생물학적 시스템 모델링
Modelling biological systems생물학적 시스템을 모델링하는 것은 시스템 생물학 및 수리 [a]생물학에서 중요한 작업이다.계산 시스템[b][1] 생물학은 생물학적 시스템의 컴퓨터 모델링을 목표로 효율적인 알고리즘, 데이터 구조, 시각화 및 통신 도구를 개발하고 사용하는 것을 목표로 한다.이러한 [2]세포 과정의 복잡한 연결을 분석하고 시각화하기 위해 세포 서브시스템(대사물 및 효소 네트워크로 구성된 네트워크, 신호 전달 경로 및 유전자 조절 네트워크 등)을 포함한 생물학적 시스템의 컴퓨터 시뮬레이션을 사용한다.
복잡한 시스템의 예상치 못한 출현 특성은 단순하고 통합된 부품 간의 인과관계 상호작용의 결과일 수 있다(생물학적 조직 참조).생물학적 시스템은 구성요소의 복잡한 상호 작용에서 발생 속성의 많은 중요한 예를 보여줍니다.생물학적 시스템에 대한 기존의 연구는 특정 자극에 대한 반응으로 시간에 따른 집중과 같이 범주별로 데이터 양을 수집하는 환원 방법을 필요로 한다.컴퓨터는 이러한 데이터의 분석과 모델링에 매우 중요합니다.목표는 암세포의 신호 전달 경로의 약점을 찾기 위한 암세포의 모델이나 심근세포와 심장 박동 기능에 대한 영향을 보기 위한 이온 채널 돌연변이 모델링과 같은 환경 및 내부 자극에 대한 시스템의 반응의 정확한 실시간 모델을 만드는 것이다.
표준
지금까지 가장 널리 받아들여지고 있는 모델 저장 및 교환 표준 형식은 Systems Biology Markup Language(SBML)[3]입니다.SBML.org 웹사이트에는 컴퓨터 시스템 생물학에서 사용되는 많은 중요한 소프트웨어 패키지에 대한 가이드가 포함되어 있습니다.SBML로 인코딩된 많은 모델은 BioModels에서 검색할 수 있습니다.강조점이 다른 다른 마크업 언어로는 BioPAX와 CellML이 있습니다.
특정 태스크
셀룰러 모델
세포 모델을 만드는 것은 시스템 생물학 및 수리 생물학에서 특히 어려운 작업이었다.이는 대사물 네트워크, 신진대사와 전사, 번역, 조절 [4]및 유전자 조절 네트워크의 유도 등 많은 세포 하위 시스템의 컴퓨터 시뮬레이션을 포함한다.
생화학 반응/수송 과정과 그 공간 구성의 복잡한 네트워크는 살아있는 세포의 예측 모델 개발을 21세기 동안 큰 과제로 만들고 있으며,[5] 2006년 미국 국립과학재단(NSF)에 의해 이와 같이 열거되었다.
모든 525개의 유전자, 유전자 제품 및 이들의 상호작용을 포함한 마이코플라스마 제니탈리움 박테리아의 전체 세포 계산 모델은 스탠포드 대학과 J. 크레이그 벤터 연구소의 과학자들에 의해 구축되어 2012년 7월 20일 [6]세포에서 발표되었다.
Merrimack Pharmacuticals는 세포 내 신호 전달의 동적 컴퓨터 모델을 사용하여 암 치료제 [7]MM-111의 대상을 발견했습니다.
다세포 생물 시뮬레이션
OpenWorm 커뮤니티에서는 셀 레벨에서의 C. elegans의 오픈 소스 시뮬레이션을 추진하고 있습니다.지금까지 물리학 엔진 제페토가 만들어졌고 신경 코넥텀과 근육세포의 모델이 NeuroML [8]형식으로 만들어졌다.
단백질 폴딩
단백질 구조 예측은 아미노산 배열로부터 단백질의 3차원 구조를 예측하는 것, 즉 1차 구조로부터 단백질의 3차 구조를 예측하는 것이다.그것은 생물정보학과 이론화학이 추구하는 가장 중요한 목표 중 하나이다.단백질 구조 예측은 의학(예: 의약품 설계)과 생명공학(예: 새로운 효소 설계)에서 매우 중요하다.2년마다 CASP 실험에서 현재 방법의 성능을 평가합니다.
인간의 생물학적 시스템
뇌모형
블루 브레인 프로젝트는 포유류의 뇌를 분자 수준까지 역설계하여 합성 뇌를 만드는 시도입니다.2005년 5월 스위스 로잔에 있는 에콜 폴리테크니크의 뇌와 정신 연구소가 설립한 이 프로젝트의 목적은 뇌의 건축과 기능 원리를 연구하는 것이다.이 프로젝트는 이 연구소의 소장인 헨리 마크람이 이끌고 있다.마이클 하인스의 NELL 소프트웨어를 실행하는 블루진 슈퍼컴퓨터를 사용하여, 시뮬레이션은 단순히 인공 신경망으로 구성되어 있지 않고 부분적으로 생물학적으로 현실적인 [9][10]뉴런 모델을 포함하고 있다.지지자들은 그것이 결국 의식의 본질을 밝혀주기를 바라고 있다.마드리드 슈퍼컴퓨팅 및 시각화 센터(CeSViMa)가 주관하는 Cajal Blue Brain을 비롯한 여러 하위 프로젝트가 있으며, 영국, 미국 및 이스라엘의 대학과 독립 연구소에서 운영하고 있습니다.Human Brain Project는 Blue Brain [11][12]Project의 작업을 기반으로 합니다.유럽위원회의 [13]미래 신흥 기술 연구 프로그램의 6개 파일럿 프로젝트 중 하나로, 10억 유로의 자금 조달을 위해 경쟁하고 있습니다.
면역체계의 모델
지난 10년 동안 면역 [14][15]체계에 대한 시뮬레이션이 점점 더 많이 등장했습니다.
가상간
Virtual Liver 프로젝트는 독일 정부가 자금을 지원하는 4300만 유로 규모의 연구 프로그램으로, 독일 전역에 배포된 70개 연구 그룹으로 구성되어 있습니다.목표는 인간의 간 생리학, 형태학 및 [16]기능을 나타내는 동적 수학 모델인 가상 간을 만드는 것입니다.
트리 모델
전자 트리(e-tree)는 일반적으로 L-시스템을 사용하여 성장을 시뮬레이션합니다.L-시스템은 복잡성 과학과 A-life 분야에서 매우 중요합니다.세포 또는 모듈러 수준에서 식물형태의 변화를 기술하기 위해 보편적으로 인정된 시스템은 아직 [17]고안되지 않았다.가장 널리 구현되는 트리 생성 알고리즘은 문서 "실제 트리 생성 및 렌더링" 및 실시간 트리 렌더링에 설명되어 있습니다.
생태학적 모델
생태계 모델은 생태계를 수학적으로 표현한 것입니다.일반적으로 이들은 복잡한 식품웹을 주요 성분이나 영양 수준으로 단순화하며, 유기체의 수, 바이오매스 또는 일부 관련 화학 원소의 재고/농도(예를 들어 탄소 또는 질소나 인과 같은 영양소 종)로 정량화한다.
생태독성학 모델
생태독성학에서 모델의 목적은 환경 내 독성물질에 의해 야기되는 영향의 이해, 시뮬레이션 및 예측이다.대부분의 최신 모델은 생물학적 조직(예: 유기체 또는 개체군)의 여러 다른 수준 중 하나에 대한 영향을 설명한다.과제는 생물학적 척도에 걸쳐 효과를 예측하는 모델의 개발이다.생태독성학 및 모델은 일부 유형의 생태독성 모델에 대해 논의하고 많은 다른 모델과의 연결을 제공한다.
감염증의 모델링
전염병의 가능한 결과를 발견하거나 백신 접종을 통해 그것들을 관리하는 것을 돕기 위해 대부분의 전염병의 진행 상황을 수학적으로 모델링하는 것이 가능하다.이 분야는 다양한 전염병에 대한 매개변수를 찾고 그러한 매개변수를 사용하여 집단 예방접종 프로그램의 영향에 대한 유용한 계산을 수행하려고 한다.
「 」를 참조해 주세요.
메모들
레퍼런스
- ^ Andres Kriete, Roland Eils, Computational Systems Biology, Elsevier Academic Press, 2006.
- ^ Tavassoly, Iman; Goldfarb, Joseph; Iyengar, Ravi (2018-10-04). "Systems biology primer: the basic methods and approaches". Essays in Biochemistry. 62 (4): 487–500. doi:10.1042/EBC20180003. ISSN 0071-1365. PMID 30287586.
- ^ 클리프, 리버마이스터, 헬빅, 코왈드, 샤버.(2007)."시스템 생물학 표준—커뮤니티가 말한다"(2007), Nature Biotechnology 25(4): 390–391.
- ^ Carbonell-Ballestero M, Duran-Nebreda S, Montañez R, Solé R, Macía J, Rodríguez-Caso C (December 2014). "A bottom-up characterization of transfer functions for synthetic biology designs: lessons from enzymology". Nucleic Acids Research. 42 (22): 14060–14069. doi:10.1093/nar/gku964. PMC 4267673. PMID 25404136.
- ^ 미국 과학 진흥 협회
- ^ Karr, J. (2012) 유전자형 세포에서 발현형을 예측하는 전세포 계산 모델
- ^ McDonagh, CF(2012) ErbB2/ErbB3 종양 유발 단위를 대상으로 하고 Heregulin 유도 ErB3 활성화를 억제하는 새로운 이원 특이 항체의 항종양 활성.분자암 치료제
- ^ OpenWorm 다운로드
- ^ 그레이엄-로우, 던컨NewScientist, 2005년 6월, "미션은 시뮬레이트된 뇌를 만드는 임무를 시작합니다."
- ^ 파머, 제이슨상상력에 가까운 시뮬레이션 두뇌, BBC 뉴스.
- ^ 인간 두뇌 프로젝트.2012년 7월 5일 Wayback Machine에서 아카이브 완료
- ^ 2012년 6월 22일 Henry Markram이 Human Brain Project를 발표하는 비디오.
- ^ FET 플래그십 이니셔티브 홈페이지
- ^ 과제 할당을 위한 제약을 처리하는 면역체계의 모델을 이용한 다중 기준 진화 알고리즘 - 스프링거
- ^ "Computer Simulation Captures Immune Response To Flu". Retrieved 2009-08-19.
- ^ "Virtual Liver Network". Archived from the original on 2012-09-30. Retrieved 2016-10-14.
- ^ "Simulating plant growth". Archived from the original on 2009-12-09. Retrieved 2009-10-18.
원천
- Antmann, S. S.; Marsden, J. E.; Sirovich, L., eds. (2009). Mathematical Physiology (2nd ed.). New York, New York: Springer. ISBN 978-0-387-75846-6.
- Barnes, D.J.; Chu, D. (2010), Introduction to Modelling for Biosciences, Springer Verlag
- 에밀리아 비니키와 리처드 G 화이트의 전염병 모델 소개.감염증 모델링과 그 응용에 관한 입문서.
추가 정보
- Barab, A. -L.; Oltvai, Z. (2004). "Network biology* understanding the cell's functional organization". Nature Reviews Genetics. 5 (2): 101–113. doi:10.1038/nrg1272. PMID 14735121. S2CID 10950726.
- Covert; Schilling, C.; Palsson, B. (2001). "Regulation of gene expression in flux balance models of metabolism". Journal of Theoretical Biology. 213 (1): 73–88. CiteSeerX 10.1.1.110.1647. doi:10.1006/jtbi.2001.2405. PMID 11708855.
- Covert, M. W.; Palsson, B. . (2002). "Transcriptional regulation in constraints-based metabolic models of Escherichia coli". The Journal of Biological Chemistry. 277 (31): 28058–28064. doi:10.1074/jbc.M201691200. PMID 12006566.
- Edwards; Palsson, B. (2000). "The Escherichia coli MG1655 in silico metabolic genotype* its definition, characteristics, and capabilities". Proceedings of the National Academy of Sciences of the United States of America. 97 (10): 5528–5533. Bibcode:2000PNAS...97.5528E. doi:10.1073/pnas.97.10.5528. PMC 25862. PMID 10805808.
- Bonneau, R. (2008). "Learning biological networks* from modules to dynamics". Nature Chemical Biology. 4 (11): 658–664. doi:10.1038/nchembio.122. PMID 18936750.
- Edwards, J. S.; Ibarra, R. U.; Palsson, B. O. (2001). "In silico predictions of Escherichia coli metabolic capabilities are consistent with experimental data". Nature Biotechnology. 19 (2): 125–130. doi:10.1038/84379. PMID 11175725. S2CID 1619105.
- Fell, D. A. (1998). "Increasing the flux in metabolic pathways* A metabolic control analysis perspective". Biotechnology and Bioengineering. 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, L. H.; Hopfield, J. J.; Leibler, S.; Murray, A. W. (1999). "From molecular to modular cell biology". Nature. 402 (6761 Suppl): C47–C52. doi:10.1038/35011540. PMID 10591225. S2CID 34290973.
- Ideker; Galitski, T.; Hood, L. (2001). "A new approach to decoding life* systems biology". Annual Review of Genomics and Human Genetics. 2 (1): 343–372. doi:10.1146/annurev.genom.2.1.343. PMID 11701654. S2CID 922378.
- Kitano, H. (2002). "Computational systems biology". Nature. 420 (6912): 206–210. Bibcode:2002Natur.420..206K. doi:10.1038/nature01254. PMID 12432404. S2CID 4401115.
- Kitano, H. (2002). "Systems biology* a brief overview". Science. 295 (5560): 1662–1664. Bibcode:2002Sci...295.1662K. CiteSeerX 10.1.1.473.8389. doi:10.1126/science.1069492. PMID 11872829. S2CID 2703843.
- Kitano (2002). "Looking beyond the details* a rise in system-oriented approaches in genetics and molecular biology". Current Genetics. 41 (1): 1–10. doi:10.1007/s00294-002-0285-z. PMID 12073094. S2CID 18976498.
- Gilman, A. G.; Simon, M. I.; Bourne, H. R.; Harris, B. A.; Long, R.; Ross, E. M.; Stull, J. T.; Taussig, R.; Bourne, H. R.; Arkin, A. P.; Cobb, M. H.; Cyster, J. G.; Devreotes, P. N.; Ferrell, J. E.; Fruman, D.; Gold, M.; Weiss, A.; Stull, J. T.; Berridge, M. J.; Cantley, L. C.; Catterall, W. A.; Coughlin, S. R.; Olson, E. N.; Smith, T. F.; Brugge, J. S.; Botstein, D.; Dixon, J. E.; Hunter, T.; Lefkowitz, R. J.; Pawson, A. J. (2002). "Overview of the Alliance for Cellular Signaling" (PDF). Nature. 420 (6916): 703–706. Bibcode:2002Natur.420..703G. doi:10.1038/nature01304. PMID 12478301. S2CID 4367083.
- Palsson, Bernhard (2006). Systems biology* properties of reconstructed networks. Cambridge: Cambridge University Press. ISBN 978-0-521-85903-5.
- Kauffman; Prakash, P.; Edwards, J. S. (2003). "Advances in flux balance analysis". Current Opinion in Biotechnology. 14 (5): 491–496. doi:10.1016/j.copbio.2003.08.001. PMID 14580578.
- Segrè, D.; Vitkup, D.; Church, G. M. (2002). "Analysis of optimality in natural and perturbed metabolic networks". Proceedings of the National Academy of Sciences of the United States of America. 99 (23): 15112–15117. Bibcode:2002PNAS...9915112S. doi:10.1073/pnas.232349399. PMC 137552. PMID 12415116.
- Wildermuth, MC (2000). "Metabolic control analysis* biological applications and insights". Genome Biology. 1 (6): REVIEWS1031. doi:10.1186/gb-2000-1-6-reviews1031. PMC 138895. PMID 11178271.
