Sistema Imune: Complexidade e Simulação Baseada em Agentes

View Github Repository Open presentation in a new window

brk00

See all presentation from brk00

Sistema Imune: Complexidade e Simulação Baseada em Agentes

0 0

Biologia-IV-Complexity-Immunology

Presentation about Complexity on Immunology

On Github brk00 / Biologia-IV-Complexity-Immunology

Sistema Imune: Complexidade e Simulação Baseada em Agentes

Introdução

Porque obter imensas quantidades de dados não permite o entendimento do sistema imune como um todo?

Complexidade

"Phenomena which emerge from a collection of interacting objects."

- Neil Johnson

Immunity as a Swarm Function

Charles G. Orosz

Swarm Intelligence

"The emergent collective intelligence of groups of simples agents"

- Eric Bonabeau

Características Swarm-Like

  • Feedback Positivo - permite a criação de novas estruturas
  • Feedback Negativo - estabiliza novas estruturas
  • Amplificação de Flutuações - descoberta de novas soluções
  • Interações Multiplas - reforça outras características

Sistemas Auto-Organizados

  • Criação de novas estruturas espaço-temporais dentro de um meio inicialmente homogêneo
  • Multi-estabilidade - Coexistência de estados estáveis alternativos

Caos

Building a Computer Immune System

Stephanie Forrest

"We were surprised at how many feature we were forced to incorporate in order to achieve acceptable performance"

Immune System as a Cognitive Element

Irun R. Cohen

Há um set-point para o sistema imune?

"The molecules of the immunity are simultaneously the language of immune comunication and a functional representation of the stimuli to wich the immune system responds"

Simulação Baseada em Agentes

Simulação de ações e interações de agentes simples e autônomos

Agente

Malha

Tempo

Instantes representam unidades não uniformes de tempo, mas não modificam a ordem dos eventos

Sinais como agentes

Abstrações de citocinas e quimiocinas, que se difundem pela malha

Zonas

Parâmetros Iniciais

Determinados experimentalmente e por um processo iterativo

Resultados

Infecção Viral

Tipos de Respostas Imunes

  • Vitória
  • Derrota
  • Hiper-resposta(Exaustão da memória do computador)

Número Inicial de Células Dendríticas

Eliminação de Agentes

Adição de Agentes

Agentes Ativos

Nas vitórias imunes, as DCs encontraram e ativaram T1 mais cedo do que nas derrotas
Linfonodos hipertróficos são comumente encontrados em análises clínicas quando há infecção extensiva
Se há poucos DCs, NKs ou macrófagos, a ativação das células em outras zonas demora, e portanto quando ativar terá maior produção; além disso a demora resultará em derrota imune

Conclusões

  • O sistema imune é extremamente complexo e deve ser tratado como tal
  • Não há agente central no sistema e seu comportamento global é consequencia do comportamento de agentes simples
  • Simulações Baseadas em Agentes são simuladores efetivos deste tipo de sistema, refletindo dados experimentais
"The immune system has not only learned to cope with complexity, but has learned to use complexity to it's advantage"

Referências

  • http://digitalunion.osu.edu/r2/summer06/sass/index.html
  • Virginia A Folcik, Gary C An, Charles G Orosz, The Basic Immune Simulator: An agent-based model to study the interactions between innate and adaptive immunity, Theor Biol Med Model. 2007; 4: 39.
  • Charles G. Orosz, Forum: How Complexity Helps to Shape AlloImmunity, 2001
  • Wikipedia