Неожиданное возникающее свойство сложной системы может быть результатом взаимодействия причины и следствия между более простыми, интегрированными частями (см. биологическую организацию ). Биологические системы демонстрируют множество важных примеров эмерджентных свойств в сложном взаимодействии компонентов. Традиционное изучение биологических систем требует редуктивных методов, при которых объемы данных собираются по категориям, например, концентрация с течением времени в ответ на определенный стимул. Компьютеры имеют решающее значение для анализа и моделирования этих данных. Цель состоит в том, чтобы создать точные модели реакции системы на внешние и внутренние раздражители в режиме реального времени, например, модель раковой клетки, чтобы найти слабые места в ее сигнальных путях, или моделирование мутаций ионных каналов, чтобы увидеть влияние на кардиомиоциты и в свою очередь, функция бьющегося сердца.
Стандарты
На сегодняшний день наиболее широко распространенным стандартным форматом для хранения и обмена моделями в полевых условиях является язык разметки системной биологии (SBML) . [3] Веб-сайт SBML.org содержит руководство по многим важным пакетам программного обеспечения, используемым в вычислительной системной биологии. Большое количество моделей, закодированных в SBML, можно получить из BioModels . Другие языки разметки с разными акцентами включают BioPAX и CellML .
Сложная сеть биохимических реакций/транспортных процессов и их пространственная организация делают разработку прогнозирующей модели живой клетки грандиозной задачей 21-го века, внесенной в список таковых Национальным научным фондом (NSF) в 2006 году. [5]
Цельноклеточная вычислительная модель бактерии Mycoplasmagentium , включая все ее 525 генов, генные продукты и их взаимодействия, была построена учеными из Стэнфордского университета и Института Дж. Крейга Вентера и опубликована 20 июля 2012 года в журнале Cell. [6]
Динамическая компьютерная модель внутриклеточной передачи сигналов стала основой для Merrimack Pharmaceuticals, чтобы обнаружить мишень для своего лекарства от рака MM-111. [7]
Сообщество OpenWorm занимается моделированием C. elegans с открытым исходным кодом на клеточном уровне . На данный момент создан физический движок Gepetto и созданы модели нейронного коннектома и мышечной клетки в формате NeuroML. [8]
Проект « Голубой мозг» — это попытка создать синтетический мозг путем реверс-инжиниринга мозга млекопитающих до молекулярного уровня. Целью этого проекта, основанного в мае 2005 года Институтом мозга и разума Политехнической школы в Лозанне , Швейцария, является изучение архитектурных и функциональных принципов мозга. Проект возглавляет директор института Генри Маркрам. Используя суперкомпьютер Blue Gene с программным обеспечением NEURON Майкла Хайнса , моделирование состоит не просто из искусственной нейронной сети , а включает в себя частично биологически реалистичную модель нейронов . [9] [10] Ее сторонники надеются, что она в конечном итоге прольет свет на природу сознания . Существует ряд подпроектов, в том числе Cajal Blue Brain , координируемый Мадридским центром суперкомпьютеров и визуализации (CeSViMa), а также другие, реализуемые университетами и независимыми лабораториями Великобритании, США и Израиля. Проект «Человеческий мозг» основан на работе проекта «Голубой мозг». [11] [12] Это один из шести пилотных проектов в рамках Программы исследований будущих новых технологий Европейской комиссии, [13] претендующих на финансирование в миллиард евро.
Модель иммунной системы
Последнее десятилетие стало свидетелем появления растущего числа симуляций иммунной системы. [14] [15]
Виртуальная печень
Проект «Виртуальная печень» — это исследовательская программа стоимостью 43 миллиона евро, финансируемая правительством Германии и состоящая из семидесяти исследовательских групп, расположенных по всей Германии. Цель состоит в том, чтобы создать виртуальную печень — динамическую математическую модель, отражающую физиологию , морфологию и функцию печени человека. [16]
Модель дерева
Электронные деревья (e-деревья) обычно используют L-системы для имитации роста. L-системы очень важны в области науки о сложности и A-жизни . Общепринятая система описания изменений морфологии растений на клеточном или модульном уровне еще не разработана. [17]
Наиболее широко реализованные алгоритмы генерации деревьев описаны в статьях «Создание и рендеринг реалистичных деревьев» и «Рендеринг деревьев в реальном времени».
Целью моделей в экотоксикологии является понимание, моделирование и прогнозирование эффектов, вызываемых токсикантами в окружающей среде. Большинство современных моделей описывают воздействие на один из многих различных уровней биологической организации (например, организмы или популяции). Задача заключается в разработке моделей, которые предсказывают эффекты в биологических масштабах. В разделе «Экотоксикология и модели» обсуждаются некоторые типы экотоксикологических моделей и приводятся ссылки на многие другие.
Моделирование инфекционных заболеваний
Можно математически смоделировать развитие большинства инфекционных заболеваний, чтобы определить вероятный исход эпидемии или помочь справиться с ней с помощью вакцинации . В этой области пытаются найти параметры различных инфекционных заболеваний и использовать эти параметры для полезных расчетов эффектов программы массовой вакцинации .
^ Иногда ее называют теоретической биологией, сухой биологией или даже биоматематикой.
^ Вычислительная системная биология — это отрасль, которая стремится достичь понимания на системном уровне путем анализа биологических данных с использованием вычислительных методов.
Рекомендации
^ Андрес Крите, Роланд Эйлс, Биология вычислительных систем, Elsevier Academic Press, 2006.
^ Тавассоли, Иман; Гольдфарб, Джозеф; Айенгар, Рави (04 октября 2018 г.). «Букварь по системной биологии: основные методы и подходы». Очерки по биохимии . 62 (4): 487–500. дои : 10.1042/EBC20180003. ISSN 0071-1365. PMID 30287586. S2CID 52922135.
^ Клипп, Либермейстер, Хельбиг, Ковальд и Шабер. (2007). «Стандарты системной биологии — говорит сообщество» (2007), Nature Biotechnology 25(4):390–391.
^ Карбонелл-Баллестеро М., Дюран-Небреда С., Монтаньес Р., Соле Р., Масия Х., Родригес-Касо С. (декабрь 2014 г.). «Характеристика передаточных функций снизу вверх для проектов синтетической биологии: уроки энзимологии». Исследования нуклеиновых кислот . 42 (22): 14060–14069. дои : 10.1093/nar/gku964. ПМК 4267673 . ПМИД 25404136.
^ Американская ассоциация развития науки
^ Карр, Дж. (2012) Вычислительная модель цельной клетки предсказывает фенотип на основе генотипа клетки
^ McDonagh, CF (2012)Противоопухолевая активность нового биспецифического антитела, которое воздействует на онкогенную единицу ErbB2/ErbB3 и ингибирует индуцированную херегулином активацию ErbB3. Молекулярная терапия рака
^ Загрузки OpenWorm
^ Грэм-Роу, Дункан. «Начинается миссия по созданию моделируемого мозга», NewScientist , июнь 2005 г.
^ Палмер, Джейсон. Имитация мозга ближе к мысли, BBC News.
^ Проект человеческого мозга. Архивировано 5 июля 2012 г. в Wayback Machine .
↑ Видео Генри Маркрама, представляющего проект «Человеческий мозг» 22 июня 2012 г.
^ Домашняя страница Флагманской инициативы FET.
^ Балицкий, Ежи (2004). «Многокритериальный эволюционный алгоритм с моделью иммунной системы для обработки ограничений при назначении задач». Искусственный интеллект и мягкие вычисления — ICAISC 2004 . Конспекты лекций по информатике. Том. 3070. стр. 394–399. дои : 10.1007/978-3-540-24844-6_57. ISBN978-3-540-22123-4.
^ «Компьютерное моделирование фиксирует иммунный ответ на грипп» . Проверено 19 августа 2009 г.
^ «Виртуальная сеть печени». Архивировано из оригинала 30 сентября 2012 г. Проверено 14 октября 2016 г.
^ «Имитация роста растений». Архивировано из оригинала 9 декабря 2009 г. Проверено 18 октября 2009 г.
Источники
Антманн, СС; Марсден, Дж. Э.; Сирович Л., ред. (2009). Математическая физиология (2-е изд.). Нью-Йорк, Нью-Йорк: Спрингер. ISBN 978-0-387-75846-6.
Барнс, диджей; Чу, Д. (2010), Введение в моделирование для биологических наук, Springer Verlag
Введение в моделирование инфекционных заболеваний Эмилии Винницки и Ричарда Уайта. Вводная книга по моделированию инфекционных заболеваний и его применению.
дальнейшее чтение
Бараб А.-Л.; Олтвай, З. (2004). «Сетевая биология * понимание функциональной организации клетки». Обзоры природы Генетика . 5 (2): 101–113. дои : 10.1038/nrg1272. PMID 14735121. S2CID 10950726.
Тайное, МВт; Палссон, Б. . (2002). «Регуляция транскрипции в метаболических моделях Escherichia coli, основанных на ограничениях». Журнал биологической химии . 277 (31): 28058–28064. дои : 10.1074/jbc.M201691200 . ПМИД 12006566.
Эдвардс; Палссон, Б. (2000). «Метаболический генотип Escherichia coli MG1655 in silico * его определение, характеристики и возможности». Труды Национальной академии наук Соединенных Штатов Америки . 97 (10): 5528–5533. Бибкод : 2000PNAS...97.5528E. дои : 10.1073/pnas.97.10.5528 . ПМК 25862 . ПМИД 10805808.
Бонно, Р. (2008). «Изучение биологических сетей* от модулей к динамике». Химическая биология природы . 4 (11): 658–664. дои : 10.1038/nchembio.122. ПМИД 18936750.
Эдвардс, Дж. С.; Ибарра, РУ; Палссон, Б.О. (2001). «Прогнозы in silico о метаболических способностях Escherichia coli согласуются с экспериментальными данными». Природная биотехнология . 19 (2): 125–130. дои : 10.1038/84379. PMID 11175725. S2CID 1619105.
Фелл, Д.А. (1998). «Увеличение потока в метаболических путях * Перспектива анализа метаболического контроля». Биотехнология и биоинженерия . 58 (2–3): 121–124. doi :10.1002/(SICI)1097-0290(19980420)58:2/3<121::AID-BIT2>3.0.CO;2-N. ПМИД 10191380.
Идекер; Галицкий Т.; Худ, Л. (2001). «Новый подход к расшифровке биологии систем жизни *». Ежегодный обзор геномики и генетики человека . 2 (1): 343–372. doi :10.1146/annurev.genom.2.1.343. PMID 11701654. S2CID 922378.
Китано (2002). «За пределами деталей * рост системно-ориентированных подходов в генетике и молекулярной биологии». Современная генетика . 41 (1): 1–10. doi : 10.1007/s00294-002-0285-z. PMID 12073094. S2CID 18976498.
Палссон, Бернхард (2006). Системная биология* Свойства реконструированных сетей . Кембридж: Издательство Кембриджского университета. ISBN 978-0-521-85903-5.
Кауфман; Пракаш, П.; Эдвардс, Дж. С. (2003). «Достижения в анализе баланса потоков». Современное мнение в области биотехнологии . 14 (5): 491–496. doi : 10.1016/j.copbio.2003.08.001. ПМИД 14580578.
Сегре, Д.; Виткуп, Д.; Черч, GM (2002). «Анализ оптимальности естественных и нарушенных метаболических сетей». Труды Национальной академии наук Соединенных Штатов Америки . 99 (23): 15112–15117. Бибкод : 2002PNAS...9915112S. дои : 10.1073/pnas.232349399 . ПМЦ 137552 . ПМИД 12415116.
Вильдермут, MC (2000). «Анализ метаболического контроля * биологические приложения и идеи». Геномная биология . 1 (6): ОБЗОРЫ1031. doi : 10.1186/gb-2000-1-6-reviews1031 . ПМЦ 138895 . ПМИД 11178271.
Внешние ссылки
Центр моделирования иммунитета к кишечным возбудителям (МИЭП)