Vous êtes sur la page 1sur 9

MajecSTIC 2009

Avignon, France, du 16 au 18 novembre 2009

Modlisation en dynamique des populations


intrt de lapproche Multi-Agents
Toufik Laroum1 et Bornia Tighiouart2
1 : Universit de 20 Aot 1955 Skikda- Algrie. laroumtoufik@yahoo.fr
2 :Universit de Universit Badji Mokhtar Annaba- Algrie. B_tighiouart@yahoo.fr
Contact : laroumtoufik@yahoo.fr

Rsum
La modlisation est devenue un outil incontournable pour tudier, analyser voir prdire la dynamique des populations. Loutil mathmatique a t depuis longtemps utilis, actuellement
l'approche de modlisation Multi-Agents semble tre prometteuse aux vues de sa capacit
matriser la complexit des systmes modliser. Dans ce travail la population est constitue
des cellules intervenant lors de linfection par le virus de limmunodficience humaine (HIV) en
vue de montrer lefficacit de lapproche Multi-Agents en comparant avec lapproche mathmatique. Les rsultats obtenus ont permis de mettre en vidence les comportements et les interactions entres les diffrentes cellules tudies et ce pendant la phase dite de primo infection et la
phase asymptomatique dans le processus de linfection HIV, en accord avec les constats biologiques.
Mots-cls : Simulation Multi-Agents, dynamiques des populations, infection HIV, communaut
virtuelle.
Abstract
Modeling has become an essential tool to study, analyze or do some predictions about population dynamics. The mathematical tool has long been used; currently the Multi-Agent approach
modeling seems to be promising thanks to its features to work on master complex
systems modeling. In this work the population is representing by cells, involved in the infection
of human immunodeficiency virus (HIV), to show the effectiveness of the
multi-agents
approach
in
comparison
with
the
mathematical
approach.
The results obtained allowed to identify the behaviors and interactions between
various cells and studied the phase known as "primary infection" and the
asymptomatic phase in the process of HIV infection, according to biological
findings.
Keywords: Multi-Agents simulation, populations dynamic, HIV infection, Virtual community.

1. Introduction
La modlisation est devenue indispensable pour ltude des phnomnes complexes l'instar
de la dynamique des populations. Dans ce sens la modlisation mathmatique a depuis longtemps t lapproche utilise.
Rcemment, lapproche de modlisation Multi-Agents a commenc tre utilise particulirement dans ltude de la dynamique des populations relatives la biologie cellulaire permettant
ainsi de dpasser certaines limites de lapproche mathmatique.

Toufik Laroum, Bornia Tighiouart

Ce travail porte sur l'tude de la dynamique dune population constitue de cellules intervenant
lors dune infection. Il s'agit de la raction des lymphocytes TCD4 et TCD8, le virus VIH et donc
de toute la population, cest un problme qui a largement t tudi mathmatiquement [1][2].
2. Dynamique des populations
Les individus constituants toute population ou espce dans ce monde sont dans une perptuelle
dynamique o chacun accomplie son cycle de vie. Par consquent toute la population volue
dans le temps et dans lespace. Aujourdhui on cherche expliquer des phnomnes biologiques un niveau cellulaire, avec toute la complexit des interactions entres cellules, pour ce
faire nous allons utiliser lapproche Multi-Agents qui permet de modliser lvolution du phnomne tudi partir des comportements lmentaires des diffrents agents.
2.1. Modlisation mathmatique
La recherche en dynamique des populations nest pas rcente. En 1790 il y eut le modle mathmatique de Malthus [3] pour la croissance exponentielle d'une population, puis en 1838 le
modle croissance logistique de Verhulst [4] fut propos.
Ces deux modles dcrivent lvolution dune population homogne, mais en 1925 le clbre
systme proie-prdateur de Lotka-Volterra [5], [6] a t le premier modle dcrivant lvolution
de deux populations interagissant et qui reste le noyau des diffrents modles proposs jusquaujourdhui.
Pendant une longue priode, tous les travaux ont t fonds sur loutil mathmatique. Ce dernier possde lavantage dtre universellement comprhensible et exploitable par ordinateur
nanmoins :
- Le modle construit est une vue globale du systme et dcrit un comportement moyen.
- L'introduction d'une nouvelle population ncessite la modification de tout le systme.
- Les modles sont des modles de haut niveau dabstraction qui perdent souvent le sens biologique [7].
2.2. Modlisation par lapproche Multi-Agents
Lapproche Multi-Agents est bien approprie ltude des systmes complexes constitus de
plusieurs entits en interaction. Elle consiste reprsenter chaque entit par un agent, puis
faire voluer le systme dans le temps. Lvolution des diffrents agents avec leurs actions lmentaires et les interactions qui les relient va faire merger la progression du phnomne tudi avec lapparition des comportements et des phnomnes non anticips [8].
Cette approche avec son faible degr dabstraction permet dapprocher le modle la ralit o
chaque agent se dplace, se reproduit, interagit et ragit avec les changements de son environnement. Le plus important est que les agents sont distingus les uns des autres et chaque agent
est marqu comme pourrait tre un tre naturel car il peut tre suivi tout moment pendant
son volution. et lajout ou le retrait dun agent ou dun ensemble dagents est ais [7].
3. Application linfection HIV
Une rponse immunitaire sexprime principalement par les actions des cellules lymphocytes
appeles CD4 et CD8. Les lymphocytes CD4 produites par le Thymus sont responsables de la
coordination et lactivation entre autre des lymphocytes cytotoxiques CD8. Ces cellules CD4
sont cible de linfection par le virus VIH qui les considre comme un environnement adquat
pour accomplir son cycle de prolifration. La destruction donc des CD4 par le VIH paralyse la
dfense immunitaire sa source [9].

Le phnomne de linfection par le virus du SIDA se droule donc en trois tapes :

Modlisation en dynamique des populations, intrt de lapproche Multi-Agents

1- La primo-infection: dure de 3 8 semaines se caractrise par une dcroissance rapide des


lymphocytes CD4 cause par une augmentation de la charge virale. Au bout dun certain
temps, cette dernire diminue et linfection est contrle.
2-. La phase asymptotique : sa dure est d'une dizaine dannes pendant laquelle le VIH infecte
de plus en plus de lymphocytes CD4. Toutefois le systme immunitaire maintien un tat
dquilibre entre le nombre des CD4 et la charge virale.
3- Cest la phase dans laquelle le systme immunitaire se trouve dprim cause de la diminution rapide des lymphocytes CD4 (moins de 200/mm3). Des phnomnes compliqus interviennent lors de cette phase cest pour cela que les tudes concernent uniquement les deux
premire phases.
Nous nous intressons dans cette tude par le modle 3D qui est le modle de base et le plus
simple de linfection VIH. Il sintresse seulement lvolution de trois catgories de cellules
qui sont les lymphocytes CD4 notes (T), les lymphocytes CD4 infectes par le virus notes (T*)
et finalement les virus nots (V).
3.1. Approche mathmatique
Le phnomne se modlise par les quations suivantes [10] :

T ' = s T TV

*'
*
T = TV uT
V ' = kT * cV

(1)

Les cellules lymphocytes CD4 sont produites par le thymus avec un taux constant gale S
CD4 par jour dans un mm3 du sang, et meurent avec un taux de mortalit naturelle gale
cellules par jour.
La population des lymphocytes CD4 perd galement un nombre de cellules qui se transforment
des CD4 infectes cause de linfection par le virus un rythme : TV dont reprsente
linfectivit des virus VIH c'est--dire la probabilit quune rencontre entre CD4 et VIH soit infectieuse.
Le taux de transformation des cellules CD4 en CD4 infectes reprsente le taux de production
de ces dernires, qui meurent avec un taux de mortalit naturelle gale u CD4 infecte par
jour. Une CD4 infecte produit un nombre de virus avec un taux de K virus VIH par jour, ces
virus meurent avec un taux de mortalit naturelle gale C virus par jour.
Ce modle mathmatique permet de donner les rsultats suivants (Fig.1), qui reprsentent la
phase de primo-infection et la phase asymptomatique dans le processus de linfection :

Toufik Laroum, Bornia Tighiouart

Nombre de
Cellules CD4

Nombre de
CD4 infectes

Nombre de
virus

Temps (jours)

FIG. 1 Rsultats de lapproche mathmatique pour le modle 3D.

3.2. Approche Multi-Agents


Dans notre cas, lobjectif consiste crer un environnement virtuel dans lequel diffrents agents
voluent et interagissent entre eux. Cest un environnement 3 dimensions correspond 1 mm3
de sang.
Trois classes dagents ont t conues simulant des cellules qui sont :
-

Les agents cellules CD4.

Les agents cellules CD4 infectes.

Les agents virus VIH.

Un autre agent intervient dans la simulation, cest un agent organe reprsente le thymus qui est
responsable de la production (cration) des agents cellules CD4 dans lenvironnement avec un
taux de production correspond au paramtre S dans le modle 3D. Les diffrents agents et les
interactions qui les relient sont reprsents dans la figure Fig.2.

Modlisation en dynamique des populations, intrt de lapproche Multi-Agents

Thymus

Virus
(V)

Produit

Infecte

CD4
(T)
Se transforme
aprs infection en

Produit

CD4 Infecte
(T)

FIG. 2 Interactions entre les Agents cellules du systme.


Les agents cellules de la population se dplacent dans lenvironnement de manire alatoire.
la rencontre dun agent VIH avec un agent CD4 on ajoute un autre paramtre qui est
linfectivit du virus, c'est--dire la probabilit que cette rencontre soit infectieuse. Ce paramtre
correspond au paramtre dans le modle mathmatique 3D.
Si la rencontre virus/CD4 est infectieuse, un nouvel agent CD4 infect est lac avec la disparition des deux agents intervenant dans lopration de linfection (Fig.3). Pendant sa dure de
vie, un agent CD4 infecte lance un certain nombre dagent virus, ces derniers cherchent leurs
tours infecter dautre agents CD4 et ainsi de suite.
a
Agent
CD4
Infection
Agent
Virus

Agent
Virus

Aucune
Interaction

Agent
CD4

b
Production de
nouveaux virus

Agent
Virus

Agent CD4
Infecte
Agent
Virus

Agent
Virus

Agent
Virus

Agent
CD4

FIG. 3 Processus de linfection.

Ce modle Multi-Agents est plus proche de la ralit que le modle mathmatique, qui est incapable dexprimer le phnomne de rencontre (contact au sens biologique) entre un virus et
une cellule CD4. Effectivement, dans ce modle mathmatique, le nombre des agents CD4 infects produits est calcul en multipliant le nombre total des rencontres possibles entre les virus et
les CD4 infectes (qui est gale T * V ) par le paramtre , ce qui ne dcrit pas fidlement le

Toufik Laroum, Bornia Tighiouart

phnomne.
Effectivement, prenons le cas o =1 c'est--dire toutes les rencontres entre les virus VIH et les
cellules CD4 sont infectieuses. Pour le modle mathmatique cette population va produire T * V
cellules CD4 infectes. Mais dans la ralit il y aura au maximum V nouvelles cellules CD4 infectes produites uniquement (si on suppose que T > V ) et cest ce que donne le modle MultiAgents.
Autrement dit, avec le modle mathmatique une population de 100 cellules CD4 et 10 virus
donne 100*10=1000 cellules CD4 infectes ce qui nest pas tellement exacte car dans la ralit
cette population vas produire au maximum 10 cellules CD4 infectes si on suppose que chaque
virus infecte une cellule CD4.
a revient du fait que lapproche mathmatique traite le phnomne de haut niveau (considre
toute la population) contrairement lapproche Multi-Agents o le traitement se fait au niveau
des individus et chaque rencontre est traite indpendamment des autres, ce qui permet une
reprsentation plus exacte de la ralit.
4. Rsultats
4.1. Evolution sans infection
A labsence des virus la quantit des lymphocytes CD4 reste stable autour dune certaine valeur. Cette dernire varie dune personne une autre, car elle dpend du taux de production de
ces cellules par le thymus et galement de leurs dures de vie qui sont supposs constantes.
Considrons un environnement correspond 1 mm3 de sang. Le thymus produit quotidiennement 7 cellules CD4, avec un taux de mortalit =0,007 c'est--dire chacune possde une dure
de vie de 1/ =143 jours [9]. A partir de plusieurs tats initiaux alatoires : 0 cellules, 200 cellules, 1000 cellules et 1500 cellules (Fig. 4), la population convergera vers 1000 cellules CD4 et
reste stable autour de cette valeur.

nombre de cellules

a- rsultat du modle mathmatique


2000
1500
1000
500
0
0

100

200

300

400

500

600

400

500

600

temps (jours)

nombre de cellules

b- rsultat du modle Multi-agents


3000
2500
2000
1500
1000
500
0
0

100

200

300
temps (jours)

FIG. 4 Evolution des CD4 sans infection

Modlisation en dynamique des populations, intrt de lapproche Multi-Agents

Nous remarquons que le modle Multi-Agents converge plus rapidement que le modle mathmatique. La diffrence entre les deux modles apparat aussi dans la vitesse dextinction
dune population de cellules CD4 isole, c'est--dire dont le taux de production quotidien est
nul (Fig.5).

FIG. 5 Extinction des CD4


Le modle Multi-Agents montre que la population des cellules CD4 disparat immdiatement
aprs 143 jours qui est la dure de vie des cellules, et ce indpendamment de leffectif initial de
la population.
Le modle Multi-Agents est plus proche de la ralit avec la reprsentation directe des individus et ses comportements grce la similarit agent-cellule [7], contrairement au modle mathmatique qui traite la population comme une seule entit.
4.2. Evolution de linfection
Les dures de vie moyennes des agents sont dfinies comme suit :
- Agents cellules CD4 :140 jours. Avec un taux de production par le thymus de 7 CD4
chaque jour.
- Agents cellules CD4 infectes : 10 jours.
- Agents virus VIH : 3 jours.
Sur cette population initiale, linfluence de linfectivit des virus a t tudie, il sagit de :
-

Infectivit =100% : toutes les rencontres sont infectieuses.


Infectivit=30% : c'est--dire la probabilit quune rencontre est infectieuse gale 30%.
Infectivit diminue avec lage du virus, c'est--dire, elle varie de 1 vers 0.

On constate que les deux phases sont identifiables sur les diffrentes courbes (Fig.6) :
- La phase de primo infection se caractrise par une croissance de la population virale (initialement peu nombreuse) qui envahi les cellules CD4 (initialement nombreuses). Linfection des
CD4 saines donne des cellules CD4 infectes qui vont produire des nouveaux virus capables
dinfecter dautre CD4.

Toufik Laroum, Bornia Tighiouart

FIG. 6 Rsultat de lapproche Multi-Agents pour le modle 3D


Cette croissance persiste jusquatteindre un taux maximale pour lequel le nombre rduit de la
populations des CD4 devient une ressource rare, par consquent beaucoup de virus meurent
sans pouvoir infecter des CD4 ni produire des CD4 infecte. Dans ce cas on remarque une chute
de la charge virale et le nombre des CD4 infecte.
- La deuxime phase de linfection qui est la phase asymptomatique dans laquelle une sorte
dtat dquilibre est tablie entre les taux des diffrentes cellules.
Linfectivit des virus joue un rle important sur lvolution du phnomne de linfection. En
effet, une infectivit =1 conduit une dcroissance brusque et rapide du taux des CD4 par rapport une infectivit plus faible, et ce car le nombre de virus produit est plus grand (Fig.6).
Si on utilise une infectivit rduite, on remarque que linfection volue lentement. La phase de
primo-infection commence assez tarde, et se caractrise par un seuil maximal de la charge virale un peu rduit et par consquent la valeur minimale atteinte du taux des CD4 sera plus
grande que celle atteinte avec une infectivit importante.
5. Conclusion
La population des agents a donc permis de simuler le phnomne tudi en reproduisant les
comportements et les interactions entres les diffrentes cellules tudies pendant les deux premires phases dans le processus de linfection VIH. Lapproche Multi-Agents est bien approprie ltude de la dynamique des populations grce sa capacit de matriser la complexit
de ces systmes. En perspective et aprs dfinition du comportement d'autres particules, le modle construit pourra reproduire le phnomne de linfection et permettra alors de prdire son
volution.

Modlisation en dynamique des populations, intrt de lapproche Multi-Agents

6. Bibliographie
1.

Moog, C. H. Ouattara, D. A, et al. Mathematical modelling of HIV infection for an aid in the
early diagnosis of therapeutical failures. In XVI International AIDS Conference, Toronto,
Canada, August 2006.
2. Dubois, F. Herv VJ. Le Meur et Reiss. C : A mathematical model for HIV dynamics, September 2008.
3. Malthus, T. R. An essay on the principle of population, First Edition, J. Johnson in St Pauls
Churchyard, London. (1798).
4. Verhulst, P. F. Notice sur la loi que la population suit dans son accroissement, Correspondance mathmatique et physique 109, tome X ou tome II de la 3e srie (1838).
5. Lotka, A. J. Elements of Physical Biology, Williams and Wilkins, Baltimore. (1925).
6. V. Volterra. Variazioni e fluttuazioni del numero dindividui in specie animali conviventi.
In R. N. Chapman : Animal Ecology. McGraw-Hill 1931, New York, 1926.
7. Ballet, P. Intrts Mutuels des Systmes Multi-agents et de lImmunologie. Applications
limmunologie, lhmatologie et au traitement dimage, thse de doctorat Universit De
Bretagne Occidentale (2000).
8. Bouzid, M. Contribution la modlisation de linteraction Agent/Environnement, modlisation stochastique et simulation parallle, Thse de doctorat de luniversit Henri Poincar, Nancy 1 (Spcialit informatique). Laboratoire Lorrain de recherche en informatique et
ses applications (2001).
9. Ouattara, D. A. Modlisation de linfection par le VIH, identification et aide au diagnostic.
Thse de doctorat, Spcialit Automatique et Informatique Applique. Universit de nantes(2006).
10. Perelson, A. S. Nelson, P. W: Mathematical analysis of HIV-1 dynamics in vivo. SIAM Review, 41(1), 1999.