A Bayesian framework of reaction networks for dynamical population models (2021)
- Authors:
- Autor USP: ARAUJO, GUILHERME DAVID - IFSC
- Unidade: IFSC
- Sigla do Departamento: FCI
- DOI: 10.11606/T.76.2021.tde-15102021-164903
- Subjects: FRAMEWORKS; PROBABILIDADE; MÉTODOS MCMC; MODELAGEM DE DADOS; DINÂMICA DE POPULAÇÕES
- Keywords: Bayesian probability; Eco-evolução; Eco-evolution; Especialização individual; Individual specialization; Markov jump processes; Probabilidade Bayesiana; Processos de pulo Markovianos; Reaction Networks; Redes de reação
- Agências de fomento:
- Language: Inglês
- Abstract: 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 regulaçãogenética, investimento parental e dinâmicas ecológicas de presa-predador
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 23.08.2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
ARAUJO, Guilherme David. A Bayesian framework of reaction networks for dynamical population models. 2021. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/76/76131/tde-15102021-164903/. Acesso em: 19 abr. 2024. -
APA
Araujo, G. D. (2021). A Bayesian framework of reaction networks for dynamical population models (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/76/76131/tde-15102021-164903/ -
NLM
Araujo GD. A Bayesian framework of reaction networks for dynamical population models [Internet]. 2021 ;[citado 2024 abr. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76131/tde-15102021-164903/ -
Vancouver
Araujo GD. A Bayesian framework of reaction networks for dynamical population models [Internet]. 2021 ;[citado 2024 abr. 19 ] Available from: https://www.teses.usp.br/teses/disponiveis/76/76131/tde-15102021-164903/ - Jogos evolucionários de reciprocidade indireta via interações opcionais
- Individual specialization and generalization in predator-prey dynamics: the determinant role of predation efficiency and prey reproductive rates
- A Bayesian framework of reaction networks for biochemical models
- Stochastic analysis and inference for oscillating chemical reaction networks using the linear noise approximation
Informações sobre o DOI: 10.11606/T.76.2021.tde-15102021-164903 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
