Моделирование биологических систем
Моделирование биологических систем является важной задачей системной биологии и математической биологии . [а] Вычислительная системная биология [б] [1] направлена на разработку и использование эффективных алгоритмов , структур данных , инструментов визуализации и связи с целью компьютерного моделирования биологических систем. Он предполагает использование компьютерного моделирования биологических систем, включая клеточные подсистемы (такие как сети метаболитов и ферментов , которые включают метаболизм , пути передачи сигналов и сети регуляции генов ), для анализа и визуализации сложных связей этих клеточных процессов. [2]
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
[ редактировать ]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 .
Частные задачи
[ редактировать ]Сотовая модель
[ редактировать ]
Создание клеточной модели было особенно сложной задачей системной биологии и математической биологии . Он включает в себя использование компьютерного моделирования многих клеточных подсистем, таких как сети метаболитов , ферментов , которые обеспечивают метаболизм и транскрипцию , трансляцию , регуляцию и индукцию сетей регуляции генов. [4]
Сложная сеть биохимических реакций/транспортных процессов и их пространственная организация делают разработку прогнозирующей модели живой клетки грандиозной задачей 21 века, внесенной в список таковых Национальным научным фондом (NSF) в 2006 году. [5]
Цельноклеточная вычислительная модель бактерии Mycoplasmaogenicium , 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]
Мембранные вычисления — это задача моделирования именно клеточной мембраны .
Моделирование многоклеточного организма
[ редактировать ]занимается моделированием C. elegans с открытым исходным кодом на клеточном уровне Сообщество OpenWorm . На данный момент создан физический движок Gepetto и созданы модели нейронного коннектома и мышечной клетки в формате NeuroML. [8]
Складывание белка
[ редактировать ]Предсказание структуры белка — это предсказание трехмерной структуры белка на основе его аминокислотной белка последовательности, то есть предсказание третичной структуры на основе его первичной структуры . Это одна из важнейших целей, которую преследуют биоинформатика и теоретическая химия . Прогнозирование структуры белка имеет большое значение в медицине (например, при разработке лекарств ) и биотехнологии (например, при разработке новых ферментов ). Каждые два года эффективность существующих методов оценивается в эксперименте CASP .
Биологические системы человека
[ редактировать ]Модель мозга
[ редактировать ]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 Blue Gene суперкомпьютер Майкла Хайнса с программным обеспечением NEURON , 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] борьба за финансирование в миллиард евро.
Модель иммунной системы
[ редактировать ]Последнее десятилетие стало свидетелем появления растущего числа симуляций иммунной системы. [14] [15]
Виртуальная печень
[ редактировать ]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
[ редактировать ]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 » .
Экологические модели
[ редактировать ]Экосистемные модели представляют собой математическое представление экосистем . Обычно они упрощают сложные пищевые сети до их основных компонентов или трофических уровней и определяют их количественно либо как количество организмов , биомассу , либо как запас / концентрацию какого-либо соответствующего химического элемента (например, углерода или питательных веществ, таких как азот или фосфор ).
Модели в экотоксикологии
[ редактировать ]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
[ редактировать ]Развитие большинства инфекционных заболеваний можно смоделировать математически, 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 .
См. также
[ редактировать ]- Визуализация биологических данных
- Биомоделирование
- Алгоритм Гиллеспи
- Программное обеспечение для молекулярного моделирования
- Стохастическое моделирование
Примечания
[ редактировать ]Ссылки
[ редактировать ]- ^ Андрес Криете, 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 . ПМИД 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 . ISBN 978-3-540-22123-4 .
- ^ «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
[ редактировать ]- 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 Эмилия Винницки и Ричард Уайт. . Вводная книга по моделированию инфекционных заболеваний и его применению.
Дальнейшее чтение
[ редактировать ]- Бараб А.-Л.; Олтвай, З. (2004). «Сетевая биология * понимание функциональной организации клетки». Обзоры природы Генетика . 5 (2): 101–113. дои : 10.1038/nrg1272 . ПМИД 14735121 . S2CID 10950726 .
- Тайный; Шиллинг, К.; Палссон, Б. (2001). «Регуляция экспрессии генов в моделях метаболизма с балансом потоков». Журнал теоретической биологии . 213 (1): 73–88. Бибкод : 2001JThBi.213...73C . CiteSeerX 10.1.1.110.1647 . дои : 10.1006/jtbi.2001.2405 . ПМИД 11708855 .
- 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 . ПМИД 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 .
- Хартвелл, Л.Х.; Хопфилд, Джей-Джей; Лейблер, С.; Мюррей, AW (1999). «От молекулярной к модульной клеточной биологии» . Природа . 402 (Дополнение 6761): C47–C52. дои : 10.1038/35011540 . ПМИД 10591225 . S2CID 34290973 .
- Идекер; Галицкий Т.; Худ, Л. (2001). «Новый подход к расшифровке биологии систем жизни *». Ежегодный обзор геномики и генетики человека . 2 (1): 343–372. дои : 10.1146/annurev.genom.2.1.343 . ПМИД 11701654 . S2CID 922378 .
- Китано, Х. (2002). «Вычислительная системная биология». Природа . 420 (6912): 206–210. Бибкод : 2002Natur.420..206K . дои : 10.1038/nature01254 . ПМИД 12432404 . S2CID 4401115 .
- Китано, Х. (2002). «Системная биология* краткий обзор». Наука . 295 (5560): 1662–1664. Бибкод : 2002Sci...295.1662K . CiteSeerX 10.1.1.473.8389 . дои : 10.1126/science.1069492 . ПМИД 11872829 . S2CID 2703843 .
- Китано (2002). «За пределами деталей * рост системно-ориентированных подходов в генетике и молекулярной биологии». Современная генетика . 41 (1): 1–10. дои : 10.1007/s00294-002-0285-z . ПМИД 12073094 . S2CID 18976498 .
- Гилман, АГ; Саймон, Мичиган; Борн, HR; Харрис, бакалавр; Лонг, Р.; Росс, ЕМ; Столл, Джей Ти; Тауссиг, Р.; Борн, HR; Аркин, АП; Кобб, Миннесота; Цистер, Дж. Г.; Девреотес, ПН; Феррелл, Дж. Э.; Фруман, Д.; Голд, М.; Вайс, А.; Столл, Джей Ти; Берридж, MJ; Кэнтли, ЖК; Каттералл, Вашингтон; Кофлин, СР; Олсон, EN; Смит, Т.Ф.; Брюгге, JS; Ботштейн, Д.; Диксон, Дж. Э.; Хантер, Т.; Лефковиц, Р.Дж.; Поусон, Эй Джей (2002). «Обзор Альянса сотовой связи» (PDF) . Природа . 420 (6916): 703–706. Бибкод : 2002Natur.420..703G . дои : 10.1038/nature01304 . ПМИД 12478301 . S2CID 4367083 .
- 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 возмущенных 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): ОБЗОРЫ 1031. doi : 10.1186/gb-2000-1-6-reviews1031 . ПМЦ 138895 . ПМИД 11178271 .