생물학에서의 에이전트 기반 모델

Agent-based model in biology

에이전트 기반 모델은 주로 모델링 방법의 특성 때문에 생물학에서 많은 응용 프로그램을 가지고 있다. 에이전트 기반 모델링은 규칙 기반 컴퓨터 모델링 방법론으로, 개별 구성요소 또는 시스템의 에이전트 간의 규칙과 상호작용에 초점을 맞춘다.[1] 이 모델링 방법의 목적은 관심 있는 시스템 구성요소의 모집단을 생성하고 가상 세계에서 이들의 상호작용을 시뮬레이션하는 것이다. 에이전트 기반 모델은 행동에 대한 규칙으로 시작하고 그러한 행동 규칙의 계산적 인스턴스화를 통해 관찰된 행동 패턴의 재구성을 모색한다.[1] 생물학적 연구에 중요한 에이전트 기반 모델의 몇 가지 특성에는 다음이 포함된다.

  1. 모듈식 구조: 에이전트 기반 모델의 동작은 에이전트의 규칙에 의해 정의된다. 전체 모델을 수정할 필요 없이 기존 에이전트 규칙을 수정하거나 새 에이전트를 추가할 수 있다.
  2. 긴급 특성: 행동 규칙과 국소적으로 상호작용하는 개별 에이전트를 사용함으로써, 에이전트 기반 모델은 개별 에이전트보다 훨씬 더 복잡한 동작으로 전체적으로 더 높은 수준의 시너지를 이끌어 낸다.[2]
  3. 추상화: 비필수적 세부사항을 제외하거나 세부사항을 사용할 수 없는 경우, 연구 대상 시스템에 대한 완전한 지식이 없는 경우 에이전트 기반 모델을 구성할 수 있다. 이를 통해 모델은 최대한 단순하고 검증 가능하다.[1]
  4. 확률성: 생물학적 시스템은 무작위로 보이는 행동을 나타낸다. 특정 행동의 확률은 시스템 전체에 대해 결정되어 개별 에이전트에 대한 규칙으로 변환될 수 있다.[1][3]

숲 곤충의 침입

'산림곤충 침입의 에이전트 기반 모델을 이용한 산림관리 관행 탐구'라는 논문에서는 다양한 수확정책이 숲과 sp의 공간특성에 어떤 영향을 미치는지 평가하기 위해 산송풍뎅이 Dendroctonus veryosae(MPB)의 공격행태를 시뮬레이션하는 에이전트 기반 모델을 개발했다.시간 경과에 따른 MPB 감염의 [4]초기 전파 캐나다 브리티시 컬럼비아주에 있는 땅의 약 3분의 2가 화재, 질병, 곤충 침입과 같은 자연적인 교란으로 끊임없이 변형되고 있는 숲으로 덮여 있다. 산림자원이 도내 경제의 약 15%를 차지하고 있어 MPB 등 곤충에 의한 충동이 경제에 큰 영향을 미칠 수 있다. MPB 발생은 브리티시 컬럼비아에서 가장 풍부한 상업용 나무 종 중 하나인 산장대 소나무의 광범위한 사망을 초래할 수 있는 주요한 자연 교란으로 여겨진다. 곤충의 발생으로 수천 평방 킬로미터의 지역에서 나무가 죽었다.

본 연구를 위해 개발된 에이전트 기반 모델은 관리 관행이 곤충 개체군의 공간 분포와 패턴에 어떻게 영향을 미치는지와 공격 및 살처분된 나무에 대한 선호도를 평가하기 위해 MPB 공격 행동을 시뮬레이션하기 위해 설계되었다. 모델별로 검토된 관리전략은 1)관리 없음 2)위생수확 3)인양수확 등 3가지였다. 모델에서, 비틀 에이전트는 MPB 행동을 대표했고, 파인 에이전트는 숲 환경과 나무 건강 진화를 대표했고, 산림 관리 에이전트는 다른 관리 전략을 대표했다. 비틀 요원은 숲 안에서 어디로 날아갈지 결정하고 건강한 나무를 골라 공격하고 먹이를 주고 번식시키는 일련의 규칙을 따른다. MPB는 성공적으로 번식하기 위해 일반적으로 자연환경에서 호스트 트리를 죽인다. 딱정벌레 애벌레는 숙주나무의 속껍질을 먹고 살다가 결국 죽는다. 딱정벌레가 번식하려면 숙주나무는 충분히 크고 속껍질이 두껍아야 한다. MPB 발생은 개체수를 지탱할 수 없을 정도로 식량 공급이 감소하거나 풍뎅이에게 불리한 기후조건이 될 때 종료된다. 파인 에이전트는 숙주나무, 특히 로지폴 소나무의 저항을 시뮬레이션하고 각 나무의 상태와 속성을 감시한다. MPB 공격의 어느 시점에서, 나무당 딱정벌레 수는 숙주나무 용량에 도달한다. 이 지점에 도달하면 딱정벌레는 다른 나무를 공격하기 위해 딱정벌레에게 화학물질을 방출한다. 파인 에이전트는 스탠드당 딱정벌레 모집단 밀도를 계산하여 이러한 행동을 모형화하여 비틀 에이전트에 정보를 전달한다. 스탠드 레벨에서 산림 관리 요원을 사용하여 두 가지 일반적인 실비례(산림 및 인양)와 관리 관행이 채용되지 않은 전략을 시뮬레이션했다. 위생수확전략으로 스탠드의 침출수가 설정된 임계값보다 크면, 나무의 평균 크기가 설정된 임계값을 초과하면 스탠드는 물론 건강한 이웃 스탠드도 제거된다. 인양추진 전략의 경우 미리 정해진 수의 인근 스탠드가 MPB 공격을 받으면 MPB 공격을 받지 않아도 스탠드를 제거한다.

이 연구는 브리티시 컬럼비아의 북-중앙 내륙에 약 560헥타르의 숲이 있는 지역을 고려했다. 그 지역은 주로 더글라스 전나무와 흰 가문비나무가 작은 로지폴 소나무로 이루어져 있었다. 모델은 각 단계가 1년을 나타내는 5개의 시간 단계로 실행되었다. 고려된 산림 관리 전략별로 30회의 시뮬레이션이 실시되었다. 시뮬레이션 결과, 경영전략이 채택되지 않았을 때 전체 MPB 감염이 가장 높게 발생한 것으로 나타났다. 그 결과 인양 숲 관리 기법은 인양 숲 관리 전략에 의한 19% 감소와는 달리 MPB가 죽인 숲 가닥 수가 25% 감소하는 결과를 낳았다. 요약하면, 그 모델은 산림 관리 정책을 구축하기 위한 도구로 사용될 수 있다는 결과를 보여준다.

침습종

침습종이란 그들이 침입하는 환경에 악영향을 미치는 "비원성" 동식물을 말한다. 침습종의 도입은 환경적, 경제적, 생태적 영향을 미칠 수 있다. '침습적 종 관리를 위한 국경 집행의 에이전트 기반 모델'이라는 제목의 논문에서는, 침입적 종 위험을 나타내는 특정 농산물에 대한 항만별, 수입자별 시행 체제의 영향을 평가하기 위해 개발된 에이전트 기반 모델이 제시된다. 궁극적으로, 이 연구의 목적은 집행 자원의 할당을 개선하고 정책 입안자들에게 국경 집행과 외래종 위험에 관한 추가적인 질문에 대답할 수 있는 도구를 제공하는 것이었다.

연구를 위해 개발된 에이전트 기반 모델은 세 가지 유형의 에이전트, 즉 침습적 종, 수입업자, 국경 단속 요원들을 고려했다.[5] 모델에서 침습종은 주변환경에만 반응할 수 있는 반면 수입업자와 국경집행기관은 각자의 목표와 목적에 따라 스스로 결정을 내릴 수 있다. 침습종은 목표 작물이 포함된 지역에 방류되었는지 여부를 판단하고, 대상 작물의 인접 플롯으로 확산할 수 있는 능력을 가지고 있다. 이 모델은 침습적인 종이 확립되는지 여부를 결정하는 데 사용되는 공간 확률 지도를 통합한다. 이번 연구는 멕시코에서 캘리포니아주 켈렉시오와 캘리포니아주 오테이 메사의 입항 항구를 통해 캘리포니아로 브로콜리를 수송하는 것에 초점을 맞췄다. 엄선된 침습적 관심 종은 십자가형 벼룩딱정벌레(Phyllotreta properae)이다. 캘리포니아는 지금까지 미국에서 브로콜리를 가장 많이 생산하고 있기 때문에, 선택된 입항 항구를 통한 침입종 유입의 우려와 잠재적인 영향은 매우 크다. 이 모델은 또한 공간적으로 노골적인 손상 기능을 통합했는데, 이는 침습적인 종 피해를 사실적으로 모형화하는 데 사용되었다. 에이전트 기반 모델링은 이기종 행위자의 행동을 분석할 수 있는 능력을 제공하므로 상품 감염률(높음, 중간, 낮음), 전처리 선택, 항만 운송 비용 측면에서 차이가 있는 세 가지 수입업자를 고려했다. 모델은 입항항 및 수입업자의 검사 비율을 예측하고, 항만 및 수입업자의 검사 성공률뿐만 아니라 전처리(전처리 없음, 레벨 1, 레벨 2, 레벨 3)의 잠재적 수준도 파악했다.

모델은 NetLogo 버전 3.1.5에서 구현되어 운영되었으며, 침입종 설정 확률 맵으로 레이어드된 캘리포니아 브로콜리 작물 지도와 더불어 진입항 위치, 주요 고속도로, 운송경로 등에 대한 공간 정보가 분석에 포함되었다. NetLogo와 통합된 소프트웨어 도구인 [6]ActivitySpace는 모델에서 다양한 매개변수(예: 발송물 값, 전처리 비용)의 효과를 테스트하기 위해 사용되었다. 평균 100회 반복은 사용 중인 파라미터의 각 수준에서 계산되었으며, 여기서 반복은 1년 런을 나타낸다.

모델 결과는 검사노력이 증가하면 수입업자가 정당한 관리나 출하 전처리가 늘어나며 캘리포니아 작물의 총 금전적 손실이 감소하는 것으로 나타났다. 이 모델은 수입업자가 검사 노력의 증가에 대해 다른 방식으로 대응한다는 것을 보여주었다. 일부 수입업체는 전처리 노력을 늘려 검사율 증가에 대응했고, 다른 수입업체는 특정 항구로 배송을 피하거나 다른 항구로 쇼핑하는 방식을 택하기도 했다. 모델 결과의 중요한 결과는 수입업자가 항만 쇼핑을 시작할 수 있는 시점을 정책 입안자에게 보여주거나 권고할 수 있다는 것이다. 예를 들어, 포트 쇼핑이 도입되는 비율과 일정 수준의 병해충 위험이나 운송 비용에 관련된 수입업자가 이러한 조치를 취할 가능성이 있다.이 모델의 또 다른 흥미로운 결과는 검사자들이 이전에 들끓었던 출하량을 가진 수입업자에게 대응하는 법을 배울 수 없었을 때 캘리포니아 브로콜리 농작물의 피해는 1억 5천만 달러로 추정된다는 것이다. 그러나 검사관들이 이전 위반 사항이 있는 수입업체의 검사 비율을 증가시킬 수 있게 되자 캘리포니아 브로콜리 농작물 피해는 약 12% 줄어들었다. 이 모델은 농산물 수입으로부터 침습적인 종의 유입과 그 피해 가능성을 예측할 수 있는 메커니즘을 제공한다. 마찬가지로, 이 모델은 정책 입안자와 국경 통제 기관에 검사 자원의 최선의 할당을 결정하는 데 사용할 수 있는 도구를 제공한다.

아프리드 인구 역학

"농업경관에서의 충실한 인구역학: 에이전트 기반 시뮬레이션 모델인 '에이전트 기반 시뮬레이션 모델'이 제시돼 조류 체리오트 진딧물, 로팔로시품 패디(L.)[7]의 개체 역학을 연구한다. 이 연구는 영국의 요크셔와 험버 지역에 위치한 노스요크셔의 5평방 킬로미터 지역에서 실시되었다. 에이전트 기반 모델링 방법은 전체 모집단보다는 개별 에이전트의 행동에 초점을 맞추었기 때문에 선택되었다. 저자들은 전체적으로 모집단에 초점을 맞춘 전통적인 모델들이 인구 추세에 상당한 영향을 미칠 수 있는 자원에 대한 재생산 및 경쟁과 같은 생태계의 동시 상호작용의 복잡성을 고려하지 않을 것을 제안한다. 또한 에이전트 기반 모델링 접근법은 모델 제작자들이 모집단 전체에 초점을 맞춘 모델링 접근법보다 더 유연하고 유지관리가 쉬운 일반적이고 모듈형 모델을 만들 수 있도록 한다. 그 밖에 에이전트 기반 모델의 제안된 장점으로는 자율 에이전트 그룹의 상호작용에 의한 관심 현상의 현실적 표현, 정량적 변수, 미분 방정식, 규칙 기반 행동을 동일한 모델에 통합할 수 있는 능력 등이 있다.

모델은 JAVA 프로그래밍 언어를 사용하여 모델링 툴킷 Repast에 구현되었다. 이 모델은 매일의 시간 단계로 운영되었고 가을과 겨울 시즌에 초점을 맞췄다. 모델에 대한 입력 데이터에는 서식지 데이터, 일별 최소, 최대 및 평균 온도, 풍속 및 방향 등이 포함되었다. 아프나이드 에이전트의 경우 나이, 위치, 형태학(알레이트 또는 무변성)을 고려했다. 연령은 0.00부터 2.00까지로, 1.00은 에이전트가 성인이 되는 시점이다. 아프나이드 작용제에 의한 생식은 연령, 형태학 및 일별 최소, 최대, 평균 온도에 따라 달라진다. 일단 요정들이 부화하면, 그들은 그들의 부모와 같은 위치에 남는다. 님프의 형태학은 인구밀도와 진딧물의 음식 공급원의 영양 질과 관련이 있다. 이 모델은 또한 나이, 온도, 서식지의 질에 따라 달라지는 아프리드제 중 사망률을 고려했다. 아프리드 에이전트가 노화하는 속도는 일별 최소, 최대 및 평균 온도에 의해 결정된다. 이 모델은 아프나이드 작용제의 이동을 철새 단계와 포경 단계, 즉 두 단계 모두 전체 인구 분포에 영향을 미치는 두 단계로 구분하여 고려하였다.

이 연구는 초기 인구 10,000명의 알레이트 진딧물이 25미터 셀의 그리드에 분포된 상태에서 시뮬레이션 실행을 시작했다. 시뮬레이션 결과, 인구 정점은 크게 두 가지로 나타났는데, 첫 번째 인구 정점은 초가을, 두 번째 인구 정점이었으며, 두 번째 인구 정점은 연도 후반의 낮은 기온과 이민자 부족에 따른 것이었다. 궁극적으로, 더 넓은 생태계와 동물 유형을 시뮬레이션하기 위해 이 모델을 채택하는 것이 연구자들의 목표다.

수생인구역학

'수생인구 역학 모델링에서 다중에이전트 시스템 탐구'라는 제목의 글에서 두 종의 마크로피트의 인구 역학을 연구하는 모델이 제안되고 있다.[8] 수생식물은 다른 수생생물에게 보호소와 먹이를 제공할 수 있기 때문에 그들이 사는 생태계에서 중요한 역할을 한다. 그러나, 그들은 또한 비원생식물의 과도한 성장이나 그들이 살고 있는 호수의 영양소화와 같은 해로운 영향을 미칠 수도 있다. 이러한 가능성을 고려할 때, 이러한 해로운 영향을 완화하거나 예방하기 위해 환경과 다른 유기체가 이러한 수생식물의 성장에 어떻게 영향을 미치는지 이해하는 것이 중요하다.

포타모게톤 펙티나투스(Potamogeton Pectinatus)는 이 모델에 포함된 수생식물 원료의 하나이다. 토양에서 영양분을 흡수하고 뿌리관이나 리좀을 통해 번식하는 연간 성장 식물이다. 식물의 번식은 물의 흐름에 영향을 받지 않고 동물, 다른 식물, 인간의 영향을 받을 수 있다. 이 식물은 최대 2m까지 자랄 수 있는데, 이는 일정한 수심에서만 자랄 수 있기 때문에 제한조건이며, 가능한 한 햇빛을 가장 많이 포착하기 위해 대부분의 바이오매스가 발전소 상부에서 발견된다. 이 모델에서 두 번째 식물원료는 뿌리내린 수생식물인 차라 아스페라(Chara aspera)이다. 두 식물의 한 가지 주요한 차이점은 후자가 물의 흐름을 통해 퍼지는 오오스포스와 구근이라고 불리는 아주 작은 씨앗을 사용하여 번식한다는 것이다. 차라 아스페라는 20 cm까지만 자랄 뿐더러 매우 좋은 빛 조건과 좋은 수질까지 요구하는데, 이 모든 것이 식물의 성장에 제약 요인이 되고 있다. 차라 아스페라는 포타모게톤 펙티나투스보다 성장률이 높지만 수명이 훨씬 짧다. 이 모델은 또한 환경적, 동물적 대리인을 고려했다. 고려된 환경 작용제는 물의 흐름, 빛의 침투, 그리고 물의 깊이를 포함했다. Potamogeton Pecctinatus에는 그다지 중요하지는 않지만 흐름 조건은 Chara aspera의 종자 분산에 직접적인 영향을 미친다. 흐름 조건은 씨앗이 분배될 거리뿐만 아니라 방향에도 영향을 미친다. 빛 침투는 높은 수질을 필요로 하기 때문에 차라 아스페라에 강한 영향을 미친다. 소멸계수(EC)는 물 속 빛 침투의 척도다. EC가 증가함에 따라 샤라 아스페라의 성장률은 감소한다. 마지막으로, 깊이는 두 종류의 식물에게 중요하다. 수심이 증가하면 빛의 침투가 감소해 어느 한 종도 일정한 깊이를 넘어서 살아남기 어렵다.

모델에서 관심 있는 지역은 벨루웨 호수라는 네덜란드의 호수였다. 평균 수심이 1.55m로 비교적 얕은 호수로 약 30평방킬로미터에 이른다. 그 호수는 영양소가 모형에 있는 식물성분들의 제한요소가 아니라는 것을 의미하는 영양소화 스트레스를 받고 있다. 모델에서 발전소 용제의 초기 위치는 무작위로 결정되었다. 모델은 Repast 소프트웨어 패키지를 사용하여 구현되었으며 이전에 논의한 환경 작용제 및 다른 발전소 작용제와의 상호작용을 고려하여 서로 다른 두 발전소 작용제의 성장과 붕괴를 시뮬레이션하기 위해 실행되었다. 모델 실행 결과는 Chara aspera의 모집단 분포가 관측된 분포의 GIS 지도와 매우 유사한 공간적 패턴을 가지고 있음을 보여준다. 이 연구의 저자들은 연구에서 개발된 에이전트 규칙이 이 특정한 호수에서 마크로피테 생장의 공간적 패턴을 시뮬레이션하는 데 합리적이라고 결론짓는다.

바이오필름 형성을 유도하는 박테리아 집적

'iDynoMiCS: 차세대 개인 기반 바이오필름 모델링'이라는 제목의 기사에서는 표면에 세균의 식민지화를 모델링해 바이오필름 형성을 유도하는 에이전트 기반 모델을 제시한다.[9] iDynoMiCS(미생물 공동체 시뮬레이터의 개별 기반 역학)의 목적은 수생 환경에 몰두한 바이오필름에서 공간과 자원을 놓고 경쟁하는 개별 미생물(세균, 고고, 원생자와 같은 작은 단세포 생물체)의 개체수와 공동체의 성장을 시뮬레이션하는 것이다. iDynoMiCS는 다음과 같이 될 수 있다. 개별 미생물 역학이 어떻게 새로운 인구 수준 또는 바이오필름 수준의 특성 및 행동을 유발하는지를 이해하기 위해 사용된다. 토양 및 하천 연구, 치과 위생 연구, 감염병 및 의료 임플란트 관련 감염 연구, 생물학 이해에 있어 이러한 형성을 검토하는 것이 중요하다.[10] 특정 종의 개별 박테리아가 바이오필름 개발에 어떻게 기여하는지를 탐구할 수 있도록 에이전트 기반의 모델링 패러다임을 채택했다. iDynoMiCS의 초기 삽화는 환경적으로 변동하는 산소 가용성이 양극성 또는 저산소 조건에서 변연화 경로를 유도하는 변연화 박테리아 집단의 다양성과 구성에 어떻게 영향을 미치는가를 고려했다.[9] 이 연구는 한 환경에서 다양한 변성화 전략의 존재가 더 빠른 대응이 더 높은 비용을 유발한다고 가정하는 것만으로 설명될 수 있다는 가설을 탐구한다. 에이전트 기반 모델은 대사 경로를 비용 없이 전환할 수 있는 경우 전환 속도가 빠를수록 좋다고 제안한다. 그러나, 빠른 전환이 더 높은 비용을 유발하는 경우, 환경 변동의 빈도에 대해 최적의 응답 시간을 갖는 전략이 있다. 이것은 다른 종류의 변성 전략이 다른 생물학적 환경에서 승리한다는 것을 암시한다. 이 도입 이후 iDynoMiCS의 적용은 계속 증가하고 있는데, 최근 바이오필름의 플라스미드 침입에 대한 탐사가 하나의 예가 되고 있다.[11] 본 연구는 바이오필름의 저조한 플라스미드 확산이 플라스미드 기증제의 성장 속도에 대한 결합의 의존에 기인한다는 가설을 탐구했다. 이 논문은 시뮬레이션을 통해 플라스미드 이전이 성장에 달려 있을 때만 거주 바이오필름에 대한 플라스미드 침입이 제한된다는 점을 시사했다. 타이밍(에이전트 간 플라스미드가 전이되기 전 지연)과 공간적 도달이 수신제 증가율이나 분리 손실 확률보다 플라스미드 바이오필름 침투를 위해 더 중요하다는 점을 시사하는 민감도 분석 기법을 채택했다. 포도당 기질이 있는 녹농균 바이오필름 모델링에 iDynoMiCS를 사용하는 등 iDynoMiCS를 사용하는 추가 사례가 계속 발표되고 있다.[12]

iDynoMiCS는 미생물 바이오필름 등의 모든 개인 기반 모델의 추가 개발을 위한 공통 플랫폼을 제공하기 위해 국제 연구진에 의해 개발되었다. 이 모델은 원래 로랑 라든, 브라이언 머키, 얀 울리히 크레프트가 수년간 작업한 결과물로, 요아오 자비에의 코드 기여도가 있었다. 2013년 국립연구동물의 대체·정밀화·축소센터(NC3Rs)의 추가 자금으로 생물학적 탐사를 위한 도구로서의 iDynoMiCS의 개발이 순조롭게 진행되고 있으며, 적절한 시기에 새로운 기능이 추가된다. 이 팀은 처음부터 iDynoMiCS를 오픈 소스 플랫폼으로 출시하는 데 전념하여 협력자들이 다음 안정적인 릴리스로 통합될 수 있는 추가 기능을 개발하도록 장려했다. IDynoMiCS는 Java 프로그래밍 언어로 구현되었으며, 결과 분석을 위해 MATLAB와 R 스크립트가 제공되었다. 시뮬레이션에서 형성된 바이오필름 구조는 시뮬레이션이 실행될 때 생성되는 POV-Ray 파일을 이용한 동영상으로 볼 수 있다.

사춘기 조사 후 유방 줄기세포 농축

실험 결과, 부엽유선의 전리방사선 피폭으로 인해 유선 내 유방 줄기세포의 비율이 증가하는 것으로 나타났다.[13] 줄기세포는 장기적 증식 잠재력이 가장 크고 돌연변이 유발 사건이 여러 딸 세포에서 지속되기 때문에 이온화 방사선에 의한 암 개시의 핵심 대상으로 생각되기 때문에 이것이 중요하다. 또한 역학 데이터는 전리방사선에 노출된 어린이들이 성인보다 유방암 위험성이 상당히 높다는 것을 보여준다.[14][15] 따라서 이러한 실험은 방사선에 이어 유방 줄기세포의 증가를 위한 근본적인 메커니즘에 대한 의문을 불러일으켰다. 이 연구 기사 제목에서"청소년을 위한 것은 아니지만 성인, Mammary Gland 유학 중인 줄기 세포 Self-Renewal과 에스트로겐 수용체 정보 Tumors의 UV"[16]두agent-based 모델과 평행에 vivo과 체외 실험에서 상피-배엽 간 transiti을 통해 세포 불활성화, 탈분화를 평가하는데 사용되었다 개발되었다.에 (EMT), 그리고 방사선이 줄기세포를 증가시킬 수 있는 메커니즘으로서의 자기 재생(대칭 분열)이다.

첫 번째 에이전트 기반 모델은 사춘기가 시작될 때(활성증식 중) 초보적인 유방 관성나무를 시작으로 성인기(증식이 거의 없는 경우)에 완전한 유방선까지 이르는 유방선 발달의 멀티스케일 모델이다. 모델은 수백만 개의 작용제로 구성되어 있으며, 각 작용제는 유방 줄기세포, 조제세포 또는 유방의 분화된 세포를 나타낸다. 다양한 생체내 유방샘 측정과 대조하여 모델을 매개변수화하고 벤치마킹하기 위해 로렌스 버클리 국립 연구소 로렌슘 슈퍼컴퓨터에서 먼저 시뮬레이션이 실행되었다. 그 후 모델은 세 가지 다른 메커니즘을 테스트하여 체내 실험과 가장 일치하는 시뮬레이션 결과를 도출한 메커니즘을 결정하는데 사용되었다. 놀랍게도, 사망에 의한 방사선 유도 세포 불활성화는 모델에 전달된 선량과 독립적으로 줄기세포 빈도 증가에 기여하지 못했다. 대신 이 모델은 사춘기 동안 증가하는 자기 재생과 세포 증식의 결합이 줄기세포 농축으로 이어진다고 밝혔다. 이와는 대조적으로 모델에서 상피-상피 전환은 산유선뿐만 아니라 성인샘에서도 줄기세포 빈도를 증가시키는 것으로 나타났다. 그러나 이 후자의 예측은 체내 데이터와 모순된다; 성인 유선의 조사로 줄기세포 빈도가 증가하지는 않았다. 따라서 이러한 시뮬레이션은 자가 갱신을 유발하는 자가 줄기세포를 증가시키는 주요 메커니즘으로 제시했다.

자가 갱신을 메커니즘으로 더욱 평가하기 위해, 조사 후 시험관내에서의 인간 유방 상피 세포(줄기/시료 및 분화된 세포 하위 분포를 포함하는)의 성장역학을 시뮬레이션하는 두 번째 에이전트 기반 모델을 만들었다. 두 번째 에이전트 기반 모델은 시험관내 실험의 데이터와 시뮬레이션 결과를 비교함으로써 조사 후 줄기세포가 줄기/증식자 세포 수의 자가 재생 의존적 증가를 관찰하기 위해 광범위하게 증식해야 함을 추가로 확인했다.

두 가지 에이전트 기반 모델과 체외/ 생체내 실험의 결합은 전리방사선에 피폭된 어린이들이 성인보다 유방암 위험성이 상당히 높은 이유에 대한 통찰력을 제공한다. 이들은 함께 유방이 사춘기 동안 방사선에 노출되면 줄기세포 자가 재생이 일시적으로 증가하기 쉽다는 가설을 지지하는데, 이는 수십 년 후 암에 걸리기 위해 성인 조직을 프리밍한다.

참고 항목

참조

  1. ^ a b c d An G.; Mi Q.; Dutta-Moscato J.; Vodovotz Y. (2009). "Agent-based models in translational systems biology". Systems Biology and Medicine. 1 (3): 159–171. doi:10.1002/wsbm.45. PMC 3640333. PMID 20835989.
  2. ^ Politopoulos, I. (11 September 2007). "Review and Analysis of Agent-based Models in Biology" (PDF). Archived from the original (PDF) on 27 July 2011.
  3. ^ García M.R.; Vázquez J.A.; Teixeira I.G.; Alonso A.A. (2018). "Stochastic Individual-Based Modeling of Bacterial Growth and Division Using Flow Cytometry". Frontiers in Microbiology. 8: 2626. doi:10.3389/fmicb.2017.02626. PMC 5760514. PMID 29354110.
  4. ^ Perez, L. & Dragucevic, S. (2010). Exploring Forest Management Practices Using and Agent-Based Model of Forest Insect Infestations (PDF). 2010 International Congress on Environmental Modeling and Software. Ottawa, Canada: International Environmental Modeling and Software Society (iEMSs).
  5. ^ Ameden, H.; Boxall, P.; Cash, S. & Vickers, A. (2009). "An Agent-Based Model of Border Enforcement for Invasive Species Management". Canadian Journal of Agricultural Economics. 57 (4): 481–496. doi:10.1111/j.1744-7976.2009.01166.x.
  6. ^ 동작공간 가이드
  7. ^ Evans, A.; Morgan, D. & Parry, H. (2004). Aphid Population Dynamics in Agricultural Landscapes: An Agent-based Simulation Model (PDF). 2010 International Congress on Environmental Modeling and Software. Osnabruck, Germany: International Environmental Modeling and Software Society (iEMSs).
  8. ^ Li, H.; Mynett, A. & Qi, H. (2009). Exploring Multi-Agent Systems in Aquatic Population Dynamics Modeling. Proc. 8th International Conference on Hydroinformatics. Chile.
  9. ^ a b Lardon LA, Merkey BV, Martins S, Dötsch A, Picioreanu C, Kreft JU, Smets BF (2011). "iDynoMiCS: next-generation individual-based modelling of biofilms". Environmental Microbiology. 13 (9): 2416–2434. doi:10.1111/j.1462-2920.2011.02414.x. PMID 21410622.
  10. ^ Wanner O, Eberl H, Morgenroth E, Noguera D, Picioreanu C, Rittmann B, van Loosdrecht M (2006). Mathematical Modeling of Biofilms. London: IWA Publishing.
  11. ^ Merkey BV, Lardon LA, Seoane JM, Kreft JU, Smets BF (2011). "Growth dependence of conjugation explains limited plasmid invasion in biofilms: an individual-based modeling study". Environmental Microbiology. 13 (9): 2435–2452. doi:10.1111/j.1462-2920.2011.02535.x. PMID 21906217.
  12. ^ Steffens, Matthew J.; Clement, Barbara J.; Wentworth, Christopher D. (2011). Individual-based Modeling of a Pseudomonas aeruginosa Biofilm with Glucose Substrate. Fall 2011 Meeting of the APS Prairie Section, November 10–12, 2011, abstract #E1.006. American Physical Society.
  13. ^ Nguyen, David; Oketch-Rabah, HA; Illa-Bochaca, Irineu; Geyer, FC; Reis-Filho, JS; Mao, JH; Ravani, SA; Zavadil, J; Borowsky, AD; Jerry, DJ; Dunphy, KA; Seo, JH; Haslam, S; Medina, D; Barcellos-Hoff, Mary Helen (2011). "Radiation acts on the microenvironment to affect breast carcinogenesis by distinct mechanisms that decrease cancer latency and affect tumor type". Cancer Cell. 19 (5): 640–51. doi:10.1016/j.ccr.2011.03.011. PMC 3110779. PMID 21575864.
  14. ^ Preston, DL; Mattsson, A; Holmberg, E; Shore, R; Hildreth, NG; Boice, JD Jr (2002). "Radiation effects on breast cancer risk: a pooled analysis of eight cohorts". Radiation Research. 158 (2): 220–35. Bibcode:2002RadR..158..220P. doi:10.1667/0033-7587(2002)158[0220:reobcr]2.0.co;2. PMID 12105993.
  15. ^ Mertens, AC; Liu, Q; Neglia, JP; Wasilewski, K; Leisenring, W; Armstrong, GT; Robison, LL; Yasui, Y (2008). "Cause-specific late mortality among 5-year survivors of childhood cancer: the Childhood Cancer Survivor Study". J Natl Cancer Inst. 100 (19): 1368–1379. doi:10.1093/jnci/djn310. PMC 2556702. PMID 18812549.
  16. ^ Tang, Jonathan; Fernando-Garcia, Ignacio; Vijayakumar, Sangeetha; Martinez-Ruis, Haydeliz; Illa-Bochaca, Irineu; Nguyen, David; Mao, Jian-Hua; Costes, Sylvain; Barcellos-Hoff, Mary Helen (2014). "Irradiation of juvenile, but not adult, mammary gland increases stem cell self-renewal and estrogen receptor negative tumors". Stem Cells. 32 (3): 649–61. doi:10.1002/stem.1533. PMID 24038768. S2CID 32979016.