Modelowanie systemów biologicznych - Modelling biological systems
Modelowanie systemów biologicznych jest ważnym zadaniem biologii systemów i biologii matematycznej . Biologia systemów obliczeniowych ma na celu opracowanie i wykorzystanie wydajnych algorytmów , struktur danych , narzędzi wizualizacji i komunikacji w celu komputerowego modelowania systemów biologicznych. Polega na wykorzystaniu symulacji komputerowych systemów biologicznych, w tym podsystemów komórkowych (takich jak sieci metabolitów i enzymów, które składają się na metabolizm , szlaki transdukcji sygnału i sieci regulacji genów ), zarówno do analizy, jak i wizualizacji złożonych połączeń tych procesów komórkowych.
Niespodziewany nieruchomość wyłaniająca się z kompleksowego systemu może być wynikiem wzajemnego oddziaływania przyczynowo-skutkowy między prostsze, zintegrowane części (patrz organizacji biologicznej ). Systemy biologiczne ukazują wiele ważnych przykładów pojawiających się właściwości w złożonej interakcji składników. Tradycyjne badanie systemów biologicznych wymaga metod redukcyjnych, w których ilości danych są gromadzone według kategorii, takich jak koncentracja w czasie w odpowiedzi na określony bodziec. Komputery mają kluczowe znaczenie dla analizy i modelowania tych danych. Celem jest stworzenie dokładnych modeli reakcji systemu w czasie rzeczywistym na bodźce środowiskowe i wewnętrzne, takich jak model komórki rakowej w celu znalezienia słabych punktów jej szlaków sygnałowych lub modelowanie mutacji kanałów jonowych w celu zaobserwowania wpływu na kardiomiocyty i z kolei funkcja bijącego serca.
Normy
Zdecydowanie najszerzej akceptowanym standardowym formatem przechowywania i wymiany modeli w terenie jest język znaczników biologii systemów (SBML) . Strona internetowa SBML.org zawiera przewodnik po wielu ważnych pakietach oprogramowania używanych w biologii systemów obliczeniowych. Z BioModels można pobrać dużą liczbę modeli zakodowanych w SBML . Inne języki znaczników z różnymi akcentami to BioPAX i CellML .
Zadania szczególne
Model komórkowy
Tworzenie modelu komórkowego było szczególnie trudnym zadaniem biologii systemów i biologii matematycznej . Polega na wykorzystaniu symulacji komputerowych wielu podsystemów komórkowych, takich jak sieci metabolitów , enzymów, które obejmują metabolizm i transkrypcję , translację , regulację i indukcję sieci regulatorowych genów.
Złożona sieć biochemicznych procesów reakcji/transportu i ich przestrzenna organizacja sprawiają, że opracowanie predykcyjnego modelu żywej komórki jest wielkim wyzwaniem XXI wieku, wymienionym jako takie przez Narodową Fundację Nauki (NSF) w 2006 roku.
Model obliczeniowy całej komórki dla bakterii Mycoplasma genitalium , obejmujący wszystkie 525 genów, produkty genów i ich interakcje, został zbudowany przez naukowców ze Stanford University i J. Craig Venter Institute i opublikowany 20 lipca 2012 r. w Cell.
Dynamiczny model komputerowy sygnalizacji wewnątrzkomórkowej był podstawą dla Merrimack Pharmaceuticals do odkrycia celu dla ich leku przeciwnowotworowego MM-111.
Obliczenia membranowe to zadanie polegające na specyficznym modelowaniu błony komórkowej .
Symulacja organizmu wielokomórkowego
Społeczność OpenWorm prowadzi symulację open source C. elegans na poziomie komórkowym . Do tej pory zbudowano silnik fizyki Gepetto oraz stworzono modele konektomu neuronowego i komórki mięśniowej w formacie NeuroML.
Fałdowanie białek
Przewidywanie struktury białka to przewidywanie trójwymiarowej struktury białka na podstawie jego sekwencji aminokwasowej — to jest przewidywanie struktury trzeciorzędowej białka na podstawie jego struktury pierwszorzędowej . Jest to jeden z najważniejszych celów bioinformatyki i chemii teoretycznej . Przewidywanie struktury białka ma duże znaczenie w medycynie (na przykład przy projektowaniu leków ) i biotechnologii (na przykład przy projektowaniu nowych enzymów ). Co dwa lata w eksperymencie CASP oceniana jest wydajność obecnych metod .
Systemy biologiczne człowieka
Model mózgu
Blue Brain Project próba na tworzenie syntetycznej mózgu odwróconymi inżynierii z mózgu ssaka do poziomie molekularnym. Celem tego projektu, założonego w maju 2005 r. przez Instytut Mózgu i Umysłu École Polytechnique w Lozannie w Szwajcarii, jest zbadanie zasad architektonicznych i funkcjonalnych mózgu. Projektem kieruje dyrektor Instytutu Henry Markram. Wykorzystując superkomputer Blue Gene z oprogramowaniem NEURON Michaela Hinesa , symulacja nie składa się po prostu ze sztucznej sieci neuronowej , ale obejmuje częściowo realistyczny biologicznie model neuronów . Jego zwolennicy mają nadzieję, że w końcu rzuci światło na naturę świadomości . Istnieje wiele podprojektów, w tym Cajal Blue Brain , koordynowany przez Centrum Superkomputerów i Wizualizacji w Madrycie (CeSViMa), a inne prowadzone są przez uniwersytety i niezależne laboratoria w Wielkiej Brytanii, USA i Izraelu. Projekt Human Brain opiera się na pracach projektu Blue Brain. Jest to jeden z sześciu projektów pilotażowych w ramach Programu Badawczego Future Emerging Technologies Komisji Europejskiej, konkurującego o dofinansowanie w wysokości miliarda euro.
Model układu odpornościowego
W ostatniej dekadzie pojawiła się coraz większa liczba symulacji układu odpornościowego.
Wirtualna wątroba
Projekt Wirtualna Wątroba to program badawczy o wartości 43 milionów euro finansowany przez rząd niemiecki, składający się z siedemdziesięciu grup badawczych rozsianych po całych Niemczech. Celem jest stworzenie wirtualnej wątroby, dynamicznego modelu matematycznego, który reprezentuje fizjologię , morfologię i funkcję wątroby człowieka .
Model drzewa
Drzewa elektroniczne (e-drzewa) zwykle używają systemów L do symulacji wzrostu. Systemy L są bardzo ważne w dziedzinie nauk o złożoności i A-life . Powszechnie akceptowany system opisu zmian w morfologii roślin na poziomie komórkowym lub modułowym nie został jeszcze opracowany. Najszerzej zaimplementowane algorytmy generowania drzew zostały opisane w artykułach „Tworzenie i renderowanie realistycznych drzew” oraz Renderowanie drzew w czasie rzeczywistym
Modele ekologiczne
Modele ekosystemów to matematyczne reprezentacje ekosystemów . Zazwyczaj upraszczają złożone foodwebs do ich głównych składników lub poziomów troficznych i ilościowego są albo jako liczby organizmów , biomasy lub zapasów / stężenie niektórych istotnych pierwiastków chemicznych (na przykład, węgiel lub A odżywczych gatunków , takich jak azot lub fosfor ).
Modele w ekotoksykologii
Celem modeli w ekotoksykologii jest zrozumienie, symulacja i przewidywanie skutków powodowanych przez toksyny w środowisku. Większość obecnych modeli opisuje wpływ na jeden z wielu różnych poziomów organizacji biologicznej (np. organizmy lub populacje). Wyzwaniem jest opracowanie modeli, które przewidują skutki w różnych skalach biologicznych. Ekotoksykologia i modele omawiają niektóre typy modeli ekotoksykologicznych i zawierają linki do wielu innych.
Modelowanie choroby zakaźnej
Możliwe jest matematyczne modelowanie postępu większości chorób zakaźnych w celu odkrycia prawdopodobnych skutków epidemii lub pomocy w zarządzaniu nimi poprzez szczepienia . W tej dziedzinie próbuje się znaleźć parametry dla różnych chorób zakaźnych i wykorzystać te parametry do wykonania użytecznych obliczeń dotyczących skutków programu masowych szczepień .
Zobacz też
- Wizualizacja danych biologicznych
- Biosymulacja
- Algorytm Gillespie
- Oprogramowanie do modelowania molekularnego
- Symulacja stochastyczna
Uwagi
Bibliografia
Źródła
- Antmanna SS; Marsden, JE; Sirovich, L., wyd. (2009). Fizjologia matematyczna (wyd. 2). Nowy Jork, Nowy Jork: Springer. Numer ISBN 978-0-387-75846-6.
- Barnes, DJ; Chu, D. (2010), Wprowadzenie do modelowania w naukach biologicznych , Springer Verlag
- Wprowadzenie do modelowania chorób zakaźnych autorstwa Emilii Vynnycky i Richarda G White'a. Książka wprowadzająca na temat modelowania chorób zakaźnych i ich zastosowań.
Dalsza lektura
- Barab, A.-L.; Oltvai, Z. (2004). „Biologia sieciowa* rozumiejąca organizację funkcjonalną komórki”. Recenzje przyrody Genetyka . 5 (2): 101–113. doi : 10.1038/nrg1272 . PMID 14735121 . S2CID 10950726 .
- Ukryty; Schillinga, C.; Palsson, B. (2001). „Regulacja ekspresji genów w modelach równowagi strumienia metabolizmu”. Czasopismo Biologii Teoretycznej . 213 (1): 73–88. CiteSeerX 10.1.1.110.1647 . doi : 10.1006/jtbi.2001.2405 . PMID 11708855 .
- Tajny, MW; Palsson, B. (2002). „Regulacja transkrypcyjna w modelach metabolicznych opartych na ograniczeniach Escherichia coli” . Czasopismo Chemii Biologicznej . 277 (31): 28058-28064. doi : 10.1074/jbc.M201691200 . PMID 12006566 .
- Edwardsa; Palsson B. (2000). „Genotyp metaboliczny Escherichia coli MG1655 in silico* jego definicja, cechy i możliwości” . Materiały Narodowej Akademii Nauk Stanów Zjednoczonych Ameryki . 97 (10): 5528–5533. Kod bib : 2000PNAS...97.5528E . doi : 10.1073/pnas.97.10.5528 . PMC 25862 . PMID 10805808 .
- Bonneau, R. (2008). „Uczenie się sieci biologicznych* od modułów do dynamiki”. Biologia chemiczna natury . 4 (11): 658–664. doi : 10.1038/nchembio.122 . PMID 18936750 .
- Edwards, JS; Ibarra, Rumunia; Palsson, BO (2001). „Przewidywania in silico zdolności metabolicznych Escherichia coli są zgodne z danymi eksperymentalnymi”. Biotechnologia przyrodnicza . 19 (2): 125–130. doi : 10.1038/84379 . PMID 11175725 . S2CID 1619105 .
- Upadł, DA (1998). „Zwiększenie przepływu w szlakach metabolicznych * Perspektywa analizy kontroli metabolicznej”. Biotechnologia i Bioinżynieria . 58 (2-3): 121-124. doi : 10.1002/(SICI)1097-0290(19980420)58:2/3<121::AID-BIT2>3.0.CO;2-N . PMID 10191380 .
- Hartwell, LH; Hopfield, JJ; Leiblera, S.; Murray, AW (1999). „Od biologii molekularnej do modułowej biologii komórki” . Natura . 402 (6761 Suppl): C47-C52. doi : 10.1038/35011540 . PMID 10591225 . S2CID 34290973 .
- Ideker; Galicki, T.; Kaptur, L. (2001). „Nowe podejście do dekodowania życia* biologii systemów” . Roczny przegląd genomiki i genetyki człowieka . 2 (1): 343–372. doi : 10.1146/annurev.genom.2.1.343 . PMID 11701654 . S2CID 922378 .
- Kitano, H. (2002). „Biologia systemów obliczeniowych”. Natura . 420 (6912): 206-210. Kod bib : 2002Natur.420..206K . doi : 10.1038/nature01254 . PMID 12432404 . S2CID 4401115 .
- Kitano, H. (2002). „Biologia systemowa* krótki przegląd”. Nauka . 295 (5560): 1662-1664. Kod bib : 2002Sci...295.1662K . CiteSeerX 10.1.1.473.8389 . doi : 10.1126/science.1069492 . PMID 11872829 . S2CID 2703843 .
- Kitano (2002). „Patrząc poza szczegóły * wzrost zorientowanych systemowo podejść w genetyce i biologii molekularnej”. Aktualna genetyka . 41 (1): 1–10. doi : 10.1007/s00294-002-0285-z . PMID 12073094 . S2CID 18976498 .
- Gilman, AG; Szymona, MI; Bourne, HR; Harris, BA; Długi, R.; Ross, EM; Stul, JT; Taussig, R.; Bourne, HR; Arkin, AP; Cobba, MH; Torbiel, JG; Devreoty, PN; Ferrell, JE; Fruman, D.; Złoto, M.; Weiss, A.; Stul, JT; Berridge, MJ; Cantley, LC; Catterall, Waszyngton; Coughlin, SR; Olson, EN; Smith, TF; Brugge, JS; Botstein, D.; Dixon, JE; Hunter, T.; Lefkowitz, RJ; Pawson, AJ (2002). „Przegląd sojuszu na rzecz sygnalizacji komórkowej” (PDF) . Natura . 420 (6916): 703-706. Kod Bibcode : 2002Natur.420..703G . doi : 10.1038/nature01304 . PMID 12478301 . S2CID 4367083 .
- Palsson, Bernhard (2006). Biologia systemów* Właściwości zrekonstruowanych sieci . Cambridge: Wydawnictwo Uniwersytetu Cambridge. Numer ISBN 978-0-521-85903-5.
- Kauffmana; Prakash, P.; Edwards, JS (2003). „Postępy w analizie bilansu strumieni”. Aktualna opinia w biotechnologii . 14 (5): 491–496. doi : 10.1016/j.copbio.2003.08.001 . PMID 14580578 .
- Segre, D.; Vitkup, D.; Kościół, GM (2002). „Analiza optymalności w naturalnych i zaburzonych sieciach metabolicznych” . Materiały Narodowej Akademii Nauk Stanów Zjednoczonych Ameryki . 99 (23): 15112–15117. Kod bib : 2002PNAS...9915112S . doi : 10.1073/pnas.232349399 . PMC 137552 . PMID 12415116 .
- Wildermuth, MC (2000). „Analiza kontroli metabolicznej* zastosowania i spostrzeżenia biologiczne” . Biologia genomu . 1 (6): RECENZJE1031. doi : 10.1186/pl-2000-1-6-recenzje1031 . PMC 138895 . PMID 11178271 .