja populiaciju dinamika erdveje
- Pagristas Lotka-Volterra modelio lygtimis
- Modelio veikimo principas
- Vienoje vietoje (lasteleje) gali buti vilkas
(plešrunas) arba triušis (auka) - Kiekvienu laiko momentu atsitiktinai yra
pasirenkama viena lastele ir tos lasteles
kaimynas - Jei viename pasirinktu langeliu yra vilkas, o
kitame triušis, tuomet triušis yra suvalgomas
(miršta) - Pasisotines vilkas gali atsivesti palikuoniu (su
tam tikra tikimybe) - Jei viename pasirinktu langeliu yra triušis, o
kitame nieko nera, tai zuikis gali atsivesti
palikuoniu (su tam tikra tikimybe) - Jei po visu šiu pakeitimu vienas langelis tebera
užimtas, o kitas laisvas, tai ivyksta perejimas i
laisvaji langeli
7Sudetingesni modeliai
- Naudojami sudetingesnems ekosistemoms modeliuoti
- Vilku ir aviu modelis 3 rušiu (vilku, aviu,
žoles) saveika - Nestabili ekosistema laiko begyje išnyksta viena
arba daugiau rušiu - Stabili ekosistema nei viena rušis neišnyksta -
populiaciju skaicius svyruoja apie kažkokia
konkrecia verte - Galima modeliuoti pasinaudojant Lotka-Volterra
lygtimis - Modelio principai
- Pradiniu laiko momentu yra tam tikras kiekis
kiekvienos rušies atstovu - Vilkai ir avys juda viena lastele i atsitiktine
puse. Žole nejuda. - Jei vilkas ir avis arba avis ir žole yra toje
pacioje lasteleje, tai pirmasis gyvunas suvalgo
antraji. - Rušies atstovas surijes kitos rušies atstova
atstato savo energija - Jei vilkas arba avis yra vieni lasteleje, tai jie
netenka vieno vieneto energijos. Jei energija lt
0, tai vilkas arba avis miršta. - Bet kuriuo laiko momentu vilkas ar avis gali
reprodukuotis (su tam tikra tikimybe). Žole
atauga kas tam tikra laika.
8Plešruno-aukos modelio vizualizacija
- Grafine vizualizacija
- http//mokslasplius.lt/rizikos-fizika/lotka-volter
ra - http//ccl.northwestern.edu/netlogo/models/WolfShe
epPredation(SystemDynamics) - Erdvine vizualizacija
- http//mokslasplius.lt/rizikos-fizika/auka-ir-ples
runas-agentai - http//mokslasplius.lt/rizikos-fizika/vilku-ir-avi
u-modelis - http//www.ph.ed.ac.uk/nania/lv/lv.html
- http//germain.umemat.maine.edu/faculty/hiebeler/j
ava/CA/PredPrey/PredPrey.html - http//www.leinweb.com/snackbar/wator/
9Biologiniai neuroniniai tinklai
- Žmogaus nervu sistema labai sudetingas neuronu
tinklas - sudaro 10 mljrd. biologiniu tarpusavyje sujungtu
neuronu - Kiekviena neurona sudaro lasteles branduolys,
vienas aksonas ir daugybe dendritu - Lasteles branduolys sumuoja signalus, gautus iš
dendritu ir sinapsiu - Dendritas priima signalus iš kitu neuronu
- Aksonas perduoda elektrinius signalus
- Maži tarpai tarp išsišakojusiu aksono galu ir
dendritu vadinami sinapse. - Neuronas, gaves pakankamai ivesties signalu,
stimuliuojanciu neurona iki slenkstinio lygio,
išsiuncia impulsa savo aksonui - Taciau jei ivesties signalai nepasiekia reikiamo
slenkstinio lygio, jie greitai nuslopsta taip ir
nesukele jokiu veiksmu
10Biologinio neurono sandara
www.elektronika.lt
11Dirbtinio neurono sandara
www.elektronika.lt
12Dirbtinis neuronas
- Svarbiausias neuroninio tinklo elementas.
- komponentai svoriai, slenksciai ir aktyvavimo
funkcija - X x1, x2, ..., xn neurono ivestis,
- W W1, W2, ..., Wn - svorio koeficientai,
rodantys atskiru ivesciu stiprumus - jei Wi gt 0, sužadinamas signalas išvestyje y
- jei Wi lt 0 išvesties signalas slopinamas
- T vidinis neurono sklenkstis
- f neurono aktyvavimo funkcija
- y neurono išvestis
13Aktyvavimo funkcija
- Aktyvavimo funkcija matematines operacijos su
išvesties signalu. - Kokio sudetingumo aktyvavimo funkcija taikoma,
priklauso nuo neuroninio tinklo sprendžiamo
uždavinio. - Populiariausios tiesine, slenkscio, agregatine
tiesine, sigmoidine ir hiberbolinio tangento
aktyvavimo funkcijos. - Dažniausiai naudojama sigmoidine funkcija
14Neuroniniu tinklu struktura
- Skiriami vienasluoksniu ir daugiasluoksniu
perceptronu neuroniniai tinklai. - Daugiasluoksniu perceptronu tipo neuronini tinkla
sudaro - Ivesties sluoksnis neuronai, priimantys
informacija iš išoriniu šaltiniu ir siunciantys
ja apdoroti tinklui. - Pasleptasis sluoksnis neuronai, priimantys
informacija iš ivesties sluoksnio ir apdorojantys
ja tik jiems žinomu budu. - Išvesties sluoksnis neuronai, gaunantys
apdorota informacija ir siunciantys ja iš
neuroninio tinklo.
15Daugiasluoksnis neuroninis tinklas
www.elektronika.lt
16Vienkrypcio ryšio neuroninis tinklas
- Vieno sluoksnio išvestys gali jungtis tik su kito
sluoksnio ivestimis. - Paskutinio sluoksnio išvestys laikomos tinklo
išvestimis.
www.elektronika.lt
17Grižtamojo ryšio neuroninis tinklas
- Ivestis sudaro išorines ivestys ir paties tinklo
išvestis, kuriai budingas tam tikras velinimas.
www.elektronika.lt
18Neuroniniu tinklu apmokymas (1)
- Prižiurimas mokymas
- Reikalingas išorinis mokytojas (duomenu rinkinys,
programa, stebetojas), valdantis mokymosi procesa
ir teikiantis informacija - Tikslas priversti neuronini tinkla pakeisti
neuroniniu jungciu svorius pagal pavyzdines
ivestis ir išvestis - Mokymas baigiamas tinklui išmokus (galima
minimali paklaida) sieti ivestis su išvestimis - Svarbus veiksnys mokymo duomenu aibe, kuri turi
buti suprantama ir privalo aprepti visas tinklo
taikymo sritis - Tinklas veiks gerai tik parinkus tinkama mokymo
aibe
19Neuroniniu tinklu apmokymas (2)
- Neprižiurimas mokymas
- Neturi išorinio mokytojo.
- Pateikiami tik ivesciu pavyzdžiai
- Sistema pati pagal požymius turi suklasifikuoti
ivestis.
Bioinformatika (B110M100)
19
20Neuroniniu tinklu taikymai (1)
- Ekonomikoje
- Finansinems galimybems vertinti atsižvelgdami i
kompanijos ar individualaus asmens finansines
galimybes, tinklai nusprendžia, ar suteikti jiems
kredita. - Finansinems prognozems prognozuojami busimi
akciju kursai. - Vertybiniu popieriu portfeliui formuoti kaip
gauti didžiausia vertybiniu popieriu pelna ir
kiltu mažiausia rizika. - Sukciavimams nustatyti automatiškai nustato
bandymus neteisetai atsiskaityti kreditine
kortele - Medicinoje
- Medicininei diagnozei analizuodami simptomus ir
vaizdo duomenis, pavyzdžiui, rentgeno nuotraukas,
tinklai padeda gydytojams nustatyti diagnoze.
21Neuroniniu tinklu taikymai
- Pramoneje
- Procesams modeliuoti ir valdyti geriausiems
valdymo parametrams nustatyti. - Mašinu diagnostikai stebi mašina ir jai sugedus
ispeja sistema. - Kokybei valdyti pasitelkus vaizdo kamera ar
jutikli analizuojama gaminiu kokybe. - IT
- Balsui atpažinti tariamus žodžius vercia ASCII
tekstu. - Intelektualiai paieškai neuroniniai tinklai
taikomi kuriant interneto paieškos variklius,
besiremiancius ankstesnes vartotojo elgsenos
analize ir pateikiancius vartotojui rezultatus.
22DNT taikymo pavyzdys
- Antrines baltymu strukturos prognozavimui
atliekami tokie žingsniai - Sukurkite neuronini tinkla (parašykite programa).
- Apmokykite neuronini tinkla su žinoma antrine
struktura. - Paduokite neuroniniam tinklui naujus baltymus su
nežinoma struktura ir nustatykite ju struktura. - Pasitikrinkite, ar numatoma struktura yra
biologiškai prasminga. - Dažniausiai yra naudojami grižtamojo ryšio
daugiasluoksniai neuroniniai tinklai.
23Demonstracija
- Funkcijos aproksimavimas
- http//neuron.eng.wayne.edu/bpFunctionApprox/bpFun
ctionApprox.html - Ivairus neuroniniu tinklu modeliai
- http//ccl.northwestern.edu/netlogo/models/Percept
ron - http//www.neuroinformatik.ruhr-uni-bochum.de/ini/
VDM/research/gsn/DemoGNG/GNG.html - http//www.simbrain.net/Downloads/downloads_main.h
tml
24Matematiniai evoliucijos modeliai
- Molekuliniu-genetiniu sistemu kilmes modeliai
- nagrineja gyvybes kilmes problemas
- Kvazirušys, hiperciklai, syseriai
- Bendrieji evoliucijos modeliai
- aprašo informacinius evoliucijos aspektus
- Fraktalai, ITS, L-sistemos
- Dirbtines gyvybes modeliai
- analizuoja dirbtiniu organizmu egzistuojanciu
kompiuterio atmintyje gyvenimo ir evoliucijos
aspektus - Lasteliniai automatai, Gyvenimo žaidimas
- Taikomieji evoliucijos modeliai
- naudoja evoliucinius optimizavimo metodus
- Evoliuciniai skaiciavimai, genetiniai algoritmai
25Kvazirušiu modelis
- Aprašo save atgaminanciu cheminiu molekuliu,
pvz., RNR arba DNR, evoliucija - Remiasi 4 prielaidomis
- Save atgaminantys organizmai gali buti aprašyti
sekomis, sudarytomis iš nedidelio skaiciaus
blokeliu - Naujos sekos atsiranda sistemoje tik jau
egzistuojanciu seku kopijavimo (be klaidu arba su
klaidomis) pasekoje - Žaliavu reikalingu kopijavimui visada pakanka
- Sekos gali skilti i sudedamasias dalis, o skilimo
tikimybe nepriklauso nuo sekos amžiaus.
26Matematinis kvazirušiu aprašas
- Yra S galimu seku ir ni organizmu su seka i.
- Kiekvienas iš šiu organizmu turi Ai palikuoniu.
- Kiekviena seka yra N simboliu eilute, kur
simboliai yra imami iš l raidžiu turincios
abeceles. - Kai kurie iš šiu palikuoniu yra savo tevo kopijos
ir turi seka i, o kiti yra mutantai ir turi
skirtinga seka. - Mutacijos dažnis qij reiškia tikimybe, kad j tipo
tevas tures i tipo palikuoni. - Evoliucijos procesa sudaro vienas po kito
einancios seku kartos. Nauja karta S(t1) yra
gaunama iš prieš tai buvusios kartos S(t).
27Kvazirušiu evoliucijos algoritmas
- 0 žingsnis. Pradines populiacijos S(0)
formavimas. - Kiekvienam k 1 , ..., n, ir i 1 , ..., N ,
atsitiktinai pasirinkite simboli Ski iš duotos
abeceles. - 1 žingsnis. Atrinkimas.
- 1.1. Konkrecios sekos atrinkimas. Atsitiktinai
pasirinkite seka k ir sukurkite seka S(t1) iš
sekos S(t). - 1.2. Sekos atrinkimo kartojimas. Kartokite
žingsni 1.1 tol, kol seku skaicius naujoje
populiacijoje pasiekia reikšme n. - 2 žingsnis. Mutacijos.
- Kiekvienam k 1 , ..., n, ir i 1 , ..., N, su
tikimybe P pakeiskite simboli Ski(t1) i kita
pasirinkta abeceles simboli. - 3 žingsnis. Evoliucija.
- Pakartokite žingsnius 1, 2, kai t 0, 1, 2, ...
28Hiperciklu modelis
- Hiperciklai gali buti laikomi hipotetiniu
primityviu vienalasciu organizmu proteviu
modeliu - I RNR molekules
- E - enzimai
29Hiperciklu modelis
- Tarkime, turime n RNR molekuliu, kur i-toji RNR
molekule koduoja i-taji enzima (i 1, 2 ,... ,
n). - Enzimai cikliškai padidina RNR molekules
replikavimo greiti, t.y. i-tasis enzimas padidina
(i1)-osios RNR molekules replikavimo greiti, o
n-tasis enzimas padidina 1-osios RNR molekules
replikavimo greiti. - Aprašoma sistema turi primityvu transliavimo
mechanizma, todel RNR sekose saugoma informacija
gali buti transliuojama i enzimus.
30Hiperciklu modelis
- Prielaidos
- hiperciklai yra patalpinami i atskiras vienas nuo
kito erdviškai apribotas dalis, vadinamas
koacervatais - kiekvienas koacervatas turi tik viena hiperciklu
modeli - koacervato turis yra proporcingas jo viduje
esanciu makromelekuliu kiekiui - transliavimo procesas yra žymiai greitesnis negu
replikavimo procesas
31Matematinis hiperciklu aprašas
- Remiantis prielaidomis gaunamos tokios lygtys
- ,i 1,2,..., n
- Ni i-tosios RNR molekuliu skaicius koacervate
- xi i-tosios RNR molekuliu koncentracija
koacervate - V koacervato turis
- c konstanta, charakterizuojanti makromelekuliu
koncentracija duotame koacervate - fi i-tosios RNR sintezes greitis.
32Vizualizacija
- http//ccl.northwestern.edu/netlogo/models/communi
ty/hypercycle
33Siseriu modelis
- Aprašo katalitiškai saveikaujancias
makromolekules nukleotidu grandines ir baltymus - I yra polinukleotidu matrica,
- E1 ir E2 replikavimo ir transliavimo enzimai,
- E3 , E4, ..., En papildomi baltymai
34Siseriu modelis
- Prielaidos
- 1) skirtingi siseriai yra talpinami i atskirus
koacervatus - 2) koacervato turis dideja proporcingai
sintezuotu makromelekuliu skaiciui - 3) koacervato turiui viršijus slenkstine reikšme
jis suskyla i dvi dalis - 4) selekcija modeliuojama pasirenkant siseri su
didžiausiu makromelekuliu sintezes greiciu - Matematiškai aprašoma panašiai kaip hiperciklai
35Genetinio dreifo modeliai
- Modeliuoja genetines atrankos procesus
- Pradžioje visoms lastelems priskiriama
atsitiktine spalva - Kiekviena lastele nusikopijuoja spalva nuo
atsitiktines lasteles - Po tam tikro laiko viena spalva pradeda dominuoti
- Išvados evoliucija gali vykti atsitiktinai, be
tikslo
36Vizualizacija
- http//ccl.northwestern.edu/netlogo/models/GenDrif
tPglobal