Em formação

9.6: Modelando mais de um personagem discreto por vez - Biologia


É extremamente comum ter conjuntos de dados com mais de um caractere discreto - na verdade, pode-se argumentar que conjuntos de dados discretos multivariados são a base da sistemática. No entanto, as bases da moderna biologia filogenética comparativa foram estabelecidas por Hennig (1966) e os outros primeiros cladistas, que desenvolveram métodos para usar dados de caracteres discretos para obter árvores filogenéticas que mostram a história evolutiva dos clados.

Quase todos os métodos de reconstrução filogenética que usam caracteres discretos como dados fazem uma suposição-chave: que cada um desses caracteres evolui independentemente um do outro. Matematicamente, calcula-se a probabilidade para cada caractere único e, em seguida, multiplica-se essa probabilidade (ou, de forma equivalente, adiciona a probabilidade logarítmica) em todos os caracteres para obter a probabilidade dos dados.

A suposição de independência de caráter claramente não é verdade em geral. No caso de caracteres morfológicos, as estruturas freqüentemente interagem umas com as outras para determinar a adequação de um indivíduo, e parece muito provável que essas estruturas não sejam independentes. Na verdade, algumas vezes estamos especificamente interessados ​​em saber se determinados conjuntos de caracteres evoluem independentemente ou não. Métodos que assumem independência de caráter a priori não são úteis para esse tipo de estrutura.

Felsenstein (1985) causou um grande impacto no campo da biologia evolutiva com um argumento estatístico sobre as espécies: as espécies não podem ser consideradas pontos de dados independentes porque compartilham uma história evolutiva. As espécies que estão mais intimamente relacionadas entre si irão covariar, simplesmente devido a essa história compartilhada. Hoje em dia, não se pode publicar um artigo em biologia comparada sem levar em conta diretamente a não independência das espécies que evoluem em uma árvore. Porém, ainda é muito comum ignorar a não independência dos personagens, mesmo quando ocorrem juntos no mesmo organismo! Certamente, a história de desenvolvimento compartilhada de dois personagens dentro de um corpo comumente leva a correlações entre esses personagens.


Fronteiras na ciência veterinária

As afiliações do editor e dos revisores são as mais recentes fornecidas em seus perfis de pesquisa do Loop e podem não refletir sua situação no momento da revisão.


  • Baixar Artigo
    • baixar PDF
    • ReadCube
    • EPUB
    • XML (NLM)
    • Suplementar
      Material
    • EndNote
    • Gerente de Referência
    • Arquivo TEXT simples
    • BibTex


    COMPARTILHAR NO

    Modelagem baseada em agente, Dinâmica de Sistema ou Paradigma de Modelagem de Simulação de Eventos Discretos para Simulação de Cadeias de Abastecimento

    Cada paradigma de simulação é caracterizado por um conjunto de suposições básicas e alguns conceitos subjacentes para descrever o mundo. Essas suposições, de fato, restringem o desenvolvimento de um modelo conceitual para o sistema de estudo. Consequentemente, a escolha do paradigma de simulação apropriado é uma etapa importante no processo de desenvolvimento do modelo. Neste artigo, a seleção de uma abordagem de simulação para modelagem da cadeia de suprimentos é discutida. Para tanto, a cadeia de suprimentos é descrita sob a perspectiva de duas teorias de sistema bem estabelecidas. Em primeiro lugar, as cadeias de abastecimento são definidas como sistemas sociotécnicos. Posteriormente, eles são descritos da perspectiva de sistemas adaptativos complexos. Este estudo fornece um conjunto de recursos para cadeias de suprimentos como sistemas sociotécnicos complexos que são subsequentemente usados ​​para comparar três paradigmas de simulação para modelagem de cadeias de suprimentos - a saber, dinâmica do sistema, simulação discreta-uniforme e simulação baseada em agente.


    1. Introdução

    O extenso acúmulo de dados de experimentos de curta e grande escala envolvendo um amplo espectro de funções biológicas dos linfócitos B e T em ambos os cenários, normal e patológico, inspirou uma pesquisa intensiva sobre eventos moleculares que levam ao seu desenvolvimento inicial, plasticidade e diferenciação de emergência . Como resultado, a construção de redes regulatórias tornou-se uma ferramenta útil para as análises em nível de sistema de decisões de destino celular por meio da interconexão de elementos moleculares, como sinais bioquímicos fornecidos pelo microambiente (por exemplo, citocinas, fatores de crescimento, ligantes transmembrana, antígenos , etc.) e módulos de transcrição subjacentes à regulação da expressão de genes específicos de linhagem. Obter insights sobre o comportamento dinâmico de redes regulatórias em biologia requer simulação como modelos contínuos ou discretos (1). A modelagem discreta, representada por modelos de rede booleanos e multivalorados, tem sido útil em processos de diferenciação de linfócitos B e T adaptativos (2 & # x020138), para comutação molecular na especificação celular (9), para a predição de plasticidade celular dependente do microambiente (6, 10), e para as análises de eventos de sinalização que ocorrem na ativação a jusante de receptores de reconhecimento de antígenos (11, 12). Além disso, a álgebra booleana tem sido usada na citometria para criar portas combinadas para a identificação e seleção de subconjuntos celulares e fenotipagem linfóide (13). No entanto, a utilidade dos modelos discretos é limitada, pois eles não podem prever resultados de experimentos biológicos quantitativos ao trabalhar em fenômenos sensíveis à expressão graduada de fatores de transcrição ou gradientes bioquímicos. Esse é o caso da maioria das doenças em que os linfócitos estão envolvidos e as flutuações não discretas no microambiente podem influenciar a diferenciação e a plasticidade celular, afetando as respostas imunológicas na progressão de patologias crônicas, como distúrbios linfoproliferativos, crescimento tumoral, diabetes, cardiovasculares e crônicos doenças respiratórias, entre outras. Modelos discretos podem ser então transformados em equações diferenciais para permitir uma análise dinâmica de redes regulatórias, como modelos contínuos transformados, com implicações potenciais em patologias associadas a células linfoides (14 & # x0201317).

    Aqui, propomos a transformação lógica fuzzy de um modelo discreto em um modelo contínuo para compensar suas desvantagens e simular sistemas biológicos com uma arquitetura de rede bem conhecida fortemente influenciada por pistas dependentes da concentração (Tabela 1).

    tabela 1. Subtipos de modelagem dinâmica matemática: vantagens e desvantagens.


    Reconhecimentos

    Agradecemos A Keating e E Fire por sua assistência nos estágios iniciais deste projeto e W Fontana, J Gunawardena e A Mallavarapu por sua ajuda e conselhos. Este trabalho foi financiado pelo NIH concede P50-GM68762 e P01-CA139980. O CFL foi apoiado pelo Harold Whitworth Pierce Charitable Trust (por meio da The Medical Foundation) e pelo NIH Transition to Independence grant K22-CA151918.

    Contribuições do autor: CFL, JLM e JAB co-escreveram o código PySB e EARM 2.0 e, junto com PKS, conceberam a abordagem geral e escreveram o artigo.


    Assista o vídeo: Metagenomika (Novembro 2021).