Část I -- modelování a identifikace systému
Shrnutí pojmů systémové biologie (slajdy 1 - 46)
Parametrizace modelu a problém identifikace parametrů (slajdy 47 - 74)
Část II -- identifikace parametrů
Algoritmizace detekce identifikovatelnosti skrze jednodimenzionální projekce účelové funkce (profile likelihood)
Realizace v COPASI (datové soubory v příslušné složce studijních materiálů)
Část III -- příklady z praxe
Fotobiologie (slajdy 85 - 104 přednášky části I)
Doplňující zdroje:
Epidemiologie
Zadání úloh k získání kolokvia
Vyřešte jednu z následujících úloh a řešení zpracujte ve formě protokolu ve formátu PDF popisujícího průběh řešení a zásadní výsledky. PDF soubor spolu se zdrojové soubory použitých modelů/dat odevzdejte v zip balíku do odevzdávány nejpozději do 22.2.2021.
1. Fotobiologie
Uvažujte model fotosyntetického zhášení (tzv. rychlé OJIP křivky) vyjádřující průběh fluorescence zachycené z chloroplastů při konstantním působení externím světlem.
Zjistěte při jaké intenzitě světla ve vlnové délce vnímané PSII (parametr k_L2) byla naměřena OJIP křivka zachycená v následujícím datovém souboru.
Použijte pro srovnání dvě metody pro estimaci -- evoluční programování a libovolnou Vámi zvolenou metodu.
2. Epidemiologie
Uvažujte model šíření epidemie SEIR (s předpokladem trvalé imunity po prodělání choroby). Model je kalibrován pro COVID19 v prostředí ČR v situaci bez aplikace restriktivních opatření.
Uvažujte následující datový soubor získaný z veřejně dostupných dat WHO (v listu CZE jsou profiltrovaná data pro průběh infekce v ČR).
Vytvořte vlastní datový soubor (CSV), do nějž umístíte sledovanou proměnnou "hosp_patients" vykazující okamžitý počet hospitalizovaných, uvažujte pouze prvních 20 dní epidemie kdy nebyly účinné restrikce (1.3.-20.3.2020).
Pomocí estimace parametrů zjistěte, jaké číslo R0 by odpovídalo tomuto nastupujícímu trendu epidemie. Použijte metodu evolučního programování a další Vámi vybranou metodu pro porovnání výsledků.
Nepovinné: Můžete zkusit úkol opakovat pro libovolnou další zemi z kompletního datového souboru a výsledky srovnat. Vzhledem k tomu, že v modelu odvozujeme počet hospitalizovaných od počtu infikovaných (4%), je vhodné uvažovat zemi s podobnými podmínkami jako ČR.
3. Automatizace identifikace parametrů
Prostudujte tutoriál Jörga Schabera ke zpracování jednodimenzionálních projekcí účelové funkce v COPASI. Připravte si dle těchto kroků CPS soubor, který reprodukuje tento tutoriál (bez výpočtu a vizualizace statistických informací). Nastudujte potřebnou literaturu k výpočtu statistické informace (intervalu spolehlivosti) a doplňte jej do souboru. V protokolu popište výpočet a jeho přidání do modelu COPASI.