Hinweis für Newsletter-Besucher. Aufgrund eines Fehlers im System sind Sie hier statt auf der spanischen Homepage gelandet. Dieser Link sollte funktionieren.

Un postalisch eingeladen von Xavier DRAYE, Guillaume LOBET, Brieuc RYELANDT, Antoine RUMMENS, Thomas FERON, Gabriel CARESTIA, Timothée, François DUQUESNE, Nicolas DEFFENSE und Fabio CLAPS

Kontext

Depuis des années, une petite partie de la communauté des chercheurs en biologie végétale développe et use des modèles végétaux. Ne vous trompez pas: en parlant de modèles végétaux, nous ne faisons pas référence à une plante modèle (Arabidopsis, maïs ou Brachypodium, selon ce que vous préférez), mais à des modèles informatiques de plantes. Des plantes virtuelles. Des plantes ne provenant pas d'ATCG, mais de 0 et 1.

Ces modèles végétaux ont été utilisés pour décrire la formation, la croissance et le développement d'organes végétaux (par example, les racines, les tiges, les fruits ou les feuilles), mais aussi comment ces organes beeinflussen et sont influencés par leur environnement. Ces modèles végétaux s'appliquent sur plusieures échelles, de l'organe au champs, ce qui les rend extrêmement versatils et leur potentiel d'application très étendu.

Cependant, la communauté des chercheurs en biologie végétale dans son ensemble n'utilise pas beaucoup les modèles végétaux. Pourquoi?

L'une des raisons pourrait être que les modèles végétaux peuvent être effrayants (bien que nous n'ayons pas de données solides pour Confirmer cette Affirmation). En effet, dès que vous parlez à un modélisateur de plantes, vous pourriez être konfrontiert à une effrayante d'oeufs Pythonvon Bibliotheken C++ et d'autres dépendances Javac. Il n'y a pas de meilleure façon de faire fuire un novice en informatique. Mais est-ce vraiment si difficile d'utiliser des modèles végétaux?

Les Schauspieler

Notre histoire s'est déroulée pendant le premier semestre (Sept-Dez) de l'année académique 2017-2018, à l'Katholische Universität von Louvain (Belgisch), à la Faculté des bioingénieurs. Les acteurs étaient huit étudiants de master (Brieuc, Antoine, Thomas, Thomas, Gabriel, Timothée, François, Nicolas et Fabio) suivant le cours „Modélisation des Systèmes biologiques“ donnée par Xavier et Guillaume. Les étudiants n'avaient pas une solide formation en programmation ou en informatique. Ils n'ont suivi que deux cours d'introduction to l'environnement de programmation MatLab.

La structure du cours était la suivante: il a commencé par une brève Introduction générale à la biologie des systèmes, puis les étudiants ont été invités à ehemalige 3 Gruppen pour le reste du semestre. Pendant le reste des conférences (environ 20h), chaque groupe a eu la tâche suivante:

• Wählen Sie ein vorhandenes und veröffentlichtes biologisches Modell.
• Erlernen Sie die biologische Theorie an der Quelle des zu konstruierenden Modells;
• Apprendre Kommentar Installer und Executer le modèle et;
• Beantworten Sie eine Frage einfach und nutzen Sie das Modell.

Zusätzlich zu diesen Dingen muss jede Gruppe beispielsweise Folgendes tun:

• Verwenden Sie Github, um Ihre Codes und Mitarbeiter zu speichern
• Nutze Twitter für die Kommunikation über biologische Modelle

OpenSimRoot

OpenSimRoot Es ist ein modèle racinaire Struktur-Funktion qui est combiné avec ein modèle de sol pour simuler l'absorption d'eau et de nutriments. Il permet la mise en œuvre de mini-modèles. Notre experience avec ce modèle a d'abord été difficile, car nous avions besoin de comprendre comment exécuter une simulation, comment inclure les mini-modèles, qu'est ce que nous pouvions facilement changer dans les parameter. Mais avec quelques heures de tests, nous avons pu réaliser des simulations de base, avec des apports d'azote contratés.

Weitere verfügbare Ergebnisse auf der Wiki-Seite der Gruppe: https://github.com/LBRAI2219/working-with-models-team-vin-chaud/wiki

Die Twitter-Seite der Gruppe lautet: @Biomodellierung

Rootbox

Rootbox ist ein Modellcode in Matlab. Il est conçu pour créer facilement des géométries ramifiées dépendantes du temps et ainsi simuler des systèmes racinaires en croissance. Ce fut un réel plaisir de travailler sur un modèle comme celui-ci. Le code entier était available gratuitement, et les créateurs ont pris le temps de répondre à nos questions. Une interface utilisateur graphique nous a permis de faire nos premiers pas avec le modèle. Les commentaires dans le code nous ont aidés à enterer plus profondément dans le program.

En tant que futurs agronomes, nous sommes très intéressés par les parasites végétaux. Ce projet nous a permis de comprendre comment Certaines résistances aux agents pathogènes pouvaient fonctionner. Nous avons pu utiliser Rootbox for modéliser a système racinaire of betteraves tolérant les nématodes and utiliser the modèle comme preuve de concept for expliquer cette résistance.

Weitere verfügbare Ergebnisse auf der Wiki-Seite der Gruppe: https://github.com/LBRAI2219/working-with-models-agro-team

Die Twitter-Seite der Gruppe lautet: @BioModelling

L-Py

L-Py ist ein Basismodell auf dem L-System (Rezensionssprache, angepasst an fraktale Strukturen) und in Python kodiert.

Notre but était d'utiliser le L-Py pour simuler l'interception de la lumière d'une plante de houblon et d'obtenir plus d'informations sur l'importance fonctionnelle de Certaines caractéristiques de la tige. Notre première tâche était of apprendre le language L-System. Une fois que nous avons eu une idée dont la façon dont le logiciel fonctionnait, il était assez facile de créer un modèle de base. L'étape suivante de notre projet consistait à simuler une plante de houblon. Nous avons donc été konfrontiert aux schwierigkeiten de représenter la physiologie complexe d'une plante avec des règles de programmation simples. Enfin, l'idée était d'intégrer notre plante dans un module de simulation de la lumière, afin d'évaluer l'effet de la lumière sur la plante de houblon.

Weitere verfügbare Ergebnisse auf der Wiki-Seite der Gruppe: https://github.com/LBRAI2219/working-with-models-envi-team

Die Twitter-Seite der Gruppe lautet: @BioModeling

Quelques Hindernisse auf der Strecke…

Les trois groupes ont réussi à utiliser avec le modèle de leur choix et à faire quelques base simulations. Cependant, tout n'était pas facile. Au cours du projet, les différents groupes ont dû faire face à différents défis. Nous pouvons les résumer en trois grandes catégories: installer le modèle, utiliser le modèle et paramétrer le modèle.

Installation und Funktion des Modells

La Premiere étape, et la Premiere Occasion de se gratter la tête, est l'installation du modèle sur son propre ordinateur. Chaque modèle, que soit sa complexité, possède son propre langage de programmation et son environnement d'execution. Alors qu'une bonne partie des biologistes végétaux se débrouille en R ou Python (deux langages de programmation populaires en science), les chooses peuvent rapidement devenir compliquées quand il s'agit de Java (source version encore?), C++ (quel compilateur dois -je utiliser?) oder Matlab (… je n'ai pas de licence!). Vient ensuite le chargement des bibliothèques, le réglage de l'environnement d'execution, le chargement de plusieurs bibliothèques et les incompatibilités de Versionen. Et, soyons honnêtes, la documentation pour ces types de problèmes est généralement insuffisante et souvent confuse.

Komprendre le modèle

Une fois que vous avez passé la première étape et que le modèle est lancé, vient le moment où vous devez le comprendre… Quelle variable, dans quel fichier devrions-nous changer? Kommentar dois-je formater mon fichier de paramètres? Où sont les résultats et comment y accéder? Kommentar puis-je exécuter le modèle en mode batch pour faire des milliers de simulations? Pour ce qui est de l'installation, les guides d'utilisation des modèles sont souvent trop légers et ne permettent pas aux utilisateurs d'explorer pleinement leurs capacités.

Das sagte ich, für drei Projekte haben wir mit den Autoren der Modelle und allen anderen eine Mitteilung gemacht, die sehr nützlich ist.

Parameter des Modells

Enfin, une fois que vous avez installé le modèle et que vous savez comment l'utiliser, il est temps de se poser une question biologique. Et avec cette question vient le besoin de données expérimentales solides. Bien que la littérature regorge de données et de chiffres qualitatifs, les données quantitatives brutes, nécessaires à la modélisation, sont, la plupart du temps, missings. Il ne suffit pas de savoir que les nématodes se déplacent dans le sol à mesure que la saison avance. Pour utiliser une telles informations dans le modèle, nous devons savoir quand cette migration begin, où et à quelle vitesse. Nous avons besoin de chiffres pour alimenter les simulations. Et ces chiffres sont souvent abwesend.

Was wir gelernt haben

La principale wählte que nous avons apprise est probablement que la modélisation n'est pas aussi difficile qu'il n' y paraît. Bien que nous ayons rencontré quelques schwierig en cours de route, chaque groupe a réussi à faire des simulations de base et à répondre à Certaines questions biologiques simples. Et tout cela sans avoir un solide bagage informatique, tout au plus un goût pour les ordinateurs.

Nous avons également appris que la plupart des schwierigen rencontrées pourraient être résolues (au moins partiellement) en communiquant avec les concepteurs de modèles eux-mêmes. Ils étaient tous heureux de répondre à nos questions.

Enfin, une fois que nous avons franchi la courbe d'apprentissage initiale, nous avons appris que la modélisation des plantes peut être amusante.