Rapport de stage

Systme Multi Agents ractifs

Application la biologie

quipe SMAC
Systmes Multi-Agents et Coopration

Plan
Introduction (agent SMA large chelle)
La plate-forme SimuLE
Pour comprendre : la colorisation
Un exemple intressant : le modle proie/prdateur
abord du point de vue agent
Travail sur la diffrenciation cellulaire

Quest-ce quun agent

Un agent est une entit autonome qui communique avec dautres
agents laide de messages.
Tous ces agents forment un Systme Multi Agents (SMA) .
Chaque agent possde des caractristiques communes tous les
agents du mme type mais dont les contenus peuvent tre diffrents.
Un agent ractif a une connaissance trs faible (voire nulle) de son
environnement.
Un agent situ a une position dans lenvironnement. Il a un halo de
vision qui correspond la distance maximale de perception des agents
qui lentourent.
3

Quest-ce quun agent

Si lagent noir a un halo de vision de 1, il voit
lagent rose et lagent vert.
Si lagent noir a un halo de vision de 2, il voit
les agents rose, vert, bleu et rouge.
Dans toutes les simulations prsentes, nos agents auront un halo de 1.

Le large chelle
On parle de large chelle pour des simulations comprenant un trs
grand nombre dagents (au moins un millier voire des dizaines de
milliers).
Les SMA large chelle permettent dobserver le comportement global
dun ensemble dagents nayant quune vision locale de leur
environnement.
4

SimuLE
Les actions
Les agents peuvent effectuer ou subir des actions.
Quand un agent agit sur un autre on parle dagent cible et dagent
source. Un agent peut aussi agir sur lui-mme. Laction est alors dite
sans cible.
Chaque agent connat les actions quil peut subir ou effectuer.
Soient subir(agent) et effectuer(agent) ces actions.
Pour quune interaction ait lieu entre deux agents il faut que
Effectuer(source)

subir(cible)

SimuLE
Exemple dune action manger
Dclencheur : avoir faim
Condition : avoir de la nourriture proximit
Acte : manger
Un agent de type mangeur qui a faim et qui aura dans son halo de
vision un agent de type nourriture pourra manger.
Manger Effectuer (mangeur)
Manger subir (nourriture)

SimuLE
La simulation
A chaque pas de la simulation, lagent
- recense tous les agents visibles : ceux qui sont
dans son halo de vision
- garde les agents avec lesquels il peut interagir
- choisit lagent avec lequel laction possible est
prioritaire (sil y en a deux, le premier de la liste de ses
voisins)

Exemple : Colorisation

Exemple : Colorisation
Les agents
Il y a une seul type dagent : lagent cool.
Un cool a un x, un y et une couleur.

Les actions
Effectuer(cool) = {dplacement, color}
Subir(cool) = {color}

Exemple : Colorisation
Dplacement
Priorit : 0
Pas de dclencheur ni de condition.
Acte : modifie les coordonnes de lagent alatoirement de + ou - 1 en x
et y.

Color
Priorit : 1
Dclencheur : avoir au moins un agent dune couleur diffrente de la
sienne dans son halo de vision
Condition : tirage alatoire sur la probabilit de colorer
Acte : le voisin cible prend la couleur de la source

10

Simulation rouge
Les agents prsents
334 agents rouges
333 agents verts
333 agents bleus

Les paramtres de contamination

Si un agent rouge rencontre un agent cible dune couleur diffrente, il a
80% de chance de colorer lagent cible en rouge.
Si un agent bleu rencontre un agent cible dune couleur diffrente, il a
50% de chance de colorer lagent cible en bleu.
Si un agent vert rencontre un agent cible dune couleur diffrente, il a
10% de chance de colorer lagent cible en vert.
11

Colorisation : dbut de la simulation

12

Colorisation : 50 tours

13

Colorisation : fin de la simulation

14

Colorisation : graphe dvolution

15

Simulation verte
Les agents prsents
334 agents rouges
333 agents verts
333 agents bleus

Les paramtres de contamination

Si un agent rouge rencontre un agent cible dune couleur diffrente, il a
10% de chance de colorer lagent cible en rouge.
Si un agent bleu rencontre un agent cible dune couleur diffrente, il a
10% de chance de colorer lagent cible en bleu.
Si un agent vert rencontre un agent cible dune couleur diffrente, il a
100% de chance de colorer lagent cible en vert.
16

Colorisation : dbut de la simulation

17

Colorisation : 30 tours

18

Colorisation : fin de la simulation

19

Colorisation : graphe dvolution

20

Le modle proie/prdateur

21

Le modle proie/prdateur
Quappelle-t-on modle proie/prdateur
On parle de modle proie/prdateur quand on tudie un cosystme o
cohabitent des espces proies et des espces prdatrices.
En tenant compte du rythme de naissance et de mortalit de chaque
espce et en faisant varier ces paramtres, on observe la stabilit et les
modulations de cet cosystme.
On cherche viter
- les famines : les prdateurs sont trop forts et exterminent si
vite les proies quils nont plus de quoi se nourrir
- les cas o le prdateur ne sait pas chasser et il meurt de faim
alors que les proies prolifrent.
22

Le modle proie/prdateur
Les avantages de lapproche agent
Grce son interface graphique, SimuLE permet
- de modifier simplement les caractres de chaque espce (taux
de reproduction, dure de vie ) .
- une approche gographique de la question
Pour les espces chassant en meute, les proies se dplaant en banc,
les prdateurs chassant chacun sur leur territoire. Ces comportements
difficiles exprimer mathmatiquement sont trs simples mettre en
pratique avec SimuLE.
- on peut ajouter des comportements propres une espce.
( suivre : la chasse)
23

Des requins et des poissons

Protocole de simulations propos
On met en prsence deux espces (deux types dagent diffrents)
- les requins
- les poissons
Les actions sont dans lordre de priorit :
manger - mourir - reproduire - dplacement
Effectuer(requin) = {manger, mourir, reproduire,dplacement}
Subir(requin) =
Effectuer(poisson) = {mourir, reproduire, dplacement}
Subir(requin) = {manger}
24

Des requins et des poissons

Lcosystme
On fixe les caractristiques fixes (taux de mortalit, condition de
reproduction,dure de survie sans manger,concentration maximale pour
une espce ).
Il y a initialement 3 poissons pour 1 requin.

Comparatif propos
Pour tenter damliorer le modle, nous allons ajouter la possibilit au
requin de chasser : lorsquil aura faim, il ne se dplacera pas de la
mme manire.
- dplacement obligatoire
- dplacement rapide et obligatoire
- dplacement rapide, obligatoire, et rgulier sur un seul axe
25

Des requins et des poissons

Les facilits de la plate-forme
Pour ajouter la possibilit de chasser aux requins, on ne change RIEN
au modle existant. On cre juste des actions chasser quon ajoute la
liste des actions effectuables pour le requin.
Pour chaque simulation propose, on ajoute une des 4 actions de
chasse.
-Effectuer(requin)= Effectuer(requin).add(chasse_classique)
-Effectuer(requin)= Effectuer(requin).add(chasse_obligatoire)
- Effectuer(requin)= Effectuer(requin).add(chasse_rapide)
- Effectuer(requin)= Effectuer(requin).add(chasse_regulier)
Et on observe les variations.
26

Dplacement classique

27

Dplacement classique

28

Dplacement obligatoire

29

Dplacement obligatoire

30

Dplacement rapide

31

Dplacement rapide

32

Dplacement rapide et rgulier

33

Dplacement rapide et rgulier

34

Conclusion de poisson
Ce modle
- na aucune vise raliste
- illustre le fait que la plate forme SimuLE est tout fait apte
tudier ce type de problme avec une valeur ajoute par sa souplesse.
En effet, pour tudier 4 modles diffrents, il ny a eu qu dfinir une
action diffrente chaque simulation.

35

La diffrenciation cellulaire

36

La diffrenciation cellulaire
Notions biologiques (simplifies)
Dans le noyau dune cellule, il y a le code gntique de toutes les protines
que lorganisme peut produire.
On dit quun gne code pour une protine.
Une cellule se diffrencie dune autre si elle exprime des protines
diffrentes.
Une cellule qui produit de la protine A sera dite cellule A .
Lexpression dune protine dpend dun promoteur qui est activ ou inhib.
Si le promoteur du gne est activ dans la cellule, elle produit la protine
code par ce gne.
37

La diffrenciation cellulaire
Prenons le modle simple dun organisme fictif qui ne produit que 3
protines.

ADN de notre organisme simplifi

promoteur

GENE
A

promoteur

GENE
B

promoteur

GENE
C

Cet ADN est le mme pour chaque cellule. Cest lactivation du

promoteur dun gne qui spcialise la cellule.

38

La diffrenciation cellulaire
La flche noire sous le promoteur indique quil est activ.

Cellule A
promoteur

GENE
A

promoteur

GENE
B

promoteur

GENE
C

Cellule C
promoteur

GENE
A

promoteur

GENE
B

promoteur

GENE
C
39

La diffrenciation cellulaire
La diffrenciation
Poser la question de la diffrenciation, cest se demander pourquoi dun
ensemble de cellules indiffrencies merge soudain une cellule
spcifique (A ou B ou C ou AB ) . Cette question est ouverte
aujourdhui.

2 thories envisages
- Le modle inductif
- Le modle stochastique

40

Le modle inductif
Ce modle est dterministe dans le sens o un tat de diffrenciation
donn ne peut tre atteint que par la prsence de linducteur
correspondant.
Les travaux de Jacob et Monod dans les annes 60 sur lescherichia
coli vont dans ce sens :
cette bactrie peut se nourrir de lactose. Mais pour se faire, elle doit
produire la lactase qui lui permet la digestion du lactose. En labsence
de lactose, elle ne produit pas de lactase, ce qui lui permet lconomie
de lnergie et la matire ncessaire la synthse du lactase.
En prsence de lactose, elle se met produire du lactase.
La prsence du lactose induit la production de lactase.

41

Le modle stochastique
Ce modle est bas sur lhypothse que les cellules sont par nature
instable, elles expriment au hasard un ensemble de gnes chaque
transcription et se diffrencient continuellement.
Comme si notre flche noire se dplacement continuellement dun
promoteur lautre.

promoteur

GENE
A

promoteur

GENE
B

promoteur

GENE
C

42

Le modle stochastique
Seules les cellules dont la production protique est adapte
lenvironnement vont survivre, et cette adaptation se traduit par la
stabilisation de la flche noire .
Dans cette hypothse, une sorte de pression slective de type
darwinienne est la base de la structuration des populations cellulaires.
Si lenvironnement change, et ne correspond plus la production
protique de la cellule, elle redeviendra instable et repassera dans ltat
prcdent de va et vient de lactivateur.

43

La simulation
Pour mettre en place notre protocole de comparaison, nous avons fix le cadre
suivant :

Les agents
- les cellules
- les miams : ce dont les cellules se nourrissent
- les substrats : produisent les miams
- les barrires : cadre de l exprience : les miams qui atteignent cette
bordure explosent.
Les cellules, substrats et barrires sont immobiles. Il ne peut y avoir quune
cellule par case, mais il ny a pas de limitation en miam par case.

44

La simulation

45

La simulation
Les caractristiques dune cellule
Une cellule
- peut survivre sans manger 100 tours.
- se reproduit tours les 50 tours condition davoir du stock.
- a un stock maximal de 4 au del duquel elle na pas le droit
manger mais doit puiser dans ses rserves pour se nourrir.
Nos cellules ne meurent pas.

46

La simulation
Les actions
Effectuer(cellule)={se reproduire, manger, utiliser ses rserves de nourriture, attendre}
Subir(cellule)=
Effectuer(substrat)={produire}
Subir(substrat)=
Effectuer(barrire)={exploser}
Subir(barrire)=
Effectuer(miam)={dplacement}
Subir(miam)={manger, exploser}

47

La simulation
Les cellules et les miams ont un type (exprim par leur couleur).
Le type dune cellule dtermine le type de miam quelle mange.
Les cellules bleues mangent les miams bleus cyan.
Les cellules vertes mangent les miams oranges .
Les cellules jaunes mangent les miams gris .
On ajoute nos cellules la possibilit de muter (changer de type)
Pour muter, il y a deux actions diffrentes.

48

Les mutations
La mutation stochastique
Dclencheur : une probabilit qui augmente en fonction que la survie baisse.
Allure de la courbe de probabilit :

survie
Plus la survie est leve, plus la probabilit de muter est faible.
Condition : avoir demand 4 fois muter (pour laisser le temps
dventuellement se stabiliser).
Action : change de couleur et de type de miam.
49

Les mutations
La mutation inductive
Dclencheur : la majorit des miams autour de la cellule ne correspond
pas son type.
Condition : avoir dj demand une fois muter.
Action : change de couleur et de type de miam.

50

La simulation
Protocole de simulation propos
Une cellule seule de type bleu.
Du substrats qui diffuse des miams oranges (nourriture des cellules
vertes).
Au bout de 300 tours, le substrat stoppe la production de miams oranges
et produit des miams bleus cyans (nourritures des cellules bleues).
On surveille
lvolution des cellules en forme avec la courbe verte
lvolution des cellules pas en forme avec la courbe noire
lvolution gnrale des cellules avec la courbe bleue
51

Le comportement stochastique

52

Le comportement stochastique

53

Le comportement inductif

54

Le comportement inductif

55

Conclusion
Les deux modles ont a peu prs le mme comportement.
Au dbut de lexprience (milieu stable), lhypothse inductive est trs
lgrement plus efficace.
En milieu instable, les cellules stochastiques ont une pente de
dveloppement gnrale meilleure, mais lvolution des cellules en
forme est exactement la mme.
La simulation prsente est beaucoup trop simple pour tirer des
conclusions sur les qualits des modles prsentes.
Nanmoins, ces expriences sont prometteuses sur les possibilits de
SimuLE dans le domaine de la recherche applique la biologie.

56

Ouverture : les possibilits de SimuLE

Pour poursuivre sur le chemin engag, il faut
- augmenter considrablement la quantit de types de cellules
- ajouter des contraintes de changement de type en tenant
compte du positionnement sur le brin dADN des diffrents gnes.
Laugmentation du nombre de types cellulaires suppose de raffiner
assez nettement la formulation des deux modles.
En outre, nous avons travaill uniquement une chelle intercellulaire.
La prise en compte des vnements intracellulaires peut (ou pas)
amliorer les expriences.

57

Ouverture : la diffrenciation cellulaire

A lheure actuelle, la recherche en biologie est presque exclusivement
consacre ltude de lhypothse inductive.
Or il est tout fait envisageable, comme pour la thorie des gaz
parfaits, qu une quation dterministe (PV=nRT) soit pourtant le rsultat
de phnomnes alatoires lchelle microscopique.
De la mme faon, dans lexprience de Jacob et Monod, en prsence
de lactose, dautres protines que le lactase sont peut-tre exprimes
de faon temporaire, mais comme elles ne sont pas adaptes, ces
cellules disparaissent.

58

Ouverture : la diffrenciation cellulaire

Aucun protocole na jamais t mis en place pour permettre de dtecter
la production de protines non adaptes .
La difficult pour concevoir ce genre de protocole est norme si on
considre le nombre de possibilits : Les protines dont on cherche
mesurer la prsence sont en si faible quantit que les instruments
existants (micro-array par exemple) sont inefficaces.
Outre la difficult de mise en place, la recherche en ce domaine a t
freine par le faible intrt pour le modle stochastique .
En effet, le point de vue dominant en biologie molculaire
est le fonctionnalisme : tout sert quelque chose tout le temps.

59

Ouverture : la diffrenciation cellulaire

Les recherches sont donc fortement orientes : on cherche a priori
quelque chose qui a un rle.
Cependant, de plus en plus de biologistes sintressent au modle
stochastique (notamment tout un pan de la thorie de lapparition et du
dveloppement de la vie). Cet intrt franchit progressivement les
frontires de la biologie.

60

Conclusion sur Simule

La plate forme sadapte assez facilement aux contraintes biologiques
ncessaires au simulations appliques la biologie.
Elle montre de plus une grande souplesse dutilisation, ainsi quune
facilit daccs des non informaticiens .
En effet, beaucoup de paramtre peuvent tre tablis soit dans un
fichier de configuration, soit directement partir de linterface graphique.
Il constitue par l une excellent passerelle entre les biologistes et les
informaticiens.

61

Pour plus de dtails

Une bibliographie ainsi qu une prsentation plus dtaill sont
disponibles sur la page
http://lisa.a.free.fr/rapport

Et pour toute question lisa.a@free.fr

62