Nota para los visitantes del boletín. Debido a un error en el sistema, ha venido aquí en lugar de a la página de inicio en español. Este enlace debería funcionar.

Una publicación invitada de Xavier DRAYE, Guillaume LOBET, Brieuc RYELANDT, Antoine RUMMENS, Thomas FERON, Gabriel CARESTIA, Timothée, François DUQUESNE, Nicolas DEFFENSE y Fabio CLAPS

El contexto

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 virtelles. 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 (por ejemplo, les racines, les tiges, les fruit ou les feuilles), más aussi comment ces organes influencent 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.

Sin embargo, la comunidad de animales en biologie végétale dans son ensemble n'utilise pas beaucoup les modèles végétaux. ¿Purquoi?

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 afirmation). En efecto, dès que vous parlez à un modélisateur de plantes, vous pourriez être confronté à une liste effrayante d'Python , de bibliotecas C++ et d'autres dependances Java. 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?

Los actores

Notre histoire s'est déroulée pendant le premier semestre (septiembre-diciembre) de l'année académique 2017-2018, à l'Universidad Católica de Lovaina (Bélgica), a la Facultad de bioingenieros. Les acteurs étaient huit étudiants de master (Brieuc, Antoine, Thomas, Thomas, Gabriel, Timothée, François, Nicolas et Fabio) suivant le cours “Modelisation des Systèmes biologiques” donnée par Xavier et Guillaume. Les étudiants n'avaient pas une solide formación en programación o en informática. Ils n'ont suivi que deux cours d'introduction à l'environnement de programmation MatLab.

La estructura del curso était la siguiente: il a commencé par une brève introduction générale à la biologie des systèmes, puis les étudiants ont été invités à ex 3 groupes pour le reste du semestre. Pendant le reste des conférences (alrededor de las 20h), chaque groupe a eu la tâche siguiente:

• elección de un modelo biológico existente y publicado;
• aprendre la théorie biologique sur laquelle le modèle a été construit;
• aprender a comentar el instalador y ejecutar el modelo y;
• répondre à une question simple en utilisant le model.

En plus de ces tâches, cada grupo también deberá:

• Utilice Github para almacenar códigos y colaborar entre otros.
• Utiliza Twitter para comunicarte sobre modelos biológicos

OpenSimRoot

OpenSimRoot est un modèle racinaire estructura-función qui est combiné avec un modèle de sol pour simuler l'absorption d'eau et de nutriments. Il permet la mise en œuvre de mini-modeles. Notre expérience avec ce modèle a d'abord été difficile, car nous avions besoin de comprendre comment exécuter une simulator, comment inclure les mini-modelles, qu'est ce que nous pouvions facilement changer dans les paramètres. Mais avec quelques heures de tests, nous avons pu réaliser dessimulations de base, avec des appports d'azote contrastés.

Más resultados disponibles en la página wiki del grupo: https://github.com/LBRAI2219/working-with-models-team-vin-chaud/wiki

La página Twitter du groupe était: @biomodelización

Caja raíz

Caja raíz est un modelo codificado en Matlab. Il est conçu pour créer facilement des géométries ramifiées dependientes 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 disponible gratuitement, et les créateurs ont pris le temps de répondre à nos questiones. Une interface utilisateur graphique nous a permis de faire nos premiers pas avec le modèle. Les commentaires dans le code nous ont aidés à entrer 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 agent pathogènes pouvaient fonctionner. Nous avons pu utiliser Rootbox pour modéliser un système racinaire de betteraves tolérant les nématodes et utiliser le modèle comme preuve de concept pour expliquer cette résistance.

Más resultados disponibles en la página wiki del grupo: https://github.com/LBRAI2219/working-with-models-agro-team

La página Twitter du groupe était: @biomodelismo

L-py

L-py Está un modelo basado en el L-System (lenguaje de escritura, bien adaptado a estructuras fractales) y código en Python.

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 ciertas caractéristiques de la tige. Notre première tâche était d'apprendre le langage L-System. Une fois que nous avons eu une idée dont la façon dont le logiciel fonctionnait, il était assez facile de créer un model de base. L'étape suivante de notre projet consistait à simuler une plante de houblon. Nous avons donc été confrontés aux dificiles de représenter la fisiologie complexe d'une plante avec des règles de programmation simples. Enfin, l'idée était d'intégrer notre plante dans un module de simulación de la lumière, afin d'évaluer l'effet de la lumière sur la plante de houblon.

Más resultados disponibles en la página wiki del grupo: https://github.com/LBRAI2219/working-with-models-envi-team

La página Twitter du groupe était: @biomodelado

Quelques obstáculos sur la ruta…

Les trois groupes ont réussi à utiliser avec succès le modèle de leur choix et à faire quelques simulaciones de base. Sin embargo, 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.

Instalación y funcionamiento del modelo

La première étape, et la première ocasion de se gratter la tête, est l'installation du modèle sur son propre ordinateur. Chaque modèle, quelle que soit sa complexité, possède son propre langage de programmation et son environnement d'exécution. Alors qu'une bonne partie des biologistes végétaux se débrouille en R ou Python (dos idiomas de programación popular en ciencia), les chooses peuvent rapidement devenir compliquées quand il s'agit de Java (quelle version encore?), C++ (quel compilateur dois -je utiliser?) ou Matlab (... ¡je n'ai pas de licence!). Vient ensuite le chargement des bibliothèques, le réglage de l'environnement d'exécution, le chargement de plusieurs bibliothèques et les incompatibilités de versions. Et, soyons honnêtes, la documentation pour ces type de problèmes est généralement insuffisante et souvent confuse.

Comprender el modelo

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? Comente dois-je formater mon fichier de paramètres? Où sont les résultats et comment y accéder? Comentario puis-je exécuter le modèle en mode batch pour faire des millers de simulators? 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.

Cela dit, pour les trois projets, nous avons communiqué avec les auteurs des modèles et todos ont été très utiles.

Parámetros del modelo

Enfin, une fois que vous avez installé le modèle et que vous savez comment l'utiliser, il est temps de se plantean 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 cuantitativos brutos, nécessaires à la modelisation, sont, la plupart du temps, absentes. 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 absents.

lo que aprendimos

La principal eligió que nous avons apprise est probablement que la modelisation n'est pas aussi difficile qu'il n' y paraît. Bien que nous ayons rencontré quelques dificiles en el curso de la ruta, chaque groupe a réussi à faire des simulaciones de base et à répondre à ciertas preguntas 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 differentés rencontrées pourraient être résolues (au moins partiellement) en communiquant avec les concepteurs de modèles eux-mêmes. Ils étaient tous heureux de répondre à nos question.

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