Unidades de conservação possuem o objetivo de preservar a natureza, evitando o desmatamento e promovendo a sustentabilidade do meio ambiente. Contudo, para que estas atendam aos propósitos para os quais foram criadas, sem acarretar prejuízos sociais ou conflitos com as populações locais, estudos aplicados interdisciplinares são essenciais, agregando conhecimento útil à gestão e ao planejamento das unidades de conservação. Sob a ótica da ciência da complexidade, o objetivo principal deste trabalho foi desenvolver modelos que auxiliassem na compreensão das mudanças no uso e cobertura da terra, realizassem simulações de cenários futuros, e permitissem observar os efeitos da implantação de políticas de preservação sobre a paisagem. Construímos modelos dinâmicos baseados em cadeias de Markov e autômatos celulares, aliados a técnicas de geoprocessamento. Os modelos foram aplicados a um estudo de caso, o Parque estadual do Itinguçu, ao longo de uma série temporal de materiais aerofotográficos de quase 50 anos (1962-2010). Os resultados dos modelos mostraram que a implantação da unidade de conservação foi essencial para barrar o desmatamento, mas que as práticas tradicionais de agricultura itinerante não estavam diretamente relacionadas à conversão da área de floresta, indicando que a incompatibilidade entre preservação e presença humana, muitas vezes usada como justificativa para a implantação de unidades de proteção integral, deve ser reavaliada sob outra perspectiva. Os resultados também apontaram para um desempenho satisfatório do modelo de Markov em projetar tendências, apesar de possuir certa aleatoriedade na alocação dos elementos no espaço. O incremento do autômato celular diminuiu tal aleatoriedade, mas não foi tão eficiente em reproduzir as tendências observadas nas matrizes de transição quanto o modelo de Markov. Concluímos que a metodologia aplicada no presente trabalho foi útil para compreendermos as mudanças na paisagem da área de estudo, e que a escolha do modelo (Markov ou Markov com autômato celular) deve ser feita com base em uma análise criteriosa caso a caso, em conformidade com as prioridades do estudo a ser realizado. Espera-se que esta pesquisa possa fomentar a discussão sobre o uso desta metodologia como uma ferramenta para planejamento e análise de políticas de conservação da natureza e gestão do território / Conservation units have the purpose to preserve the nature, avoiding the deforestation and promoting the environment sustainability. However, for these to be effective in that purpose, without causing social injuries or conflicts with the local population, interdisciplinary applied studies are essential and must be made by different areas of science, adding useful knowledge to the management of protected areas. Under the vision of the Complexity Science, the main goal of this research was to develop models that help in understanding the land use and cover changes, perform simulations of future scenarios, and allow observing the effects of the implementation of conservation policies on the landscape. We built Markov and cellular automata models, allied to the geoprocessing techniques. The models were applied to a case study, the Parque Estadual do Itinguçu, over a time series of aero photographic materials of almost 50 years (1962-2010). The results of the models showed that the implementation of the conservation unit was essential to stop the deforestation, but the traditional practices of shifting cultivation were not directly related to the conversion of forest area, indicating that the incompatibility between conservation and human presence, often used as justification for the implementation of some strict protection units, should be reviewed from a different perspective. The results also pointed to a satisfactory performance of the Markov model to project trends, despite having certain randomness in the allocation of elements in space. Add cellular automata to model decreased this randomness, but was not so effective in reproducing the observed trends in transition matrices than the Markov model. We concluded that the methodology applied in this study was useful for understanding the changes in the landscape of the study area, and that the choice of model (Markov or Markov with cellular automata) should be based on a careful analysis in accordance with the priorities of the study to be applied. We hope that this research can encourage the discussion of this methodology as a tool for analysis of conservation policies of nature and land management

O processo de auto-organização da estrutura proteica a partir da cadeia de aminoácidos é conhecido como enovelamento. Apesar de conhecermos a estrutura tridimencional de muitas proteínas, para a maioria delas, não possuímos uma compreensão suficiente para descrever em detalhes como a estrutura se organiza a partir da sequência de aminoácidos. É bem conhecido que a formação de núcleos de estruturas locais, conhecida como estrutura secundária, apresenta papel fundamental no enovelamento final da proteína. Desta forma, o desenvolvimento de métodos que permitam não somente predizer a estrutura secundária adotada por um dado resíduo, mas também, a maneira como esse processo deve ocorrer ao longo do tempo é muito relevante em várias áreas da biologia estrutural. Neste trabalho, desenvolvemos dois métodos de predição de estruturas secundárias utilizando modelos com o potencial de fornecer informações mais detalhadas sobre o processo de predição. Um desses modelos foi construído utilizando autômatos celulares, um tipo de modelo dinâmico onde é possível obtermos informações espaciais e temporais. O outro modelo foi desenvolvido utilizando redes neurais residuais profundas. Com este modelo é possível extrair informações espaciais e probabilísticas de suas múltiplas camadas internas de convolução, o que parece refletir, em algum sentido, os estados de formação da estrutura secundária durante o enovelamento. A acurácia da predição obtida por esse modelo foi de ~78% para os resíduos que apresentaram consenso na estrutura atribuída pelos métodos DSSP, STRIDE, KAKSI e PROSS. Tal acurácia, apesar de inferior à obtida pelo PSIPRED, o qual utiliza matrizes PSSM como entrada, é superior à obtida por outros métodos que realizam a predição de estruturas secundárias diretamente a partir da sequência de aminoácidos. / The process of self-organization of the protein structure is known as folding. Although we know the structure of many proteins, for a majority of them, we do not have enough understanding to describe in details how the structure is organized from its amino acid sequence. In this work, we developed two methods for secondary structure prediction using models that have the potential to provide detailed information about the prediction process. One of these models was constructed using cellular automata, a type of dynamic model where it is possible to obtain spatial and temporal information. The other model was developed using deep residual neural networks. With this model it is possible to extract spatial and probabilistic information from its multiple internal layers of convolution. The accuracy of the prediction obtained by this model was ~ 78% for residues that showed consensus in the structure assigned by the DSSP, STRIDE, KAKSI and PROSS methods. Such value is higher than that obtained by other methods which perform the prediction of secondary structures from the amino acid sequence only.

Estuda-se o espalhamento de doenças contagiosas utilizando modelos suscetível-infectado-recuperado (SIR) representados por equações diferenciais ordinárias (EDOs) e por autômatos celulares probabilistas (ACPs) conectados por redes aleatórias. Cada indivíduo (célula) do reticulado do ACP sofre a influência de outros, sendo que a probabilidade de ocorrer interação com os mais próximos é maior. Efetuam-se simulações para investigar como a propagação da doença é afetada pela topologia de acoplamento da população. Comparam-se os resultados numéricos obtidos com o modelo baseado em ACPs aleatoriamente conectados com os resultados obtidos com o modelo descrito por EDOs. Conclui-se que considerar a estrutura topológica da população pode dificultar a caracterização da doença, a partir da observação da evolução temporal do número de infectados. Conclui-se também que isolar alguns infectados causa o mesmo efeito do que isolar muitos suscetíveis. Além disso, analisa-se uma estratégia de vacinação com base em teoria dos jogos. Nesse jogo, o governo tenta minimizar os gastos para controlar a epidemia. Como resultado, o governo realiza campanhas quase-periódicas de vacinação. / The spreading of contagious diseases is studied by using susceptible-infected-recovered (SIR) models represented by ordinary differential equations (ODE) and by probabilistic cellular automata (PCA) connected by random networks. Each individual (cell) of the PCA lattice experiences the influence of others, where the probability of occurring interaction with the nearest ones is higher. Simulations for investigating how the disease propagation is affected by the coupling topology of the population are performed. The numerical results obtained with the model based on randomly connected PCA are compared to the results obtained with the model described by ODE. It is concluded that considering the topological structure of the population can pose difficulties for characterizing the disease, from the observation of the time evolution of the number of infected individuals. It is also concluded that isolating a few infected subjects can cause the same effect than isolating many susceptible individuals. Furthermore, a vaccination strategy based on game theory is analyzed. In this game, the government tries to minimize the expenses for controlling the epidemic. As consequence, the government implements quasi-periodic vaccination campaigns.

Unidades de conservação possuem o objetivo de preservar a natureza, evitando o desmatamento e promovendo a sustentabilidade do meio ambiente. Contudo, para que estas atendam aos propósitos para os quais foram criadas, sem acarretar prejuízos sociais ou conflitos com as populações locais, estudos aplicados interdisciplinares são essenciais, agregando conhecimento útil à gestão e ao planejamento das unidades de conservação. Sob a ótica da ciência da complexidade, o objetivo principal deste trabalho foi desenvolver modelos que auxiliassem na compreensão das mudanças no uso e cobertura da terra, realizassem simulações de cenários futuros, e permitissem observar os efeitos da implantação de políticas de preservação sobre a paisagem. Construímos modelos dinâmicos baseados em cadeias de Markov e autômatos celulares, aliados a técnicas de geoprocessamento. Os modelos foram aplicados a um estudo de caso, o Parque estadual do Itinguçu, ao longo de uma série temporal de materiais aerofotográficos de quase 50 anos (1962-2010). Os resultados dos modelos mostraram que a implantação da unidade de conservação foi essencial para barrar o desmatamento, mas que as práticas tradicionais de agricultura itinerante não estavam diretamente relacionadas à conversão da área de floresta, indicando que a incompatibilidade entre preservação e presença humana, muitas vezes usada como justificativa para a implantação de unidades de proteção integral, deve ser reavaliada sob outra perspectiva. Os resultados também apontaram para um desempenho satisfatório do modelo de Markov em projetar tendências, apesar de possuir certa aleatoriedade na alocação dos elementos no espaço. O incremento do autômato celular diminuiu tal aleatoriedade, mas não foi tão eficiente em reproduzir as tendências observadas nas matrizes de transição quanto o modelo de Markov. Concluímos que a metodologia aplicada no presente trabalho foi útil para compreendermos as mudanças na paisagem da área de estudo, e que a escolha do modelo (Markov ou Markov com autômato celular) deve ser feita com base em uma análise criteriosa caso a caso, em conformidade com as prioridades do estudo a ser realizado. Espera-se que esta pesquisa possa fomentar a discussão sobre o uso desta metodologia como uma ferramenta para planejamento e análise de políticas de conservação da natureza e gestão do território / Conservation units have the purpose to preserve the nature, avoiding the deforestation and promoting the environment sustainability. However, for these to be effective in that purpose, without causing social injuries or conflicts with the local population, interdisciplinary applied studies are essential and must be made by different areas of science, adding useful knowledge to the management of protected areas. Under the vision of the Complexity Science, the main goal of this research was to develop models that help in understanding the land use and cover changes, perform simulations of future scenarios, and allow observing the effects of the implementation of conservation policies on the landscape. We built Markov and cellular automata models, allied to the geoprocessing techniques. The models were applied to a case study, the Parque Estadual do Itinguçu, over a time series of aero photographic materials of almost 50 years (1962-2010). The results of the models showed that the implementation of the conservation unit was essential to stop the deforestation, but the traditional practices of shifting cultivation were not directly related to the conversion of forest area, indicating that the incompatibility between conservation and human presence, often used as justification for the implementation of some strict protection units, should be reviewed from a different perspective. The results also pointed to a satisfactory performance of the Markov model to project trends, despite having certain randomness in the allocation of elements in space. Add cellular automata to model decreased this randomness, but was not so effective in reproducing the observed trends in transition matrices than the Markov model. We concluded that the methodology applied in this study was useful for understanding the changes in the landscape of the study area, and that the choice of model (Markov or Markov with cellular automata) should be based on a careful analysis in accordance with the priorities of the study to be applied. We hope that this research can encourage the discussion of this methodology as a tool for analysis of conservation policies of nature and land management

Estuda-se o espalhamento de doenças contagiosas utilizando modelos suscetível-infectado-recuperado (SIR) representados por equações diferenciais ordinárias (EDOs) e por autômatos celulares probabilistas (ACPs) conectados por redes aleatórias. Cada indivíduo (célula) do reticulado do ACP sofre a influência de outros, sendo que a probabilidade de ocorrer interação com os mais próximos é maior. Efetuam-se simulações para investigar como a propagação da doença é afetada pela topologia de acoplamento da população. Comparam-se os resultados numéricos obtidos com o modelo baseado em ACPs aleatoriamente conectados com os resultados obtidos com o modelo descrito por EDOs. Conclui-se que considerar a estrutura topológica da população pode dificultar a caracterização da doença, a partir da observação da evolução temporal do número de infectados. Conclui-se também que isolar alguns infectados causa o mesmo efeito do que isolar muitos suscetíveis. Além disso, analisa-se uma estratégia de vacinação com base em teoria dos jogos. Nesse jogo, o governo tenta minimizar os gastos para controlar a epidemia. Como resultado, o governo realiza campanhas quase-periódicas de vacinação. / The spreading of contagious diseases is studied by using susceptible-infected-recovered (SIR) models represented by ordinary differential equations (ODE) and by probabilistic cellular automata (PCA) connected by random networks. Each individual (cell) of the PCA lattice experiences the influence of others, where the probability of occurring interaction with the nearest ones is higher. Simulations for investigating how the disease propagation is affected by the coupling topology of the population are performed. The numerical results obtained with the model based on randomly connected PCA are compared to the results obtained with the model described by ODE. It is concluded that considering the topological structure of the population can pose difficulties for characterizing the disease, from the observation of the time evolution of the number of infected individuals. It is also concluded that isolating a few infected subjects can cause the same effect than isolating many susceptible individuals. Furthermore, a vaccination strategy based on game theory is analyzed. In this game, the government tries to minimize the expenses for controlling the epidemic. As consequence, the government implements quasi-periodic vaccination campaigns.

O processo de auto-organização da estrutura proteica a partir da cadeia de aminoácidos é conhecido como enovelamento. Apesar de conhecermos a estrutura tridimencional de muitas proteínas, para a maioria delas, não possuímos uma compreensão suficiente para descrever em detalhes como a estrutura se organiza a partir da sequência de aminoácidos. É bem conhecido que a formação de núcleos de estruturas locais, conhecida como estrutura secundária, apresenta papel fundamental no enovelamento final da proteína. Desta forma, o desenvolvimento de métodos que permitam não somente predizer a estrutura secundária adotada por um dado resíduo, mas também, a maneira como esse processo deve ocorrer ao longo do tempo é muito relevante em várias áreas da biologia estrutural. Neste trabalho, desenvolvemos dois métodos de predição de estruturas secundárias utilizando modelos com o potencial de fornecer informações mais detalhadas sobre o processo de predição. Um desses modelos foi construído utilizando autômatos celulares, um tipo de modelo dinâmico onde é possível obtermos informações espaciais e temporais. O outro modelo foi desenvolvido utilizando redes neurais residuais profundas. Com este modelo é possível extrair informações espaciais e probabilísticas de suas múltiplas camadas internas de convolução, o que parece refletir, em algum sentido, os estados de formação da estrutura secundária durante o enovelamento. A acurácia da predição obtida por esse modelo foi de ~78% para os resíduos que apresentaram consenso na estrutura atribuída pelos métodos DSSP, STRIDE, KAKSI e PROSS. Tal acurácia, apesar de inferior à obtida pelo PSIPRED, o qual utiliza matrizes PSSM como entrada, é superior à obtida por outros métodos que realizam a predição de estruturas secundárias diretamente a partir da sequência de aminoácidos. / The process of self-organization of the protein structure is known as folding. Although we know the structure of many proteins, for a majority of them, we do not have enough understanding to describe in details how the structure is organized from its amino acid sequence. In this work, we developed two methods for secondary structure prediction using models that have the potential to provide detailed information about the prediction process. One of these models was constructed using cellular automata, a type of dynamic model where it is possible to obtain spatial and temporal information. The other model was developed using deep residual neural networks. With this model it is possible to extract spatial and probabilistic information from its multiple internal layers of convolution. The accuracy of the prediction obtained by this model was ~ 78% for residues that showed consensus in the structure assigned by the DSSP, STRIDE, KAKSI and PROSS methods. Such value is higher than that obtained by other methods which perform the prediction of secondary structures from the amino acid sequence only.