生物学におけるエージェントベースモデル

エージェントベースモデルは、主にモデリング手法の特性により、生物学において多くの応用があります。エージェントベースモデリングは、マトリックスの個々のコンポーネントまたはエージェント間のルールと相互作用に焦点を当てたルールベースの計算モデリング手法です。 ^[1]このモデリング手法の目的は、関心のあるシステムコンポーネントの集団を生成し、仮想世界でそれらの相互作用をシミュレートすることです。エージェントベースモデルは、行動のルールから始まり、それらの行動ルールを計算でインスタンス化することで、観察された行動パターンを再構築しようとします。^[1]

生物学研究にとって重要なエージェントベース モデルの特性には、次のようなものがあります。

エージェントベース モデルの動作は、そのエージェントのルールによって定義されます。モデル全体を変更することなく、既存のエージェント ルールを変更したり、新しいエージェントを追加したりできます。

エージェントベースのモデルは、行動ルールとローカルに相互作用する個々のエージェントを使用することで、個々のエージェントよりもはるかに複雑な行動を伴うより高いレベルの全体につながる相乗効果を生み出します。^[2]

重要でない詳細を除外するか、詳細が利用できない場合は、研究対象のシステムに関する完全な知識がなくてもエージェントベースのモデルを構築できます。これにより、モデルを可能な限り単純かつ検証可能にすることができます。^[1]

生物系はランダムな行動を示すように見える。特定の行動の確率はシステム全体で決定され、個々のエージェントのルールに変換される。^{[1] [3]}

生態学的な文脈では、エージェントベースモデリングは、昆虫の蔓延、^{[4]その他の侵入種、 [5]}アブラムシ、^[6]水生生物の個体群、^[7]生来の採餌行動の進化など、さまざまな種の行動をモデル化するために使用できます。^[8]

エージェントベースモデリングは、マウンテンパインビートル（MPB）であるDendroctonus ponderosaeの攻撃行動をシミュレートするために使用され、さまざまな伐採ポリシーが森林の空間特性とMPB蔓延の空間的伝播に時間の経過とともにどのように影響するかを評価しました。^[4]カナダのブリティッシュコロンビア州の土地の約3分の2は、火災、病気、昆虫の蔓延などの自然撹乱によって常に変化している森林で覆われています。森林資源は州経済の約15％を占めているため、MPBなどの昆虫による蔓延は経済に大きな影響を与える可能性があります。MPBの発生は、ブリティッシュコロンビア州で最も豊富な商業用樹木種の1つであるロッジポールパインの広範な枯死につながる可能性がある主要な自然撹乱であると考えられています。昆虫の発生により、数千平方キロメートルの地域で木が枯死しています。

この研究のために開発されたエージェントベースのモデルは、MPB の攻撃行動をシミュレートし、管理慣行が昆虫個体群の空間分布とパターン、および攻撃され枯れた木に対する昆虫の好みにどのように影響するかを評価するように設計されています。モデルでは、1) 管理なし、2) 衛生伐採、3) 救済伐採の 3 つの管理戦略が検討されました。モデルでは、甲虫エージェントが MPB の行動を、松エージェントが森林環境と樹木の健康状態の進化を、森林管理エージェントがさまざまな管理戦略を表しています。甲虫エージェントは、一連のルールに従って森林内の飛行場所を決定し、攻撃、餌付け、繁殖する健康な木を選択します。MPB は通常、繁殖を成功させるために自然環境にある宿主の木を殺します。甲虫の幼虫は成熟した宿主木の樹皮を食べて、最終的にその木を枯らします。甲虫が繁殖するためには、宿主の木が十分に大きく、樹皮の内側が厚くなければなりません。 MPB の発生は、食料供給が個体群を維持するのに十分でないほど減少するか、気候条件が甲虫にとって不利になると終了します。Pine Agent は、宿主の木、具体的にはロッジポール松の抵抗をシミュレートし、各木の状態と特性を監視します。MPB 攻撃の途中で、木 1 本あたりの甲虫の数が宿主木の収容能力に達します。この点に達すると、甲虫は化学物質を放出し、甲虫が他の木を攻撃するように誘導します。Pine Agent は、木 1 本あたりの甲虫の個体密度を計算してこの行動をモデル化し、その情報を Beetle Agent に渡します。Forest Management Agent は、木 1 本あたりの一般的な 2 つの林業慣行 (衛生管理と伐採) と、管理慣行を採用しない戦略をシミュレートするために、木 1 本レベルで使用されました。衛生管理による伐採戦略では、木 1 本あたりの侵入率が設定しきい値を超えると、その木 1 本と、木の平均サイズが設定しきい値を超えると、健康な近隣の木 1 本が除去されます。サルベージ収穫戦略では、所定の数の近隣の林分が MPB 攻撃を受けている場合、MPB 攻撃を受けていない林分であってもその林分が除去されます。

この研究では、ブリティッシュ コロンビア州北中部内陸部の約 560ヘクタールの森林地帯を検討しました。この地域は主にロッジポール パインで構成され、ダグラス モミとアメリカトウヒが少量混じっています。モデルは 5 つの時間ステップで実行され、各ステップは 1 年を表します。検討した森林管理戦略ごとに 30 回のシミュレーションが実行されました。シミュレーションの結果、管理戦略を採用しなかった場合、全体的な MPB の蔓延が最も高くなることがわかりました。また、結果は、サルベージ収穫管理技術によって MPB によって枯死した森林のストランドの数が 25% 減少したのに対し、衛生収穫管理戦略では 19% 減少したことを示しました。要約すると、結果は、モデルが森林管理ポリシーを作成するツールとして使用できることを示しています。

侵入種とは、侵入した環境に悪影響を及ぼす「非在来種」の植物や動物を指します。侵入種の導入は、環境、経済、生態系に影響を及ぼす可能性があります。エージェントベースのモデルを開発して、侵入種のリスクがある特定の農産物に対する港湾固有および輸入業者固有の執行体制の影響を評価し、執行リソースの割り当てを改善し、国境執行と侵入種のリスクに関するさらなる質問に答えるためのツールを政策立案者に提供することを目指します。^[5]

この研究のために開発されたエージェントベースモデルでは、侵入種、輸入業者、国境警備隊の3種類のエージェントを考慮した。このモデルでは、侵入種は周囲に反応することしかできないが、輸入業者と国境警備隊はそれぞれの目標と目的に基づいて独自の決定を下すことができる。侵入種は、対象作物のある地域に放出されたかどうかを判断し、対象作物の隣接区画に拡散する能力を持つ。このモデルには、侵入種が定着するかどうかを判定するために使用される空間確率マップが組み込まれている。この研究は、カリフォルニア州カレクシコとカリフォルニア州オタイーメサの入港港を経由してメキシコからカリフォルニアに輸送されるブロッコリーに焦点を当てた。懸念される侵入種として選ばれたのは、アブラナ科ノミハムシ（Phyllotreta cruciferae）である。カリフォルニアは米国で圧倒的に最大のブロッコリー生産地であるため、選択された入港港を通じた侵入種の導入の懸念と潜在的影響は大きい。このモデルには、侵入種による被害を現実的にモデル化するために使用された空間的に明示的な被害関数も組み込まれています。エージェントベースのモデリングでは、異質なアクターの行動を分析できるため、商品の感染率 (高、中、低)、前処理の選択、港までの輸送コストが異なる 3 種類の輸入業者が検討されました。このモデルは、各入国港と輸入業者の検査率を予測し、各港と輸入業者だけでなく、各潜在的前処理レベル (前処理なし、レベル 1、レベル 2、レベル 3) についても国境警備官の検査の成功率を判定しました。

モデルはNetLogoバージョン3.1.5で実装され、実行されました。分析には、入港地、主要高速道路、輸送ルートの位置に関する空間情報のほか、侵入種の定着確率マップを重ねたカリフォルニアのブロッコリーの収穫地図も含まれていました。NetLogoに統合されたソフトウェアツールであるBehaviorSpace ^[9]は、モデル内のさまざまなパラメータ（出荷額、前処理コストなど）の影響をテストするために使用されました。平均して、使用されているパラメータの各レベルで100回の反復が計算され、1回の反復は1年間の実行を表しています。

モデルの結果は、検査努力が増加すると、輸入業者は当然の注意、つまり出荷品の前処理を増やし、カリフォルニアの農作物の総損失が減少することを示しました。モデルは、輸入業者が検査努力の増加にさまざまな方法で対応することを示しました。一部の輸入業者は前処理努力を増やすことで検査率の増加に対応しましたが、他の輸入業者は特定の港への出荷を避けるか、別の港を探しました。モデル結果の重要な結果は、港探しが導入される検査率など、輸入業者が港探しを開始するポイントについて政策立案者に示したり、推奨事項を提供したりできることです。また、港探しが導入される検査率や、一定レベルの害虫リスクまたは輸送コストに関連する輸入業者がこれらの変更を行う可能性が高いことも示しています。モデルのもう 1 つの興味深い結果は、検査官が以前に害虫に汚染された出荷品を持つ輸入業者への対応を学習できなかった場合、カリフォルニアのブロッコリー作物への損害は 1 億 5,000 万ドルと推定されたことです。ただし、検査官が以前に違反した輸入業者の検査率を上げることができた場合、カリフォルニアのブロッコリー作物への損害は約 12% 減少しました。このモデルは、農産物輸入による侵入種の侵入と、その被害の可能性を予測するメカニズムを提供します。同様に重要な点として、このモデルは政策立案者や国境管理機関に、検査リソースの最適な割り当てを決定するために使用できるツールを提供します。

エージェントベースモデルは、バードチェリーオートアブラムシ（Rhopalosiphum padi）の個体群動態を研究するために使用できます。[ 6 ]この研究^は、イングランドのヨークシャー・ハンバー地域にあるノースヨークシャーの5平方キロメートルの地域で実施されました。エージェントベースモデリング手法が選択された理由は、個体群全体ではなく個々のエージェントの行動に焦点を当てているためです。著者らは、個体群全体に焦点を当てた従来のモデルでは、個体群の傾向に大きな影響を与える可能性のある生殖や資源の競争など、生態系における同時相互作用の複雑さが考慮されていないと提案しています。エージェントベースモデリングアプローチでは、個体群全体に焦点を当てたモデリングアプローチよりも柔軟で保守が容易な、より汎用的でモジュール化されたモデルをモデラーが作成することもできます。エージェントベースモデルのその他の利点としては、自律エージェントのグループの相互作用による対象現象のリアルな表現、および定量的変数、微分方程式、ルールベースの行動を同じモデルに統合する機能などが挙げられます。

モデルは、 JAVAプログラミング言語を使用してモデリング ツールキットRepastに実装されました。モデルは毎日の時間ステップで実行され、秋と冬の季節に焦点が当てられました。モデルの入力データには、生息地データ、毎日の最低、最高、平均気温、風速と風向が含まれていました。アブラムシ エージェントについては、年齢、位置、形態(羽状または翅なし) が考慮されました。年齢は 0.00 から 2.00 までの範囲で、1.00 はエージェントが成虫になる時点です。アブラムシ エージェントによる繁殖は、年齢、形態、毎日の最低、最高、平均気温に依存します。幼虫は孵化すると、親と同じ場所に留まります。幼虫の形態は、個体密度とアブラムシの食料源の栄養品質に関連しています。モデルでは、年齢、気温、生息地の質に依存するアブラムシ エージェントの死亡率も考慮されました。アブラムシ媒介生物の老化速度は、毎日の最低、最高、平均気温によって決まります。モデルでは、アブラムシ媒介生物の移動は、移動段階と採餌段階という 2 つの段階に分かれており、どちらも個体群全体の分布に影響すると考えられています。

研究は、25 メートルのセルのグリッド全体に分布する 10,000 匹の有翅アブラムシの初期個体群からシミュレーションを開始しました。シミュレーションの結果、個体群のピークは 2 回発生しました。1 回目は初秋で、有翅アブラムシの移入によるもので、2 回目は、年後半の気温の低下と移入者の不足によるものでした。最終的には、このモデルを適応させて、より広範な生態系と動物の種類をシミュレートすることが研究者の目標です。

2種の大型水草の個体群動態を研究するためのモデルが提案されている。^[7] 水生植物は、他の水生生物に隠れ場所や食料を提供するなど、生息する生態系において重要な役割を果たしている。しかし、外来植物の過剰な増殖や生息する湖の富栄養化による無酸素状態など、有害な影響を及ぼす可能性もある。こうした可能性を考慮すると、環境や他の生物が水生植物の成長にどのような影響を与えるかを理解して、有害な影響を軽減または防止することが重要となる。

Potamogeton pectinatusは、モデル内の水生植物エージェントの 1 つです。土壌から栄養分を吸収し、塊茎と地下茎を通じて繁殖する一年生植物です。植物の繁殖は水の流れによる影響を受けませんが、動物、他の植物、および人間の影響を受ける可能性があります。この植物は高さ 2 メートルまで成長しますが、これは特定の水深でのみ成長できるため、制限条件となります。また、太陽光をできるだけ多く捉えるために、バイオマスの大部分は植物の上部にあります。モデルの 2 番目の植物エージェントは、同じく根のある水生植物であるChara asperaです。2 つの植物の大きな違いの 1 つは、後者は卵胞子と球茎と呼ばれる非常に小さな種子を使用して繁殖し、水の流れによって拡散することです。Chara aspera は20 cm までしか成長せず、非常に良好な光条件と良好な水質を必要とします。これらはすべて、植物の成長を制限する要因です。 Chara aspera はPotamogeton pectinatusよりも成長率が高いですが、寿命ははるかに短いです。モデルでは、環境要因と動物要因も考慮されました。考慮された環境要因には、水の流れ、光の浸透、水深が含まれます。水の流れの条件は、 Potamogeton pectinatusにとってそれほど重要ではありませんが、 Chara asperaの種子散布に直接影響します。水の流れの条件は、種子が散布される方向と距離に影響します。光の浸透は、高い水質を必要とする Chara aspera に大きな影響を与えます。吸光係数(EC) は、水中の光の浸透の尺度です。EC が増加すると、 Chara asperaの成長率は低下します。最後に、深さは両方の植物種にとって重要です。水深が深くなると、光の浸透が減少し、どちらの種も特定の深さを超えて生存することが難しくなります。

モデルの対象地域は、オランダのフェルウェ湖です。これは、平均水深 1.55 メートルの比較的浅い湖で、約 30 平方キロメートルの面積をカバーしています。湖は富栄養化ストレス下にあり、つまり、栄養素はモデル内のどちらの植物エージェントにとっても制限要因ではありません。モデル内の植物エージェントの初期位置はランダムに決定されました。モデルは、Repastソフトウェア パッケージを使用して実装され、前述の環境エージェントと他の植物エージェントとの相互作用を考慮に入れながら、2 つの異なる植物エージェントの成長と衰退をシミュレートするために実行されました。モデル実行の結果、Chara asperaの個体群分布は、観測された分布の GIS マップと非常によく似た空間パターンを示しています。研究の著者は、研究で開発されたエージェント ルールは、この特定の湖における大型水草の成長の空間パターンをシミュレートするのに適切であると結論付けています。

エージェントベースモデリングは、組織内の個々の細胞の挙動をモデル化するためにますます使用されています。これらのモデルは、オンラティスモデルとオフラティスモデルに分けられ、オンラティスモデルにはセルオートマトンやセルラーポッツモデルなどがあり、オフラティスモデルには中心ベースモデル、^[10]頂点ベースモデル、^[11] 浸漬境界法^[12]モデル、細胞内要素法に基づくモデルなどがあります。^[13]セルベースモデリングの具体的な応用例としては、次のものがあります。

エージェントベースモデルは、表面への細菌の定着をモデル化し、バイオフィルムの形成につながる。^[14] iDynoMiCS（個体ベースの微生物群集ダイナミクスシミュレーター）の目的は、水生環境に浸漬されたバイオフィルム内で空間と資源をめぐって競争する個々の微生物（細菌、古細菌、原生生物などの小さな単細胞生物）の個体群とコミュニティの成長をシミュレートすることである。iDynoMiCSは、個々の微生物のダイナミクスがどのようにして個体群またはバイオフィルムレベルの特性と行動の出現につながるかを理解するために使用することができる。このような形成を調べることは、土壌と河川の研究、歯科衛生学の研究、感染症と医療インプラント関連の感染研究、および生物腐食の理解において重要である。^[15]エージェントベースのモデリングパラダイムは、特定の種の個々の細菌がどのようにバイオフィルムの発達に寄与するかを探ることを可能にするために採用された。 iDynoMiCS の最初の説明では、環境的に変動する酸素の利用可能性が、無酸素または低酸素条件下で脱窒経路を誘導する脱窒細菌群集の多様性と構成にどのように影響するかを検討しました。 ^[14]この研究では、環境における多様な脱窒戦略の存在は、より速い応答にはより高いコストがかかると仮定するだけで説明できるという仮説を検討しています。エージェントベースモデルは、代謝経路をコストなしで切り替えることができる場合、切り替えが速いほど良いことを示唆しています。ただし、切り替えが速いほどコストがかかる場合は、環境変動の頻度に関係なく最適な応答時間を持つ戦略があります。これは、異なるタイプの脱窒戦略が異なる生物学的環境で勝つことを示唆しています。この導入以来、iDynoMiCS の用途は増え続けています。バイオフィルムへのプラスミド侵入に関する最近の調査はその一例です。^[16]この研究では、バイオフィルムでのプラスミドの拡散が不十分なのは、接合がプラスミド供与エージェントの成長速度に依存するためであるという仮説を検討しました。論文では、シミュレーションを通じて、プラスミドの常在バイオフィルムへの侵入は、プラスミドの転移が成長に依存する場合にのみ制限されることを示唆しています。感度分析技術が採用され、タイミング（エージェント間のプラスミド転移の遅れ）と空間到達範囲に関連するパラメータが、受容エージェントの成長率や分離損失の可能性よりも、バイオフィルムへのプラスミドの侵入にとって重要であることが示唆されています。iDynoMiCS を使用したPseudomonas aeruginosaのモデル化における iDynoMiCS の使用など、iDynoMiCS を使用するさらなる例が引き続き公開されています。グルコース基質を含むバイオフィルム。^[17]

iDynoMiCS は、微生物バイオフィルムなどのすべての個体ベースのモデルをさらに開発するための共通プラットフォームを提供するために、国際的な研究者チームによって開発されました。このモデルはもともと、Laurent Lardon、Brian Merkey、Jan-Ulrich Kreft による長年の研究成果であり、Joao Xavier によるコード提供がありました。2013年に国立研究動物の代替、改良、削減センター (NC3Rs)から追加資金が提供され、生物学的調査ツールとしての iDynoMiCS の開発は急速に進み、新しい機能が適宜追加されています。チームは当初から、iDynoMiCS をオープンソースプラットフォームとしてリリースすることを約束し、協力者が次の安定リリースに統合できる追加機能を開発することを奨励してきました。IDynoMiCS はJavaプログラミング言語で実装されており、結果を分析するための MATLAB および R スクリプトが提供されています。シミュレーションで形成されたバイオフィルム構造は、シミュレーションの実行時に生成される POV-Rayファイルを使用してムービーとして表示できます。

実験により、思春期の乳腺を電離放射線に曝露すると、乳腺内の乳腺幹細胞の割合が増加することが明らかになっている。 ^[18]これは重要なことである。なぜなら、幹細胞は長期増殖能が最も高く、変異原性イベントが複数の娘細胞に持続するため、電離放射線によるがん誘発の主要ターゲットであると考えられているからである。さらに、疫学データによると、電離放射線に曝露した子供は成人よりも乳がんリスクがかなり高いことがわかっている。^{[19] [20]}したがって、これらの実験により、放射線後の乳腺幹細胞増加の根本的なメカニズムについての疑問が浮上した。この疑問は、放射線が幹細胞を増加させるメカニズムとして、細胞不活性化、上皮間葉転換（EMT）による脱分化、自己複製（対称分裂）を評価するためのin vivoおよびin vitro実験と並行して使用される2つの因子ベースモデルによって調査できる。^[21]

最初のエージェントベースモデルは、思春期開始時の原始的な乳管樹（活発な増殖期）から成人期の完全な乳腺（増殖がほとんどない時期）に至るまでの乳腺発達のマルチスケールモデルです。このモデルは数百万のエージェントで構成され、各エージェントは乳房の乳腺幹細胞、前駆細胞、または分化細胞を表します。シミュレーションは最初にローレンスバークレー国立研究所のローレンシウムスーパーコンピューターで実行され、モデルをパラメータ化して、さまざまな生体内乳腺測定値に対してベンチマークしました。次に、このモデルを使用して3つの異なるメカニズムをテストし、どのメカニズムが生体内実験と最も一致するシミュレーション結果をもたらすかを判断しました。驚いたことに、放射線誘発性の細胞死による不活性化は、モデルで照射された線量とは無関係に、幹細胞頻度の増加には寄与しませんでした。代わりに、モデルは、思春期の自己複製と細胞増殖の増加の組み合わせが幹細胞の濃縮につながることを明らかにしました。対照的に、モデルの上皮間葉転換は、思春期の乳腺だけでなく成人の乳腺でも幹細胞の頻度を増加させることが示されました。しかし、この後者の予測は生体データと矛盾しており、成人の乳腺への放射線照射は幹細胞の頻度の増加につながりませんでした。したがって、これらのシミュレーションは、自己複製が思春期の幹細胞増加の背後にある主なメカニズムであることを示唆しています。

メカニズムとしての自己複製をさらに評価するために、2 番目のエージェントベース モデルが作成され、放射線照射後のヒト乳腺上皮細胞 (幹/前駆細胞と分化細胞サブポピュレーションを含む) の成長ダイナミクスをin vitro でシミュレートしました。シミュレーション結果をin vitro実験のデータと比較することで、2 番目のエージェントベース モデルは、放射線照射後の幹/前駆細胞数の自己複製依存的な増加を観察するには、細胞が広範囲に増殖する必要があることをさらに確認しました。

2 つのエージェントベース モデルとin vitro / in vivo実験を組み合わせることで、電離放射線にさらされた子供の乳がんリスクが成人よりも大幅に高い理由についての洞察が得られます。これらを組み合わせると、思春期に放射線にさらされると乳房の幹細胞の自己再生が一時的に増加し、それが数十年後に成人の組織にがんを発症させるきっかけになるという仮説が裏付けられます。

• 自律エージェント – ソフトウェア内の自律エンティティの種類
• インテリジェントエージェント – 自律的に動作するソフトウェアエージェント