Model agentowy w biologii

Modele agentowe mają wiele zastosowań w biologii , przede wszystkim ze względu na specyfikę metody modelowania. Modelowanie agentowe to oparta na regułach modelowania obliczeniowego , która koncentruje się na regułach i interakcjach między poszczególnymi komponentami lub agentami systemu. Celem tej metody modelowania jest generowanie populacji interesujących komponentów systemu i symulowanie ich interakcji w świecie wirtualnym. Modele oparte na agentach zaczynają się od reguł zachowania i dążą do rekonstrukcji, poprzez obliczeniową instancję tych reguł behawioralnych, obserwowanych wzorców zachowań.

Charakterystyka

Kilka cech modeli opartych na agentach ważnych dla badań biologicznych obejmuje:

Struktura modułowa

Zachowanie modelu opartego na agentach jest definiowane przez reguły jego agentów. Istniejące reguły agentów można modyfikować lub dodawać nowych agentów bez konieczności modyfikowania całego modelu.

Pojawiające się właściwości

Dzięki wykorzystaniu poszczególnych agentów, którzy lokalnie wchodzą w interakcje z regułami zachowania, modele oparte na agentach skutkują synergią, która prowadzi do całości wyższego poziomu ze znacznie bardziej skomplikowanym zachowaniem niż zachowanie każdego pojedynczego agenta.

Abstrakcja

Albo poprzez wykluczenie nieistotnych szczegółów, albo gdy szczegóły nie są dostępne, modele oparte na agentach mogą być konstruowane przy braku pełnej wiedzy o badanym systemie. Dzięki temu model jest tak prosty i weryfikowalny, jak to tylko możliwe.

Stochastyczność

Systemy biologiczne wykazują zachowanie, które wydaje się być przypadkowe. Prawdopodobieństwo określonego zachowania można określić dla systemu jako całości, a następnie przełożyć na reguły dla poszczególnych agentów.

Modelowanie zachowań różnych gatunków

W kontekście ekologicznym modelowanie agentowe można wykorzystać do modelowania zachowania różnych gatunków, takich jak inwazje owadów, inne gatunki inwazyjne, mszyce i populacje wodne.

Inwazje owadów leśnych

Modelowanie agentowe wykorzystano do symulacji ataku chrząszcza kosodrzewiny (MPB), Dendroctonus ponderosae , w celu oceny, w jaki sposób różne strategie pozyskiwania drewna wpływają na charakterystykę przestrzenną lasu i przestrzenne rozprzestrzenianie się inwazji MPB w czasie. Około dwóch trzecich ziemi w Kolumbii Brytyjskiej w Kanadzie pokrywają lasy, które są stale modyfikowane przez zjawiska naturalne , takie jak pożary, choroby i plagi owadów. Zasoby leśne stanowią około 15% gospodarki prowincji, więc inwazje owadów, takich jak MPB, mogą mieć znaczący wpływ na gospodarkę. Ogniska MPB są uważane za poważne zaburzenie naturalne, które może skutkować powszechną śmiertelnością sosny pospolitej , jednego z najliczniejszych gatunków drzew handlowych w Kolumbii Brytyjskiej. Wybuchy owadów spowodowały śmierć drzew na obszarach kilku tysięcy kilometrów kwadratowych.

Model oparty na agentach opracowany na potrzeby tego badania został zaprojektowany w celu symulacji zachowania ataku MPB w celu oceny, w jaki sposób praktyki zarządzania wpływają na rozmieszczenie przestrzenne i wzorce populacji owadów oraz ich preferencje dotyczące atakowanych i zabitych drzew. W modelu uwzględniono trzy strategie zarządzania: 1) brak zarządzania, 2) zbiory sanitarne i 3) zbiory ratownicze. W modelu Beetle Agent reprezentował zachowanie MPB; Pine Agent reprezentował środowisko leśne i ewolucję zdrowia drzew; agent ds. zarządzania lasami reprezentował różne strategie zarządzania. Agent Beetle przestrzega szeregu zasad, aby zdecydować, gdzie latać w lesie i wybrać zdrowe drzewo do ataku, karmienia i rozmnażania. MPB zazwyczaj zabija drzewa żywicielskie w swoim naturalnym środowisku, aby pomyślnie się rozmnażać. Larwy chrząszczy żywią się wewnętrzną korą dojrzałych drzew żywicielskich, ostatecznie je zabijając. Aby chrząszcze mogły się rozmnażać, drzewo żywicielskie musi być wystarczająco duże i mieć grubą wewnętrzną korę. Ogniska MPB kończą się, gdy zapasy pokarmu zmniejszają się do tego stopnia, że ​​​​nie wystarcza na utrzymanie populacji lub gdy warunki klimatyczne stają się niekorzystne dla chrząszcza. Pine Agent symuluje odporność drzewa-gospodarza, w szczególności sosny Lodgepole, i monitoruje stan i atrybuty każdego drzewostanu. W pewnym momencie ataku MPB liczba chrząszczy na drzewo osiąga pojemność drzewa-gospodarza. Po osiągnięciu tego punktu chrząszcze uwalniają substancję chemiczną, aby skierować chrząszcze do ataku na inne drzewa. Agent sosny modeluje to zachowanie, obliczając gęstość populacji chrząszczy na drzewostan i przekazuje informacje agentom chrząszczy. Narzędzie Forest Management Agent zostało użyte na poziomie drzewostanu do symulacji dwóch powszechnych hodowli lasu (sanitarnej i ratownictwa), a także strategii, w której nie stosowano żadnych praktyk zarządzania. W przypadku strategii zbioru sanitarnego, jeśli wskaźnik porażenia drzewostanu przekracza ustalony próg, drzewostan jest usuwany, a także każdy zdrowy sąsiedni drzewostan, gdy średnia wielkość drzew przekroczy ustalony próg. W przypadku strategii zbioru ratowniczego drzewostan jest usuwany, nawet jeśli nie jest atakowany przez MPB, jeśli z góry określona liczba sąsiednich drzewostanów jest atakowana przez MPB.

W badaniu uwzględniono zalesiony obszar w północno-środkowej części Kolumbii Brytyjskiej o powierzchni około 560 hektarów . Obszar składał się głównie z sosny Lodgepole z mniejszymi proporcjami daglezji zielonej i świerka białego . Model został wykonany dla pięciu kroków czasowych, z których każdy reprezentuje jeden rok. Dla każdej rozważanej strategii gospodarki leśnej przeprowadzono trzydzieści przebiegów symulacji. Wyniki symulacji wykazały, że w przypadku braku strategii zarządzania wystąpiła największa ogólna inwazja MPB. Wyniki pokazały również, że technika zarządzania lasami ratunkowymi doprowadziła do 25% redukcji liczby pasm leśnych zabitych przez MPB, w przeciwieństwie do redukcji o 19% w przypadku strategii zarządzania lasami ratującymi. Podsumowując, wyniki pokazują, że model może być wykorzystany jako narzędzie do budowania polityk gospodarki leśnej.

Gatunki inwazyjne

Gatunki inwazyjne odnoszą się do „nierodzimych” roślin i zwierząt, które niekorzystnie wpływają na środowiska, które atakują. Wprowadzenie gatunków inwazyjnych może mieć implikacje środowiskowe, ekonomiczne i ekologiczne. Model oparty na agentach można opracować w celu oceny wpływu portów i importerów w odniesieniu do danego towaru rolnego , który stwarza zagrożenie dla gatunków inwazyjnych, w celu poprawy alokacji zasobów egzekwowania oraz zapewnienia decydentom narzędzia do odpowiedzieć na dalsze pytania dotyczące egzekwowania granic i ryzyka związanego z gatunkami inwazyjnymi.

Model oparty na agentach opracowany na potrzeby badania uwzględniał trzy rodzaje czynników: gatunki inwazyjne, importerów i funkcjonariuszy organów ochrony granic. W modelu gatunki inwazyjne mogą jedynie reagować na otoczenie, podczas gdy importerzy i funkcjonariusze ochrony granic są w stanie podejmować własne decyzje w oparciu o własne cele i zadania. Gatunek inwazyjny ma zdolność określenia, czy został uwolniony na obszarze zawierającym uprawę docelową i rozprzestrzenienia się na sąsiednie poletka uprawy docelowej. Model zawiera przestrzenne mapy prawdopodobieństwa, które służą do określenia, czy gatunek inwazyjny się zadomowił. Badanie koncentrowało się na przesyłkach brokułów z Meksyku do Kalifornii przez porty wejściowe Calexico w Kalifornii i Otay Mesa w Kalifornii . Wybranym gatunkiem inwazyjnym będącym przedmiotem zainteresowania była pchła krzyżowa ( Phyllotreta cruciferae ). Kalifornia jest zdecydowanie największym producentem brokułów w Stanach Zjednoczonych, dlatego obawy i potencjalny wpływ wprowadzenia gatunków inwazyjnych przez wybrane porty wejścia są znaczące. Model zawierał również przestrzennie wyraźną funkcję uszkodzeń, którą wykorzystano do realistycznego modelowania szkód spowodowanych przez gatunki inwazyjne. Modelowanie agentowe zapewnia możliwość analizowania zachowań heterogenicznych aktorów, dlatego wzięto pod uwagę trzy różne typy importerów, które różniły się pod względem wskaźników infekcji towarów (wysoki, średni i niski), wyboru obróbki wstępnej i kosztów transportu do portów . Model zawierał prognozy wskaźników inspekcji dla każdego portu wejścia i importera oraz określał wskaźnik powodzenia inspekcji agentów granicznych, nie tylko dla każdego portu i importera, ale także dla każdego potencjalnego poziomu wstępnej obróbki (brak wstępnej obróbki, poziom pierwszy, poziom drugi i poziom trzeci).

Model został zaimplementowany i uruchomiony w NetLogo w wersji 3.1.5. W analizie uwzględniono informacje przestrzenne dotyczące lokalizacji portów wejściowych, głównych autostrad i tras transportowych, a także mapę upraw brokułów w Kalifornii z warstwami map prawdopodobieństwa zasiedlenia gatunków inwazyjnych. BehaviorSpace, oprogramowanie zintegrowane z NetLogo, zostało użyte do przetestowania wpływu różnych parametrów (np. wartości przesyłki, kosztu wstępnej obróbki) w modelu. Obliczono średnio 100 iteracji na każdym poziomie używanego parametru, przy czym iteracja reprezentowała okres jednego roku.

Wyniki modelu pokazały, że wraz ze wzrostem wysiłków związanych z inspekcją importerzy zwiększają należytą staranność, czyli wstępną obróbkę przesyłek, a całkowita strata pieniężna upraw w Kalifornii maleje. Model pokazał, że importerzy reagują na zwiększenie nakładów na inspekcje w różny sposób. Niektórzy importerzy zareagowali na zwiększoną liczbę inspekcji, zwiększając nakłady na obróbkę wstępną, podczas gdy inni woleli unikać wysyłki do określonego portu lub kupować w innym porcie. Ważnym wynikiem wyników modelu jest to, że może on pokazać lub dostarczyć decydentom zalecenia dotyczące punktu, w którym importerzy mogą zacząć kupować porty, takie jak częstotliwość inspekcji, z jaką wprowadza się zakupy w porcie, oraz importerzy powiązani z określonym poziomem ryzyka agrofagów lub kosztów transportu prawdopodobnie wprowadzą te zmiany. Innym interesującym wynikiem modelu jest to, że kiedy inspektorzy nie byli w stanie nauczyć się reagować na importera z wcześniej zainfekowanymi przesyłkami, szkody w uprawach brokułów w Kalifornii oszacowano na 150 milionów dolarów. Jednak gdy inspektorzy byli w stanie zwiększyć wskaźniki kontroli importerów z wcześniejszymi naruszeniami, szkody w uprawach brokułów w Kalifornii zostały zmniejszone o około 12%. Model zapewnia mechanizm przewidywania wprowadzania gatunków inwazyjnych z importu produktów rolnych i ich prawdopodobnych szkód. Co równie ważne, model zapewnia decydentom i agencjom kontroli granicznej narzędzie, które można wykorzystać do określenia najlepszego przydziału zasobów inspekcyjnych.

Dynamika populacji mszyc

Model oparty na agentach może być wykorzystany do badania dynamiki populacji mszycy czereśniowo-owsianej , Rhopalosiphum padi . Badanie przeprowadzono w regionie o powierzchni pięciu kilometrów kwadratowych w North Yorkshire , hrabstwie znajdującym się w regionie Yorkshire i Humber w Anglii . Wybrano metodę modelowania opartą na agentach ze względu na skupienie się na zachowaniu poszczególnych agentów, a nie całej populacji. Autorzy proponują, aby tradycyjne modele, które koncentrują się na populacjach jako całości, nie uwzględniały złożoności równoczesnych interakcji w ekosystemach , takich jak reprodukcja i rywalizacja o zasoby, które mogą mieć znaczący wpływ na trendy populacyjne. Podejście do modelowania oparte na agentach umożliwia również modelarzom tworzenie bardziej ogólnych i modułowych modeli, które są bardziej elastyczne i łatwiejsze w utrzymaniu niż podejścia do modelowania, które koncentrują się na populacji jako całości. Inne proponowane zalety modeli opartych na agentach obejmują realistyczną reprezentację interesującego zjawiska dzięki interakcjom grupy autonomicznych agentów oraz możliwość integracji zmiennych ilościowych, równań różniczkowych i zachowania opartego na regułach w tym samym modelu.

Model został zaimplementowany w narzędziu do modelowania Repast przy użyciu języka programowania JAVA . Model przebiegał w dziennych krokach czasowych i koncentrował się na sezonach jesienno-zimowym. Dane wejściowe do modelu obejmowały dane dotyczące siedlisk, dzienne minimalne, maksymalne i średnie temperatury oraz prędkość i kierunek wiatru. W przypadku czynników mszycowych wzięto pod uwagę wiek, pozycję i morfologię ( płaszczowate lub bezpłetwe ). Wiek wahał się od 0,00 do 2,00, przy czym 1,00 to punkt, w którym agent staje się dorosły. Rozmnażanie przez mszyce zależy od wieku, morfologii i dziennych minimalnych, maksymalnych i średnich temperatur. Gdy nimfy się wyklują, pozostają w tym samym miejscu, co ich rodzice. Morfologia nimf jest związana z gęstością populacji i jakością składników odżywczych mszyc . W modelu uwzględniono również śmiertelność wśród mszyc, która zależy od wieku, temperatur i jakości siedliska. Szybkość starzenia się mszyc zależy od dziennej temperatury minimalnej, maksymalnej i średniej. Model uwzględniał przemieszczanie się mszyc w dwóch oddzielnych fazach, fazie migracji i fazie żerowania, z których obie wpływają na ogólne rozmieszczenie populacji .

Badanie rozpoczęło przebieg symulacji z początkową populacją 10 000 mszyc alate rozmieszczonych w siatce 25-metrowych komórek. Wyniki symulacji wykazały, że były dwa główne szczyty populacji, pierwszy wczesną jesienią z powodu napływu późnych imigrantów, a drugi z powodu niższych temperatur w dalszej części roku i braku imigrantów. Ostatecznie celem naukowców jest dostosowanie tego modelu do symulacji szerszych ekosystemów i typów zwierząt.

Dynamika populacji wodnych

Zaproponowano model do badania dynamiki populacji dwóch gatunków makrofitów . Rośliny wodne odgrywają istotną rolę w ekosystemach , w których żyją, ponieważ mogą zapewniać schronienie i pożywienie innym organizmom wodnym. Mogą jednak mieć również szkodliwe skutki, takie jak nadmierny wzrost roślin obcych lub eutrofizacja jezior, w których żyją, prowadząc do warunków beztlenowych . Biorąc pod uwagę te możliwości, ważne jest, aby zrozumieć, w jaki sposób środowisko i inne organizmy wpływają na wzrost tych roślin wodnych, aby umożliwić łagodzenie tych szkodliwych skutków lub zapobieganie im.

Potamogeton pectinatus jest jednym z czynników roślin wodnych w modelu. Jest to roślina jednoroczna , która pobiera składniki odżywcze z gleby i rozmnaża się przez bulwy korzeniowe i kłącza . Przepływ wody nie wpływa na reprodukcję rośliny, ale mogą na nią wpływać zwierzęta, inne rośliny i ludzie. Roślina może dorastać do dwóch metrów wysokości, co jest warunkiem ograniczającym, ponieważ może rosnąć tylko na określonych głębokościach wody, a większość jej biomasy znajduje się na szczycie rośliny, aby uchwycić jak najwięcej światła słonecznego. Drugim agentem roślinnym w modelu jest Chara aspera , również ukorzeniona roślina wodna. Jedną z głównych różnic między tymi dwiema roślinami jest to, że ta ostatnia rozmnaża się za pomocą bardzo małych nasion zwanych oosporami i cebulkami, które rozprzestrzeniają się poprzez przepływ wody. Chara aspera dorasta tylko do 20 cm i wymaga bardzo dobrych warunków świetlnych oraz dobrej jakości wody, które są czynnikami ograniczającymi wzrost rośliny. Chara aspera ma wyższe tempo wzrostu niż Potamogeton pectinatus , ale ma znacznie krótszą żywotność. W modelu uwzględniono również czynniki środowiskowe i zwierzęce. Uwzględniono czynniki środowiskowe, takie jak przepływ wody, przenikanie światła i głębokość wody. Warunki przepływu, choć nie mają dużego znaczenia dla Potamogeton pectinatus , bezpośrednio wpływają na rozsiewanie nasion Chara aspera . Warunki przepływu wpływają na kierunek i odległość, na jaką nasiona zostaną rozrzucone. Przenikanie światła silnie wpływa na Chara aspera, ponieważ wymaga wody o wysokiej jakości. Współczynnik ekstynkcji (EC) jest miarą przenikania światła przez wodę. Wraz ze wzrostem EC tempo wzrostu Chara aspera maleje. Wreszcie głębokość jest ważna dla obu gatunków roślin. Wraz ze wzrostem głębokości wody zmniejsza się penetracja światła, co utrudnia obu gatunkom przetrwanie poza pewnymi głębokościami.

Obszarem zainteresowania modelu było jezioro w Holandii o nazwie Lake Veluwe . Jest to stosunkowo płytkie jezioro o średniej głębokości 1,55 metra i zajmujące około 30 kilometrów kwadratowych. Jezioro znajduje się w stanie eutrofizacji, co oznacza, że ​​składniki odżywcze nie są czynnikiem ograniczającym dla żadnego z czynników roślinnych w modelu. Początkowa pozycja czynników roślinnych w modelu została wyznaczona losowo. Model został zaimplementowany przy użyciu Repast i został wykonany w celu symulacji wzrostu i rozkładu dwóch różnych czynników roślinnych, biorąc pod uwagę wcześniej omówione czynniki środowiskowe, a także interakcje z innymi czynnikami roślinnymi. Wyniki wykonania modelu pokazują, że rozmieszczenie populacji Chara aspera ma układ przestrzenny bardzo podobny do map GIS obserwowanych rozmieszczeń. Autorzy badania doszli do wniosku, że reguły agentów opracowane w badaniu są rozsądne, aby symulować przestrzenny wzorzec wzrostu makrofitów w tym konkretnym jeziorze.

Modelowanie komórkowe

Główny artykuł: modele komórkowe

Modelowanie agentowe jest coraz częściej wykorzystywane do modelowania zachowania poszczególnych komórek w tkance. Modele te dzielą się na modele on- i off-lattice z modelami on-lattice, takimi jak automaty komórkowe i model komórkowy Potts, oraz modele off-lattice, takie jak modele oparte na centrum, modele oparte na wierzchołkach, modele metodą zanurzonych brzegów oraz modele oparte na metoda elementu subkomórkowego. Niektóre przykłady konkretnych zastosowań modelowania opartego na komórkach to:

Agregacja bakterii prowadząca do tworzenia biofilmu

Model oparty na czynnikach może być wykorzystany do modelowania kolonizacji bakterii na powierzchni, co prowadzi do tworzenia się biofilmów . Celem iDynoMiCS (individual-based Dynamics of Microbial Communities Simulator) jest symulacja wzrostu populacji i społeczności poszczególnych drobnoustrojów (małych organizmów jednokomórkowych, takich jak bakterie, archeony i protisty ) , które konkurują o przestrzeń i zasoby w biofilmach zanurzonych w środowisku wodnym . iDynoMiCS można wykorzystać do zrozumienia, w jaki sposób dynamika poszczególnych drobnoustrojów prowadzi do pojawiających się właściwości i zachowań na poziomie populacji lub biofilmu. Badanie takich formacji jest ważne w badaniach gleby i rzek, higienie jamy ustnej, chorobach zakaźnych i infekcjach związanych z implantami medycznymi oraz w zrozumieniu korozji biologicznej. Zastosowano paradygmat modelowania oparty na czynnikach, aby umożliwić zbadanie, w jaki sposób każda pojedyncza bakteria z określonego gatunku przyczynia się do rozwoju biofilmu. Wstępna ilustracja projektu iDynoMiCS dotyczyła tego, jak wahająca się w środowisku dostępność tlenu wpływa na różnorodność i skład społeczności bakterii denitryfikacyjnych , które indukują szlak denitryfikacji w warunkach beztlenowych lub o niskiej zawartości tlenu. W pracy zbadano hipotezę, że istnienie różnych strategii denitryfikacji w środowisku można wyjaśnić wyłącznie zakładając, że szybsza reakcja wiąże się z wyższymi kosztami. Model oparty na agentach sugeruje, że jeśli szlaki metaboliczne można przełączać bez ponoszenia kosztów, im szybsze jest przełączanie, tym lepiej. Jednak tam, gdzie szybsze przełączanie wiąże się z wyższymi kosztami, istnieje strategia z optymalnym czasem reakcji dla dowolnej częstotliwości wahań środowiskowych. Sugeruje to, że różne typy strategii denitryfikacyjnych wygrywają w różnych środowiskach biologicznych. Od tego wprowadzenia stale rośnie liczba zastosowań iDynoMiCS: jednym z przykładów jest niedawna eksploracja plazmidów w biofilmach. W badaniu tym zbadano hipotezę, że słabe rozprzestrzenianie się plazmidu w biofilmach jest spowodowane zależnością koniugacji od tempa wzrostu czynnika będącego donorem plazmidu. Dzięki symulacji artykuł sugeruje, że inwazja plazmidu na rezydentny biofilm jest ograniczona tylko wtedy, gdy transfer plazmidu zależy od wzrostu. Zastosowano techniki analizy czułości, które sugerują, że parametry związane z czasem (opóźnienie przed przeniesieniem plazmidu między czynnikami) i zasięgiem przestrzennym są ważniejsze dla inwazji plazmidu do biofilmu niż tempo wzrostu czynników odbierających lub prawdopodobieństwo utraty segregacji. Nadal publikowane są dalsze przykłady wykorzystujące iDynoMiCS, w tym wykorzystanie iDynoMiCS w modelowaniu biofilmu Pseudomonas aeruginosa z substratem glukozowym.

iDynoMiCS został opracowany przez międzynarodowy zespół naukowców w celu zapewnienia wspólnej platformy do dalszego rozwoju wszystkich indywidualnych modeli biofilmów mikrobiologicznych i tym podobnych. Model był pierwotnie wynikiem wieloletniej pracy Laurenta Lardona, Briana Merkeya i Jana-Ulricha Krefta, z wkładem kodowym Joao Xaviera. Dzięki dodatkowemu finansowaniu z Narodowego Centrum Zastępowania, Udoskonalania i Redukcji Zwierząt w Badaniach (NC3Rs) w 2013 r., rozwój iDynoMiCS jako narzędzia do badań biologicznych postępuje szybko, a nowe funkcje są dodawane w razie potrzeby. Od samego początku zespół zobowiązał się do udostępnienia iDynoMiCS jako typu open source , zachęcając współpracowników do opracowywania dodatkowych funkcji, które można następnie włączyć do następnej stabilnej wersji. IDynoMiCS został zaimplementowany w Java , z dostarczonymi skryptami MATLAB i R do analizy wyników. Struktury biofilmu utworzone w symulacji można oglądać jako film przy użyciu POV-Ray , które są generowane podczas uruchamiania symulacji.

Wzbogacenie komórek macierzystych sutka po napromieniowaniu w okresie dojrzewania

Eksperymenty wykazały, że narażenie gruczołów sutkowych w okresie dojrzewania na promieniowanie jonizujące powoduje wzrost stosunku komórek macierzystych sutka w gruczole. Jest to ważne, ponieważ uważa się, że komórki macierzyste są kluczowymi celami inicjacji raka przez promieniowanie jonizujące, ponieważ mają największy długoterminowy potencjał proliferacyjny, a zdarzenia mutagenne utrzymują się w wielu komórkach potomnych. Ponadto dane epidemiologiczne pokazują, że dzieci narażone na promieniowanie jonizujące mają znacznie większe ryzyko raka piersi niż dorośli. Eksperymenty te wywołały zatem pytania dotyczące mechanizmu leżącego u podstaw wzrostu komórek macierzystych sutka po napromieniowaniu, który można zbadać za pomocą dwóch modeli opartych na czynnikach, stosowanych równolegle z eksperymentami in vivo i in vitro w celu oceny inaktywacji komórek , odróżnicowania poprzez przejście nabłonkowo-mezenchymalne ( EMT) i samoodnawianie (podział symetryczny) jako mechanizmy, dzięki którym promieniowanie może zwiększać liczbę komórek macierzystych.

Pierwszy model oparty na agentach to wieloskalowy model rozwoju gruczołu sutkowego, począwszy od podstawowego drzewa przewodowego sutka na początku dojrzewania (podczas aktywnej proliferacji), aż do pełnego gruczołu sutkowego w wieku dorosłym (kiedy proliferacja jest niewielka). Model składa się z milionów czynników, z których każdy reprezentuje komórkę macierzystą sutka, komórkę progenitorową lub zróżnicowaną komórkę piersi. Najpierw przeprowadzono symulacje na Lawrence Berkeley National Laboratory Lawrencium, aby sparametryzować i porównać model z różnymi pomiarami gruczołu sutkowego in vivo . Następnie model wykorzystano do przetestowania trzech różnych mechanizmów w celu określenia, który z nich doprowadził do wyników symulacji najlepiej pasujących do eksperymentów in vivo . Co zaskakujące, inaktywacja komórek wywołana promieniowaniem przez śmierć nie przyczyniła się do zwiększonej częstotliwości komórek macierzystych niezależnie od dawki dostarczonej w modelu. Zamiast tego model ujawnił, że połączenie zwiększonej samoodnowy i proliferacji komórek w okresie dojrzewania doprowadziło do wzbogacenia komórek macierzystych. W przeciwieństwie do tego wykazano, że przejście nabłonkowo-mezenchymalne w modelu zwiększa częstotliwość komórek macierzystych nie tylko w gruczołach sutkowych w okresie dojrzewania, ale także w gruczołach dorosłych. Ta ostatnia prognoza była jednak sprzeczna z in vivo ; napromieniowanie dorosłych gruczołów sutkowych nie prowadziło do zwiększenia częstości występowania komórek macierzystych. Symulacje te sugerowały zatem samoodnawianie jako główny mechanizm odpowiedzialny za wzrost dojrzewania komórek macierzystych.

Aby dokładniej ocenić samoodnawianie jako mechanizm, stworzono drugi oparty na czynnikach model do symulacji dynamiki wzrostu ludzkich komórek nabłonkowych sutka (zawierających subpopulacje komórek macierzystych/progenitorowych i komórek zróżnicowanych) in vitro po napromieniowaniu . Porównując wyniki symulacji z danymi z in vitro , drugi model oparty na czynnikach dodatkowo potwierdził, że komórki muszą intensywnie się proliferować, aby zaobserwować zależny od samoodnawiania wzrost liczby komórek macierzystych/progenitorowych po napromieniowaniu.

Połączenie dwóch modeli opartych na czynnikach i eksperymentów in vitro / in vivo daje wgląd w to, dlaczego dzieci narażone na promieniowanie jonizujące mają znacznie większe ryzyko raka piersi niż dorośli. Razem wspierają hipotezę, że pierś jest podatna na przejściowy wzrost samoodnawiania się komórek macierzystych po wystawieniu na promieniowanie w okresie dojrzewania, co przygotowuje dojrzałą tkankę do rozwoju raka dziesiątki lat później.

Zobacz też

• Agent autonomiczny – rodzaj autonomicznej jednostki w oprogramowaniu
• Inteligentny agent – ​​Agent oprogramowania, który działa autonomicznie