Last update: Mgr. Marian Novotný, Ph.D. (30.09.2021)
The course is based on mathematical modelling and development of biological (especially cellular) structures and processes that are simulated in silico.
We will deal with:
a) the basics of modelling and simulations, including various approaches (especially from the point of view of the compartments and their interactions), including suitable and appropriate mathematical background
b) application of models to specific biological situations - according to articles
Students will try and explore:
a) a simple continuous compartmental model of immunity and its behavior, including the classification of system developments
b) connection of the model with the data
c) formulation of the model and its implementation
d) a more complex discrete cell model with applications to cell differentiation and chemotactic motion
The research is conducted both analytically (what and why is happening) and synthetically (creating a system of given properties).
Last update: Mgr. Marian Novotný, Ph.D. (30.09.2021)
Anotace
Předmět staví na matematickém modelování a vývoji biologických (zejména buněčných) struktur a procesů, které se in silico simulují.
Budeme se zabývat:
a) obecným základem modelování a simulací, včetně různých přístupů (zejména z pohledů kompartmentů a jejich interakcí), pročež probereme vhodný a přiměřený matematický základ
b) aplikací modelů na konkrétní biologické situace – dle publikovaných článků
Studenti si vyzkouší a prozkoumají:
a) jednoduchý spojitý kompartmentový model imunity a jeho chování včetně klasifikace vývojů systému
b) propojení modelu s daty
c) vlastní formulace modelu a jeho implementace
d) složitější diskrétní buněčný model s aplikacemi na buněčnou diferenciaci a chemotaktický pohyb
Zkoumání je vedeno jak analyticky (co a proč se děje) tak synteticky (vytvoření systému daných vlastností).
Literature -
Last update: Mgr. Marian Novotný, Ph.D. (30.09.2021)
Stuart Russell and Peter Norvig; Artificial Intelligence: A Modern Approach; Prentice Hall, 3. edition, (2010)
Hiroki Sayama; Introduction to the Modeling and Analysis of Complex Systems; Open SUNY Textbooks, Milne Library, (2015)
Seeing around corners: Cells solve mazes and respond at a distance using attractant breakdown,
Mayer H, Zaenker KS, An Der Heiden U. A basic mathematical model of the immune response. Chaos. 1995 Mar; 5:155-161. DOI: 10.1063/1.166098. PMID: 12780168.
Last update: Mgr. Marian Novotný, Ph.D. (30.09.2021)
Stuart Russell and Peter Norvig; Artificial Intelligence: A Modern Approach; Prentice Hall, 3. edition, (2010)
Hiroki Sayama; Introduction to the Modeling and Analysis of Complex Systems; Open SUNY Textbooks, Milne Library, (2015)
Seeing around corners: Cells solve mazes and respond at a distance using attractant breakdown,
Mayer H, Zaenker KS, An Der Heiden U. A basic mathematical model of the immune response. Chaos. 1995 Mar; 5:155-161. DOI: 10.1063/1.166098. PMID: 12780168.
Requirements to the exam -
Last update: Mgr. Marian Novotný, Ph.D. (30.09.2021)
Credit will be awarded for this course by successfully completing the following requirements:
active participation in the exercises, usually consisting of solving assigned tasks during the exercises or later on at home,
completion of a semester project (consisting of definition, description, implementation, simulation and research of model including description and classification of its behaviour)
Due to the nature of the requirements, a failed attempt cannot be repeated as is possible for exams.
The teacher may establish conditions whereby a student can make up for missing active participation assignments or resubmit their semester project after improving deficiencies that were found the previous time around.
The examination consists of written and oral parts involving the ability to apply the gained knowledge to solve exercises.
The examination could be in the contact or distance form.
Last update: Mgr. Marian Novotný, Ph.D. (30.09.2021)
Podmínky zakončení předmětu
Zápočet bude udělen za:
aktivní účast na cvičení spočívající obvykle v řešení úkolů v termínech stanovených cvičícím (ať už na cvičení nebo doma),
vypracování semestrální práce skládající se z definování a popsání modelu (dle článku či volby studenta po nutném schválení přednášejícím), jeho implementace, simulace a prozkoumání s následným popsáním a klasifikací jeho chování.
Vyučující může stanovit podmínky, za nichž student může nahradit chybějící splnění aktivní účasti na cvičení či opakovaně odevzdat vypracování semestrální práce pro odstranění nalezených závad.
Zápočet je podmínkou pro konání zkoušky.
Požadavky ke zkoušce odpovídají sylabu předmětu v rozsahu, v jakém byl pokryt na přednáškách, cvičeních a určeném samostudiu. Je požadována i schopnost aplikovat získané znalosti při řešení příkladů.
Zkouška může mít písemnou nebo ústní podobu, nebo kombinaci obojího.
Zkouška může mít kontaktní nebo distanční formu.
Syllabus -
Last update: Mgr. Marian Novotný, Ph.D. (30.09.2021)
Models and Simulations
differences between observation, model, simulations and laboratory experiments
simplification of reality
where and how mistakes arise
different approaches to modelling
Simple model of immunity - experiments with a given model
compartments
feed forward and feedback
definition of entities, their relations with the proportion of abstraction
description of the model by differential equations
examining the behavior of the model and modulating its behavior
application of the model to biological situations
Creation and description of the model
students create/define a more advanced model
definition of entities, their relations with the proportion of abstraction and uncertainties of natural language;
formulation of the model in the graph, analysis of the behavior of the model
Generalization of interactions
introduction to the taxonomy of behaviors of dynamic systems
introduction to the chaos theory of dynamical systems
emergent behavior of the system: definitions, properties, conditions
Generalization of models
taxonomy of models: principles and borders
multiagent systems: definition of agents and environments
formulation of a multiagent approach to cell models and intercellular interactions
classification of models by agent type (no state, with state, with model, with goal, learning)
cellular automata and other models described by rules
language, rules and the Chomsky hierarchy
Last update: Mgr. Marian Novotný, Ph.D. (30.09.2021)
Modely a Simulace
rozdíly mezi pozorováním, modelem, simulacemi a laboratorním pokusem
zjednodušení reality
kde a jak vznikají chyby
různé přístupy k modelování
Jednoduchý model imunity – experimenty se zadaným modelem
kompartmenty
dopředná a zpětná vazba
definice entit, jejich vztahů včetně míry abstrakce
popis modelu diferenciálními rovnicemi
prozkoumání chování modelu a modulace jeho chování
aplikace modelu na biologické situace
Vytváření a popis modelu
studenti tvoří/definují pokročilejší model
definice entit, jejich vztahů včetně míry abstrakce a neurčitostí přirozeného jazyka;
formulování modelu v grafu, analýza chování modelu
Zobecnění interakcí
taxonomie možných chování dynamických systémů
úvod do teorie chaosu dynamických systémů
emergentní chování systému: definice, vlastnosti, podmínky
Zobecnění modelů
taxonomie modelů: principy a omezení
multiagentní systémy: definice agentů a prostředí
formulace multiagentního přístupu na buněčné modely a mezibuněčné interakce
klasifikace modelů podle typu agenta (bez stavu, se stavem, s modelem, s cílem, učící se)
