Ein Gastbeitrag von: Xavier DRAYE, Guillaume LOBET, Brieuc RYELANDT, Antoine RUMMENS, Thomas FERON, Gabriel CARESTIA, Timothée , François DUQUESNE, Nicolas DEFFENSE und Fabio CLAPS
Der Hintergrund
Seit Jahren entwickelt und verwendet ein kleiner Teil der Pflanzenwissenschaft Pflanzenmodelle. Hüten Sie sich hier vor der Verwirrung: Wenn wir Pflanzenmodelle sagen, beziehen wir uns nicht auf irgendwelche Modellpflanzen (Arabidopsis, Mais oder Brachypodium, was auch immer Sie bevorzugen), sondern auf Computermodelle von Pflanzen. Virtuelle Anlagen. Keine Pflanzen, die aus ATCGs geboren wurden, sondern aus 0 und 1.
Solche Pflanzenmodelle wurden verwendet, um die Bildung, das Wachstum und die Entwicklung von Pflanzenorganen (z. B. Wurzel, Spross, Früchte oder Blätter) zu beschreiben, aber auch, wie diese Organe ihre Umgebung beeinflussen und von ihr beeinflusst werden. In Bezug auf den Maßstab wurden Pflanzenmodelle von Organ- bis Feldmaßstäben erstellt, was sie extrem breit und ihre potenziellen Anwendungen zahlreich macht.
Die Pflanzenwissenschaftsgemeinschaft als Ganzes ist jedoch kein starker Nutzer von Pflanzenmodellen. Warum das?
Ein Grund könnte sein, dass Pflanzenmodelle beängstigend sein könnten (obwohl wir keine harten Daten haben, die diese Behauptung stützen). Sobald Sie mit einem Anlagenmodellierer sprechen, sehen Sie sich möglicherweise einer erschreckenden Liste von Python-Eiern, C++-Bibliotheken und anderen Java-Abhängigkeiten gegenüber. Es gibt keinen besseren Weg, einen Computerneuling dazu zu bringen, in die andere Richtung zu laufen. Aber ist es wirklich so schwer, Pflanzenmodelle zu verwenden?
Die Schauspieler
Unsere Geschichte spielte sich im ersten Semester (Sept.-Dez.) des akademischen Jahres 2017-2018 an der Universität Löwen (Belgien) an der Fakultät für Biowissenschaften ab. Die Schauspieler waren acht Meisterschüler (Brieuc, Antoine, Thomas, Gabriel, Timothée, François, Nicolas und Fabio) im Anschluss an die Vorlesung „Systems Biology Modelling“ von Xavier und Guillaume. Die Studenten hatten keinen starken Hintergrund in Programmierung oder Informatik. Sie besuchten lediglich zwei Einführungskurse in die Programmierumgebung MatLab.
Der Aufbau des Kurses war wie folgt: Es begann mit einer kurzen allgemeinen Einführung in die Systembiologie, dann wurden die Studierenden gebeten, für den Rest des Semesters 3 Gruppen zu bilden. Während der restlichen Vorlesungen (ca. 20h) hatte jede Gruppe folgende Aufgabe:
- wählen Sie ein vorhandenes, veröffentlichtes, biologisches Modell;
- lernen Sie die biologische Theorie kennen, auf der das Modell aufgebaut wurde;
- Erfahren Sie, wie Sie die Modelle installieren und ausführen und;
- Beantworten Sie eine einfache Frage mit dem Modell.
Zusätzlich zu diesen Aufgaben musste jede Gruppe auch:
- Arbeiten jederzeit weiterbearbeiten können. Jede Präsentation und jeder KI-Avatar, den Sie von Grund auf neu erstellen oder hochladen, Github um ihre Codes zu speichern und zusammenzuarbeiten
- Arbeiten jederzeit weiterbearbeiten können. Jede Präsentation und jeder KI-Avatar, den Sie von Grund auf neu erstellen oder hochladen, Twitter über biologische Modelle zu kommunizieren
Was wir gemacht haben
Drei verschiedene Modelle wurden von den verschiedenen Gruppen ausgewählt: OpenSimRoot (postm et al. 2017), LPy (Boudon et al. 2012) und RootBox (Leitner et al. 2010).
OpenSimRoot
OpenSimRoot ist ein funktional-strukturelles Wurzelmodell, das mit einem Bodenmodell kombiniert wird, um die Wasser- und Nährstoffaufnahme zu simulieren. Es ermöglicht die Implementierung von Mini-Modellen. Unsere Erfahrung mit diesem Modell war zunächst schwierig, weil wir verstehen mussten, wie man eine Simulation durchführt, wie man die Minimodelle einbezieht, was wir leicht an den Parametern ändern können. Aber nach ein paar Teststunden konnten wir damit spielen und grundlegende Simulationen mit unterschiedlichen Stickstoffwerten durchführen.
Weitere Ergebnisse sind auf der Wiki-Seite der Gruppe verfügbar: https://github.com/LBRAI2219/working-with-models-team-vin-chaud/wiki
Die Twitter-Seite der Gruppe war: @Biomodellierung
Rootbox
Rootbox ist ein in Matlab codiertes Modell. Es wurde entwickelt, um auf einfache Weise zeitabhängige verzweigte Geometrien von wachsenden Pflanzenwurzelsystemen zu erstellen. Es war eine wahre Freude, an einem Modell wie diesem zu arbeiten. Der gesamte Code war frei verfügbar, und die Ersteller nahmen sich Zeit, unsere Fragen zu beantworten. Eine grafische Benutzeroberfläche ermöglichte uns die ersten Schritte mit dem Modell. Die Kommentare im Code halfen uns, tiefer in das Programm einzusteigen.
Als angehende Agronomen interessieren wir uns sehr für Pflanzenparasiten. Dieses Projekt hat es uns ermöglicht zu verstehen, wie bestimmte Resistenzen gegen Krankheitserreger funktionieren könnten. Wir konnten Rootbox verwenden, um ein nematodentolerantes Wurzelrübensystem zu modellieren, und das Modell als Machbarkeitsnachweis verwenden, um diese Resistenz zu erklären.
Weitere Ergebnisse sind auf der Wiki-Seite der Gruppe verfügbar: https://github.com/LBRAI2219/working-with-models-agro-team
Die Twitter-Seite der Gruppe war: @BioModelling
L-Py
L-py ist ein Modell, das auf der L-System (eine umschreibende Sprache, gut geeignet für fraktale Strukturen) und in Python codiert.
Unser Ziel war es, mithilfe von L-py die Lichtabsorption einer Hopfenpflanze zu simulieren und die funktionelle Bedeutung von Triebmerkmalen besser zu verstehen. Zunächst lernten wir die L-System-basierte Programmiersprache. Nachdem wir uns mit der Funktionsweise der Software vertraut gemacht hatten, konnten wir recht einfach ein grundlegendes Pflanzenmodell erstellen. Im nächsten Schritt simulierten wir eine Hopfenpflanze. Dabei standen wir vor der Herausforderung, die komplexe Physiologie einer Pflanze mit einfachen Programmierregeln abzubilden. Schließlich wollten wir unsere Pflanze in ein Lichtsimulationsmodul integrieren, um die Wirkung von Licht auf die Hopfenpflanze zu untersuchen.
Die Herausforderungen, denen wir uns gestellt haben
Den drei Gruppen gelang es erfolgreich, das Modell ihrer Wahl auszuführen und einige grundlegende Simulationen durchzuführen. Allerdings war nicht alles einfach und reibungslos. Im Laufe des Projekts mussten sich die verschiedenen Gruppen unterschiedlichen Herausforderungen stellen. Wir können diese in drei Hauptkategorien zusammenfassen: Installieren des Modells, Verwenden des Modells und Parametrieren des Modells.
Installieren und Ausführen des Modells
Der erste Schritt und die erste Gelegenheit zum Kopfkratzen ist die Installation des Modells auf dem eigenen Rechner. Jedes Modell hat unabhängig von seiner Komplexität seine eigene Programmiersprache und Laufumgebung. Während sich viele Pflanzenbiologen in R oder Python zurechtfinden, kann es bei Java (welche Version nochmal?), C++ (welchen Compiler soll ich nehmen?) oder Matlab (…habe ich nicht) schnell unübersichtlich werden eine Lizenz!). Dann kommt das Laden von Bibliotheken, das Optimieren der Laufumgebung, das Laden weiterer Bibliotheken und inkompatibler Versionen. Und seien wir ehrlich, die Dokumentation für diese Art von Problemen ist normalerweise mangelhaft und oft verwirrend.
Verständnis des Modells
Wenn Sie den ersten Schritt geschafft haben und das Modell läuft, dann kommt der Punkt, an dem Sie es verstehen müssen… Welche Variable, in welcher Datei sollen wir ändern? Wie sollte ich meine Parameterdatei formatieren? Wo sind die Ausgänge und wie kann ich darauf zugreifen? Wie kann ich das Modell im Stapelmodus ausführen, um Tausende von Simulationen durchzuführen? Was die Installation betrifft, so sind Benutzerhandbücher für Anlagenmodelle oft zu leicht und erlauben es den Benutzern nicht, ihre Fähigkeiten vollständig auszuschöpfen.
Allerdings haben wir für alle drei Projekte die Autoren der Modelle kontaktiert, und alle waren sehr hilfreich.
Parametrierung des Modells
Schließlich, sobald Sie das Modell installiert haben und wissen, wie man es benutzt, ist es an der Zeit, eine biologische Frage zu stellen. Und mit dieser Frage kommt der Bedarf an soliden experimentellen Daten. Während die Literatur voll von qualitativen Daten und Zahlen ist, fehlen meist quantitative Rohdaten, die für die Modellierung benötigt werden. Es reicht nicht aus zu wissen, dass sich Nematoden im Laufe der Saison in den Boden bewegen. Um solche Informationen im Modell zu verwenden, müssen wir wissen, wann diese Migration beginnt, wo und wie schnell. Wir brauchen Zahlen, um die Simulationen zu füttern. Und diese Zahlen fehlen oft.
Was wir gelernt
Das Wichtigste, was wir gelernt haben, ist wahrscheinlich, dass das Modellieren nicht so schwer ist, wie es scheint. Obwohl wir auf dem Weg dorthin auf einige Schwierigkeiten stießen, gelang es jeder Gruppe, einige grundlegende Simulationen durchzuführen und einige grundlegende biologische Fragen zu beantworten – und all dies, ohne einen starken Computerhintergrund zu haben. Vielleicht eine Vorliebe für Computer, aber das ist alles.
Wir haben auch gelernt, dass die meisten Schwierigkeiten, auf die wir gestoßen sind, (zumindest teilweise) gelöst werden können, indem wir uns an die Modellentwickler selbst wenden. Sie nahmen alle gerne unsere Fragen entgegen und beantworteten sie schnell.
Abschließend schließen wir: Nachdem wir die anfängliche steile Lernkurve hinter uns gelassen hatten, haben wir gelernt, dass das Modellieren von Pflanzen Spaß machen kann.
Über die Autoren
Nicolas Abwehr
Nicolas hat eine Leidenschaft für Natur und Medizin. Derzeit schließt er sein Bioingenieurstudium mit Spezialisierung auf Modellierung an der UCL (Louvain-la-Neuve, Belgien) ab. Sein Wunsch ist es, Computerwerkzeuge einzusetzen, um biomedizinische Techniken zu verbessern. Ähnlich wie beim Klimawandel scheint die Verwendung von Modellen ein guter Weg zu sein, um den menschlichen Körper besser zu verstehen.
Fabio klatscht
Fabio ist Masterstudent der Agrarwissenschaften an der Università di Torino. Derzeit befindet er sich in einem Erasmus-Austausch an der Université catholique de Louvain.
Antoine Rummens
Antoine studiert derzeit Agrarwissenschaften an der UCL in Belgien. Seine Interessensschwerpunkte sind bildende Kunst, insbesondere die Moderne, aber auch die italienische Renaissance, Wirtschaft und Feldhockey. In seiner Freizeit beschäftigt ihn das Lesen.
Thomas Feron
Thomas ist ein 22-jähriger Student, der sich leidenschaftlich für angewandte Mathematik und Modellierung interessiert. Er begann ein Studium der Biotechnik an der UCL, um zu verstehen, wie die Natur funktioniert, und um die Werkzeuge zu bekommen, um sie zu schützen
François Duquesne
François ist Student an der Université Catholique de Louvain und Master in Bioengineering. Er interessiert sich leidenschaftlich für Umwelt und Informatik. Sein Ziel ist es, zum Verständnis natürlicher Prozesse sowie zum Schutz und Erhalt der Natur beizutragen.
Brieuc Reylandt
Brieuc studiert Biowissenschaften an der UCLouvain (Belgien). Er interessiert sich für Naturwissenschaften im Allgemeinen, aber auch für gesellschaftliche Probleme wie Energie und Klimawandel. In seiner Freizeit spielt er Gitarre.
Gabriel Carestia
Gabriel ist Masterstudent im ersten Jahr in Bioengineering an der Universität Louvain-la-Neuve. Seine Leidenschaft galt schon immer den Biowissenschaften und der Mathematik. Er entschied sich natürlich für Studien, die sich auf die Systemmodellierung in der Agronomie und die Interpretation dieser Modelle zur Lösung verschiedener Probleme konzentrierten.
Timothee Clément
Timothée studiert Bioingenieurwesen in Agrarwissenschaften, Option „Analyse und Management von Informationen“ an der UCL (Belgien). Er ist Animator in Jugendbewegungen und Teil einer Colocation in Louvain-la-neuve, die lokale Projekte für nachhaltige Entwicklung („kot planete terre“) leitet.
Guillaume Lobet
Guillaume ist Assistant Professor zwischen dem Forschungszentrum Jülich und der Université catholique de Louvain. Das Ziel seiner Forschung ist (i) zu verstehen, wie verschiedene Signale, die Informationen tragen, interagieren und auf Pflanzenebene übermittelt und integriert werden, und (ii) diskretes physiologisches Wissen in funktionelle Pflanzenprozesse zu erweitern. All dies unter Verwendung von funktionalen strukturellen Anlagenmodellen.
Xaver Draye
Xavier Draye ist Professor für Pflanzenphysiologie und Pflanzenzüchtung an der Université catholique de Louvain. Er verwendet eine Kombination aus Experimental- und Modellierungsstrategien (FSPM), von der Orgel bis zu den Pflanzenskalen, um die Dynamik der Wurzelsystemarchitektur und -hydraulik zu verstehen. Er arbeitet eng mit Bodenhydrologen und Molekularbiologen zusammen, um neue Ansichten über die Nutzung von Pflanzenwasser zu entwickeln, die Konzepte von Wachstum, Entwicklung, hydraulischen Eigenschaften der Wurzeln und Bodenwasserdynamik integrieren. Xavier ist auch aktiv in der Entwicklung von Wurzelbildanalyse-Tools und -Standards (RSML) und in der Entwicklung von Phänotypisierungssystemen. Er hat am DROPs-Projekt mitgewirkt und ist an der Modellierungssektion der EMPHASIS-Infrastruktur beteiligt.
