La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Système Multi Agents réactifs Application à la biologie Équipe SMAC Systèmes Multi-Agents et Coopération Rapport de stage.

Présentations similaires


Présentation au sujet: "Système Multi Agents réactifs Application à la biologie Équipe SMAC Systèmes Multi-Agents et Coopération Rapport de stage."— Transcription de la présentation:

1 Système Multi Agents réactifs Application à la biologie Équipe SMAC Systèmes Multi-Agents et Coopération Rapport de stage

2 2 Introduction (agent – SMA – large échelle) La plate-forme SimuLE Pour comprendre : la colorisation Un exemple intéressant : le modèle proie/prédateur abordé du point de vue « agent » Travail sur la différenciation cellulaire Plan

3 3 Un agent est une entité autonome qui communique avec dautres agents à laide de messages. Tous ces agents forment un Système Multi Agents (SMA). Chaque agent possède des caractéristiques communes à tous les agents du même type mais dont les contenus peuvent être différents. Un agent réactif a une connaissance très faible (voire nulle) de son environnement. Un agent situé a une position dans lenvironnement. Il a un halo de vision qui correspond à la distance maximale de perception des agents qui lentourent. Quest-ce quun agent

4 4 Si lagent noir a un halo de vision de 1, il voit lagent rose et lagent vert. Si lagent noir a un halo de vision de 2, il voit les agents rose, vert, bleu et rouge. Dans toutes les simulations présentées, nos agents auront un halo de 1. Le « large échelle » On parle de large échelle pour des simulations comprenant un très grand nombre dagents (au moins un millier voire des dizaines de milliers). Les SMA large échelle permettent dobserver le comportement global dun ensemble dagents nayant quune vision locale de leur environnement.

5 5 SimuLE Les actions Les agents peuvent effectuer ou subir des actions. Quand un agent agit sur un autre on parle dagent cible et dagent source. Un agent peut aussi agir sur lui-même. Laction est alors dite sans cible. Chaque agent connaît les actions quil peut subir ou effectuer. Soient subir(agent) et effectuer(agent) ces actions. Pour quune interaction ait lieu entre deux agents il faut que Effectuer(source) subir(cible) Ø

6 6 SimuLE Exemple dune action « manger » Déclencheur : avoir faim Condition : avoir de la nourriture à proximité Acte : manger Un agent de type « mangeur » qui a faim et qui aura dans son halo de vision un agent de type « nourriture » pourra manger. Manger є Effectuer (mangeur) Manger є subir (nourriture)

7 7 SimuLE La simulation A chaque pas de la simulation, lagent - recense tous les agents « visibles » : ceux qui sont dans son halo de vision - garde les agents avec lesquels il peut interagir - choisit lagent avec lequel laction possible est prioritaire (sil y en a deux, le premier de la liste de ses voisins)

8 8 Exemple : Colorisation

9 9 Les agents Il y a une seul type dagent : lagent cool. Un cool a un x, un y et une couleur. Les actions Effectuer(cool) = {déplacement, color} Subir(cool) = {color}

10 10 Exemple : Colorisation Déplacement Priorité : 0 Pas de déclencheur ni de condition. Acte : modifie les coordonnées de lagent aléatoirement de + ou - 1 en x et y. Color Priorité : 1 Déclencheur : avoir au moins un agent dune couleur différente de la sienne dans son halo de vision Condition : tirage aléatoire sur la probabilité de colorer Acte : le voisin cible prend la couleur de la source

11 11 Simulation « rouge » Les agents présents 334 agents rouges 333 agents verts 333 agents bleus Les paramètres de contamination Si un agent rouge rencontre un agent cible dune couleur différente, il a 80% de chance de colorer lagent cible en rouge. Si un agent bleu rencontre un agent cible dune couleur différente, il a 50% de chance de colorer lagent cible en bleu. Si un agent vert rencontre un agent cible dune couleur différente, il a 10% de chance de colorer lagent cible en vert.

12 12 Colorisation : début de la simulation

13 13 Colorisation : 50 tours

14 14 Colorisation : fin de la simulation

15 15 Colorisation : graphe dévolution

16 16 Simulation « verte » Les agents présents 334 agents rouges 333 agents verts 333 agents bleus Les paramètres de contamination Si un agent rouge rencontre un agent cible dune couleur différente, il a 10% de chance de colorer lagent cible en rouge. Si un agent bleu rencontre un agent cible dune couleur différente, il a 10% de chance de colorer lagent cible en bleu. Si un agent vert rencontre un agent cible dune couleur différente, il a 100% de chance de colorer lagent cible en vert.

17 17 Colorisation : début de la simulation

18 18 Colorisation : 30 tours

19 19 Colorisation : fin de la simulation

20 20 Colorisation : graphe dévolution

21 21 Le modèle proie/prédateur

22 22 Le modèle proie/prédateur Quappelle-t-on modèle proie/prédateur On parle de modèle proie/prédateur quand on étudie un écosystème où cohabitent des espèces proies et des espèces prédatrices. En tenant compte du rythme de naissance et de mortalité de chaque espèce et en faisant varier ces paramètres, on observe la stabilité et les modulations de cet écosystème. On cherche à éviter - les famines : les prédateurs sont trop « forts » et exterminent si vite les proies quils nont plus de quoi se nourrir - les cas où le prédateur ne sait pas chasser et il meurt de faim alors que les proies prolifèrent.

23 23 Le modèle proie/prédateur Les avantages de lapproche « agent » Grâce à son interface graphique, SimuLE permet - de modifier simplement les caractères de chaque espèce (taux de reproduction, durée de vie …). - une approche géographique de la question Pour les espèces chassant en meute, les proies se déplaçant en banc, les prédateurs chassant chacun sur leur territoire. Ces comportements difficiles à exprimer mathématiquement sont très simples à mettre en pratique avec SimuLE. - on peut ajouter des comportements propres à une espèce. (à suivre : la chasse)

24 24 Des requins et des poissons Protocole de simulations proposé On met en présence deux espèces (deux types dagent différents) - les requins - les poissons Les actions sont dans lordre de priorité : manger - mourir - reproduire - déplacement Effectuer(requin) = {manger, mourir, reproduire,déplacement} Subir(requin) = Ø Effectuer(poisson) = {mourir, reproduire, déplacement} Subir(requin) = {manger}

25 25 Des requins et des poissons Lécosystème On fixe les caractéristiques fixes (taux de mortalité, condition de reproduction,durée de survie sans manger,concentration maximale pour une espèce …). Il y a initialement 3 poissons pour 1 requin. Comparatif proposé Pour tenter daméliorer le modèle, nous allons ajouter la possibilité au requin de chasser : lorsquil aura faim, il ne se déplacera pas de la même manière. - déplacement obligatoire - déplacement rapide et obligatoire - déplacement rapide, obligatoire, et régulier sur un seul axe

26 26 Des requins et des poissons Les facilités de la plate-forme Pour ajouter la possibilité de chasser aux requins, on ne change RIEN au modèle existant. On créée juste des actions chasser quon ajoute à la liste des actions effectuables pour le requin. Pour chaque simulation proposée, on ajoute une des 4 actions de chasse. -Effectuer(requin)= Effectuer(requin).add(chasse_classique) -Effectuer(requin)= Effectuer(requin).add(chasse_obligatoire) - Effectuer(requin)= Effectuer(requin).add(chasse_rapide) - Effectuer(requin)= Effectuer(requin).add(chasse_regulier) Et on observe les variations.

27 27 Déplacement classique

28 28 Déplacement classique

29 29 Déplacement obligatoire

30 30 Déplacement obligatoire

31 31 Déplacement rapide

32 32 Déplacement rapide

33 33 Déplacement rapide et régulier

34 34 Déplacement rapide et régulier

35 35 Conclusion de poisson Ce modèle - na aucune visée réaliste - illustre le fait que la plate forme SimuLE est tout à fait apte à étudier ce type de problème avec une valeur ajoutée par sa souplesse. En effet, pour étudier 4 modèles différents, il ny a eu quà définir une action différente à chaque simulation.

36 36 La différenciation cellulaire

37 37 La différenciation cellulaire Notions biologiques (simplifiées) Dans le noyau dune cellule, il y a le code génétique de toutes les protéines que lorganisme peut produire. On dit quun gène code pour une protéine. Une cellule se différencie dune autre si elle exprime des protéines différentes. Une cellule qui produit de la protéine A sera dite « cellule A ». Lexpression dune protéine dépend dun promoteur qui est activé ou inhibé. Si le promoteur du gène est activé dans la cellule, elle produit la protéine codée par ce gène.

38 38 La différenciation cellulaire Prenons le modèle simple dun organisme fictif qui ne produit que 3 protéines. ADN de notre organisme simplifié promoteur GENE A promoteur GENE B promoteur GENE C Cet ADN est le même pour chaque cellule. Cest lactivation du promoteur dun gène qui spécialise la cellule.

39 39 La différenciation cellulaire La flèche noire sous le promoteur indique quil est activé. Cellule « A » promoteur GENE A promoteur GENE B promoteur GENE C Cellule « C » promoteur GENE A promoteur GENE B promoteur GENE C

40 40 La différenciation cellulaire La différenciation Poser la question de la différenciation, cest se demander pourquoi dun ensemble de cellules indifférenciées émerge soudain une cellule spécifique (A ou B ou C ou AB …). Cette question est ouverte aujourdhui. 2 théories envisagées - Le modèle inductif - Le modèle stochastique

41 41 Le modèle inductif Ce modèle est déterministe dans le sens où un état de différenciation donné ne peut être atteint que par la présence de linducteur correspondant. Les travaux de Jacob et Monod dans les années 60 sur lescherichia coli vont dans ce sens : cette bactérie peut se nourrir de lactose. Mais pour se faire, elle doit produire la lactase qui lui permet la digestion du lactose. En labsence de lactose, elle ne produit pas de lactase, ce qui lui permet léconomie de lénergie et la matière nécessaire à la synthèse du lactase. En présence de lactose, elle « se met » à produire du lactase. La présence du lactose induit la production de lactase.

42 42 Le modèle stochastique Ce modèle est basé sur lhypothèse que les cellules sont par nature instable, elles expriment au hasard un ensemble de gènes à chaque transcription et se différencient continuellement. Comme si notre « flèche noire » se déplacement continuellement dun promoteur à lautre. promoteur GENE A promoteur GENE B promoteur GENE C

43 43 Le modèle stochastique Seules les cellules dont la production protéique est adaptée à lenvironnement vont survivre, et cette adaptation se traduit par la stabilisation de la « flèche noire ». Dans cette hypothèse, une sorte de pression sélective de type darwinienne est à la base de la structuration des populations cellulaires. Si lenvironnement change, et ne correspond plus à la production protéique de la cellule, elle redeviendra instable et repassera dans létat précédent de « va et vient » de lactivateur.

44 44 La simulation Pour mettre en place notre protocole de comparaison, nous avons fixé le cadre suivant : Les agents - les cellules - les miams : ce dont les cellules se nourrissent - les substrats : produisent les miams - les barrières : cadre de l expérience : les miams qui atteignent cette bordure explosent. Les cellules, substrats et barrières sont immobiles. Il ne peut y avoir quune cellule par case, mais il ny a pas de limitation en miam par case.

45 45 La simulation

46 46 La simulation Les caractéristiques dune cellule Une cellule - peut survivre sans manger 100 tours. - se reproduit tours les 50 tours à condition davoir du stock. - a un stock maximal de 4 au delà duquel elle na pas le droit manger mais doit puiser dans ses réserves pour se nourrir. Nos cellules ne meurent pas.

47 47 La simulation Les actions Effectuer(cellule)={se reproduire, manger, utiliser ses réserves de nourriture, attendre} Subir(cellule)=Ø Effectuer(substrat)={produire} Subir(substrat)=Ø Effectuer(barrière)={exploser} Subir(barrière)=Ø Effectuer(miam)={déplacement} Subir(miam)={manger, exploser}

48 48 Les cellules et les miams ont un type (exprimé par leur couleur). Le type dune cellule détermine le type de miam quelle mange. Les cellules bleues mangent les miams bleus cyan. Les cellules vertes mangent les miams oranges. Les cellules jaunes mangent les miams gris. On ajoute à nos cellules la possibilité de muter (changer de type) Pour muter, il y a deux actions différentes. La simulation

49 49 Les mutations La mutation stochastique Déclencheur : une probabilité qui augmente en fonction que la survie baisse. Allure de la courbe de probabilité : survie Plus la survie est élevée, plus la probabilité de muter est faible. Condition : avoir demandé 4 fois à muter (pour laisser le temps déventuellement se stabiliser). Action : change de couleur et de type de miam.

50 50 Les mutations La mutation inductive Déclencheur : la majorité des miams autour de la cellule ne correspond pas à son type. Condition : avoir déjà demandé une fois à muter. Action : change de couleur et de type de miam.

51 51 La simulation Protocole de simulation proposé Une cellule seule de type bleu. Du substrats qui diffuse des miams oranges (nourriture des cellules vertes). Au bout de 300 tours, le substrat stoppe la production de miams oranges et produit des miams bleus cyans (nourritures des cellules bleues). On surveille lévolution des cellules « en forme » avec la courbe verte lévolution des cellules « pas en forme » avec la courbe noire lévolution générale des cellules avec la courbe bleue

52 52 Le comportement stochastique

53 53 Le comportement stochastique

54 54 Le comportement inductif

55 55 Le comportement inductif

56 56 Conclusion Les deux modèles ont a peu près le même comportement. Au début de lexpérience (milieu stable), lhypothèse inductive est très légèrement plus efficace. En milieu instable, les cellules stochastiques ont une pente de développement générale meilleure, mais lévolution des « cellules en forme » est exactement la même. La simulation présentée est beaucoup trop simple pour tirer des conclusions sur les qualités des modèles présentées. Néanmoins, ces expériences sont prometteuses sur les possibilités de SimuLE dans le domaine de la recherche appliquée à la biologie.

57 57 Ouverture : les possibilités de SimuLE Pour poursuivre sur le chemin engagé, il faut - augmenter considérablement la quantité de types de cellules - ajouter des contraintes de changement de type en tenant compte du positionnement sur le brin dADN des différents gènes. Laugmentation du nombre de types cellulaires suppose de raffiner assez nettement la formulation des deux modèles. En outre, nous avons travaillé uniquement à une échelle intercellulaire. La prise en compte des événements intracellulaires peut (ou pas) améliorer les expériences.

58 58 Ouverture : la différenciation cellulaire A lheure actuelle, la recherche en biologie est presque exclusivement consacrée à létude de lhypothèse inductive. Or il est tout à fait envisageable, comme pour la théorie des gaz parfaits, qu une équation déterministe (PV=nRT) soit pourtant le résultat de phénomènes aléatoires à léchelle microscopique. De la même façon, dans lexpérience de Jacob et Monod, en présence de lactose, dautres protéines que le lactase sont peut-être exprimées de façon temporaire, mais comme elles ne sont pas adaptées, ces cellules disparaissent.

59 59 Ouverture : la différenciation cellulaire Aucun protocole na jamais été mis en place pour permettre de détecter la production de protéines « non adaptées ». La difficulté pour concevoir ce genre de protocole est énorme si on considère le nombre de possibilités : Les protéines dont on cherche à mesurer la présence sont en si faible quantité que les instruments existants (micro-array par exemple) sont inefficaces. Outre la difficulté de mise en place, la recherche en ce domaine a été freinée par le faible intérêt pour le modèle stochastique. En effet, le point de vue dominant en biologie moléculaire est le fonctionnalisme : tout sert à quelque chose tout le temps.

60 60 Ouverture : la différenciation cellulaire Les recherches sont donc fortement orientées : on cherche a priori quelque chose qui a un rôle. Cependant, de plus en plus de biologistes sintéressent au modèle stochastique (notamment tout un pan de la théorie de lapparition et du développement de la vie). Cet intérêt franchit progressivement les frontières de la biologie.

61 61 Conclusion sur Simule La plate forme sadapte assez facilement aux contraintes biologiques nécessaires au simulations appliquées à la biologie. Elle montre de plus une grande souplesse dutilisation, ainsi quune facilité daccès à des « non informaticiens ». En effet, beaucoup de paramètre peuvent être établis soit dans un fichier de configuration, soit directement à partir de linterface graphique. Il constitue par là une excellent passerelle entre les biologistes et les informaticiens.

62 62 Pour plus de détails Une bibliographie ainsi qu une présentation plus détaillé sont disponibles sur la page Et pour toute question


Télécharger ppt "Système Multi Agents réactifs Application à la biologie Équipe SMAC Systèmes Multi-Agents et Coopération Rapport de stage."

Présentations similaires


Annonces Google