Strona1z19

Załącznik2a:Autoreferat

1. Imię i Nazwisko SzymonWąsik

2. Posiadane Stopnie i Tytuły Naukowe 1. Stopieńdoktoranauktechnicznych-PolitechnikaPoznańska,WydziałInformatyki;dys-

cyplinainformatyka,26marca2013r.,„Bioinformatycznemodeleialgorytmyinfekcjiwi-rusowych”,promotor:prof.drhab. inż. JacekBłażewicz,promotorpomocniczy:dr inż.PiotrŁukasiak:

- doktoratwyróżnionyprzezRadęWydziałuInformatyki,- osiągnięciabędącepodstawąnadaniastopniadoktoranagrodzoneNagrodąMini-

sterstwaNaukiiSzkolnictwaWyższegozaosiągnięcianaukowe.

2. Tytułzawodowymagistra-PolitechnikaPoznańska,WydziałInformatyki;kierunek-in-formatyka;specjalizacja-inteligentnesystemywspomaganiadecyzji,28sierpnia2008r.,„Komputerowemodeleinfekcjiwirusowych”,promotor:prof.drhab.inż.JacekBłażewicz:

- medal„summacumlaude”(przyznano5medalina4000absolwentów).

3. Tytułzawodowyinżyniera-PolitechnikaPoznańska,WydziałInformatykiiZarzadzania;kierunek-informatyka,2006r.,„IntelliForest–siecio-centrycznysystemdomonitorowa-niaiochronylasów”,promotor:drinż.MikołajSobczak:

- projektrealizowanywramachpracyinżynierskiejjako1z10naświeciezakwali-fikowałsiędoprezentacjinafinalekonkursuCSIDCwWaszyngtonie(naok.300projektów).

3. Dotychczasowe zatrudnienie w jednostkach naukowych 1. Instytut Informatyki, Wydział Informatyki, Politechnika Poznańska, adiunkt, 1 etat,

1.10.2013–obecnie.

2. Instytut Chemii Bioorganicznej Polskiej Akademii Nauk, Poznań, adiunkt, ½ etatu,1.08.2016–obecnie.

3. Luksemburskie CentrumMedycyny Systemowej, Uniwersytet Luksemburski, staż nau-kowy,1etat,1.06.2015–26.07.2015.

4. Instytut Informatyki, Wydział Informatyki, Politechnika Poznańska, asystent, 1 etat,1.10.2008–30.09.2013.

5. InstytutInformatyki,WydziałInformatyki,PolitechnikaPoznańska,starszyreferenttech-niczny,1etat,1.02.2006–30.09.2008.

6. School of Computing Science, University of Nottingham,wykonawcaw projekcie nau-kowym,ok.½etatu(rozliczaneumowamizleceniami),1.03.2008–30.06.2008.

Strona2z19

4. Wskazanie osiągnięcia naukowego wynikającego z ustawy o stopniach naukowych i tytule naukowym oraz o stopniach i tytule w zakresie sztuki

4.1. TytułosiągnięcianaukowegoBioinformatycznemetodymodelowaniasystemówdynamicznychwbiologii

4.2. Listapracwchodzącychwskładosiągnięcianaukowego[A1]S.Wasik,ModelingBiologicalSystemsusingCrowdsourcing,FoundationsofComputingandDecision Science, vol. 43(3), 2018, doi:10.1515/fcds-2018-0012 [Lista BMNiSW: 15 pkt., in-deksowanewWoSbezIF]

[A2] N. Szostak, S.Wasik, and J. Blazewicz, Hypercycle, PLOS Computational Biology 12(4):e1004853,2016,doi:10.1371/journal.pcbi.1004853.[IF2016:4.542]

[A3]S.Wasik,F.Fratczak,J.Krzyskow,andJ.Wulnikowski,Inferringmathematicalequationsusing crowdsourcing, PLOS ONE, vol. 10(12), iss. e0145557, 2015, doi:10.1371/jour-nal.pone.0145557.[IF2015:3.057]

[A4] S.Wasik,M.Antczak,J.Badura,A.Laskowski,T.Sternal,ASurveyonOnlineJudgesandTheirApplications,ACMComputingSurveys, vol.51(1), art.3,2018,doi:10.1145/3143560. [IF2017:5.550]

[A5]N.Szostak,J.Synak,M.Borowski,S.Wasik,andJ.Blazewicz,Simulatingtheoriginsoflife:ThedualroleofRNAreplicasesasanobstacletoevolution,PLOSONE,12(7):e0180827,2017,doi:10.1371/journal.pone.0180827.[IF2017:2.766]

[A6]S.Wasik,P.Jackowiak,M.Figlerowicz,andJ.Blazewicz,Multi-agentmodelofhepatitisCvirusinfection,ArtificialIntelligenceinMedicine,vol.60(2),pp.123-131,2014,doi:10.1016/j.art-med.2013.11.001.[IF2014:2.019]

[A7]S.Wasik,T.Prejzendanc,andJ.Blazewicz,ModeLang–anewapproachforexperts-friendlyviralinfectionsmodeling,Computationalandmathematicalmethodsinmedicine,vol.2013,p.8,2013,doi:10.1155/2013/320715.[IF2013:1.018]

4.3. Omówieniecelunaukowegoww.pracorazosiągniętychwynikówwrazzomówieniemichewentualnegowykorzystania

4.3.1. Cel badań

Głównymcelembadańopisanychwpracachwchodzącychwskładosiągnięcianaukowegobyłoopracowanienowychmetodmodelowaniasystemówdynamicznychwbiologii.Modelowanieta-kichsystemówwymagaczęstowspółpracyinterdyscyplinarnejspecjalistówzróżnychdziedzin,takich jak matematyka, informatyka, chemia, fizyka, medycyna i oczywiście biologia. Dlategogłównymzałożeniemdlaprowadzonychbadańbyło,abymetodytebyłyjaknajbardziejzrozu-miałe,nietylkodlaosóbposiadającychspecjalistycznąwiedzęzdziedzinyzwiązanejzmodelo-wanymsystememlubstosowanąmetodykąmodelowania,alerównieżdla ichwspółpracowni-ków.

Strona3z19

4.3.2. Kontekst badań

Modele,którebyłyrozpatrywanewramachprowadzonychbadańpochodzązdziedzinybiologiisystemowej,którajeststosunkowonowymobszarembiologii.Zostałonzdefiniowanyjakoprze-ciwieństwopodejściastosowanegoprzezwielestuleci,zgodniezktórymrozwójbiologiinapę-dzanybyłpodejściemredukcjonistycznym.Zgodnieznim,abyzrozumiećdziałanieorganizmujakocałościniezbędnebyłowyodrębnieniepodstawowychprocesówżyciowych i zrozumieniekażdegoznichosobno[1].Naukowcybyliprzekonani,żejeżeliudaimsięszczegółowozdefinio-waćkażdyprocesbiologiczny,dostarczytokompletnejwiedzy,zktórejbędziemożnabezpośred-niowyciągnąćwnioskijakdziałacałyorganizm.Tozkoleidoprowadziłodociągłegorozwojume-todobserwacyjnych,którepozwoliłynabadanieorganizmuzcorazwiększąliczbąszczegółów,odsposobufunkcjonowaniacałychorganów,przeztkanki,komórkiażdoposzczególnychprocesówkomórkowych,adziękimetodombiochemicznymibiofizycznymnawetnapoziomieposzczegól-nychcząsteczekiatomów.Powyższepodejścieostateczniedoprowadziłodoprecyzyjnegoopisa-niasetekprocesówzachodzącychworganizmachżywych,alenieudzieliłoodpowiedzinawielekluczowychpytań.Dobrymprzykłademsąneuronywmózgu.Zasadatransmisjiimpulsówelek-trycznychjestbardzodobrzerozumiana,jednakniewyjaśniaonajakpowstająmyślilubjakprze-biegaprocesmyślowy[2].

Naukowcyzaczęlizauważaćpowyższyproblemwdrugiejpołowiedwudziestegowieku,kiedydo-szlidowniosku,żeopróczanalizowaniaposzczególnychprocesówpotrzebnejestrównieżspoj-rzeniebardziejglobalne.Dałotopocząteknowejdziedziniebiologiinazwanejbiologiąsystemowąlubbiologiąsystemów,którabadazłożoneinterakcjewystępującewsystemachbiologicznych.Jed-nymzgłównychcelówbiologiisystemowejjestanalizazachowań,któremożnazaobserwowaćjedyniezperspektywyglobalnej(zangielskiegotakzwaneemergentproperties),czyliprzeprowa-dzanie analiz, którychbrakowałowpodejściu redukcjonistycznym.Dlatego teżbiologia syste-mowamożebyćtraktowanajakonajważniejszezpodejśćholistycznychstosowanychwbiologii[3].

Formalnieterminbiologiasystemowazostałwprowadzonyw1966rokuprzezMihajloMesaro-vica poprzez organizacjęmiędzynarodowego sympozjumSystems Theory andBiology [4]. Jed-nakżepierwszebadaniewtymobszarzebyłyprowadzonedużowcześniej,chociażbywceluopra-cowaniamodelupropagacjisygnałuwzdłużaksonukomórkinerwowej,któryłączyłopiszacho-waniacząsteczeksoduipotasuwceluzaobserwowaniabardziejglobalnegoprocesutransmisjiimpulsuelektrycznego[5].Obecniebiologiasystemowatomocnointerdyscyplinarnadyscyplinałączącaosiągnięcianauktakichjakbiologia,matematyka,informatyka,chemiaibiochemia,fizykaibiofizyka,anawetpsychologiaisocjologia.Badaniaprzeprowadzanewramachbiologiisyste-mowejsąwykorzystywanewróżnorodnychobszarachbiologii,takichjakgenomika,transkryp-tomika,proteomika,matabolomikaiwieluinnych.

Jednymzrodzajówmodeli,któresąnajpowszechniejanalizowanewramachbiologiisystemowejsąmodeledynamiczne,czylitakie,któreopisujązmianępewnychwartościwczasie.Formalnie,modeletakiemogąbyćzdefiniowanejakosystemy,któredlakażdegopunktuczasowego𝑡 ∈ 𝑇odwzorowująpewienpunktprzestrzenifazowej𝑚 ∈ 𝑀winnypunkt𝑚& ∈ 𝑀.Takzdefiniowanesystemyopisanesąfunkcją:

𝑇 ×𝑀 → 𝑀,

izazwyczajdefiniowanesązapomocąrównaniaróżniczkowegolubukładurównańróżniczko-wych,któremodelujązmianęwartościpunktów𝑚wczasie:

Strona4z19

)*)+= 𝑓(𝑚).

Opracowanie nowatorskich metod modelujących takie systemy było właśnie głównym celemprzeprowadzonychbadań.

4.3.3. Osiągnięte wyniki

Zapismodelibiologicznychzwykorzystaniemkontrolowanychjęzykównaturalnych

Do definiowania modeli systemów biologicznych opracowane zostało wiele formalizmów. Popierwszemodelemożnazapisywaćzapomocąwzorówmatematycznychorazichkomputerowejreprezentacji.Podrugiedoopisywaniamodeliwbiologiisystemowejzaprojektowanyzostałde-dykowanyformatSBML[6],któryzyskałdużeuznaniewśrodowiskunaukowymiwykorzysty-wanyjestaktualnieprzezkilkasetprogramówwspierającychprocesmodelowania.Potrzecieza-projektowanezostałydedykowanejęzykiprogramowaniawspierającemodelowanieisymulowa-niemodeli,wtymmodelibiologicznych,takiejakSimPy[7].Wszystkiepowyższepodejściamająjednakpodstawowąwadę.Skierowanesąonedokonkretnejgrupynaukowców,odpowiednioma-tematyków,biologówlubinformatyków.Niestanowitozazwyczajproblemudlabioinformaty-ków,którzyposiadającinterdyscyplinarnąwiedzęsąwstaniewybraćnajbardziejodpowiadającąimmetodęmodelowaniazpowyższejlisty.Jednak,jakwynikazdoświadczeniahabilitanta,istotnyproblempojawiasięwprzypadkuwspółpracyinterdyscyplinarnychzespołów,którychczłonko-wieposiadajądoświadczeniewróżnychobszarachnauki.Konkretnie,problemzostałzaobserwo-wanywtrakciewspółpracy,którąhabilitantprowadziłjakoliderzespołuinformatycznegoopra-cowującegowieloagentowysymulatorinfekcjiwirusowych[A6]wewspółpracyzbiologamizIn-stytutuChemiiBioorganicznejPANwPoznaniu.Wtrakciewspółpracypojawiłsięznaczącypro-blemkomunikacyjny.Biolodzyniebyliwstaniezrozumiećformalizmówmatematycznychuży-wanychdomodelowania,ainformatycyniebyliwstanieuzyskaćwystarczającoprecyzyjnychin-formacjinatematprocesówbiologicznychzachodzącychwzainfekowanymorganizmie,którepo-zwoliłybynaichodwzorowaniewimplementowanymsymulatorze.

AbywspomóckomunikacjępomiędzynaukowcamiirozwiązaćpowyższyproblemopracowanyzostałjęzykModeLangopartynakoncepcjikontrolowanychjęzykównaturalnych(ang.Control-ledNaturalLanguage,CNL)[8].Powyższagrupajęzykówdefiniowanajestjakopodzbiórjęzykównaturalnych,którychgramatykaisłownictwojestograniczonawtensposób,abyzmniejszyćlubwyeliminować niejednoznaczność w interpretacji języka. Dlatego też ModeLang jest to język,którykorzystazzaletjęzykanaturalnego,dającbiologommożliwośćdefiniowaniamodelukorzy-stajączezdańwprowadzanychwjęzykuangielskim.Zdrugiejstronyinformatycymogąnadzoro-waćprocesmodelowania,takabyzapewnićjednoznacznośćprocesuparsowaniaopisumodelu,takjakmatomiejscewjęzykachformalnych.Listing1przedstawiaprzykładowymodelinfekcjiwirusemHCVzapisanywjęzykuModeLang,natomiastRysunek1przedstawiaszczegółowoalgo-rytmmodelowaniazwykorzystaniemjęzykaModeLang.Opismodeluprzygotowanyprzezeks-pertajestprzetwarzanyprzezparserjęzyka,którywykorzystujesłownikwiedzyeksperckiej,abybyćwstaniepoprawniezrozumiećwiedzędziedzinowąużytąwopisiemodelu(np.słowatakiejakinfekuje,mnożysię,emituje,umiera).Słowniktakimusibyćprzygotowanydlakażdejdomeny,zktórejbędąpochodzićmodelowanesystemy.Wynikiemdziałaniaparserajestkomputeroware-prezentacjamodelu,któramożebyćpóźniejprzekształconaprzezdedykowanykonwerterdojed-negozestandardowychtypówdanychużywanychdoanalizowaniamodeli(np.SBML).Natomiastpokonwersjimodelmożebyćanalizowanywdowolnymzprogramówkomputerowychobsługu-jącychdocelowyformat.Ostatecznie,następujefazaweryfikacjimodeluijeżeliokażesię,żenależy

Strona5z19

wprowadzićwnimpewnezmiany,całyprocespowtarzasięodpoczątku.Szczegółowyopisdzia-łaniajęzykaModeLangznajdujesięwpublikacji[A7].

RYSUNEK 1 ALGORYTM MODELOWANIA Z WYKORZYSTANIEM JĘZYKA MODELANG.

LISTING 1 PRZYKŁADOWY ZAPIS MODELU INFEKCJI HCV W JĘZYKU MODELANG.

JęzykModeLangzostałprzetestowanyzgrupąbioinformatyków,którakorzystajączniegoprzy-gotowałasumarycznieok.300testowychopisówmodeli.Przeprowadzonetestywskazują,żeję-zykModeLangmożebyćskuteczniezastosowanydowsparciawspółpracyinterdyscyplinarnejzzakresubioinformatyki.JegokoncepcjazostałaopublikowanawczasopiśmiezlistyJCRComputa-tionalandMathematicalMethodsinMedicine[A7]orazprzedyskutowananakilkukonferencjachmiędzynarodowych.Koncepcja językaModeLangzostała zdefiniowanaprzezhabilitanta,nato-miastdalszepracenadjęzykiemModeLangprowadzonebyływewspółpracyzdoktorantemTo-maszemPrejzendancem,wktóregoprzewodziedoktorskimhabilitantpełnirolępromotorapo-mocniczego.

0 < s < 4 0.002 < rHU < 3.4 0 < rHI < 1.4e-6 1e-3 < dHU < 0.014 1e-3 < dHI < 0.5 4e6 < Umax < 1.3e7 1e-8 < beta < 1e-6 0.1 < pH < 44 0.8 < cv < 22 0 < cI < 1 Healthy hepatocytes are created by Healthy hepatocytes at speed rHU Infected hepatocytes are created by Infected hepatocytes at speed rHI The number of Healthy hepatocytes and Infected hepatocytes is less than Umax Blastic cells change into Healthy hepatocytes at speed s Healthy hepatocytes die with mean time dHU Infected hepatocytes die with mean time dHI Healthy hepatocytes and Virions generate Infected hepatocytes with prob-ability beta Virions are emitted by Infected hepatocytes at rate pH Virions die with probability cv Infected hepatocytes change into Healthy hepatocytes with probability cI

Strona6z19

Wieloagentowysymulatormodelibiologicznych

Systemwieloagentowytosystemzłożonyzwieluwchodzącychwewzajemneinterakcjeobiek-tów,takzwanych„agentów”.Charakterystycznącechąagentówjestto,żeniemająonenigdypeł-nejwiedzyocałymsystemie,a jedynieonajbliższych imsąsiadach.Wtensposóbzachowaniesystemuwieloagentowegojestzachowaniemwyłaniającymsięzlokalnychinterakcji,anieanalizyglobalnegostanuśrodowiska[9].

Systemywieloagentowejużoddłuższegoczasustosowanesądomodelowaniasystemówbiolo-gicznych[10]–[13].Zdużymsukcesembyłyprzykładowostosowanedomodelowaniaprocesuno-wotworzenia[14]–[17].Jednakwwieluobszarachbiologiiimedycynyichpopularnośćjestcałyczasniewielka,aichpotencjałdoanalizowaniaskomplikowanychprocesówzmiennychwczasieiprzestrzeniniewykorzystany.Takimiprzykładowymiobszarami,którezostałyuwzględnionewbadaniachprowadzonychprzezhabilitantasąmodelowanieinfekcjiwirusowychorazanalizapo-czątkówżycianaZiemi.Zastosowaniemodeliwieloagentowychdomodelowaniaprzebieguinfek-cjiwirusowychbyłodotychczasbardzoograniczone[18]–[20]iobarczonapewnymiproblemamimetodycznymi.NatomiastsymulacjewobszarzeRNAWorldograniczałysiędouproszczonegowzględemmetodologiiwieloagentowejsposobumodelowaniazwykorzystaniemautomatówko-mórkowych[21],[22].Dlategoteższczególnietymdwómobszarompoświęconowieleuwagi.

Wkontekścieinfekcjiwirusowychhabilitantzaprojektowałizaimplementowałsymulatorwielo-agentowyinfekcjiwirusowych,którynastępniezostałprzetestowanywoparciuomodelinfekcjiHCV.Celembadańbyławeryfikacjamodeluorazopracowaniemetody,któraumożliwiałabypopierwszemodelowanierozkładuprzestrzennegokomórek,podrugieprzypisaniekomórkomspe-cyficznychatrybutówowartościachróżnychdlakażdejkomórki.Takimodelumożliwiłbyprzy-kładowoanalizęjakprocesmutacjiwirusawpływanaprzebieginfekcji(takazależnośćbyłaana-lizowanawstarszejpublikacjihabilitanta[O5]).Zastosowanymodelinfekcjizostałzaimplemen-towanynapodstawiewynikówpraczespołuprofesoraPerelsona[23]izostałzdefiniowanyna-stępująco:

�̇� = (1 − 𝜖)𝑝𝐼 − 𝑐𝑉,

𝐼̇ = 𝑟:𝐼 ;1 −𝑈 + 𝐼𝑈*>?

@ + (1 − 𝜂)𝛽𝑉𝑈 − 𝑑:𝐼 − 𝑞𝐼,

�̇� = 𝑠 + 𝑟F𝑈 ;1 −𝑈 + 𝐼𝑈*>?

@ − (1 − 𝜂)𝛽𝑉𝑈 − 𝑑F𝑈 + 𝑞𝐼.

WpowyższymmodeluVoznaczaliczbęwolnychwirionów,Iliczbęzainfekowanychkomórekwą-troby(hepatocytów),aUliczbęniezainfekowanychhepatocytów.Parametrpopisujejakszybkowirionyemitowanesąprzezzainfekowanekomórki,acjakszybkoulegająonerozpadowi.rIorazrUtoodpowiednioprędkośćpodziałuzainfekowanychiniezainfekowanychhepatocytów,adIorazdUtoprędkośćichumierania.btoprędkośćinfekowaniazdrowychkomórek,qtoniewielkawar-tośćoznaczającaprocesusuwaniawirusazzainfekowanychkomórek,asniewielkawartośćmo-gącamodelowaćpowstawaniehepatocytówzkomórekmacierzystych.Umaxoznaczamaksymalnąliczbęhepatocytów,któremogąwystępowaćwwątrobie(pojemnośćśrodowiska),natomiasteorazhmodelująterapię(dlabrakuterapiiobaparametrymająwartość0).

Efektemprzeprowadzonychtestówmodeluisymulatorabyłoopróczpotwierdzeniapoprawnościdziałaniasymulatoraznalezieniepoważnegobłęduwjednymzaktualnieistniejącychmodeliiza-proponowaniejegorozwiązania.Ponieważwtrakcietestówokazałosię,żezadaniesymulacjijest

Strona7z19

bardzozłożoneobliczeniowoopracowano iprzebadano równieżwersję symulatoradziałającąrównolegle.Dodatkowoopracowanometodęwyznaczaniawartościparametrówwystępującychwtymmodeluzwykorzystaniemalgorytmugenetycznego,gdyżżadnazistniejącychmetodniemogłabyćwtymceluzastosowana.Szczegółowerezultatybadańzostałyopublikowanewpubli-kacji[A6].Należytutajzauważyć,żemimoiżpodstawysymulatorapowstałyjeszczewramachdoktoratuhabilitanta,tokluczowejegofunkcjonalnościorazzasadniczeanalizybiologicznezo-stałyzaimplementowaneiprzeprowadzonejużpouzyskaniustopniadoktorawramachgrantuNCN,wktórymhabilitantpełniłrolęwykonawcy.Równieżpoobroniedoktoratuopracowanazo-stałapublikacja[A6].

Symulatorwieloagentowywykorzystywanydomodelowaniainfekcjiwirusowychzostałzapro-jektowanywsposóbuniwersalnyielastyczny,umożliwiającyjegołatwedostosowaniedoinnychzastosowań.Dlategoteż,wtrakciepracwtematycepoczątkówżycianaZiemi,szybkopojawiłsiępomysł wykorzystania go do zamodelowania systemu replikaza-pasożyt, który hipotetyczniemógłwystępowaćnaprebiotycznejZiemi.Systemtenmodelujew jakisposóbreplikująceczą-steczkiRNA(replikaza)orazcząsteczki,którewskutekmutacjiutraciłyzdolnośćreplikacji(pa-sożyty)mogły ze sobą koegzystować. System tenmoże być zamodelowany zwykorzystaniemrównańróżniczkowychwnastępującysposób:

�̇� = −2𝑘K𝑅L + [2(1 − 𝑘K) + 3κ𝜔 + 2𝑑]𝐶K

−𝑘R(1 − 𝑙)𝑅𝑃 + [(1 − 𝑘R) + κ𝜔 + 𝑑]𝐶KR − 𝑑𝑅,

�̇� = −𝑘R(1 − 𝑙)𝑅𝑃 + [(1 − 𝑘R) + 2κ𝜔 + 𝑑]𝐶KR − 𝑑𝑃,

�̇�KK = 𝑘K𝑅L − [(1 − 𝑘K) + κ𝜔]𝐶KK − 2d𝐶KK,

�̇�KR = 𝑘R(1 − 𝑙)𝑅𝑃 − [(1 − 𝑘R) + κ𝜔]𝐶KR − 2d𝐶KR,

gdzie:

𝜔 = 1 − 𝑅 − 𝑃 − 𝐶KR − 𝐶KK.

WpowyższymmodeluRoznaczaliczęreplikaz,Pliczbępasożytów,CRRliczbękompleksówrepli-kaza-replikaza,czylidwóchpołączonychcząsteczekreplikazy,zktórychjednareplikuje(kopiuje)drugą,aCRPliczbękompleksówreplikaza-pasożyt,wktórychreplikazakopiujebezużytecznączą-steczkępasożytaniemającmożliwościwykryciatypukopiowanejsekwencji.Parametrykrorazkpwystępującewmodeluoznaczająpowinowactwowzględemreplikazydlaodpowiedniokażdejinnejreplikazyorazpasożytów.Regulująoneczasżyciakompleksu(imwiększepowinowactwo,tymmniejszeprawdopodobieństwo,żekomplekssięrozpadnie).Dodatkowokażdareplikaza isekwencjaulegarozpadowiwtempied.ktostałareplikacjiopisującajakszybkosekwencjajestkopiowana,altoprawdopodobieństwoprzebywaniacząsteczkiwstaniezwiniętymwktórymjejskopiowaniejestutrudnione,zatojesttoniezbędnystan,abyreplikazamogłakopiowaćinnese-kwencje.Wtrakciebadańrozważanorównieżwariant,wktórymwartośćparametrulbyłaróżnadlareplikazipasożytów(odpowiedniolRorazlP).

Celem prowadzonych badań była identyfikacja cech, które musiały charakteryzować prebio-tycznysystemreplikaza-pasożyt,abyzagwarantowaćjegoprzeżywalnośćidalsząewolucję.Na-tomiastdziękiwykorzystaniusystemówwieloagentowychmożliwebyłobardziejrealistyczneza-modelowanie przestrzeni względem wykorzystywanych wcześniej automatów komórkowych.Rysunek2przedstawiaprzykładowewizualizacjesymulowanegosystemuwrazzpostępemsy-mulacji.Analizasystemupozwoliłapotwierdzićwcześniejszedoniesienia,żestabilnośćsystemugwarantowanajestprzezwystępowanieformacjiwędrującychfalcząsteczek[21],jednaklepsze

Strona8z19

odwzorowanieprzestrzenipozwoliłodoprecyzować,żeichstrukturabardziejprzypominaeks-plozjeżyciawystępującewróżnychpunktachśrodowiska.Dodatkowoudałosięwykazać,żeszyb-kiepojawieniesiękwasuDNAnaZiemimogłobyćjednymzkrytycznychwarunkówniezbędnychdodalszegorozwojużycia.Byćmożepojawieniesiętychcząstekbyłoniezbędnedużowcześniejniżdotychczasprzypuszczano.Szczegółyimplementacjisymulatoraorazwynikiwszystkichprze-prowadzonychanalizprezentowanesąwpublikacji[A5].

RYSUNEK 2 ZRZUTY EKRANU Z OKNA SYMULATORA PREZENTUJĄCE MODELOWANY SYSTEM W KOLEJNYCH KROKACH SYMULACJI. LICZBY POD OBRAZKAMI OZNACZAJĄ KROK SYMULACJI. KOLOR OZNACZA PRAWDOPODOBIEŃSTWO

PRZEBYWANIA W STANIE ZWINIĘTYM.

Zastosowaniecrowdsourcingudomodelowaniasystemówbiologicznych

Crowdsourcingtotechnikazlecaniawykonaniajakiegośzadaniadużej,częstoanonimowejgrupieosób,którerealizująjeliczącnapewnąnagrodęlubtraktująctojakorealizacjęswojejpasji.Do-brym przykładem jest największa na świecie encyklopedia –Wikipedia, która rozwijana jestwspólnymwysiłkiemmilionówosób.Mimoże termincrowdsourcingzostałwprowadzonydo-pierowroku2006,jegozastosowaniejestdużostarszeisięgapoczątkuXVIIIwieku.Więcejinfor-macji o crowdsourcingu oraz opis jego zastosowań domodelowania systemów biologicznychmożnaznaleźćwsamodzielnejpublikacjihabilitanta[A1].Opisanewniejmożliwościzastosowa-niacrowdsourcingwbiologii systemowejstanowiływażnyelementbadańhabilitanta,dlategoosiągniętewynikisąrównieżkrótkozaprezentowaneponiżej.

Wtrakciepracnadsymulatoremwieloagentowymopisanymwpoprzedniejsekcjizauważono,żejednymzwiększychproblemów,któretrzebabyłorozwiązać,byłowyznaczeniewartościpara-metrówrzeczywistychwystępującychwmodelu. Istniejecoprawdawielemetodmatematycz-nych,któresąwstaniewykonać tozadaniedlamodeliopisanychrównaniamiróżniczkowymi(przykładowo[24]),aleniemożnaichzastosowaćdlamodeliwieloagentowych.Zachowanietychmodeliczęstoopisanejestniestandardowymi,złożonymiinieróżniczkowalnymizależnościami,co zdecydowanie ogranicza liczbęmożliwych do zaaplikowaniametod. Dodatkowo ewaluacjazbioruwartościparametrówjestbardzozłożonaobliczeniowo,gdyżwymagaprzeprowadzeniasymulacji wieloagentowej, która może trwać wiele minut, a nawet godzin. W końcu brakuje

Strona9z19

ustandaryzowanegozestawutestów,któremogłybywesprzećopracowywanieefektywnychme-tod,któremożnabyzastosowaćwprzypadkumodeliwieloagentowych.

Dobrymprzykłademinicjatywy,którawspieraopracowywanienowychmetodoptymalizacjicią-głejjestkonkursorganizowanycoroczniewczasiekonferencjiIEEECEC[25],wczasiektóregoocenianeiporównywanesąalgorytmyrozwiązująceróżnewariantyproblemuestymacjiwartościparametrówrzeczywistych.Coprawdaopracowywanetammetodyniemogąbyćwykorzystanewprostwprzypadkusystemówwieloagentowych,bocelemalgorytmówjestoptymalizacjasto-sunkowoprostychfunkcjimatematycznych,którychczasewaluacji jestmierzonywmilisekun-dach,alesamainicjatywaopracowaniastandardowychzestawówtestów(benchmarków)ocenia-jącychalgorytmyjestbardzoistotnazpunktuwidzenianaukowego.

JedynymproblememkoncepcyjnymkonkursóworganizowanychwramachIEEECECjestbrakmożliwości łatwego porównania algorytmów po zakończeniu konkursu. Autorzy nowych lubulepszonychmetod,którepowstanąpozakończeniukonkursu,niemająłatwegodostępudośro-dowiskaobliczeniowego,wktórymmoglibyporównaćjezhistorycznymimetodamiopracowa-nymiprzezinnychautorów.Abyrozwiązaćtenproblem,ajednocześnieumożliwićewaluacjęme-todprzeznaczonychdlasystemówwieloagentowych,przezzespółkierowanyprzezhabilitantazaproponowanyzostałportalTrochilus. Jest todziałającawchmurzeaplikacja Internetowa,wktórejzdefiniowanostandardowetestyopracowanenapodstawieproblemówmodelowaniain-fekcjiHCVorazpoczątkówżycianaZiemiorazumożliwiononaukowcomuruchamianie imple-mentacjiwłasnychmetodwtrybieon-line.Procedurawykorzystaniaplatformyjesttaka,żenau-kowiecpoopracowaniunowejmetodyzgłaszajejkodźródłowyprzezdedykowanąstronęInter-netową.Kodalgorytmujestnastępnieprzezsystemkompilowanyiautomatycznieuruchamianynaniezmiennymzestawietestów.WtensposóbkażdytwórcamożenabieżącoporównaćnowoopracowanyalgorytmzinnymidodanymijużdobazysystemuTrochilus.Wramachpracnadpor-talemopracowanorównieżmetodykębezpiecznegouruchamianiakoduprogramówpochodzą-cychzzewnętrznychźródełwsystemieLinux.Rysunek3przedstawiaprzykładowyzrzutekranuzplatformyTrochilus,awięcejinformacjiojejdziałaniumożnaznaleźćwpublikacji[A1].

RYSUNEK 3 PRZYKŁADOWA STRONA PORTALU TROCHILUS PREZENTUJĄCA WYNIKI ALGORYTMU NA PIĘCIU RÓŻNYCH TESTACH.

ArchitekturazastosowanawplatformieTrochilusjestczęstonazywanaEvaluation-as-a-Service(EaaS,[26],[27])zgodniezterminologiąstosowanądlausługdziałającychwchmurze.Warchi-tekturze tej wszystkie dane oraz skrypty testowe przechowywane są w chmurze, a co

Strona10z19

najważniejszesamaewaluacjaalgorytmówwoparciuotedanerównieżodbywasięwchmurze,dziękiczemualgorytmytestowanesąwdokładnietakichsamychwarunkach.Doświadczeniaze-branewtrakcieimplementacjiarchitekturyEaaSwportaluTrochilusnasunęłypomysł,żemożnabypowyższąplatformęrozszerzyćtak,abyumożliwiałaewaluacjęnietylkoalgorytmówrozwią-zujących jeden konkretny problem, ale dowolnych algorytmów optymalizacyjnych. Platformatakabyłabyunikalnawskaliświataibyłabyniezwykleużytecznymnarzędziemnaukowym,gdyżproblemyoptymalizacyjnetobardzopopularnetypyproblemówkombinatorycznychwystępu-jącezarównowbiologii[28],[29],jakiwinnychdziedzinachnauki[30].Wtensposóbzapropo-nowanazostałaplatformaOptil.io,którazostałazaimplementowanawramachgrantufinansowa-negoprzezNCBiRwramachprogramLIDER,któregohabilitantbyłkierownikiem.

ArchitekturaplatformyOptil.iozostałazaprojektowananapodstawiedoświadczeńzdobytychwtrakcieimplementacjiportaluTrochilusirównieżwykorzystujemechanizmEaaS.Jednakwod-różnieniuodportaluTrochilusplatformaOptil.ioumożliwiaudostępnianieprocedurewaluacyj-nychdladowolnychproblemówoptymalizacyjnych.Cowięcej,platformataumożliwiaorganizo-waniekonkursów,wktórychprzezpewienzadanyzgóryczasuczestnicymogąnasyłaćalgorytmyrozwiązującepewienproblem.Wszystkiezgłoszeniasąnabieżącooceniane,auczestnikompre-zentowany jest odświeżany na żywo ranking porównujący wszystkich uczestników. Wykresprzedstawiającyprzebiegkonkursudlamającegowielebiologicznychzastosowańproblemuko-miwojażera prezentuje Rysunek 4. Natomiast Rysunek 5 przedstawia zrzut ekranu platformyOptil.ioprezentującywynikiprzykładowegokonkursuprogramistycznego.

RYSUNEK 4 WYKRES OBRAZUJĄCY PRZEBIEG KONKURSU, W RAMACH KTÓREGO ROZWIĄZYWANY BYŁ WARIANT PROBLEMU KOMIWOJAŻERA. PROBLEM TEN MA LICZNE ZASTOSOWANIA BIOLOGICZNE, NA PRZYKŁAD PRZY ROZ-

WIĄZYWANIU PROBLEMU ASEMBLACJI SEKWENCJI DNA [31]. KAŻDA KROPKA OZNACZA POJEDYNCZE ZGŁOSZENIE. KOLORAMI INNYMI NIŻ CZERWONY OZNACZONO ZGŁOSZENIA PIĘCIU NAJLEPSZYCH UCZESTNIKÓW. NA OSI POZIO-MEJ PRZEDSTAWIONY JEST CZAS TRWANIA KONKURS (W DNIACH), A NA OSI PIONOWEJ ZAGREGOWANA WARTOŚĆ FUNKCJI CELU DLA WSZYSTKICH INSTANCJI TESTOWYCH. ŻÓŁTA LINIA OBRAZUJE NAJLEPSZE W DANYM MOMENCIE

ROZWIĄZANIE.

Strona11z19

WynikikonkursówprzeprowadzonychzarównozwykorzystaniemplatformyOptil.io,jakiTro-chiluspotwierdzają,żewykorzystaniecrowdsourcingudorozwiązywaniaproblemówoptymali-zacyjnych,wtymtychzwiązanychzmodelowaniemsystemówbiologicznych,możeprzynieśćbar-dzodobreefekty.Popierwszemożliwośćkonkurowaniazinnymiuczestnikamiorazobserwowa-niajakzmieniasięichrankingwczasiepozytywniemotywujeuczestnikówdoopracowywaniaiwysyłaniaulepszonychrozwiązań.Podrugie,agregująckilkarozwiązań,któreosiągająnajlepszewynikinaróżnychinstancjachtestowych,możnauzyskaćrozwiązanielepszeniżbezwykorzysta-niacrowdsourcingu.

RYSUNEK 5 ZRZUT EKRANU PLATFORMY OPTIL.IO PREZENTUJĄCY WYNIKI PRZYKŁADOWEGO KONKURSU.

DodatkowymważnymwynikiemnaukowymosiągniętymwczasiepracnadplatformąOptil.iobyło formalne zdefiniowanie tak zwanej platformyOnline judge, czyli platformyoceniającejwchmurzealgorytmyzgodniezarchitekturąEaaSiwykonanieprzeglądutakichplatform.Wynikite zostały opublikowane we wiodącym czasopiśmie z obszaru informatyki ACM ComputingSurveyswrazzopisemiprzykładowymwykorzystaniemplatformyOptil.io[A4].

Zupełnieodmiennezastosowaniecrowdsourcinguzostałowykorzystanewtrakcieimplementacjigier Internetowych służących domodelowania systemów dynamicznych. Opracowane zostałydwiegryThrowtheHamster[A3]orazRacetheHamster[A1],wktórychcelemgraczybyłozapro-jektowaniemodelu infekcjiHCV.Ponieważopracowywaniemodelimatematycznych jest zada-niemwymagającymspecjalistycznejwiedzyzzakresumatematyki,zadanietozostałoprzedsta-wionewdużoprostszejformie. Celemgraczabyłozaprojektowaniepojazdu(odpowiedniora-kiety kosmicznej lub samochodu wyścigowego) poprzez skonstruowanie drzewa technologii,któremógłdodawaćdoswojegopojazdu.Natomiastwewnętrzniewgrze,drzewotoreprezento-wałowzórmatematycznyopisującydanymodel.Pojegoskonstruowaniumodelbyłocenianywoparciu o rzeczywiste dane kliniczne [32].Dodatkowowprowadzonomożliwość przeglądaniadrzewopracowanychprzezinnychgraczyiużycieichdobudowywłasnychmodelicopozwoliłona wykorzystanie fenomenu wiedzy tłumu (ang. wisdome of the crowd), który umożliwia

Strona12z19

wykorzystaćzagregowanąwiedzęwieluindywidualnychosóbwceluosiągnięciajaknajlepszegorozwiązania[33].

Opracowanezostałydwiewersjegry.GraRacetheHamsterusuwałakilkabłędówwprojekciegryThrowtheHamster,którezostałyzaobserwowanewczasieeksperymentówprzeprowadzonychzjejudziałem.Byłytoprzedewszystkimniskagrywalność(grabyłamałociekawadlagraczy),brakpodglądufunkcjiodpowiadającejzbudowanemudrzewuorazkoniecznośćręcznegoustawianiawartościparametrów.Eksperymentyprzeprowadzonezwykorzystaniemobugierudowodniły,żemożliwejestefektywnewykorzystaniecrowdsourcinguwcelumodelowaniasystemówbiolo-gicznych.Popierwsze,udałosięzwykorzystaniemkilkusetgraczyopracowaćmodellepszyniżmodelwygenerowany przezwiodący algorytm programowania genetycznego [34]. Po drugie,udałosięwykorzystaćwiedzętłumu,gdyżnajlepszerozwiązaniepowstałojakociągwieluulep-szeńpewnegorozwiązaniazaproponowanyprzezwieluludzi.Dlaprzykładu,najlepszafunkcjazaproponowanaprzezgraczywgrzeRacetheHamsterto:

𝑓(𝑡) = 649.23 − 1.03 ⋅ logL.^_ 𝑡 − 0.01 ⋅ 𝑡 + 𝑡 ⋅ 𝑡 ⋅ (−0.01) ⋅ 0.02 ⋅ 0.01.

Wzórpowyższejfunkcjiniejestuproszczony,ponieważzostałaonaprzedstawionadokładniewtakiejformie,wjakiejzostałazdefiniowanaprzezgracza.Szczegółydotyczącezastosowanejme-todologiiiwynikówgryThrowtheHamsterzostałyopisanewpublikacji[A3],aRacetheHamsterw[A1].Wdrugiejztychpublikacjiznajdujesięrównieżspisdziesięciuzasad,którezostałyzdefi-niowanenapodstawieanalizywynikówobugier,aktóreopisująwjakisposóbnależyprojekto-waćgrywykorzystującecrowdsourcingwcelurozwiązaniaproblemunaukowego(zangielskiegotakzwanecrowdsourcedseriousgames[35]).

Opracowanienowejwersjiteoriihipercykli

Teoriahipercykliopracowanazostaławlatach70-tychXXwiekuprzezManfredaEigenajakoroz-wiązanieproblemuprogubłędu(ang.errorthreshold)wpierwszychsystemachreplikującychczą-stekRNA[36],[37].Problemtenwynikazfaktu,żecząsteczkiRNAmutujązbytszybko,abybyćwstanieprzechowaćwiększeilościinformacjibezudziałuzaawansowanychmechanizmówko-rektybłędów.Szacujesię,żenaprebiotycznejZiemi(przedpojawieniemsiężycia)niemożliwebyłopowstaniesekwencjidłuższychniż100nukleotydów.Wceluzwiększeniailościmożliwejdoprzechowaniainformacjizaproponowanyzostałmodelhipercyklu,wktóryminformacjaprzecho-wywanajestwkilku,wzajemniepowiązanychsekwencjach(patrzRysunek6).

RYSUNEK 6 PRZYKŁADOWY MODEL HIPERCYKLU ZŁOŻONY Z PIĘCIU SEKWENCJI [BY NSZOSTAK - OWN WORK, CC BY-SA 4.0, HTTPS://COMMONS.WIKIMEDIA.ORG/W/INDEX.PHP?CURID=41579114].

I2

I1

I4I3

I5

Strona13z19

ZaproponowanyprzezEigenamodelHipercyklubyłprzezwielelatanalizowanyirozwijany,przy-kładowoprzezmodelowaniedodatkowoetaputranslacjilubbłonograniczającychmożliwościdy-fuzjicząstek.Doprowadziłotodosytuacji,wktórejprzezwieluróżnychbadaczyzaproponowanezostałyróżne,posiadająceniewielkieróżnice,definicjeteoriihipercykli,wtymczasamiwariantywzajemniesprzeczne.NawetdefinicjapowyższejteoriiwpracachEigenabyłarozbitanaczteryróżneartykuły[36]–[39]stosująceróżneoznaczenia.Zdecydowanieutrudniałotoprowadzeniebadańwykorzystującychteorięhipercykli.DlategoteżpostanowionowykorzystaćkolekcjęTopicPagesczasopismaPLOSComputationalBiologywceluopracowaniaiopublikowaniaujednoliconejwersjiteoriihipercykli.KolekcjaTopicPagestosekcjaczasopismapoświęconapublikowaniuar-tykułówopisującychkluczowe zpunktuwidzeniabiologii obliczeniowej zagadnienia. Publiko-wanewnichartykułyprzechodząbardzorygorystycznyprocesrecenzji,ajejcechącharaktery-stycznąjestto,żeartykułypublikowanesąnietylkowczasopiśmie,alerównieżjakostronyWi-kipedii.Dlaautorówoznaczatodużowiększywysiłekzwiązanyzkoniecznościązachowaniapo-dwójnychstandardów–czasopismaiWikipediiorazkoniecznośćopracowaniaartykułuwdwóchróżnychformatach.ZatopowyższysposóbpublikacjizdecydowanieułatwiadostępdoinformacjiwszystkimzainteresowanymosobomorazpodnosijakośćinformacjiprzedstawianychwWikipe-dii.

Opisanepowyżejpracezaowocowałyartykułem[A2],wktórymzaproponowanoujednoliconymodelhipercykluopisanyponiższymrównaniemróżniczkowym:

�̇�a = 𝑥a b𝑘a +c𝑘a,dd

𝑥d −1𝑥𝜙f,

gdzie:

𝑥 =c𝑥aa

,

𝑘a = 𝑓a − 𝑑a.

Wpowyższymmodeluxioznaczakoncentracjęsekwencjii-tej,xoznaczakoncentracjęwszystkichsekwencji,kioznaczaprzyrostliczbysekwencjii-tejstanowiącyróżnicępomiędzyliczbąsekwen-cjipowstającychwskuteksamo-replikacji(fi)orazniszczonychwskutekdegradacji(di).ki,jozna-czaprędkośćprodukcjisekwencjii-tej,którajestkatalizowanaprzezsekwencjęj-tą.Natomiastfoznaczaupływsekwencji z systemu,którygwarantujezachowaniestałegostężeniasekwencji.Opróczpowyższegomodeluwpracy[A2]opisanesąjeszczemodelehipercykluztranslacjąorazkompartmentami.

Popozytywnymprzejściuzłożonegoprocesurecenzjiartykułuuwzględniającegorecenzjęmery-toryczną,ocenęjegowartościdlaWikipediiorazweryfikacjęstyluartykułunapodstawiewytycz-nychWikipedii,zostałonopublikowany,ajegosukcesprzerósłwszystkieoczekiwania.Popierw-sze,odmomentuopublikowaniaartykułuoglądalnośćstronypoświęconejhipercyklomwzrosłaażdwukrotnie (patrzRysunek7).Podrugie, artykuł został zgłoszonydopublikacjina stroniegłównejWikipediiwsekcjiDidyouknow,wktórejwyróżniającesięartykułymogąbyćpromo-waneprzez12godzin.Wymagałotoprzejściakolejnychfazrecenzji,tymrazemdokonanychprzezdoświadczonychedytorówWikipedii,jednakostatecznie,gdyartykułznalazłsięnastroniegłów-nej(Rysunek9)liczbaodwiedzinystronywzrosłazkilkudziesięciudoponad12tysięcy(patrzRysunek8).WkońcustatystykiwyświetleńicytowańzestronyczasopismaPLOSComputational

Strona14z19

Biologyświadczą,żemimożejesttostosunkowonowyartykuł,jestonrównieżbardzoprzydatnydlaśrodowisknaukowych.

RYSUNEK 7 LICZBA ODWIEDZIN ANGIELSKIEJ STRONY WIKIPEDII NA TEMAT HIPERCYKLI PRZED I PO OPUBLIKOWANIU ARTYKUŁU W PLOS COMPUTATIONAL BIOLOGY (7 KWIETNIA 2016). MOŻNA ZAOBSERWOWAĆ,

ŻE OPUBLIKOWANIE NOWEGO ARTYKUŁU PODNIOSŁO JEGO OGLĄDALNOŚĆ DWUKROTNIE.

RYSUNEK 8 LICZBA WYŚWIETLEŃ ARTYKUŁU O HIPERCYKLU W DNIU, GDY ZOSTAŁ ON OPUBLIKOWANY NA STRONIE GŁÓWNEJ WIKIPEDII (2 MAJA 2016). TEGO DNIA ARTYKUŁ ZOSTAŁ OBEJRZANY PONAD 12 TYSIĘCY RAZY.

Strona15z19

RYSUNEK 9 WIDOK GŁÓWNEJ STRONY WIKIPEDII Z ARTYKUŁEM O HIPERCYKLU OPUBLIKOWANYM W SEKCJI DID YOU KNOW.

5. Omówienie pozostałych osiągnięć naukowo-badawczych

5.1. Listaprac–pozostałeosiągnięcia[O1]D.Mietchen,S.Wodak,S.Wasik,N.Szostak,andC.Dessimoz,SubmitaTopicPagetoPLOSComputational Biology and Wikipedia, PLOS Computational Biology 14(5): e1006137, 2018,doi:10.1371/journal.pcbi.1006137.[IF2017:3.955]

[O2]N.Szostak,S.Wasik,andJ.Blazewicz,Understandinglife:abioinformaticsperspective,Eu-ropean Review, vol. 25(2), pp. 231-245, 2017, doi:10.1017/S1062798716000570. [IF 2017:0.434]

[O3]T.Prejzendanc,S.Wasik,andJ.Blazewicz,Computerrepresentationsofbioinformaticsmod-els, Current Bioinformatics, vol. 11, iss. 5, pp. 551-560, 2016,doi:10.2174/1574893610666150928193510.[IF2016:0.600]

[O4]M.Popenda,M.Szachniuk,M.Blazewicz,S.Wasik,E.K.Burke,J.Blazewicz,andR.W.Ada-miak,RNAFRABASE2.0:anadvancedweb-accessibledatabasewiththecapacitytosearchthethree-dimensionalfragmentswithinRNAstructures.,BMCBioinformatics,vol.11,p.231,2010,doi:10.1186/1471-2105-11-231.[IF2010:3.029]

[O5] S.Wasik,P. Jackowiak, JB.Krawczyk,P.Kedziora,P.Formanowicz,M.Figlerowicz,andJ.Blazewicz,TowardspredictionofHCVtherapyefficiency,ComputationalandMathematicalMeth-ods in Medicine, vol. 11(2), pp. 185-199, 2010, doi:10.1080/17486700903170712. [IF 2010:0.814]

Strona16z19

[O6]S.Wasik,Bioinformatycznemodeleialgorytmyinfekcjiwirusowych(Bioinformaticsmodelsandalgorithmsofviralinfections),Poznan,Poland:Nakom,2012,vol.10,ISBN:978-83-89529-98-5.

[O7]S.Wasik,M.Antczak,J.Badura,andA.Laskowski,EvaluationasaServicearchitectureandcrowdsourcedproblemssolvingimplementedinOptil.ioplatform,inProceedingofDataScienceMeetsOptimizationWorkshop,FederatedArtificialIntelligenceMeeting,Stockholm,2018.

[O8] S.Wasik,M.Antczak, J.Badura,A.Laskowski,M.Olszowy,T.Sternal,andK.Wedrowicz,Optil.ioPlatform:EvaluationasaServiceforMetaheuristics,inProceedingoftheMICandMAEB2017Conferences,Barcelona,Spain,2017,pp.225-227.

[O9]S.Wasik,M.Antczak,J.Badura,A.Laskowski,andT.Sternal,Optil.io:CloudBasedPlatformForSolvingOptimizationProblemsUsingCrowdsourcingApproach, inProceedingsof the19thACMConferenceonComputerSupportedCooperativeWorkandSocialComputingCompanion,SanFrancisco,CA,USA,2016,pp.433-436.

[O10]S.Wasik,I.Bladek,T.Chojnacki,K.Miazga,J.Szwachla,andJ.Blazewicz,PlatformaTrochi-lus: opracowywaniemetod estymacji parametrów systemówbiologicznych zwykorzystaniemcrowdsourcingu,RaporttechnicznyInstytutuInformatykiPolitechnikiPoznańskiej,RB-5/16,2016.

[O11]S.Wasik,F.Fratczak,J.Krzyskow,andJ.Wulnikowski,Eksperymentalnaweryfikacjame-todmodelowaniasystemówdynamicznychzwykorzystaniemcrowdsourcingu,RaporttechnicznyInstytutuInformatykiPolitechnikiPoznańskiej,RB-7/16,2016.

[O12]S.Wasik,WstępnaimplementacjamodelusystemuCRISPR-Cas,RaporttechnicznyInsty-tutuInformatykiPolitechnikiPoznańskiej,RB-7/15,2015.

[O13]J.Synak,N.Szostak,S.Wasik,andJ.Blazewicz,ApplicationofchemicalreactionsimulationmethodsinordertoverifyRNAWorldHypothesis,inMachineLearningReports04/2015,2015,p.6.

[O14]S.Wasik,Twocrowdsourcingapproachesforsolvingoptimizationproblems,inMachineLearningReports04/2015,2015,p.16.

[O15] S.Wasik, P. Jackowiak,M. Figlerowicz, and J. Blazewicz,ModelingHCV infection usingmulti-agentsimulation,inMachineLearningReports01/2011,2011,pp.37-41.

[O16] S.Wasik,P. Jackowiak, J.Krawczyk,P.Kedziora,P.Formanowicz,M.Figlerowicz,and J.Blazewicz,AcertainmodelofHCVvirusinfection,InstitutfurInformatik,TechnischeUniversitatClausthal2009.

5.2. OpispozostałychosiągnięćWielezwylistowanychwpoprzedniejsekcjipraczwiązanajestzpodstawowątematykąbadaw-cząhabilitantaprezentowanąwsekcji4.3.3.Najwyżejpunktowanazpowyższychpracopubliko-wanawczasopiśmiePLOSComputationalBiologyopisujedoświadczeniazpublikacjąartykułuwsekcjiTopicPagesczasopismaianalizujezagadnieniajakmożliwośćtawpływanarozwójOtwar-tejNauki[O1].Tematykapoczątkówżyciaporuszanajestrównieżwpublikacjiprzeglądowejopu-blikowanejwEuropeanReview,któraopisujeróżnedefinicjeżyciaistarasięoszacowaćprawdo-podobieństwopowstaniapierwszychsystemówreplikującychcząstek[O2].Natomiastpodstawymatematycznesymulowaniadyfuzjiwtakichsystemachzostałyporuszonewpublikacjikonfe-rencyjnej [O13]. Z kolei sama architektura systemów wieloagentowych mogących służyć do

Strona17z19

przeprowadzaniatakichsymulacjizostałaopisananapodstawiemodeluinfekcjiHCVwpublikacjikonferencyjnej[O15].

WtrakcieopracowywaniajęzykaModeLangwykonanoszczegółowyprzeglądistniejącychforma-tówumożliwiającychzapisywaniemodelisystemówbiologicznych.WynikitegoprzegląduzostałyopublikowaneprzezCurrentBioinformaticswpublikacji[O3].

BardzowysokocytowanapublikacjaopublikowanawBMCBioinformatics,którejhabilitantjestwspółautorempowstałajeszczewtrakciestudiówdoktoranckichiopisujebazędanychfragmen-tówistrukturRNAnazwanąRNAFrabase[O4].Wramachopisanychwniejprachabilitantbyłodpowiedzialnyzaopracowaniemetodwizualizacjidanychorazoptymalizacjęwydajnościalgo-rytmówwykorzystywanychprzezmodułanalitycznyprzeszukującycałąbazędanych.

DwiepublikacjeopisująmetodęanalizyefektywnościterapiiinfekcjiHCVnapodstawieróżnorod-nościgenetycznejpopulacjiwirusaobecnejwzainfekowanymorganizmie[O5,O16].Metodaopi-sanawtychpublikacjachstanowiławażnyelementrozprawydoktorskiej.NatomiastwszystkiewynikibędącepodstawąnadaniastopniadoktoraopisanezostaływmonografiipodsumowującejrozprawędoktorskąwydanejprzezwydawnictwoNAKOM[6].WynikitebyłyrównieżpodstawądoprzyznaniahabilitantowiNagrodyMinistraNaukiiSzkolnictwaWyższego.

Analiza różnych aspektów działania platformy Optil.io oraz prezentacja wniosków z różnychprzeprowadzonychzwykorzystaniemtejplatformyeksperymentówznajdująsięwpublikacjach[O7,O8,O9],natomiastpodobneanalizydlaplatformyTrochilusprzedstawionowraporcie[O10].Tematcrowdsourcingu jest takżeporuszanywpublikacji,wktórejopisanowynikipierwszychanaliz,któreposłużyłydoopracowaniagryThrowtheHamster[O11].Natomiastpierwszepropo-zycje architektury i projektu zarówno gryThrow theHamster, jak i platformyOptil.io zostałyprzedstawionewpublikacji[O14].

Wkońcujedenzwymienionychraportówprzedstawiapokrótcezastosowaniesymulatorawielo-agentowegodosymulowaniamechanizmuodpornościowegoCRISPR-Cas[40]wzmieszanychpo-pulacjach różnych bakterii [O12]. Raport ten opisuje krótko implementację symulatora orazotrzymanewynikiwtrakciepracprowadzonychwczasiewakacyjnegostażunaUniwersytecieLuksemburskim.

Referencje [1] P. Nurse, „Reductionism: The ends of understanding”, Nature, t. 387, nr 6634, s. 657, 1997.

[2] P. Fries, „A mechanism for cognitive dynamics: neuronal communication through neuronal co-herence”, Trends Cogn. Sci., t. 9, nr 10, s. 474–480, 2005.

[3] H. Kitano, Foundations of Systems Biology. The MIT Press, 2001.

[4] M. Mesarovic, Systems Theory and Biology. Springer Verlag, 1968.

[5] A. L. Hodgkin i A. F. Huxley, „A quantitative description of membrane current and its applica-tion to conduction and excitation in nerve.”, J Physiol, t. 117, nr 4, s. 500–544, sie. 1952.

[6] M. Hucka i in., „The systems biology markup language (SBML): a medium for representation and exchange of biochemical network models.”, Bioinformatics, t. 19, nr 4, s. 524–531, mar. 2003.

[7] K. Muller i T. Vignaux, „SimPy: Simulating Systems in Python”, ONLampcom Python DevCenter, luty 2003.

Strona18z19

[8] R. Schwitter, „Controlled natural languages for knowledge representation”, w Proceedings of the 23rd International Conference on Computational Linguistics: Posters, Beijing, China, 2010, s. 1113–1121.

[9] M. Wooldridge i N. R. Jennings, „Intelligent agents: theory and practice”, Knowl. Eng. Rev., t. 10, nr 2, s. 115–152, cze. 1995.

[10] E. Merelli i in., „Agents in bioinformatics, computational and systems biology”, Brief. Bioin-form., t. 8, nr 1, s. 45–59, sty. 2007.

[11] D. Machado, R. S. Costa, M. Rocha, E. C. Ferreira, B. Tidor, i I. Rocha, „Modeling formalisms in systems biology”, AMB Express, t. 1, nr 1, s. 1–14, 2011.

[12] J. O. Dada i P. Mendes, „Multi-scale modelling and simulation in systems biology”, Integr. Biol. Quant. Biosci. Nano Macro, t. 3, nr 2, s. 86–96, luty 2011.

[13] M. T. Klann, A. Lapin, i M. Reuss, „Agent-based simulation of reactions in the crowded and structured intracellular environment: Influence of mobility and location of the reactants”, BMC Syst. Biol., t. 5, s. 71, maj 2011.

[14] L. Zhang, Z. Wang, J. A. Sagotsky, i T. S. Deisboeck, „Multiscale agent-based cancer model-ing”, J. Math. Biol., t. 58, nr 4–5, s. 545–559, kwi. 2009.

[15] J. M. Osborne i in., „A hybrid approach to multi-scale modelling of cancer”, Philos. Trans. R. Soc. Lond. Math. Phys. Eng. Sci., t. 368, nr 1930, s. 5013–5028, lis. 2010.

[16] Z. Wang, C. M. Birch, J. Sagotsky, i T. S. Deisboeck, „Cross-scale, cross-pathway evaluation using an agent-based non-small cell lung cancer model”, Bioinforma. Oxf. Engl., t. 25, nr 18, s. 2389–2396, wrz. 2009.

[17] P. Macklin, S. McDougall, A. R. A. Anderson, M. A. J. Chaplain, V. Cristini, i J. Lowengrub, „Multiscale modelling and nonlinear simulation of vascular tumour growth”, J. Math. Biol., t. 58, nr 4–5, s. 765–798, kwi. 2009.

[18] G. Zaiyi, H. H. Kwang, i T. J. Cing, „Sufficiency verification of HIV-1 pathogenesis based on multi-agent simulation”, w GECCO ’05: Proceedings of the 2005 conference on Genetic and evolution-ary computation, Washington DC, USA, 2005, s. 305–312.

[19] F. Mitha, T. Lucas, F. Feng, T. Kepler, i C. Chan, „The Multiscale Systems Immunology project: software for cell-based immunological simulation”, Source Code Biol. Med., t. 3, nr 1, s. 6–6, 2008.

[20] J. Itakura i in., „Reproducibility and usability of chronic virus infection model using agent-based simulation; comparing with a mathematical model”, Biosystems, t. 99, nr 1, s. 70–78, 2010.

[21] P. Hogeweg i N. Takeuchi, „Multilevel Selection in Models of Prebiotic Evolution: Compart-ments and Spatial Self-organization”, Orig. Life Evol. Biosph., t. 33, nr 4/5, s. 375–403, 2003.

[22] N. Takeuchi i P. Hogeweg, „Multilevel Selection in Models of Prebiotic Evolution II: A Direct Comparison of Compartmentalization and Spatial Self-Organization”, PLoS Comput. Biol., t. 5, nr 10, s. e1000542, paź. 2009.

[23] T. C. Reluga, H. Dahari, i A. S. Perelson, „Analysis of Hepatitis C Virus Infection Models with Hepatocyte Homeostasis”, SIAM J. Appl. Math., t. 69, nr 4, s. 999–1023, 2009.

[24] C. Zhan i L. F. Yeung, „Parameter estimation in systems biology models using spline approxi-mation.”, BMC Syst Biol, t. 5, s. 14, 2011.