Una propiedad emergente inesperada de un sistema complejo puede ser el resultado de la interacción de causa y efecto entre partes integradas más simples (ver organización biológica ). Los sistemas biológicos manifiestan muchos ejemplos importantes de propiedades emergentes en la compleja interacción de sus componentes. El estudio tradicional de los sistemas biológicos requiere métodos reductivos en los que se recopilan cantidades de datos por categoría, como la concentración a lo largo del tiempo en respuesta a un determinado estímulo. Las computadoras son fundamentales para el análisis y modelado de estos datos. El objetivo es crear modelos precisos en tiempo real de la respuesta de un sistema a estímulos ambientales e internos, como un modelo de una célula cancerosa para encontrar debilidades en sus vías de señalización, o modelos de mutaciones de canales iónicos para ver los efectos en los cardiomiocitos y a su vez, la función de un corazón que late.
Estándares
Con diferencia, el formato estándar más aceptado para almacenar e intercambiar modelos en el campo es el Lenguaje de marcado de biología de sistemas (SBML) . [3] El sitio web SBML.org incluye una guía de muchos paquetes de software importantes utilizados en biología de sistemas computacionales. Se puede recuperar una gran cantidad de modelos codificados en SBML desde BioModels . Otros lenguajes de marcado con diferentes énfasis incluyen BioPAX y CellML .
La compleja red de procesos bioquímicos de reacción/transporte y su organización espacial hacen que el desarrollo de un modelo predictivo de una célula viva sea un gran desafío para el siglo XXI, catalogado como tal por la Fundación Nacional de Ciencias (NSF) en 2006. [5]
Científicos de la Universidad de Stanford y el Instituto J. Craig Venter construyeron un modelo computacional de células completas para la bacteria Mycoplasma genitalium , incluidos sus 525 genes, productos genéticos y sus interacciones, y lo publicaron el 20 de julio de 2012 en Cell. [6]
Un modelo informático dinámico de señalización intracelular fue la base para que Merrimack Pharmaceuticals descubriera el objetivo de su medicamento contra el cáncer MM-111. [7]
La comunidad OpenWorm está llevando a cabo una simulación de código abierto de C. elegans a nivel celular . Hasta ahora se ha construido el motor de física Gepetto y se han creado modelos del conectoma neural y de una célula muscular en formato NeuroML. [8]
El Proyecto Cerebro Azul es un intento de crear un cerebro sintético mediante ingeniería inversa del cerebro de los mamíferos hasta el nivel molecular. El objetivo de este proyecto, fundado en mayo de 2005 por el Instituto Cerebro y Mente de la École Polytechnique de Lausana , Suiza, es estudiar los principios arquitectónicos y funcionales del cerebro. El proyecto está dirigido por el director del Instituto, Henry Markram. Utilizando un superordenador Blue Gene que ejecuta el software NEURON de Michael Hines , la simulación no consiste simplemente en una red neuronal artificial , sino que implica un modelo de neuronas parcialmente biológicamente realista . [9] [10] Sus defensores esperan que eventualmente arroje luz sobre la naturaleza de la conciencia . Hay varios subproyectos, entre ellos el Cajal Blue Brain , coordinado por el Centro de Supercomputación y Visualización de Madrid (CeSViMa), y otros dirigidos por universidades y laboratorios independientes de Reino Unido, Estados Unidos e Israel. El Proyecto Cerebro Humano se basa en el trabajo del Proyecto Cerebro Azul. [11] [12] Es uno de los seis proyectos piloto del Programa de Investigación de Tecnologías Emergentes del Futuro de la Comisión Europea, [13] que compite por una financiación de mil millones de euros.
Modelo del sistema inmunológico.
La última década ha visto la aparición de un número creciente de simulaciones del sistema inmunológico. [14] [15]
hígado virtual
El proyecto Virtual Liver es un programa de investigación de 43 millones de euros financiado por el Gobierno alemán y compuesto por setenta grupos de investigación distribuidos por toda Alemania. El objetivo es producir un hígado virtual, un modelo matemático dinámico que represente la fisiología , morfología y función del hígado humano. [dieciséis]
modelo de arbol
Los árboles electrónicos (e-trees) suelen utilizar sistemas L para simular el crecimiento. Los sistemas L son muy importantes en el campo de las ciencias complejas y la vida A. Aún no se ha ideado un sistema universalmente aceptado para describir los cambios en la morfología de las plantas a nivel celular o modular. [17]
Los algoritmos de generación de árboles más implementados se describen en los artículos "Creación y representación de árboles realistas" y Representación de árboles en tiempo real.
El propósito de los modelos en ecotoxicología es la comprensión, simulación y predicción de los efectos causados por tóxicos en el medio ambiente. La mayoría de los modelos actuales describen efectos en uno de los muchos niveles diferentes de organización biológica (por ejemplo, organismos o poblaciones). Un desafío es el desarrollo de modelos que predigan efectos a través de escalas biológicas. Ecotoxicología y modelos analiza algunos tipos de modelos ecotoxicológicos y proporciona enlaces a muchos otros.
Modelado de enfermedades infecciosas.
Es posible modelar matemáticamente el progreso de la mayoría de las enfermedades infecciosas para descubrir el resultado probable de una epidemia o ayudar a gestionarlas mediante la vacunación . Este campo intenta encontrar parámetros para diversas enfermedades infecciosas y utilizar esos parámetros para realizar cálculos útiles sobre los efectos de un programa de vacunación masiva .
^ A veces se le llama biología teórica, biología seca o incluso biomatemática.
^ La biología de sistemas computacionales es una rama que se esfuerza por generar una comprensión a nivel de sistema mediante el análisis de datos biológicos utilizando técnicas computacionales.
Referencias
^ Andrés Kriete, Roland Eils, Biología de sistemas computacionales, Elsevier Academic Press, 2006.
^ Tavassoly, Imán; Goldfarb, José; Iyengar, Ravi (4 de octubre de 2018). "Introducción a la biología de sistemas: los métodos y enfoques básicos". Ensayos de Bioquímica . 62 (4): 487–500. doi :10.1042/EBC20180003. ISSN 0071-1365. PMID 30287586. S2CID 52922135.
^ Klipp, Liebermeister, Helbig, Kowald y Schaber. (2007). "Estándares de biología de sistemas: la comunidad habla" (2007), Nature Biotechnology 25(4):390–391.
^ Carbonell-Ballestero M, Duran-Nebreda S, Montañez R, Solé R, Macía J, Rodríguez-Caso C (diciembre de 2014). "Una caracterización ascendente de funciones de transferencia para diseños de biología sintética: lecciones de la enzimología". Investigación de ácidos nucleicos . 42 (22): 14060–14069. doi : 10.1093/nar/gku964. PMC 4267673 . PMID 25404136.
^ Asociación Estadounidense para el Avance de la Ciencia
^ Karr, J. (2012) Un modelo computacional de células completas predice el fenotipo a partir del genotipo celular
^ McDonagh, CF (2012) Actividad antitumoral de un nuevo anticuerpo biespecífico que se dirige a la unidad oncogénica ErbB2/ErbB3 e inhibe la activación de ErbB3 inducida por heregulina. Terapéutica del cáncer molecular
^ Descargas de OpenWorm
^ Graham-Rowe, Duncan. "Comienza la misión para construir un cerebro simulado", NewScientist , junio de 2005.
^ Palmer, Jason. Cerebro simulado más cerca del pensamiento, BBC News.
^ El proyecto del cerebro humano. Archivado el 5 de julio de 2012 en Wayback Machine .
^ Vídeo de Henry Markram presentando The Human Brain Project el 22 de junio de 2012.
^ Página de inicio de la Iniciativa insignia de FET.
^ Balicki, Jerzy (2004). "Algoritmo evolutivo multicriterio con modelo del sistema inmunológico para manejar restricciones en la asignación de tareas". Inteligencia Artificial y Soft Computing - ICAISC 2004 . Apuntes de conferencias sobre informática. vol. 3070. págs. 394–399. doi :10.1007/978-3-540-24844-6_57. ISBN978-3-540-22123-4.
^ "La simulación por computadora captura la respuesta inmune a la gripe" . Consultado el 19 de agosto de 2009 .
^ "Red virtual del hígado". Archivado desde el original el 30 de septiembre de 2012 . Consultado el 14 de octubre de 2016 .
^ "Simulando el crecimiento de las plantas". Archivado desde el original el 9 de diciembre de 2009 . Consultado el 18 de octubre de 2009 .
Fuentes
Antmann, SS; Marsden, JE; Sirovich, L., eds. (2009). Fisiología Matemática (2ª ed.). Nueva York, Nueva York: Springer. ISBN 978-0-387-75846-6.
Barnes, DJ; Chu, D. (2010), Introducción a la modelización para biociencias, Springer Verlag
Introducción al modelado de enfermedades infecciosas por Emilia Vynnycky y Richard G White. Un libro introductorio sobre modelos de enfermedades infecciosas y sus aplicaciones.
Otras lecturas
Barab, A.-L.; Oltvai, Z. (2004). "Biología de redes * comprensión de la organización funcional de la célula". Naturaleza Reseñas Genética . 5 (2): 101-113. doi :10.1038/nrg1272. PMID 14735121. S2CID 10950726.
Encubierto; Schilling, C.; Palsson, B. (2001). "Regulación de la expresión génica en modelos de metabolismo de equilibrio de flujo". Revista de Biología Teórica . 213 (1): 73–88. Código Bib : 2001JThBi.213...73C. CiteSeerX 10.1.1.110.1647 . doi :10.1006/jtbi.2001.2405. PMID 11708855.
Encubierto, MW; Palsson, B. . (2002). "Regulación transcripcional en modelos metabólicos basados en restricciones de Escherichia coli". La Revista de Química Biológica . 277 (31): 28058–28064. doi : 10.1074/jbc.M201691200 . PMID 12006566.
Edwards; Palsson, B. (2000). "El genotipo metabólico in silico de Escherichia coli MG1655 * su definición, características y capacidades". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 97 (10): 5528–5533. Código bibliográfico : 2000PNAS...97.5528E. doi : 10.1073/pnas.97.10.5528 . PMC 25862 . PMID 10805808.
Bonneau, R. (2008). "Aprendizaje de redes biológicas* desde módulos hasta dinámicas". Biología Química de la Naturaleza . 4 (11): 658–664. doi :10.1038/nchembio.122. PMID 18936750.
Edwards, JS; Ibarra, RU; Palsson, BO (2001). "Las predicciones in silico de las capacidades metabólicas de Escherichia coli son consistentes con los datos experimentales". Biotecnología de la Naturaleza . 19 (2): 125-130. doi :10.1038/84379. PMID 11175725. S2CID 1619105.
Cayó, DA (1998). "Aumento del flujo en las vías metabólicas * Una perspectiva de análisis del control metabólico". Biotecnología y Bioingeniería . 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; Leibler, S.; Murray, AW (1999). "De la biología molecular a la biología celular modular". Naturaleza . 402 (6761 suplementario): C47 – C52. doi : 10.1038/35011540 . PMID 10591225. S2CID 34290973.
ideker; Galitski, T.; Capucha, L. (2001). "Un nuevo enfoque para decodificar la biología de sistemas de vida *". Revista Anual de Genómica y Genética Humana . 2 (1): 343–372. doi :10.1146/annurev.genom.2.1.343. PMID 11701654. S2CID 922378.
Kitano, H. (2002). "Biología de sistemas computacional". Naturaleza . 420 (6912): 206–210. Código Bib :2002Natur.420..206K. doi : 10.1038/naturaleza01254. PMID 12432404. S2CID 4401115.
Kitano, H. (2002). "Biología de sistemas * una breve descripción". Ciencia . 295 (5560): 1662–1664. Código Bib : 2002 Ciencia... 295.1662K. CiteSeerX 10.1.1.473.8389 . doi : 10.1126/ciencia.1069492. PMID 11872829. S2CID 2703843.
Kitano (2002). "Mirando más allá de los detalles * un aumento de los enfoques orientados a sistemas en genética y biología molecular". Genética actual . 41 (1): 1–10. doi :10.1007/s00294-002-0285-z. PMID 12073094. S2CID 18976498.
Palsson, Bernhard (2006). "Propiedades de biología de sistemas * de redes reconstruidas" . Cambridge: Prensa de la Universidad de Cambridge. ISBN 978-0-521-85903-5.
Kauffman; Prakash, P.; Edwards, JS (2003). "Avances en el análisis del equilibrio de flujo". Opinión Actual en Biotecnología . 14 (5): 491–496. doi :10.1016/j.copbio.2003.08.001. PMID 14580578.
Segré, D.; Vitkup, D.; Iglesia, GM (2002). "Análisis de optimización en redes metabólicas naturales y perturbadas". Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 99 (23): 15112–15117. Código bibliográfico : 2002PNAS...9915112S. doi : 10.1073/pnas.232349399 . PMC 137552 . PMID 12415116.
Wildermuth, MC (2000). "Análisis de control metabólico * conocimientos y aplicaciones biológicas". Biología del genoma . 1 (6): RESEÑAS1031. doi : 10.1186/gb-2000-1-6-reviews1031 . PMC 138895 . PMID 11178271.
enlaces externos
El Centro para modelar la inmunidad a patógenos entéricos (MIEP)