Modelagem Computacional de Sistemas Complexos para Biologia

5925919-1
Pós-Graduação

Origem:

Biologia Comparada
Biologia Comparada

Vigência

04/07/2019
04/07/2019
2019-06-24 00:00:00

Carga Horária

8 horas
12 horas
5 horas
75 horas
5
3 semanas

Responsáveis:

Wilfried Klein
04/07/2019
04/07/2019
04/07/2019
24/06/2019

Vitor Passos Rios
04/07/2019
04/07/2019
04/07/2019
24/06/2019



Discutir o papel de modelos na produção do conhecimento científico e introduzir os alunos a técnicas de modelagem de sistemas biológicos complexos, com base na modelagem baseada em agentes e na teoria de redes complexas. Mostrar a aplicação destas ferramentas e diferentes problemas de pesquisa. Capacitar os alunos a desenvolver e analisar modelos utilizando estas técnicas e os softwares R e NetLogo.


A capacidade de traduzir seus objetos de pesquisa em modelos conceituais que representem as relações entre suas partes é uma habilidade de grande valia para um pesquisador, principalmente nas ciências biológicas, em que diferentes padrões emergem a partir de diferentes combinações dos mesmos elementos. Esta complexidade emergente requer um conjunto de ferramentas especializadas, que permitam representar adequadamente as interações entre as partes. Sistemas complexos necessitam da modelagem computacional para entender as possíveis interações entre os componentes do sistema, por possuírem uma topologia não-trivial, como diferentes níveis hierárquicos, propriedades de emergência e evolução de padrões auto-organizados.

A modelagem de sistemas complexos, em especial os modelos baseados em agentes e em redes, permite aos pesquisadores abordarem estes sistemas, como estruturas sociais de grupos animais, transmissão de doenças, mutualismos planta-polinizador, dinâmicas de paisagens, ecologia do movimento, redes tróficas, dentre outros. Estes tipos de modelos focam na variação individual e na interação entre seus componentes, permitindo gerar hipóteses mecanísticas sobre o funcionamento dos sistemas biológicos, que podem ser contrastadas com dados obtidos a partir de sistemas reais.
Nas últimas décadas, as ferramentas para o estudo dos sistemas complexos avançaram consideravelmente em termos de poder computacional e usabilidade, facilitando o desenvolvimento e análise destes modelos para pesquisadores de ciências biológicas. Esta disciplina busca dar a base conceitual e prática de modelos baseados em agente e redes complexas para que os alunos possam aplicar estas ferramentas às suas pesquisas em ciências biológicas, utilizando os softwares R e NetLogo.


1. Modelagem na ciência: Tipos de modelos e uso de modelos na construção de conhecimento científico
2. Sistemas biológicos complexos e ferramentas computacionais para modelagem. Uso de modelos computacionais para compreensão e previsão de fenômenos biológicos
3. Protocolo ODD para comunicação de modelos
4. Modelos baseados em indivíduos: autômatos celulares e agentes autônomos e suas aplicações na biologia comparada.
5. Introdução a técnicas de programação com a linguagem NetLogo voltada para modelagem de sistemas biológicos
6. Introdução à teoria de redes complexas e suas aplicações na biologia comparada
7. Métricas de redes
8. Análise de dados utilizando a linguagem R
9. Elaboração e desenvolvimento de modelos


DeAngelis, D.L. & Mooij, W.M. (2005). Individual-Based Modeling of Ecological and Evolutionary Processes. Annu. Rev. Ecol. Evol. Syst., 36, 147–168.
Grimm, V., Berger, U., Bastiansen, F., Eliassen, S., Ginot, V., Giske, J., et al. (2006). A standard protocol for describing individual-based and agent-based models. Ecol. Modell., 198, 115–126.
Grimm, Volker, et al. "The ODD protocol: a review and first update." Ecological modelling 221.23 (2010): 2760-2768.
Railsback, Steven F., and Volker Grimm. Agent-based and individual-based modeling: a practical introduction. Princeton university press, 2019.
Grimm, V. & Railsback, S.F. (2005). Individual based modeling and ecology. Princeton University Press, Princeton.
(2005). The structure and function of complex networks. SIAM Review, 45(2), 167-256
Costa, L.F., Rodrigues, F.A., Travieso, G., Villas Boas, P.R. (2007). Characterization of complex
networks: A survey of measurements. Advances in Physics 56.1: 167-242.
Lusseau, D. M Newman, M.E.J„ (2004) Identifying the role that animals play in their social
networks Proc. Ft. Soc. Lond. B 271, 5477-5481
Hypothesis testing in animal social networks Croft, D.P., Madden, JR., Franks, D.W., James, R
(2011) Trends in Ecology and Evolution, 26(10), P502-507Amaral, LA. N., Oftino, J.M. (2004).
Complex networks. Augmenting the framework for the study of complex systems. European
Physical Journal B 382: 147-162. Araújo, M S. Guimarães Jr. P. R., Svanbãck, R., et al. (2008).
Network analysis reveals contrasting effects of intraspecific competition on individual vs.
population diets. Ecology 89.7: 1981-1993


Vide Campo Observação


Forma de avaliação:
- Elaboração de exercícios práticos de modelagem durante as aulas
- Trabalho final: elaboração e implementação de um modelo baseado em redes ou em agentes, relacionado com o tema da tese do aluno.

CRITÉRIOS DE AVALIAÇÃO:
Exercícios em sala (40% da nota)
Trabalho final (60% da nota)

Os alunos deverão trazer seus computadores com R, Rstudio e NetLogo instalados.

Précédente