1 / 35

Wielo-skalowe modelowanie komputerowe biologii rozwojowej

Wielo-skalowe modelowanie komputerowe biologii rozwojowej. Plan prezentacji. Wstęp Opis systemu i narzędzi Algorytm Przykłady działania Porównanie z rzeczywistym systemem rozwoju Rozszerzenia systemu, dyskusja. Wstęp.

chico
Télécharger la présentation

Wielo-skalowe modelowanie komputerowe biologii rozwojowej

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Wielo-skalowe modelowanie komputerowe biologii rozwojowej Piotr Rybiński

  2. Plan prezentacji • Wstęp • Opis systemu i narzędzi • Algorytm • Przykłady działania • Porównanie z rzeczywistym systemem rozwoju • Rozszerzenia systemu, dyskusja Piotr Rybiński

  3. Wstęp Motywacja: Kilka skal pozwala na lepsze zrozumienie skomplikowanego systemu rozwojowego organizmu. Piotr Rybiński

  4. Wstęp 3 skale: • Molekularna – sieć wewnątrzkomórkowa kontroluje mechanizmy molekularne takiej jak aktywność receptora • Komórkowa – każda komórka decyduje o swoim następnym kroku rozwojowym jak namnażanie • Tkanki – komórki stymulują formowanie się tkanki, pozycja komórki w tkance wpływa na to jakie sygnały zewnętrzne odbierze itp. Piotr Rybiński

  5. Wstęp Piotr Rybiński

  6. Opis systemu i narzędzi – język Statecharts • Zaimplementowany w Rhapsody • Obiekty powiązane ze stanami • Zbiór stanów i tranzycji tworzy komponent • Komórki w modelu są formalizowane jako reaktywni agenci • Wszyscy agenci bazują na tej samej specyfikacji • Brak wewnętrznego zegara pozwala na asynchroniczne działanie agentów Piotr Rybiński

  7. Opis systemu i narzędzi – animacja • Interfejs systemu zaimplementowany w Flash • Każdy obiekt ma swoją animowaną figurę Piotr Rybiński

  8. Algorytm • Modelowanie syntetycznego systemu rozwoju • Aktywność wewnątrz-komórkowa w skali molekularnej • Podejmowanie decyzji w skali komórkowej • Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Piotr Rybiński

  9. Algorytm - Modelowanie syntetycznego systemu rozwoju Etapy różnicowania komórki: - Pozycjonowanie w zamkniętym końcu obszaru, wydzielenie ligandu • Stan wczesnego różnicowania • W pełni zróżnicowany etap, namnażanie zablokowane, proces dojrzewania zainicjalizowany • Etap wyspecjalizowany, komórka zaadoptowała dojrzały stan rozwoju Piotr Rybiński

  10. Algorytm - Modelowanie syntetycznego systemu rozwoju Piotr Rybiński

  11. Algorytm - Modelowanie syntetycznego systemu rozwoju Piotr Rybiński

  12. Algorytm - Modelowanie syntetycznego systemu rozwoju powiem Interakcja z czynnikiem poza-komórkowym dokonuje się przez Receptor-1 który reguluje aktywność trzech efektorów: TF-1 (czynnik transkrypcji) oraz dwóch regulatorów. Piotr Rybiński

  13. Algorytm - Modelowanie syntetycznego systemu rozwoju powiem Dwie alternatywne ścieżki sygnałowe w sieci regulacyjnej: • Receptor-1 oddziałuję z ligandem-> wzmacnia ekspresje TF-1, blokuje regulatory -> namnażanie zainicjalizowane , różnicowanie zablokowane • Receptor-1 nie aktywny (lub brak) -> regulatory genetyczne nie włączane -> namnażanie zablokowane, różnicowanie zainicjalizowane Piotr Rybiński

  14. Algorytm - Modelowanie syntetycznego systemu rozwoju Piotr Rybiński

  15. Algorytm - Aktywność wewnątrz-komórkowa w skali molekularnej Piotr Rybiński

  16. Algorytm - Aktywność wewnątrz-komórkowa w skali molekularnej Piotr Rybiński

  17. Algorytm - Podejmowanie decyzji w skali komórkowej Na podjęcie decyzji mają wpływ 3 składowe: • Składowej namnażania • Składowej różnicowania • Składowej przemieszczania komórki Piotr Rybiński

  18. Algorytm - Podejmowanie decyzji w skali komórkowej - namnażanie Piotr Rybiński

  19. Algorytm - Podejmowanie decyzji w skali komórkowej - namnażanie Dwa stany namnażania: • G0 – komórka odpoczywa • Stan replikacji – cykl (G1,S,G2,M) w którym przejścia są wyzwalane po ustalanym okresie czasu (wejście w cykl - 50 ms, G1 – 200 ms, S – 150 ms, G2 – 100 ms) Piotr Rybiński

  20. Algorytm - Podejmowanie decyzji w skali komórkowej - namnażanie Sukces namnażania następuje gdy spełnione są warunki: • Receptor -1 jest w stanie aktywnym • Komórka dochodzi w cyklu namnażania do fazy M • Jest dostępna wolna przestrzeń dla nowej instancji Piotr Rybiński

  21. Algorytm - Podejmowanie decyzji w skali komórkowej - różnicowanie Piotr Rybiński

  22. Algorytm - Podejmowanie decyzji w skali komórkowej - różnicowanie Składowa różnicowania określa 4 sekwencyjne etapy agenta: • Prekursor (aktywny jeden z regulatorów) • Wczesne różnicowanie (amplituda sygnału ligandu < 0,75) • Zróżnicowany (amplituda sygnału ligandu <0,5) • Specjalizowany Piotr Rybiński

  23. Algorytm - Podejmowanie decyzji w skali komórkowej – przemieszczanie komórki Piotr Rybiński

  24. Algorytm - Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Siatka 2D definiująca strukturę tkanki składa się z pól oznaczonych: • 0 – poza strukturą anatomiczną • 1 – wewnątrz struktury i wolna • Id komórki – wewnątrz struktury i zajęta Piotr Rybiński

  25. Algorytm - Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Interakcja komórka – ligand jest symulowana przez sygnał który zanika wraz ze wzrostem odległości od źródła ligandu. Siła sygnału jest wyliczana wzorem: Piotr Rybiński

  26. Algorytm - Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Piotr Rybiński

  27. Algorytm - Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Piotr Rybiński

  28. Algorytm - Zewnętrzne sygnały dla komórki i anatomia w skali tkanki Piotr Rybiński

  29. Przykłady działania Piotr Rybiński

  30. Przykłady działania - statystyki Piotr Rybiński

  31. Przykłady działania - statystyki Piotr Rybiński

  32. Porównanie z rzeczywistym systemem rozwoju Piotr Rybiński

  33. Porównanie z rzeczywistym systemem rozwoju Piotr Rybiński

  34. Porównanie z rzeczywistym systemem rozwoju Piotr Rybiński

  35. Rozszerzenia systemu, dyskusja • Zaprezentowany system ma 3 różne skale – w przyszłości może modułowo zostać rozszerzony na więcej • Wyspecyfikowanie aktywności w skali poniżej molekularnej • Dodanie wsparcia do wyzwalania decyzji przez kombinacje elementów stymulujących rozszerzając obecna implementacje. Piotr Rybiński

More Related