Hyper-structures et

1

• Hyper-structures et
• modélisation de chimie artificielle
• dans le langage MGS

Clément BOIN Nicolas THIBAULT Maîtrise
Informatique Université dEvry Val-dEssonne
2001-2002
T.E.R. encadré par Jean-Louis Giavitto Olivier
Michel
2
Plan

• Introduction
• La chimie artificielle
• MGS
• Modélisation dun réseau autocatalytique
• Modélisation dun réseau biochimique
• Conclusion

3
La chimie artificielle

• Chimie virtuelle
• Modèles discrets et combinatoires
• Avantages et Inconvénients

4
Définition dune expérience

• Un ensemble dobjets
• Des règles de transformation
• Des règles dinteraction dynamique

5
MGS (Modèle Général de Simulation)

• Langage dédié
• Langage déclaratif
• Deux interprètes Ocaml et C

6
Particularités de MGS

• Les collections topologiques
• Les transformations
• Les enregistrements
• Lien avec la chimie

7
Exemple MGS

• fun objets(m) if m1
• then ()set
• else m(objets (m-1))
• fi
• trans premier
• x , y/(yx0) gt x
• premier'iter'fixpoint(objets(100))

8
Modélisation dun réseau autocatalytique

• Exposé chimique du problème
• Idée générale de modélisation
• Stratégie dimplémentation en MGS
• Représentation dun polymère
• Création des produits et réactions
• Exécution
• Exemple dutilisation et interprétation des
  résultats

9
Exposé chimique du problème

• M1 M2 M12
• Sélectionner les polymères dominants

Kf
Kr
10
Idée générale de modélisation

• Approche individuelle des polymères
• Utilisation dentiers
• 1 2 12
• Création aléatoire des éléments

14
11
Représentation dun polymère en MGS

• Séquence
• 1 2 12
• 2 1 21
• 12 12 1212
• Séquence avec déterminisme de la réaction
• 1 2 12
• 2 1 12
• 12 12 1212

• Multi-ensemble
• 1 2 12
• 2 1 12
• 12 12 1122

12
Création aléatoire des produits et réactions

• Monomères
• Polymères
• Séquence des polymères initiaux
• Séquence des polymères possibles
• Réactions

13
Exécution des réactions

• Création des produits et réactions
• Initialisation de la solution
• Transformation MGS générique
• Application de chaque réaction pour un pas
  dévolution.
• Itération du processus pour plusieurs pas
  dévolution.

14
Code MGS
trans Biochimie reaction_a a, b, c
/((anieme(i,reaction).poly1) (bnieme(i,react
ion).poly2)(cnieme(i,reaction).cata))
gt if condition(nieme(i,reaction).kf) then
(nieme(i,reaction).poly_res)c()solution
else abc()solution fi reaction_b
a, c /((anieme(i,reaction).poly_res) (cnieme
(i,reaction).cata)) gt if
condition(nieme(i,reaction).kr) then
(nieme(i,reaction).poly1)
(nieme(i,reaction).poly2)c()solution else
ac()solution fi
15
Exemple

• Polymères initiaux 42 , 42
• Polymères possibles 42 , 4242
• Réaction
• 42 42 4242
• 42 42 4242

Kf 42
Kr 67
Kf 62
Kr 78
16
Exemple
Après 20 itérations
Après 50 itérations
17
Modélisation dun réseau biochimique

• Lexpérience de A.E. Bugrim
• Modélisation en MGS
• Visualisation avec Imoview

18
Les molécules Schéma logique
Stimulus
Fig.1
19
Les réactions Réseau dinteractions
Stimulus
8
Ca2extracell
Channel(closed)
Agonist
9
Channel(open)
Rec
PhK
1
G-protein
Ca2intracell
Rec
2
?diff
10
AC
G-protein
3
(cAMP)2R
CaPhK
R2C2
AC
G-protein
C
6
5
?diff
?diff
4
ATP
cAMP
7
?inh
I
Ca.PhK
CI
Fig.2
20
Lexpérience de Bugrim en MGS

• Les molécules - enregistrements
• Structure générale - collections
• Les réactions - transformations
• Application récursive
• Aspects dynamiques
• Les temps de diffusion
• Les réactions non-déterministes

21
Code MGS (1)
// Description des strutures dans
l'espace collection Volume bag collection
Membrane bag collection Univ
Volume collection Plasma Membrane collection
Cytosol Volume collection Retic_Endo
Membrane // Initialisation RETICULUM
nom"r2c2" ()Retic_Endo CYTOSOL
nom"i" nom"phk" nom"atp"
RETICULUM ()Cytosol PLASMA nom
"recepteur",actif0 nom"r2c2" nom
"gprot",actif0 nom "ac",actif0nom
"channel",actif0 CYTOSOL ()Plasma U
nom "agonist",actif1 nom
"stimulus",actif1 nom "ca",diffuse0
PLASMA ()Univ
22
Code MGS (2)

// Ensemble des réactions trans Biochimie
Incr cCytosol gt IncrCyt(c)()Cytosol
//Incrémenter les tps de diffusion Reaction1
aAgonist1, pPlasma gt (aactif0)ActiveRecep
teur(p)()Univ Reaction2 rRecepteur1,
gGprot0 gt (gactif1)(ractif0)()Plasm
a Reaction3 gGprot1, a AC0 gt
(gactif0)(aactif1)()Plasma
Reaction4 a AC1, cCytosol gt(aactif0)
TransAtp(c)()Plasma Reaction5 acAMP1,
reRetic_Endo/member(nom"r2c2",re) gt
AleaR2C2(a,re) Reaction5b rR2C2,
cCytosol/member(nom"camp",diffuseDIFFCAMP,c)
gt delete(nom"camp",diffuseDIFFCAMP,
(nom"c",diffuse0nom"(camp)2.r"c))()
Plasma Reaction6 cCenzime1, xCaPhK0 gt
c(xactif1)()Cytosol Reaction7
cCenzime, iI gt Aleatoire(TAUXINIB,c,i)
Reaction8 sStimulus1, pPlasma gt
(sactif0)ActiveChannel(p)()Univ
Reaction9 cCa2p, pPlasma/member(nom"channel"
,actif1,p) gt AjoutPlasmaCa(DesChannel(p))()
Univ Reaction10 xCa2p1, yPhK gt
nom"caphk", actif 0()Cytosol
23
Imoview (État initial)
Reticulum
Cytosol
Stimulus
Agonist
Plasma
24
État final
Ca.PhK
CI
25
Conclusion

• MGS, langage abstrait
• Limites
• Complexité
• Fonctions aléatoires
• Code peu réutilisable