Hledej
Zobraz:
Univerzity
Kategorie
Rozšířené vyhledávání
12 659 projektů
0 nových
Modelování biologických systémů
«»
| Přípona |
Typ skripta |
Stažené 0 x |
| Velikost 2,9 MB |
Jazyk český |
ID projektu 12321 |
| Poslední úprava 26.06.2018 |
Zobrazeno 450 x |
Autor: snoopydogg |
Sdílej na Facebooku |
||
| Detaily projektu | ||
- Cena:
8 Kreditů - kvalita:
89,4% -
Stáhni
- Přidej na srovnání
- Univerzita:Vysoké učení technické v Brně
- Fakulta:Fakulta elektrotechniky a komunikačních technologií
- Kategorie:Přírodní vědy » Biologie
- Předmět:Modelování biologických systémů
- Studijní obor:-
- Ročník:3. ročník
- Formát:PDF dokument (.pdf)
- Rozsah A4:122 stran
Oba pojmy označují aktivitu spojenou s vytvářením modelů objektů reálného světa a s jejich experimentováním.
Modelování je soubor aktivit vedoucích k vývoji matematického modelu, který současně reprezentuje strukturu a chování reálného systému.
Simulace je soubor aktivit sloužících k ověření správnosti modelu a získání nových poznatků o činnosti reálných systémů.
Reálný objekt
= zkoumaná část reálného světa; může být
přirozený (květina, včelí roj, kardiovaskulární systém člověka, ...) nebo
umělý (počítač, tok materiálu ve výrobním podniku);
existující nebo plánovaný
= zdroj dat o svém chování
Model
= zjednodušený abstraktní popis reálného objektu (soubor vztahů, resp. instrukcí pro generování dat popisujících chování reálného objektu;
= modely systémů s neznámou strukturou (to je zpravidla případ biologických systémů) jsou založeny na analýze experimentálních dat. Tento proces stanovení struktury systému (modelu) se nazývá inverzní problém. Protože je struktura systému neznámá, reprezentuje struktura modelu, vytvořená podle experimentálních dat pouze hypotézu o struktuře systému, modely tedy nejsou statické, nýbrž se vyvíjejí v čase podle přístupu k novým informacím o systému, které umožňují rozšiřovat a zpřesňovat model i s ohledem na strukturu;
= při tvorbě modelu se vyskytují mnohá omezení - neúplná data díky nedokonalému vzorkování, resp. nevhodnému počtu nebo nepřesně stanoveným podmínkám provedených experimentů.
Reálný objekt a jeho model jsou navzájem propojeny dvěma relacemi - abstrakcí a interpretací.
Modelování je soubor aktivit vedoucích k vývoji matematického modelu, který současně reprezentuje strukturu a chování reálného systému.
Simulace je soubor aktivit sloužících k ověření správnosti modelu a získání nových poznatků o činnosti reálných systémů.
Reálný objekt
= zkoumaná část reálného světa; může být
přirozený (květina, včelí roj, kardiovaskulární systém člověka, ...) nebo
umělý (počítač, tok materiálu ve výrobním podniku);
existující nebo plánovaný
= zdroj dat o svém chování
Model
= zjednodušený abstraktní popis reálného objektu (soubor vztahů, resp. instrukcí pro generování dat popisujících chování reálného objektu;
= modely systémů s neznámou strukturou (to je zpravidla případ biologických systémů) jsou založeny na analýze experimentálních dat. Tento proces stanovení struktury systému (modelu) se nazývá inverzní problém. Protože je struktura systému neznámá, reprezentuje struktura modelu, vytvořená podle experimentálních dat pouze hypotézu o struktuře systému, modely tedy nejsou statické, nýbrž se vyvíjejí v čase podle přístupu k novým informacím o systému, které umožňují rozšiřovat a zpřesňovat model i s ohledem na strukturu;
= při tvorbě modelu se vyskytují mnohá omezení - neúplná data díky nedokonalému vzorkování, resp. nevhodnému počtu nebo nepřesně stanoveným podmínkám provedených experimentů.
Reálný objekt a jeho model jsou navzájem propojeny dvěma relacemi - abstrakcí a interpretací.
Klíčová slova:
experimenty
matematický model
deterministický chaos
epidemiologie
katastrofa
umělý život
Obsah:
- 1. Základní pojmy 3
1.1. Modelování a simulace 3
1.2. Cíle a důsledky modelování a simulace 4
1.3. Obecné techniky modelování 5
1.4. Postup při vytváření modelu a při simulačních experimentech 6
1.5. Identifikace parametrů 8
1.6. Zákony modelování 8
2. Experimenty 9
2.1. Na úvod 9
2.2. Experimenty s biologickými systémy 9
2.3. Plánování experimentů 9
3. Definice systému 11
3.1. Definice 11
3.2. Základní atributy systému 11
3.3. Biologické systémy a jejich vlastnosti 12
3.4. Modely a jejich popis 12
3.4.1. Neformální popis 12
3.4.2. Příklady 13
3.4.3. Syntéza a dekompozice 14
4. Matematický model 16
4.1. Formální popis systému 16
4.2. Kompartmentové modely, kompartmentová analýza 17
4.2.1. Základní pojmy 17
4.2.2. Matematický popis kompartmentového systému 18
4.2.3. Příklady použití kompartmentové analýzy a modelování 20
5. Modely jednodruhových populací 23
5.1. Začínáme 23
5.2. Spojité deterministické modely jednodruhových populací 23
5.2.1. Malthusův model 24
5.2.2. Logistický model 26
5.2.3. Modely jednodruhových populací se zpožděním 31
5.3. Diskrétní deterministické modely jednodruhových populací 32
5.3.1. Základní diskrétní ekvivalenty spojitých modelů 32
5.3.2. Diskrétní modely jednodruhových populací se zpožděním 35
5.4. Modely s věkovou strukturou - Lesliho model 37
5.4.1. Struktura a matematický popis modelu 37
5.4.2. Chování modelu 38
6. Deterministický chaos (O.Fojt) 39
6.1. Co je to deterministický chaos 39
6.2. Historická vložka 39
6.3. Dynamický systém a jeho řešení 40
6.4. Atraktory a podivné atraktory 40
6.5. Rozmanitost chování diskrétní logistické rovnice 42
6.6. Univerzálnost chaosu 46
6.7. Různé cesty vedoucí k chaosu 47
6.8. Chaos v biologických systémech 49
6.8.1. Spirální vlny v srdeční tkáni 49
6.8.2. Chaos v signálu srdečního rytmu 49
6.8.3. Fraktály v biologických systémech 50
6.8.4. Chaos v EKG signálu 53
6.8.5. Chaos v EEG signálu 54
6.8.6. Další aplikace v medicíně 55
7. Modely dvoudruhových populací 56
7.1. Obecně na úvod 56
7.2. Modely dravec - kořist 56
7.2.1. Základní matematický model relace dravec - kořist 56
7.2.2. Analýza modelu Lotky - Volterry 57
7.2.3. Příklady ze života 59
7.2.4. Rozšíření modelu Lotky - Volterry (Kolmogorovův model) 61
7.2.5. Modely dravec - kořist se zpožděním 63
7.3. Modely konkurence 63
7.4. Modely spolupracujících populací (symbióza) 66
8. Epidemiologické modely 68
8.1. Základní epidemiologické modely a jejich využití 68
8.1.1. Základní koncept 68
8.1.2. Model SIR 68
8.1.3. Aplikace modelu SIR 71
8.1.4. Model SI 71
8.1.5. Model SIS s konstantními koeficienty 72
8.1.6. Model SIS s časově proměnnými koeficienty 73
8.1.7. Model SIS s konstantním počtem přenašečů 73
8.1.8. Model SIR s vakcinací 74
8.1.9. Model SEIR 74
8.2. Modely dynamiky venerických onemocnění 75
8.2.1. Na úvod 75
8.2.2. Základní křížový model 75
8.2.3. Víceskupinový model 77
8.3. Model přenosu viru AIDS 78
8.3.1. Úvodem 78
8.3.2. Model vývoje AIDS v homosexuální populaci 78
9. Teorie katastrof 82
9.1. Úvodní poznámky 82
9.2. Základní principy a příklady 82
9.2.1. Model agresivního chování 82
9.2.2. Model finančního trhu 83
9.2.3. Zeemanův stroj na katastrofy 84
9.2.4. Model fázového přechodu 85
9.3. Základní typy katastrof 86
9.4. Příklady modelů využívajících katastrofu typu motýlek 89
9.4.1. Anorexia nervosa 89
9.4.2. Model válečných aktivit 90
10. Systémy diskrétních událostí 92
10.1. Úvod 92
10.2. Konečné automaty 92
10.2.1. Definice 92
10.2.2. Příklady 93
10.3. Modely celulární a tkáňové struktury 95
10.3.1. Vazba systémů 95
10.3.2. Celulární automaty 98
10.4. Umělý život 100
10.4.1. Atributy života 100
10.4.2. Umělé systémy inspirované živými organismy 100
10.4.3. Hra „Život“ 102
10.4.4. Umělí mravenci 105
10.4.5. Boidi - model shlukování ptáků 105
10.5. Hodnocení chování celulárních automatů 105
11. Modely farmakokinetiky 107
11.1. Matematické modelování farmakokinetiky 107
11.2. Některé jednoduché problémy distribuce léků 107
11.3. Distribuce metabolitů v organismu 109
11.4. Obecný model vlivu léků 112
Literatura 117
Obsah 118