A Bayesian framework of reaction networks for dynamical population models

Detalhes bibliográficos
Autor(a) principal: Araujo, Guilherme David
Data de Publicação: 2021
Tipo de documento: Tese
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/76/76131/tde-15102021-164903/
Resumo: The tradition of mathematical modeling in the biological sciences is yet to reach a mature state in many fields. The most pressing issues are the difficulty in first translating the complexities of life to quantitative modeling terms and the lack of robust frameworks providing structure and cohesion to the building and interpretation of models. In particular, the quantitative study of biological populations, as for example in behavioral ecology and evolutionary dynamics, is composed of a set of scattered methodologies that generate models without an anchored conceptual foundation. Modeling concepts are often ambiguous and do not directly translate to actual biological terms. Inspired by modeling advances in biochemistry, this thesis aims at the conceptualization and application of a general modeling framework for dynamical populations in biology. Combining a Bayesian probabilistic paradigm with the theory of reaction networks, I was able to structure a framework of relational interactions among populations, one that extends biochemical applications to all types of populations, unifying and generalizing existing methods in eco-evolutionary dynamics. The framework comprises both stochastic and deterministic models, and also their connection; it considers the connection with data through statistical model determination and brings a large emphasis on unambiguous design-informed dynamical equations. I validated the framework through applications to genetic regulation, parental investment, and ecological predator-prey dynamics.
id USP_8ed437e45d71aea22d43a0c5784ff170
oai_identifier_str oai:teses.usp.br:tde-15102021-164903
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling A Bayesian framework of reaction networks for dynamical population modelsUm framework Bayesiano de redes de reação para modelos dinâmicos de populaçõesBayesian probabilityEco-evoluçãoEco-evolutionEspecialização individualIndividual specializationMarkov jump processesProbabilidade BayesianaProcessos de pulo MarkovianosReaction NetworksRedes de reaçãoThe tradition of mathematical modeling in the biological sciences is yet to reach a mature state in many fields. The most pressing issues are the difficulty in first translating the complexities of life to quantitative modeling terms and the lack of robust frameworks providing structure and cohesion to the building and interpretation of models. In particular, the quantitative study of biological populations, as for example in behavioral ecology and evolutionary dynamics, is composed of a set of scattered methodologies that generate models without an anchored conceptual foundation. Modeling concepts are often ambiguous and do not directly translate to actual biological terms. Inspired by modeling advances in biochemistry, this thesis aims at the conceptualization and application of a general modeling framework for dynamical populations in biology. Combining a Bayesian probabilistic paradigm with the theory of reaction networks, I was able to structure a framework of relational interactions among populations, one that extends biochemical applications to all types of populations, unifying and generalizing existing methods in eco-evolutionary dynamics. The framework comprises both stochastic and deterministic models, and also their connection; it considers the connection with data through statistical model determination and brings a large emphasis on unambiguous design-informed dynamical equations. I validated the framework through applications to genetic regulation, parental investment, and ecological predator-prey dynamics.A tradição de modelagem matemática nas ciências biológicas ainda não atingiu sua maturidade em diversas áreas. As maiores complicações enfrentadas são a dificuldade de traduzir a complexidade da vida em termos quantitativos de modelagem e também a falta de frameworks robustos que propiciam estrutura e coesão na criação e interpretação de modelos. Em particular, o estudo quantitativo de populações em biologia, como por exemplo em ecologia comportamental e dinâmica evolutiva, é composto por um conjunto de métodos difusos que geram modelos sem se ancorar em uma fundação conceitual. Conceitos de modelagem são muitas vezes ambíguos e não se traduzem a termos diretamente biológicos. Se inspirando em avanços de modelagem em bioquímica, essa tese tem como objetivo a conceitualização e aplicação de um framework geral de modelagem para dinâmica populacional em biologia. Combinando um paradigma Bayesiano de probabilidade e a teoria de redes de reação, eu pude estruturar um framework de interações relacionais entre populações, que extende aplicações bioquímicas a todo tipo de populações, assim unificando e generalizando métodos existentes em dinâmica eco-evolutiva. O framework consiste tanto de modelos estocásticos quanto determinísticos, e também da conexão entre eles; ele considera a conexão com dados através da determinação estatística de modelos e traz uma grande ênfase a equações não ambíguas e informadas por design. Eu validei o framework através de aplicações em regulação genética, investimento parental e dinâmicas ecológicas de presa-predador.Biblioteca Digitais de Teses e Dissertações da USPMaia, Leonardo PauloAraujo, Guilherme David2021-08-23info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/76/76131/tde-15102021-164903/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2021-10-19T12:56:02Zoai:teses.usp.br:tde-15102021-164903Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212021-10-19T12:56:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv A Bayesian framework of reaction networks for dynamical population models
Um framework Bayesiano de redes de reação para modelos dinâmicos de populações
title A Bayesian framework of reaction networks for dynamical population models
spellingShingle A Bayesian framework of reaction networks for dynamical population models
Araujo, Guilherme David
Bayesian probability
Eco-evolução
Eco-evolution
Especialização individual
Individual specialization
Markov jump processes
Probabilidade Bayesiana
Processos de pulo Markovianos
Reaction Networks
Redes de reação
title_short A Bayesian framework of reaction networks for dynamical population models
title_full A Bayesian framework of reaction networks for dynamical population models
title_fullStr A Bayesian framework of reaction networks for dynamical population models
title_full_unstemmed A Bayesian framework of reaction networks for dynamical population models
title_sort A Bayesian framework of reaction networks for dynamical population models
author Araujo, Guilherme David
author_facet Araujo, Guilherme David
author_role author
dc.contributor.none.fl_str_mv Maia, Leonardo Paulo
dc.contributor.author.fl_str_mv Araujo, Guilherme David
dc.subject.por.fl_str_mv Bayesian probability
Eco-evolução
Eco-evolution
Especialização individual
Individual specialization
Markov jump processes
Probabilidade Bayesiana
Processos de pulo Markovianos
Reaction Networks
Redes de reação
topic Bayesian probability
Eco-evolução
Eco-evolution
Especialização individual
Individual specialization
Markov jump processes
Probabilidade Bayesiana
Processos de pulo Markovianos
Reaction Networks
Redes de reação
description The tradition of mathematical modeling in the biological sciences is yet to reach a mature state in many fields. The most pressing issues are the difficulty in first translating the complexities of life to quantitative modeling terms and the lack of robust frameworks providing structure and cohesion to the building and interpretation of models. In particular, the quantitative study of biological populations, as for example in behavioral ecology and evolutionary dynamics, is composed of a set of scattered methodologies that generate models without an anchored conceptual foundation. Modeling concepts are often ambiguous and do not directly translate to actual biological terms. Inspired by modeling advances in biochemistry, this thesis aims at the conceptualization and application of a general modeling framework for dynamical populations in biology. Combining a Bayesian probabilistic paradigm with the theory of reaction networks, I was able to structure a framework of relational interactions among populations, one that extends biochemical applications to all types of populations, unifying and generalizing existing methods in eco-evolutionary dynamics. The framework comprises both stochastic and deterministic models, and also their connection; it considers the connection with data through statistical model determination and brings a large emphasis on unambiguous design-informed dynamical equations. I validated the framework through applications to genetic regulation, parental investment, and ecological predator-prey dynamics.
publishDate 2021
dc.date.none.fl_str_mv 2021-08-23
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/76/76131/tde-15102021-164903/
url https://www.teses.usp.br/teses/disponiveis/76/76131/tde-15102021-164903/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257033317810176

Registros relacionados