Foryś Mata w bioli.pdf
(
2954 KB
)
Pobierz
Modelowanie matematyczne w biologii i medycynie
Matematykastosowana
Modelowanie
matematyczne w biologii i
medycynie
UrszulaFory±
urszula@mimuw.edu.pl
http://www.mimuw.edu.pl/~urszula
JanPoleszczuk(ilustracje)
j.poleszczuk@mimuw.edu.pl
Uniwersytet Warszawski, 2011
Streszczenie.
Wykład dotyczy szeroko poj¦tego modelowania matematyczne-
go w biologii i medycynie. Jego podstaw¦ stanowi¡ modele ekologiczne, budo-
wane na bazie równa« ró»niczkowych i ró»nicowych, teorii grafów i teorii gier,
poszerzone o modele reakcji odporno±ciowej i podstawy klasycznej genetyki
(teoria Mendla) w kontek±cie ła«cuchów Markowa.
Wersja internetowa wykładu:
http://mst.mimuw.edu.pl/lecture.php?lecture=mbm
(mo»e zawiera¢ dodatkowe materiały)
Niniejsze materiały s¡ dost¦pne na
licencji Creative Commons 3.0 Polska
:
Uznanie autorstwa — U»ycie niekomercyjne — Bez utworów zale»nych
.
Copyright c
U. Fory±, Uniwersytet Warszawski, Wydział Matematyki, Informatyki i Mechaniki, 2011. Niniejszy
plik PDF został utworzony 9 czerwca 2011.
Projekt współfinansowany przez Uni¦ Europejsk¡ w ramach
Europejskiego Funduszu Społecznego
.
Skład w systemie L
A
T
E
X, z wykorzystaniem m.in. pakietów
beamer
oraz
listings
. Szablony podr¦cznika i prezentacji:
Piotr Krzy»anowski; koncept: Robert D¡browski.
Spis tre±ci
Wst¦p — poj¦cie modelu matematycznego
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1. Modelowanie pojedynczej populacji I
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1. Model Malthusa
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2. Procesy rozrodczo±ci i ±miertelno±ci
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3. Migracje
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2. Modelowanie pojedynczej populacji II
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.1. Równanie logistyczne — model Verhulsta
. . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2. Dyskretne równanie logistyczne
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3. Modelowanie pojedynczej populacji III
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.1. Efekt Alleego
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2. Funkcjonalna odpowied¹ Hollinga i funkcja Hilla
. . . . . . . . . . . . . . . . . . . . . . . 22
4. Modele pojedynczej populacji z uwzgl¦dnieniem wieku I
. . . . . . . . . . . . . . . . . 25
4.1. Ci¡g Fibonacciego
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.2. Macierze Lesliego
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
5. Modele pojedynczej populacji z uwzgl¦dnieniem wieku II
. . . . . . . . . . . . . . . . . 32
5.1. Modele z opó¹nieniem
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
6. Modele oddziaływa« mi¦dzy dwiema populacjami I
. . . . . . . . . . . . . . . . . . . . 36
6.1. Model Lotki – Volterry
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
6.2. Konstruktywna krytyka modelu Lotki – Volterry
. . . . . . . . . . . . . . . . . . . . . . . 40
7. Modele oddziaływa« mi¦dzy dwiema populacjami II
. . . . . . . . . . . . . . . . . . . . 42
7.1. Model drapie»nik – ofiara z ograniczon¡ pojemno±ci¡ ±rodowiska dla ofiar
. . . . . . . . . 42
7.2. Model z kryjówkami dla ofiar
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
8. Modele oddziaływa« mi¦dzy dwiema populacjami III
. . . . . . . . . . . . . . . . . . . 49
8.1. Układ konkuruj¡cych gatunków
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
8.2. Modelowanie symbiozy
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
9. Do±wiadczenia Mendla: ła«cuchy Markowa w klasycznej genetyce I
. . . . . . . . . . 57
9.1. Ła«cuchy Markowa
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
9.2. Klasyfikacja stanów i ła«cuchów
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
10.Do±wiadczenia Mendla: ła«cuchy Markowa w klasycznej genetyce II
. . . . . . . . . . 63
10.1. Ła«cuchy pochłaniaj¡ce i ci¡głe krzy»owanie z dominant¡
. . . . . . . . . . . . . . . . . . 63
10.2. Ła«cuchy regularne i ci¡głe krzy»owanie z hybryd¡
. . . . . . . . . . . . . . . . . . . . . . 66
11.Modele z zale»no±ci¡ przestrzenn¡: dyfuzja w procesach biologicznych
. . . . . . . . 69
11.1. Równania ewolucyjne: równanie Fishera – Kołmogorowa
. . . . . . . . . . . . . . . . . . . 71
11.2. Wzory Turinga
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
12.Modelowanie odpowiedzi odporno±ciowej
. . . . . . . . . . . . . . . . . . . . . . . . . . . 80
12.1. Układ odporno±ciowy człowieka
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
12.2. Proste modele odpowiedzi odporno±ciowej
. . . . . . . . . . . . . . . . . . . . . . . . . . . 82
13.Model Marczuka humoralnej odpowiedzi odporno±ciowej
. . . . . . . . . . . . . . . . . 87
13.1. Prezentacja modelu Marczuka
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
13.2. Podstawowe własno±ci układu (13.1)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Modelowanie matematyczne w biologii i medycynie c
U. Fory±, Uniwersytet Warszawski,
2011.
4
Spis tre±ci
14.Ła«cuchy pokarmowe
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
14.1. Podstawy teorii grafów
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
14.2. Ła«cuchy pokarmowe
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
15.Podstawy teorii gier
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
15.1. Podstawy teorii gier
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
15.1.1. Gra w postaci normalnej
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
15.2. Przykłady gier
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
15.2.1. Gra jastrz¡b – goł¡b
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
15.2.2. Dylemat wi¦¹nia
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
Literatura
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
Wst¦p — poj¦cie modelu matematycznego
W dzisiejszych czasach coraz szerzej rozumiana i akceptowana jest idea modelowania mate-
matycznego zjawisk przyrodniczych. Pod okre±leniem model rozumiemy dwuskładnikow¡ struk-
tur¦ — pierwszy składnik stanowi teoretyczny opis danego zjawiska na podstawie bie»¡cej wie-
dzy, cz¦sto ten opis nazywamy modelem heurystycznym, natomiast drugi składnik to struktura
matematyczna, w której próbujemy odzwierciedli¢ model heurystyczny. Buduj¡c model heury-
styczny musimy zdecydowa¢, jakie procesy wchodz¡ce w skład danego zjawiska maj¡ wpływ na
ko«cowy efekt, który chcemy odzwierciedli¢ za pomoc¡ modelu, a które procesy mo»na pomin¡¢.
To bardzo wa»ny etap, gdy» pozwala zredukowa¢ liczb¦ zmiennych i parametrów stosowanych
potem do budowy równa« czy innego typu struktury matematycznej.
Klasycznie najcz¦±ciej stosowanym formalizmem matematycznym s¡ równania ró»niczkowe i
ró»nicowe, poniewa» pierwsze modele w biologii budowane były przy wykorzystaniu ugruntowa-
nych sposobów, z jakich korzystano w modelowaniu w fizyce. Obecnie cz¦sto buduje si¦ modele
stochastyczne czy modele mieszane. Przyjmuj¡c dany formalizm matematyczny musimy jasno
okre±li¢, co stanowi zmienne, a co parametry naszego modelu. Parametry nale»y wyznaczy¢ na
podstawie eksperymentów, pomiarów czy obserwacji w naturze, natomiast zmienne stanowi¡
niewiadome, które obliczamy/analizujemy ich przebieg na podstawie modelu. Dobrze zbudowa-
ny model stanowi przedmiot bada« analitycznych i komputerowych, dzi¦ki którym poznajemy
własno±ci rozwi¡za«.
Buduj¡c model nale»y pami¦ta¢ o pewnych podstawowych zasadach. Poprawnie zbudowany
model powinien mie¢ rozwi¡zania, rozwi¡zania powinny by¢ jednoznaczne, a tak»e stabilne
wzgl¦dem warunków pocz¡tkowych i parametrów. Taka koncepcja poprawnego modelu została
zaproponowana przez
Hadamarda
.
Po zbudowaniu modelu kolej na jego weryfikacj¦. Trzeba zatem zaprojektowa¢ odpowiednie
eksperymenty — dopóki wyniki eksperymentów nie przecz¡ wnioskom płyn¡cym z modelu,
dopóty model mo»emy uwa»a¢ za poprawny. Wi¡»e si¦ to z
koncepcj¡ falsyfikowalno±ci
,
która
mówi, »e model czy teoria naukowa powinny by¢ tak zbudowane, aby za pomoc¡ eksperymentu
mo»na było je obali¢. Trzeba mie¢ ±wiadomo±¢, »e nawet bardzo du»a liczba eksperymentów
potwierdzaj¡cych nie daje całkowitej gwarancji poprawno±ci modelu, ale wystarczy jeden eks-
peryment falsyfikuj¡cy, aby wykaza¢ jego niepoprawno±¢.
W ramach tego wykładu zaprezentujemy szeroki przegl¡d modeli i metod matematycz-
nych stosowanych w biologii i medycynie, zaczynaj¡c od klasycznych modeli populacyjnych
opisywanych równaniami ró»nicowymi, równaniami ró»niczkowymi zwyczajnymi, równaniami
ró»niczkowymi z opó¹nionym argumentem, równaniami ró»niczkowymi cz¡stkowymi, a potem
przejdziemy do modeli budowanych w oparciu o teori¦ grafów i modeli stochastycznych.
Zauwa»my tutaj zasadnicze ró»nice mi¦dzy opisem ci¡głym a dyskretnym. W opisie ci¡głym
zakładamy, »e znamy prawa rz¡dz¡ce danym zjawiskiem w dowolnej chwili
t
, natomiast w opi-
sie dyskretnym interesuje nas tylko to, co dzieje si¦ w wyró»nionych momentach
t
n
,
n
2
N, na
przykład w takich, w których dokonujemy pomiaru. Z kolei z matematycznego punktu widzenia
— w opisie dyskretnym stosujemy ci¡gi liczbowe i mo»emy oczekiwa¢, »e przy odpowiednich
zało»eniach kolejne wyrazy ci¡gu b¦d¡ liczbami naturalnymi, a co za tym idzie bezpo±rednio
mog¡ opisywa¢ np. liczebno±¢ populacji, a w opisie ci¡głym, rozwi¡zanie równania ró»niczko-
Modelowanie matematyczne w biologii i medycynie c
U. Fory±, Uniwersytet Warszawski,
2011.
Plik z chomika:
joanna88
Inne pliki z tego folderu:
Aparatura_chemiczna_i_procesowa_-_J.Warych[1].pdf
(3452 KB)
J.Namieśnik,Z.Jamrógiewicz,M.Pilarczyk,L.Torres - Przygotowanie próbek środowiskowych do analizy [2000].rar
(120327 KB)
Foryś Mata w bioli.pdf
(2954 KB)
tab_termo.pdf
(358 KB)
Wymiana ciepła - Tablice i wykresy - Wiesław Gogół.pdf
(14415 KB)
Inne foldery tego chomika:
audiobooki
meyer stephanie
rice anne
Zgłoś jeśli
naruszono regulamin