Cooperação, Exploração e Consenso no Ambiente
DRIMA:
Construção de um Modelo de Inspiração Biológica
Tiago Guglielmeti Correale(tiguco@gmail.com)
Pedro Paulo Balbi de Oliveira, PhD (pedrob@mackenzie.br)
Universidade Presbiteriana Mackenzie
Agenda
Motivação DRIMA BacDRIMA Experimentos Conclusão ReferênciasMotivação
Questão: O que bactérias, abelhas, formigas e a democracia tem em comum?
Resposta: Um processo de decisão distribuído. Exemplos:
A forma como abelhas e formigas buscam um local para o seu ninho
O mecanismo de comunicação e coordenação coletiva de resposta, ou quorum-sensing
Na democracia, temos o sistema representativo baseado em votos
Biofilmes
Definição: “Um biofilme é uma comunidade multicelular composta de células procarióticas e/ou eucarióticas em meio a uma matriz polimérica construída por estas células (mesmo que apenas parcialmente).” [Costerton, 2007]
Aglomerado de bactérias que podem compartilhar diferentes substâncias e onde este grupo pode cooperar, se beneficiando do trabalho umas das outras (por exemplo, compartilhando diferentes substâncias, divisão de tarefas, etc)
Na natureza, as bactérias podem viver tanto no formato de biofilme quanto no formato planctônico.
Formato cooperativo(biofilme) é muito mais comum [Kolter & Greenberg, 2006; Costerton et al. , 1995; Costerton, 2007].
Biofilmes - II
Biofilmes e Cooperação
Natureza: equilíbrio entre cooperação e competição [Nowak & Highfield, 2011]
Biofilmes são um exemplo de como a cooperação funciona no mundo microbiano
A presença de biofilmes em praticamente todo ecossistema da Terra mostra como a cooperação é um fator importante para o sucesso, independentemente da complexidade do organismo. Notar o paralelo com o dilema do prisioneiro iterado
Biofilmes e Consenso
Como organismos simples coordenam do seu comportamento, mesmo em grande número?
Uma forma de obter uma resposta coordenada é um sistema de voto ou consenso. O mecanismo de quorum-sensing regulando a expressão genética é um exemplo de como o consenso funciona na Natureza.
DRIMA
DRIMA:Dynamics of Randomly Interacting Moving Agents [de Oliveira, 2010]
Sistema multiagente em que agentes reativos se movimentam e mudam o seu comportamento ao interagir uns com os outros Sua simplicidade e elegância é um grande atrativo para a simulação e o estudo do fenômeno da cooperação e do consenso
DRIMA - II
Principal componente: forma como os agentes se movem em um reticulado bidimensional
Dois tipos de agentes: determinista (tipo D) e aleatório (tipo R)
A cada iteração, cada agente pode se mover(ou não) uma única célula em uma direção, decidida por um sorteio de acordo com um conjunto de probabilidades, possivelmente diferentes para cada um dos agentes
9 possibilidades de movimento: Leste (E), Nordeste (NE), Norte (N), Noroeste (NW), Oeste (W), Sudoeste (SW), Sul (S), Sudeste (SE) e parado (X)
Cada direção possui uma probabilidade associada, e define o que chamamos de padrão de movimento do agente. Este padrão é internamente representado por um vetor.
DRIMA - III - Padrão de Movimento
Cada agente possui um tipo. Agentes do tipo aleatório
influenciam uns aos outros, sendo também influenciados. Por influencia entende-se alguma mudança no seu padrão de
movimento. Agentes deterministas influenciam os outros agentes, mas nunca são influenciados.
Interações entre os agentes no DRIMA
No DRIMA, as interações possuem as seguintes características: Possuem uma natureza vetorial
São dirigidas pela entropia
Cada agente pode ser influenciado por mais de um agente em uma dada iteração, ou seja, são interações N-árias
Interação entre Agentes - Entropia
Entropia da informação de Shannon [Shannon, 1948] quantifica a influência de um agente em outro
Define o ângulo de rotação entre os vetores com o padrão de movimento H = −K N X i =1 pilog (pi) (1)
BacDRIMA
BacDRIMA é um ambiente de vida artificial desenvolvido utilizando o modelo e o código do DRIMA
O BacDRIMA simula a exploração de fontes de alimentos e auto-organização de bactérias em biofilmes
Bactérias são representadas por agentes aleatórios, enquanto os agentes deterministas representam as fontes de energia (ou alimento). Bactérias podem se movimentar ou não, mas os alimentos ficam parados
No início de cada simulação, cada bactéria é colocada de forma aleatória em um reticulado, e precisam se mover para encontrar alimento. Cada bactéria possui uma quantidade de pontos de energia, e a cada iteração perdem-se alguns pontos, por causa do metabolismo interno. Quando o nível de energia chega a zero, a bactéria morre.
BacDRIMA - II
O mecanismo de interação básico é o mesmo do DRIMA, porém foi adicionado um mecanismo de quimiotaxia. Quando uma bactéria encontra uma fonte de alimento, sua tendência é parar. Mas, se após algumas iterações seu nível interno de energia não aumenta, sua tendência é fugir, escolhendo aleatoriamente uma nova direção
Para absorver energia dos alimentos, as bactérias devem secretar enzimas
BacDRIMA - III
Este comportamento básico é semelhante ao de diversas bactérias, mas foi modelado tendo em mente a bactéria Pseudomonas aeruginosa, uma bactéria muito comum (na pele humana, solos, etc)
Esta bactéria precisa secretar sideróforos para obter ferro das fontes de alimento
A produção de sideróforos é energeticamente cara, e é mediada por quorum-sensing, utilizando-se auto-indutores
BacDRIMA - IV
No BacDRIMA, os sideróforos são modelados como enzimas As enzimas são controladas pela concentração de
auto-indutores
A produção dos auto-indutores não tem nenhum custo energético, mas a produção de enzimas possui um alto custo A liberação de enzimas depende de uma certa concentração de auto-indutores
Todas as bactérias ao redor da fonte de alimento se beneficiam da energia liberada, de forma independente da contribuição individual de cada uma das bactérias
BacDRIMA - V
A cada iteração, as enzimas possuem uma capacidade de se degradar. Quando uma enzima se degrada ela é removida Para continuar com a absorção de energia, as bactérias devem continuamente produzir enzimas para repor aquelas que foram degradadas
Cada fonte de alimento possui uma quantidade limitada de energia, que pode eventualmente acabar
Cada bactéria deve ativamente buscar fontes de alimento, antes da sua morte
Cada bactéria pode secretar diferentes quantidades de enzima e auto-indutores
BacDRIMA - Reprodução - I
O modelo de reprodução adotado é clonal (também chamado de fissão clonal) e baseado no Distributed coevolutionary genetic algorithm de Husbands [1994].
A reprodução das bactérias é assíncrona, e bactérias com maior quantidade de energia acumulada possuem uma maior probabilidade de se reproduzir
Ao se reproduzir, uma bactéria da origem a outra, dividindo com essa sua energia e sua quantidade de auto-indutor armazenada
Existe uma probabilidade de mutação associada à reprodução A nova célula gerada vai ocupar a mesma posição no
BacDRIMA - Reprodução - II
O código genético das bactérias é composto dos seguintes elementos:
A quantidade de auto-indutor produzida a cada iteração O limite de ativação da produção de enzimas, que corresponde a quantidade de auto-indutor necessária para que a bactéria inicie a produção de enzimas
A quantidade de enzima produzida pelas bactérias a cada iteração, após a sua ativação
O número de iterações para a ativação do mecanismos de quimiotaxia
Descrição dos Experimentos
Os experimentos feitos podem ser divididos em duas etapas: sem o mecanismo de reprodução e com reprodução
Os experimentos sem reprodução visam explorar a dinâmica básica do sistema, e foram publicados em um congresso [Correale & de Oliveira, 2011]
Os experimentos com reprodução constituem um teste do modelo na sua totalidade
Experimentos sem Reprodução - I
Condições de simulação:Reticulados com tamanhos diferentes, mas com o mesmo número de fontes de alimento: diferentes densidades de energia Algumas bactérias podem secretar enzimas e auto-indutores (chamadas de bactérias normais, outras secretam apenas auto-indutores (e são chamadas de impostoras)
O tamanho da população é fixo, mas possui uma composição variada, em relação a proporção de bactérias impostoras e normais
Para uma dada combinação de tamanho de reticulado e composição da população, são feitas 10 execuções com condições iniciais aleatórias
Experimentos sem Reprodução - II
Parâmetros da simulação:Energia inicial de cada bactéria: 1000 unidades de energia Energia das fontes de alimento: 10× o valor das bactérias: 10000 unidades de energia
Número de fontes de alimento: 5, colocadas em posições aleatórias a cada execução
Limite de produção de enzimas (quantidade de auto-indutor necessária para a ativar a produção de enzimas): 10 unidades de auto-indutores
Custo energético para a produção de uma enzima: 10 unidades de energia
Experimentos sem Reprodução - III
Taxa de produção de enzimas por bactéria ativada: 1 molécula por iteração
Cada execução tem 2000 iterações
Taxa de produção de auto-indutores por agente: 1 molécula por iteração para bactérias normais e 4 para bactérias impostoras
Período para a ativação da quimiotaxia: 10 iterações seguidas sem energia
Custo energético do metabolismo: 10 unidades de energia Bactérias são retiradas do reticulado quando mortas, fontes de alimento não
Cada enzima tem uma probabilidade de 20% de degradação a cada iteração
Experimentos sem Reprodução - Resultados - I
Energia interna total do sistema, em um reticulado 7 × 7. Linha sólida: nível de energia em cada iteração, sem impostores. Linha com traços: nível de energia com 90% de impostores
Experimentos sem Reprodução - Resultados - II
Tempo de vida total para as bactérias normais, com reticulados de diferentes tamanhos:
Experimentos sem Reprodução - Resultados - III
Tempo de vida total para as bactérias impostoras, com reticulados de diferentes tamanhos:
Experimentos sem Reprodução - Resultados - IV
Tempo de vida total para todas as bactérias (normais + impostoras), com reticulados de diferentes tamanhos:Experimentos com Reprodução - I
Foram consideradas 8 probabilidades de mutação: 0, 0.001, 0.01, 0.1, 0.3, 0.5, 0.8, 1, gerando-se 100 condições iniciais da seguinte forma:
8 probabilidades de mutação: 0, 0.001, 0.01, 0.1, 0.3, 0.5, 0.8, 1
5 fontes de alimento, posicionadas aleatoriamente (em cada uma das 100 execuções), cada uma com 50000 pontos de energia.
2 bactérias normais, posicionadas aleatoriamente (em cada uma das 100 execuções), cada uma com 1000 pontos de energia.
Experimentos com Reprodução - II
2 bactérias impostoras, posicionadas aleatoriamente (em cada uma das 100 execuções), cada uma com 1000 pontos de energia.
Reticulado 7 × 7.
Cada execução possui um limite máximo de execução de 5000 iterações (ainda que, em todos os casos, todas as bactérias tenham morrido antes de 3000 iterações).
O objetivo desta variabilidade é evitar conclusões baseadas em artefatos de simulações
Experimentos com Reprodução - Resultados - I
Evolução de um sistema com probabilidade 0 de mutação, que não se desenvolveu:
Experimentos com Reprodução - Resultados - II
Evolução de um sistema com probabilidade 0 de mutação, que se desenvolveu:
Experimentos com Reprodução - Resultados - III
Número de execuções que ultrapassaram uma dado tamanho de população, categorizado pela probabilidade de mutação:
Prob. Mutação 0 0.001 0.01 0.1 0.3 0.5 0.8 1 População 10 13 15 9 11 11 12 11 8 50 13 15 9 11 11 11 8 7 60 13 15 9 10 5 2 1 1 70 9 14 2 1 0 0 0 0
Experimentos com Reprodução - Resultados - IV
Razão de impostores para todas as 800 execuções do BacDRIMA, com as diferentes probabilidades de mutação:
Conclusões - I
Podemos comparar os resultados obtidos com o trabalho de Mellbye & Schuster [2011]. Concentração apenas das bactérias normais:
Conclusões - II
Para o meio com albomina bovina [Mellbye & Schuster, 2011]: R: Bactérias Normais, S: Bactérias impostoras
Conclusões - III
Para o meio com adenosina [Mellbye & Schuster, 2011]: R: Bactérias Normais, S: Bactérias impostoras
Conclusões e Trabalhos Futuros
I think that it is a relatively good approximation to truth — which is much too complicated to allow anything but approximations — that mathematical ideas originate in empirics.
John von Neumann
No DRIMA: Explorar mais a sua dinâmica interna No BacDRIMA: Refinar o modelo, levando em conta características específicas de bactérias, como por exemplo a Pseudomonas aeruginosa
Estudar melhor a influência da quimiotaxia (valores e tipos) Teoria dos jogos
Referências I
Correale, T.G., & de Oliveira, P.P.B. 2011. A simple cellular multi-agent model of bacterial biofilm sustainability. In:
Proceedings of Automata 2011: 17th International Workshop on Cellular Automata and Discrete Complex Systems.
Costerton, J.W. 2007. The biofilm primer. Springer Verlag. Costerton, JW, Lewandowski, Z., Caldwell, DE, Korber, DR, &
Lappin-Scott, HM. 1995. Microbial biofilms. Annu. Rev. Microbiol, 49, 711–745.
de Oliveira, P.P.B. 2010. DRIMA: A Minimal System for Probing the Dynamics of Change in a Reactive Multi-Agent Setting. The Mathematica Journal, 12(1), 1–18.
Referências II
Kolter, R., & Greenberg, E.P. 2006. Microbial sciences: the superficial life of microbes. Nature, 441(7091), 300–302. Mellbye, B., & Schuster, M. 2011. The sociomicrobiology of
antivirulence drug resistance: A proof of concept. mBio, 2(5). Nowak, M., & Highfield, R. 2011. SuperCooperators: Altruism,
Evolution, and Why We Need Each Other to Succeed. Free Press.
Romeo, T. 2008. Bacterial biofilms. Current topics in microbiology and immunology. Springer.
Shannon, C.E. 1948. A mathematical theory of communication Bell Syst. tech. J, 27(379), 623.