Aulas do Curso de Modelagem matemática IV da FGV-EMAp
License: GPL3
Image: default
Teoria Evolutiva de Grafos
Neste notebook vamos explorar modelos evolutivos em que os invidíduos são representados pelos nós de um grafo, ao invés de pertencerem a uma população homogênea. A arestas do grafo representam as interações competitivas. Se existe uma aresta entre os nós e , significa que a prole de pode vir a substituir .
As principais questões que a teoria evolutiva de grafos visa responder são:
Será que a topologia dos grafos pode influenciar a taxa de evolução?
Podemos encontrar uma topologia que reduza a probabilidade de fixação de um mutante vantajoso?
Será que existem grafos capazes de anular completamente o efeito da seleção?
É possivel caracterizar os grafos que apresentam dinâmicas evolutivas similaers a populações não estruturadas, ou seja homogêneas?
etc.
Seja uma população com indivíduos , . A probabilidade da prole de substituir é denotada por . Logo, o processo é determinado por uma matriz .
A matriz é estocástica pois é composta apenas por probabilidades e, como a prole de cada nó tem que necessáriamente ir para algum lugar, .
A matriz define um grafo direcionado ponderado.
Esta idéia deriva do Processo de Moran, um processo estocástico muito usado em biologia para simular evolução em populações finitas. No processo de Moran, a cada passo de tempo um indivíduo é selecionado aleatóriamente para se reproduzir e outro para morrer (de maneira a manter a população constante). A probabilidade de seleção de um tipo para reprodução, é proporcional ao seu fitness. em um grafo completo a probabilidade de fixação de um tipo é dada por:
Onde é o fitness relativo (razão entre o fitness do indivíduo e o fitness médio da população) do tipo em questão.
Uma população não estruturada, pode ser representada por um grafo completo. Seu processo evolutivo é equivalente ao do processo de Moran.
Ciclo Direcionado
Qual a probabilidade de fixação de um mutante que surja em uma posição aleatória de um ciclo direcionado?
Inicialmente, todos os indivíduos são do tipo . Depois de algum tempo, um mutante surge com fitness relativo . Este indivíduo dá origem a uma linhagem que tem dois destinos possíveis: a extinção ou a dominação total.
Seja o número de indivíduos . Para reduzir m em 1, o indivíduo imediatamente antecedente ao cluster de deve ser selecionado para reprodução. Logo a probabilidade de passar de para é dada por
Para aumentar em 1, o indivíduo B no final do cluster, tem que ser escolhido para reprodução. logo a probabilidade de passar de para é dada por
A razão destas duas probabilidades é
Pela teoria do processo de Moran, a probabilidade de fixação de um processo de nascimento e morte é dada por
daí obtemos
A probabilidade de fixação do ciclo direcionado é a mesma do processo de Moran. Pode-se mostrar que o mesmo é verdadeiro para o ciclo não direcionado.
Grafos de Linha e Estrela
Nestes dois tipos de grafo , pode-se verificar graficamente que a probabilidade de fixação , ou seja maior do que no processo de Moran, ou nos grafos apresentados acima. Estes grafos são supressores de seleção, pois a probabilidade de fixação não depende do fitness.
Exercício 1:
Calcule a distribuição dos tempos até a fixação de grafos em linha e em estrela. Considere uma taxa de nascimento constante. Compare as distribuições, Discuta.
O ciclo bidirecional
No caso do ciclo bidirecional é fácil ver que:
e
Logo, apresenta a mesma prbabilidade de fixação do ciclo direcionado discutido acima.
Equilibrando Seleção e Deriva
Se um grafo tem a mesma probabilidade de fixação do que um processo de Moran, dizemos que ele é -equivalente ao processo de Moran. Em tal grafo seleção e deriva estão equilibradas.
Mutante mais adaptado, : Se , então o grafo favorece a seleção em detrimento da deriva, ou seja, aumenta a probabilidade de fixação de um mutante mais adaptado. Logo, é um amplificador de seleção.
Se , então o grafo favorece a deriva em detrimento da seleção, ou seja, reduz a probabilidade de fixação de um mutante mais adaptado. Logo, é um supressor de seleção.
Mutante menos adaptado, Se , o grafo é supressor de seleção.
Se para qualquer , então o grafo apresenta o máximo de supressão de seleção, eleiminando-a completamente.
Exercício 2:
Usando a biblioteca de grafos do Sage, gere grafos aleatórios usando os geradores descritos aqui. e implemente uma função para calcular o .
Exercício 2:
Implemente uma função para simular a reprodução em grafos de acordo com as regras descritas no início desta planilha.
Utilizando os grafos do exercício anterior, construa um gráfico do tempo até a fixação em cada grafo em função do tamanho do grafo. Escolha com parcimônia o tamanho dos grafos. Como o processo de Moran é estocástico você terá que calcular multiplas vezes a simulação para cada par (grafo, tamanho).
---------------------------------------------------------------------------
KeyboardInterrupt Traceback (most recent call last)
Input In [9], in <cell line: 3>()
1 P=[]
2 i=Integer(0)
----> 3 for mutantes,nummut in SimulaMoran(grafo,RealNumber('1.5')):
4 P.append((i,nummut))
5 i+=Integer(1)
Input In [7], in SimulaMoran(grafo, r)
21 yield mutantes,nummut
22 else:
---> 23 a=mutantes[floor((x-n+nummut)/r)]
24 vizinhos=grafo.neighbors_out(a)
25 if vizinhos==[]:
File /ext/sage/9.7/src/sage/functions/other.py:578, in Function_floor.__call__(self, x, **kwds)
575 return r"\left \lfloor %s \right \rfloor"%latex(x)
577 #FIXME: this should be moved to _eval_
--> 578 def __call__(self, x, **kwds):
579 """
580 Allows an object of this class to behave like a function. If
581 ``floor`` is an instance of this class, we can do ``floor(n)`` to
(...)
593 -3
594 """
595 return _eval_floor_ceil(self, x, "floor", **kwds)
File src/cysignals/signals.pyx:310, in cysignals.signals.python_check_interrupt()
KeyboardInterrupt:
O teorema Isotérmico
A temperatura de um vértice é a soma de todos os pesos chegando a ele. O teorema isotérmico diz que:
Se todos os vértices têm a mesma temperatura,então a probabilidade de fixação é equivalente à do processo de Moran.
Como nestes grafos evolutivos, as arestas representam probabilidade de que a prole de substitua a de , para o grafo ser isotérmico, a matriz deve ser duplamente estocástica.
Exercício 4:
Prove que para um grafo populacional ser -equivalente ao processo de Moran, ele precisa ser isotérmico, ou seja, sua matriz é duplamente estocástica.
Amplificando e suprimindo a Seleção
Um vértice raiz é um vértice sem nenhuma aresta levando a ele. Uma raiz tem temperatura zero. Se um grafo tem apenas uma raiz, sua probabilidade de fixação é de . A única forma de um mutante dominar toda a população é se ele for introduzido no vértice raiz.
Se um grafo possui multiplas raízes, então nenhum mutante será capaz de se fixar. mutantes que surjam em uma das raízes darão origem a linhagens que jamais serão extintas. Logo grafos com multiplas raízes permitem a coexistência de múltiplas linhagens.
Construindo um supressor de seleção
Uma maneira simples de construir um grasfo supressor de seleção é dividir a populações em duas subpopulações de tamanho e tal que . A primeira subpopulação forma um grafo completo e a segunda formará um grafo com a única restrição de que todos os nós desta segunda subpopulação possam ser alcançados a partir da primeira. Assim a probabilidade de fixação fica sendo:
Logo, neste caso
Estimando o de um grafo qualquer:
Aqui vamos usar o método de monte-carlo para estimar , ou seja, vamos realizar a dinâmica evolutiva um grande número de vezes em um grafo e obter assim a probabilidade de fixação.
O esperado é, neste caso: