Um novo projeto tenta domar o deserto do modelo de planta, criando uma plataforma de modelagem dedicada que suporta design, reprodutibilidade e disseminação de modelos colaborativos e distribuídos.
Durante as últimas décadas, equipes isoladas desenvolveram modelos usando diferentes linguagens de programação, com diferentes graus de modularidade e interoperabilidade. À medida que os cientistas de plantas correm para atender às crescentes demandas de rendimento diante das mudanças climáticas, tecnologias avançadas em biologia molecular, bioquímica e computação de alto desempenho oferecem uma oportunidade sem precedentes para criar modelos que orientam os rápidos avanços no melhoramento de plantas. O progresso também exigirá que a pesquisa vá além da modelagem em escalas únicas para modelagem multiescala integrativa para obter modelagem multiescala integrativa que tira o máximo proveito de nossa compreensão dos mecanismos moleculares e da riqueza de dados do genoma que foram gerados nas últimas três décadas. No entanto, a capacidade de construir modelos integrativos multiescala é atualmente dificultada pela dificuldade em trocar, reutilizar e combinar modelos e ferramentas de simulação entre equipes (ou mesmo dentro de uma equipe), apesar da existência de plataformas de modelagem dedicadas criadas para esse fim.
Plataformas de modelagem dedicadas existem há 25 anos, permitindo que os usuários criem, executem e interajam com modelos e visualizem seus resultados (por exemplo, V-Laby, GroIMP, L-Py, AmapSim, AMAPmod, Capsis). Plataformas mais recentes também facilitam a integração e interoperabilidade de modelos heterogêneos e estruturas de dados (por exemplo, OpenAlea e Yggdrasil).
Em um novo artigo publicado pelo Dr. Frédéric Boudon, Pesquisador em Modelagem de Plantas e Ciência da Computação no UMR AGAP Institut da Universidade de Montpellier e colegas presentes um novo ambiente de modelagem virtual amigável usando notebooks Jupyter. Sua abordagem exclusiva aborda vários problemas comumente encontrados por modeladores de plantas, incluindo reprodutibilidade, reutilização, modularidade, colaboração e manutenção.
De acordo com Boudon, “o uso do notebook Jupyter torna nossa plataforma única porque sua capacidade de criar narrativas de modelagem permite dar aos usuários acesso às diferentes etapas do pipeline de modelagem de maneira clara, documentada e compartilhável. Também usamos uma representação padrão de arrays multidimensionais para representar as propriedades da planta, o que melhora a eficiência da modelagem e do processo de codificação porque não requer códigos personalizados para extrair, transformar e visualizar dados. Esses recursos são fornecidos prontos para uso pela pilha científica do Python, minimizando a carga de manutenção.”
O ambiente de modelagem baseado em Jupyter possibilita o design de modelos reprodutíveis, reutilizáveis, colaborativos e distribuídos. O formato notebook oferece suporte à especificação clara de processos e documentação para criar a narrativa de simulação de um cenário de modelagem. Este formato permite que as hipóteses do modelo e os valores reais dos parâmetros sejam claramente especificados, tornando as informações acessíveis aos futuros usuários. Isso permite que colaboradores e usuários testem e modifiquem um modelo. A inclusão do sistema de gerenciamento de pacotes conda permite especificar claramente as dependências de software. Além disso, o ambiente possibilita o desenvolvimento de modelos remotamente, de forma que não exige que os usuários tenham grandes recursos computacionais. Isso facilita ainda mais o design e a implementação de modelos colaborativos e distribuídos.
O aumento da modularidade do modelo é possível devido à inclusão do xarray-simlab, uma biblioteca Python para organizar e executar simulações. A biblioteca fornece uma estrutura para compor modelos computacionais complexos a partir de conjuntos de sub/modelos ou módulos reutilizáveis. Uma coleção de sub/modelos pode ser combinada para formar um modelo, e sua ordenação computacional é inteiramente deduzida das dependências do processo. Essa modularidade permite que os usuários executem simulações apenas para um subconjunto de processos ou até mesmo definam processos alternativos para substituir os predefinidos.
Para ilustrar o uso do novo ambiente de modelagem, os autores redesenharam V-Mango, um modelo existente de desenvolvimento de mangueiras e produção de frutas, e reorganizou seu código.
“Escolhemos o V-Mango porque era um modelo complexo que poderia se beneficiar do redesenho e reorganização do código. O modelo era composto por processos implementados como funções simples ou regras do sistema L sem como diferenciá-los uns dos outros. Além disso, a interação entre os submodelos era restrita pelo uso de diferentes tecnologias de linguagem”, explica Boudon.
A funcionalidade do xarray-simlab no ambiente Jupyter permitiu que os autores redesenhassem facilmente o V-mango e reorganizassem seu código. Isso consistia em definir processos e suas entradas/saídas e atribuir a lógica do modelo correspondente (consulte fluxo de trabalho antigo x novo).
Os problemas de manutenção são reduzidos com a plataforma Jupyter porque os recursos são fornecidos prontos para uso pela pilha científica do Python. Isso reduz a necessidade de códigos personalizados difíceis de manter, para extrair, transformar e visualizar dados.
Os autores encorajam outros a experimentar a própria plataforma de código aberto.
LEIA O ARTIGO:
Jan Vaillant, Isabelle Grechi, Frédéric Normand, Frédéric Boudon, Rumo a ambientes de modelagem virtual para modelos funcionais de plantas estruturais baseados em notebooks Jupyter: Aplicação à modelagem do crescimento e desenvolvimento de mangueiras, in silico Plants, 2021;, diab040, https://doi.org/10.1093/insilicoplants/diab040
Este manuscrito faz parte do in silico Plant's Edição especial do Functional Structural Plant Model.
pgljupyter está disponível em https://github.com/fredboudon/plantgl-jupyter/ e vmango-lab em https://github.com/fredboudon/vmango-lab com instruções para o processo de instalação. Todos os exemplos na seção 3 estão disponíveis como notebooks em um repositório de demonstração em https://github.com/fredboudon/plantgl-jupyter/blob/isp2022/examples e pode ser inspecionado com nbviewer e reproduzido localmente ou em uma instância do fichário. Os notebooks descritos na seção 4 estão disponíveis em https://github.com/fredboudon/vmango-lab-demo/tree/isp2022.
Últimos Comentários