Exploración de un modelo comportamental basado en el Quorum Sensing bacterial para describir la interacción entre individuos

  • Mariela Castiblanco Ortiz Universidad Distrital Francisco José de Caldas
  • Fredy Martínez Universidad Distrital Francisco José de Caldas
Palabras clave: Comportamiento colectivo, modelo bio-inspirado, Sistema adaptativo complejo (es_ES)

Resumen (es_ES)

El Quorum Sensing es una respuesta bacterial condicionada por expresiones genéticas ampliamente estudiada en biología sistémica. Cuando un grupo de bacterias supera un determinado umbral poblacional, transmiten al medio una proteina que permite la activación de cierto comportamiento almacenado en su ADN. Este comportamiento consiste en el disparo de una acción colectiva de las bacterias en contra de su anfitrión. Este tipo de respuesta puede ser utilizada para modelar el comportamiento de comunidades en las cuales un grupo de individuos y su actividad esta directamente relacionada por la interacción entre ellos y con el medio. En este artículo, se presenta un modelo simplificado de dicho comportamiento con miras a desarrollar un modelo adaptativo complejo para describir dinámicas en organizaciones empresariales. Se muestra un modelo matemático de la bacteria artificial y sus comportamientos, mismos que reflejan la auto-organización del sistema. Se plantea así una arquitectura que trata de describir este tipo de interrelación, así como algunas condiciones locales que pueden disparar el comportamiento colectivo agresivo. Luego de analizar la dinámica de modelo, se observa que los principios de auto-organización que se
reflejan son equivalentes a otros observados en comunidades biológicas cuando cambian de un comportamiento a otro (cardúmenes de peces, migraciones de aves, o personas en un concierto).

Descargas

La descarga de datos todavía no está disponible.

Referencias

Abdul Khalid, N. E., Md Ariff, N., Yahya, S., y Mohamed Noor, N. (2011). A review of bio-inspired algorithms as image processing techniques. En

Software engineering and computer systems (Vol. 179, p. 660-673). Springer Berlin Heidelberg. Retrieved from http://dx.doi.org/10.1007/

-3-642-22170-5_57

Alaa, G. (2009). Derivation of factors facilitating organizational emergence based on complex adaptive systems and social autopoiesis theories.

E:CO Emergence: Complexity and Organization, 11(1), 19-34.

Besozzi, D., Cazzaniga, P., Mauri, G., y Pescini, D. (2011). Biosimware: A software for the modeling, simulation and analysis of biological systems. En M. Gheorghe, T. Hinze, G. Paun, G. Rozenberg, y A. Salomaa (Eds.), Membrane computing (Vol. 6501, p. 119-143). Springer Berlin Heidelberg. Retrieved from http://dx.doi.org/10.1007/978-3-642-18123-8_12

Bohórquez, L. (2013). La organización empresarial como sistema adaptativo complejo. Estudios Gerenciales, 29(127), 258-265.

Busby, S. J. W., y Lorenzo, V. de. (2001). Cell regulation: putting together pieces of the big puzzle. Current Opinion in Microbiology, 4, 117-118.

Camara, M. (2006). Quorum sensing: A cell-cell signalling mechanism used to coordinate behavioral changes in bacterial populations. En H. Hoogeboom, G. Paun, G. Rozenberg, y A. Salomaa (Eds.), Membrane

computing (Vol. 4361, p. 42-48). Springer Berlin Heidelberg.

Camazine, S., Deneubourg, J., Franks, N., Sneyd, J., Theraulaz, G., y Bonabeau, E. (2001). Self-organization in biological systems. Princeton

University Press.

Cho, J. H., y Kim, D. H. (2011). Intelligent feature selection by bacterial foraging algorithm and information theory. En Advanced communication and networking (Vol. 199, p. 238-244). Springer Berlin Heidelberg.

Connelly, B., y McKinley, P. (2011). Evolving social behavior in adverse environments. En G. Kampis, I. Karsai, y E. Szathmáry (Eds.), Advances in

artificial life. darwin meets von neumann (Vol. 5777, p. 490-498). Springer Berlin Heidelberg. Retrieved from http://dx.doi.org/10.1007/978-3-642-21283-3_61

Freitas, R., y Gilbreath, W. (1980). Chapter 5: Replicating systems concepts: Self-replicating lunar factory and demostration. En Advanced automation for space missions, 1980 nasa/asee summer study.

Gómez, P., y Rodríguez, A. (2011). Simulating a rock-scissors-paper bacterial game with a discrete cellular automaton. En New challenges on bioinspired applications (Vol. 6687, p. 363-370). Springer Berlin Heidelberg. Retrieved from http://dx.doi.org/10.1007/978-3-642-21326-7_39

Goni, A., Redondo, M., Arroyo, F., y Castellanos, J. (2011). Biocircuit design through engineering bacterial logic gates. Natural Computing, 10, 119-127.

Karafyllidis, I. G. (2011). Regulating the quorum sensing signalling circuit to control bacterial virulence: in silico analysis. IET Systems Biology, 5(2), 103-109.

Mange, D., Goeke, M., Madon, D., Stauer, A., Tempesti, G., y Durand, S. (1996). Embryonics: A new family of coarse-grained field programmable gate array with self-repair and self-reproducing properties. LNCS Towards Evolvable Hardware, 1062, 197-220.

Martínez, F. H., y Delgado, J. A. (2010). Hardware emulation of bacterial quorum sensing. En D.-S. Huang, Z. Zhao, V. Bevilacqua, y J. Figueroa (Eds.), Advanced intelligent computing theories and applications (Vol. 6215, p. 329-336). Springer Berlin Heidelberg. Retrieved from http://dx.doi.org/10.1007/978-3-642-14922-1_41

Niu, B., Fan, Y., Tan, L., Rao, J., y Li, L. (2010). A review of bacterial foraging optimization part i: Background and development. En Advanced intelligent computing theories and applications (Vol. 93, p. 535-543). Springer Berlin Heidelberg. Retrieved from http://dx.doi.org/10.1007/978-3-642-14831-6_70

Polani, D. (2003). Measuring self-organization via observers. En 7th european conference on artificial life (p. 667-675). Springer Berlin Heidelberg.

Prokopenko, M. (2008). Advances in applied self-organizing systems. Springer Berlin Heidelberg. Russell, S., y Norvig, P. (2002). Artificial intelligence: A modern approach (2.a ed.). Pearson - Prentice Hall.

Santini, C., y Tyrrell, A. (2009). Investigating the properties of self-organization and synchronization in electronic systems. IEEE Trans. on Pub., 8, 237-251.

Shen, J., y Zhou, H. (2010). The dynamics of quorum sensing mediated by small rnas in vibrio harveyi. En Life system modeling and intelligent computing (Vol. 97, p. 177-184). Springer Berlin Heidelberg.

Tarakanov, A., y Dasgupta, D. (2000). A formal model of an artificial immune system. Biosystems, 55(1-3), 151-158. Retrieved from http://www.sciencedirect.com/science/article/pii/S0303264799000933

Taylor, A. F., Tinsley, M. R., Wang, F., Huang, Z., y Showalter, K. (2009). Dynamical quorum sensing and synchronization in large populations of chemical oscillators. Science, 323(5914), 614-617.

Wiedermann, J. (2011). Nanomachine computing by quorum sensing. En J. Kelemen y A. Kelemenova (Eds.), Computation, cooperation, and life (Vol. 6610, p. 203-215). Springer Berlin Heidelberg.

Winzer, K., Hardie, K. R., y Williams, P. (2002, April). Bacterial cell-to-cell communication: sorry, can’t talk now - gone to lunch. Current Opinion in Microbiology, 5, 216-222.

Zang, T., He, Z., y Ye, D. (2010). Bacterial foraging optimization algorithm with particle swarm optimization strategy for distribution network reconfiguration. En Advances in swarm intelligence (Vol. 6145, p. 365-372). Springer Berlin Heidelberg.

Cómo citar
Castiblanco Ortiz, M., & Martínez, F. (2014). Exploración de un modelo comportamental basado en el Quorum Sensing bacterial para describir la interacción entre individuos. Tekhnê, 11(1), 21-26. Recuperado a partir de https://revistas.udistrital.edu.co/index.php/tekhne/article/view/8948
Publicado: 2014-06-01
Sección
Artículos