Por Jones, Marco e Silvana

1. Influência de Parâmetros Ambientais na Variação Populacional de Moluscos Biomphalaria glabrata em Carne de Vaca - GO Baseado no artigo: Fu, S. C.; Milne, G. Epidemic modelling using cellular automata. In Proceedings of the 1st Australian Conference on Artificial Life (ACAL.03), Canberra, December 2003, pp. 43-57. Por Jones, Marco e Silvana

2. Agenda • Definição de célula • Definição de mundo • Parâmetros de simulação • Regras de transição

3. Definição física da célula • Cada célula define uma porcentagem do espaço a ser modelado. No caso de Carne de Vaca, esta porcentagem é de 0.1%. A área modelada em Carne de Vaca, baseada no Mapa de Helen, é de 3.2Km x 1.1Km, o que dá 3.41Km2. Assim cada célula terá 3.41m2,, em forma de quadrado com que vizinhança de Moore.

4. Definição dos Parâmetros da Célula • Parâmetros (Estados) • Carrying capacity • Vide protocolo de campo. Observar se por cluster de ponto de coleta se os parâmetros ficam mais precisos em ordem de grandeza • Total population • Marco vai responder quantos moluscos, no máximo, cabem em 1m2! Em Carne de Vaca. Suposição: Aquário de 1m2 e 30cm de profundidade, 500 caramujos! (baseado em experiência de laboratório)

5. Definição de Mundo • Matriz retangular bidimensional de células. A área modelada em Carne de Vaca, baseada no Mapa de Helen, é de 3.2Km x 1.1Km, o que dá 3.41Km2 • Os limites do mundo são barreiras impenetráveis (sistema micro canônico, canônico e gran canônico?). Como um autômato com condições de contorno FECHADAS

6. Parâmetros de Simulação • São utilizados na definição das regras de transição. • Todos os dados serão determinísticos.

7. Parâmetros de Simulação (cont.) • São eles: • Neighbourhood radius; • Motion probability; • Immigration probability; • Birth rate; • Death rate; • Virus morbidity; • Vectored infection probability; • Contact infection probability; • Spontaneous infection probability; • Recovery probability; • Re-susceptible probability.

8. Square Moore neighbourhood. Usado na migração dos hospedeiros e no avanço da infecção. Raio da Vizinhança

9. Probabilidade de Movimento Indica a saída de hospedeiros da sua célula para uma célula próxima. Taxa de Infecção Vetorial Transmissão do vírus através das células. Probabilidade de Movimento x Taxa de Infecção Vetorial

10. Regras de Transição • Fase de Movimento • Fase de Infecção e Cura

11. Fase de Movimento • Escolha uma célula do mundo. • Para cada indivíduo da célula, selecionar aleatoriamente um vizinho e mover o indivíduo para este vizinho de acordo com o parâmetro “motion probability”. • Repita este passo em todas as células do mundo.

12. Fase de Infecção e Cura • Selecione a 1ª célula. • Retire da população as “mortes naturais”. • Retire da população os indivíduos mortos devido à morbidade do vírus. • Adicione à população os recém-nascidos. • Adicione à população os imigrantes.

13. Fase de Infecção e Cura (cont.) • Compute as infecções inter-células (vetores); • Compute as infecções intra-células (contato); • Compute infecções espontâneas; • Compute a cura dos hospedeiros; • Compute os que não ficaram imunes; • Repita os passos para a próxima célula.

14. Resultados da Simulação • Corredores de avanço da infecção. • Barreiras ao avanço.

15. Corredores de Avanço da Infecção - Cenário

16. Corredores de Avanço da Infecção - Parâmetros

17. Corredores de Avanço da Infecção - Simulação

18. Barreiras ao Avanço - Cenário

19. Barreiras ao Avanço - Parâmetros

20. Barreiras ao Avanço - Simulação

21. Considerações finais • Aumento de complexidade em relação ao jogo da vida: • Conformação das células; • N° de estados; • Regras de transição; • Dois raios de vizinhos.

22. Considerações finais (cont.) • Contextualização com a esquistossomose: • População recuperada? • Modelagem da infecção! • 2 raios de vizinhos. • E a modelagem das coleções de água?