Күрделі биологиялық жүйелерді есептеу және математикалық модельдеу
Systems biology
Жүйелік биология: күрделі биологиялық жүйелерді математикалық модельдеу, геномдық зерттеулер, және жаңа ғылыми тәсілдер. Қазақстандағы биология ғылымы.
Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Күрделі биологиялық жүйелердің есептеу және математикалық модельдеуі
Computational and mathematical modeling of complex biological systems
Жүйелік биология – күрделі биологиялық жүйелерді есептеу және математикалық талдау мен модельдеу. Бұл биологиялық негіздемеге ие, биологиялық жүйелердегі күрделі өзара әрекеттесулерді зерттейтін, биологиялық зерттеулерде тұтас тәсілді (традициялық редукционизмге қарамастан) қолданатын салааралық ғылым. Атап айтқанда, 2000 жылдан бері бұл тұжырым биологияда түрлі жағдайларда кеңінен қолданылып келеді. Адам геномы жобасы – биологиядағы жүйелік ойлаудың бір мысалы, ол генетиканың биологиялық саласындағы мәселелерді шешудің жаңа, бірлескен әдістеріне жол ашты. Жүйелік биологияның мақсаттарының бірі – жүйелік биология әдістерін пайдаланып теориялық тұрғыдан сипаттауға болатын жүйе ретінде жұмыс істейтін жасушалардың, тіндердің және организмдердің пайда болатын қасиеттерін модельдеу және анықтау. Бұл көбінесе метаболизм желілерін немесе жасушалық сигналдық желілерді қамтиды.
Systems biology is the computational and mathematical analysis and modeling of complex biological systems. It is a biology based interdisciplinary field of study that focuses on complex interactions within biological systems, using a holistic approach (holism instead of the more traditional reductionism) to biological research. Particularly from the year 2000 onwards, the concept has been used widely in biology in a variety of contexts. The Human Genome Project is an example of applied systems thinking in biology which has led to new, collaborative ways of working on problems in the biological field of genetics. One of the aims of systems biology is to model and discover emergent properties, properties of cells, tissues and organisms functioning as a system whose theoretical description is only possible using techniques of systems biology. These typically involve metabolic networks or cell signaling networks.
Шолу
Жүйелік биологияны әр түрлі аспектілерден қарастыруға болады. Біріншіден, бұл биологиялық жүйелердің құрауыштар арасындағы өзара әрекеттесулерді және осы өзара әрекеттесулердің жүйенің функциясы мен мінез-құлқына қалай әкелетінін зерттеу саласы (мысалы, метаболизм жолындағы ферменттер мен метаболиттер немесе жүрек соғуы). Екіншіден, бұл әртүрлі тәжірибелік дереккөздерден алынған биологиялық жүйелердегі өзара әрекеттесулер туралы күрделі мәліметтерді біріктіру стратегиясымен анықталатын әлеуметтік-ғылыми құбылыс.
Systems biology can be considered from a number of different aspects. As a field of study, particularly, the study of the interactions between the components of biological systems, and how these interactions give rise to the function and behavior of that system (for example, the enzymes and metabolites in a metabolic pathway or the heart beats). As a socioscientific phenomenon defined by the strategy of pursuing integration of complex data about the interactions in biological systems from diverse experimental sources using interdisciplinary tools and personnel.
Тарих
Жасушалық функцияларды жүйелік тұрғыдан қарау ұғымы кем дегенде 1930 жылдан бері жақсы түсінік алғанмен, технологиялық шектеулер жүйеге қатысты кең көлемді өлшемдерді жасауды қиындатты. 1990 жылдары микромассивтік технологияның пайда болуы жасушаларды жүйелік деңгейде зерттеудің жаңа мүмкіндіктерін ашты. 2000 жылы Сиэтлде жүйелер биологиясы институты құрылды, бұл университеттің академиялық ортасына тартылған емес деп саналған "комьютерлік" типтегі мамандарды тартуға бағытталған. Институтта бұл саланың нақты анықтамасы болмады: ол әртүрлі салалардағы мамандарды компьютерлерді пайдалану арқылы биологияны жаңаша зерттеу үшін біріктіруді көздеді. 2006 жылы "өте сәнді" жаңа тұжырымдаманың қозғаған шуының нәтижесінде барлық ірі университеттерде жүйелік биология кафедралары ашылатыны, соның ішінде компьютерлік бағдарламалау және биология саласындағы білімі бар түлектерге жұмыс орындары болады деп болжалды. Жүйелік биологияның өзіндік ғылым ретіндегі алғашқы белгілері 1966 жылы жүйелер теориясының маманы Михайло Месаровичтің Кливлендтегі Кейс Технология институтында өткізген "Жүйелік теория және биология" тақырыбындағы халықаралық симпозиумда көрінді. Месарович болашақта "жүйелік биология" деген сала пайда болатынын болжады. Кейіннен бұл теория толығымен қайта қарастырылды, ал Рейнхарт Генрих пен Том Рапопорт, сондай-ақ Майкл Саважо биохимиялық жүйелер теориясын дамытты.
Although the concept of a systems view of cellular function has been well understood since at least the 1930s, technological limitations made it difficult to make systems wide measurements. The advent of microarray technology in the 1990s opened up an entire new visa for studying cells at the systems level. In 2000, the Institute for Systems Biology was established in Seattle in an effort to lure "computational" type people who it was felt were not attracted to the academic settings of the university. The institute did not have a clear definition of what the field actually was: roughly bringing together people from diverse fields to use computers to holistically study biology in new ways. In 2006 it was predicted that the buzz generated by the "very fashionable" new concept would cause all the major universities to need a systems biology department, thus that there would be careers available for graduates with a modicum of ability in computer programming and biology. An earlier precursor of systems biology, as a distinct discipline, may have been by systems theorist Mihajlo Mesarovic in 1966 with an international symposium at the Case Institute of Technology in Cleveland, Ohio, titled Systems Theory and Biology. Mesarovic predicted that perhaps in the future there would be such a thing as "systems biology". later thoroughly revised, and Reinhart Heinrich and Tom Rapoport, and Biochemical Systems Theory developed by Michael Savageau
1960 жылдары Роберт Розеннің айтуынша, холистикалық биология 20-шы ғасырдың басында молекулалық химияға негізделген эмпирикалық ғылымның үстемдігіне байланысты өткен заманға айналды. Бірақ 2012 жылы Хантер жүйелік биологияның толық әлеуетіне жету үшін әлі де жұмыс жасау қажет екенін жазды. Дегенмен, оның жақтастары болашақта бұл саланың тиімді болатынына үміттенді. 1960 жылы Денис Нобл жүрек ырғағын реттеушінің алғашқы компьютерлік моделін жасады. Жүйелік биологияның дамуындағы маңызды кезең – халықаралық Physiome жобасы.
According to Robert Rosen in the 1960s, holistic biology had become passé by the early 20th century, as more empirical science dominated by molecular chemistry had become popular. but by 2012 Hunter writes that systems biology still has someway to go to achieve its full potential. Nonetheless, proponents hoped that it might once prove more useful in the future. In 1960 Denis Noble developed the first computer model of the heart pacemaker.]] An important milestone in the development of systems biology has become the international project Physiome.
Қатысушы пәндер
Жүйелер биологиясының интердисциплинарлық құралдарды қолдана отырып, үлкен деректер жиынтығын пайдалану ретінде түсіндірілуі бойынша, әдеттегі қолданысы – метаболомика, ол организм, жасуша немесе тіндік деңгейдегі жүйедегі барлық метаболиттік өнімдердің, метаболиттердің толық жиынтығын қамтиды. Компьютерлік деректер базасында болуы мүмкін элементтерге мыналар жатады: феномика, организмнің фенотипі өмір бойы өзгерген кездегі организмдік вариация; геномика, организмнің дезоксирибонуклеин қышқылының (ДНК) тізбегі, соның ішінде организмнің жасушалық ерекшеліктері (мысалы, теломерлер ұзындығының өзгеруі); эпигеномика/эпигенетика, геномдық тізбекте эмпирикалық түрде кодталмаған организмдік және тиісті жасушалық транскриптомдық реттеуші факторлар (мысалы, ДНК метилирлеуі, гистон ацетилирлеуі және деацетилирлеуі және т.б.); транскриптомика, организмдегі, тіндегі немесе жасушадағы ген экспрессиясын ДНК микромассивтерімен немесе ген экспрессиясының сериялық талдауымен өлшеу; интерферомика, организмдегі, тіндегі немесе жасушалық деңгейдегі транскриптті түзетуші факторлар (мысалы, РНК интерференциясы), протеомика, организмдегі, тіндегі немесе жасушалық деңгейдегі белоктар мен пептидтерді екі өлшемді гельдік электрофорез, массалық спектрометрия немесе көп өлшемді белоктарды анықтау әдістері арқылы өлшеу (массалық спектрометриямен біріктірілген озық HPLC жүйелері). Ішкі салаларға фосфопротеомика, гликопротеомика және химиялық түрлендірілген белоктарды анықтаудың басқа әдістері; гликомика, организмдегі, тіндегі немесе жасушадағы көмірсулардың мөлшерін өлшеу; липидомика, организмдегі, тіндегі немесе жасушадағы липидтердің мөлшерін өлшеу жатады. Жасуша ішіндегі молекулалық өзара әрекеттесулер де зерттеледі, бұл интерактомика деп аталады. Бұл зерттеу саласындағы пән – ақуыздардың өзара әрекеттесуі, бірақ интерактомика басқа молекулалардың өзара әрекеттесуін де қамтиды. Нейроэлектродинамика, компьютердің немесе мидың динамикалық жүйе ретіндегі есептеу функциясы оның (био)физикалық механизмдерімен бірге зерттеледі; және флюксомика, биологиялық жүйедегі (жасуша, тіндер немесе организмдегі) метаболикалық реакциялардың жылдамдығын өлшеу. РНК, ақуыздардағы динамикалық өзгерістерді және трансляциялық модификациядан кейінгі өзгерістерді тіркеу үшін қолданылатын әртүрлі технологиялар бар. Механобиология, барлық масштабтағы күштер мен физикалық қасиеттер, олардың басқа реттеуші механизмдермен өзара әрекеттесуі; биосемиотика, организмнің немесе басқа биожүйелердің белгілер қатынастары жүйесін талдау; физиомика, биологиядағы физиомды жүйелі зерттеу. Қатерлі ісік жүйелерінің биологиясы – жүйелік биология тәсілінің мысалы, оны зерттеудің нақты нысанымен (омыршаның пайда болуы және қатерлі ісікке емдеу) ажыратуға болады. Ол нақты деректермен (науқастардың үлгілері, науқастардың ісік үлгілеріндегі қатерлі ісік геномдарын сипаттауға ерекше назар аудара отырып, жоғары өнімді деректер) және құралдармен (өліге әкелген қатерлі ісік жасушаларының желілері, ісік пайда болуын модельдеуге арналған егесіктер, ксенотрансплантация модельдері, жоғары өнімді секвенирлеу әдістері, siRNA негізделген генді жоюға арналған жоғары өнімді скринингтер, соматикалық мутациялар мен геномдық тұрақсыздықтың салдарын есептеу модельдеуі) жұмыс істейді. Қатерлі ісік биологиясының ұзақ мерзімді мақсаты – қатерлі ісікке дұрыс диагноз қою, оны жіктеу және ұсынылған емдеудің нәтижесін жақсы болжау, бұл жекелендірілген қатерлі ісік медицинасының және болашақта қатерлі ісікпен ауыратын науқастың виртуалды моделінің негізі болып табылады. Қатерлі ісік биологиясының есептеу жүйелерінде әртүрлі ісіктердің реалистік көп масштабты силиколық модельдерін құруға маңызды күш-жігер жұмсалды. Жүйелік биология тәсілі көбінесе механикалық модельдерді әзірлеуді қамтиды, мысалы, олардың элементарлық құрылыс блоктарының сандық қасиеттері бойынша динамикалық жүйелерді қайта құру. Мысалы, жасушалық желі химиялық кинетика мен басқару теориясынан алынған әдістерді пайдаланып математикалық модельдеуге болады. Жасушалық желілерде параметрлердің, айнымалылардың және шектеулердің көптігіне байланысты сандық және есептеу әдістері жиі қолданылады (мысалы, ағын теңгерімін талдау). Деректер мен модельдерді бөлісу үшін онлайн деректер қоры мен қоймаларын әзірлеу, бағдарламалық жасақтама, веб-сайттар мен деректер қорының еркін біріктірілуі, немесе коммерциялық жиынтықтар; жоғары өлшемді геномдық деректер жиынтығын талдауға арналған желілік тәсілдер. Мысалы, салмақты корреляциялық желі талдауы жиі кластерлерді (модульдер деп аталады) анықтау үшін, кластерлер арасындағы қатынасты модельдеу үшін, кластер (модуль) мүшелігінің бұлыңғыр шараларын есептеу үшін, модуль ішіндегі орталықтарды анықтау үшін және басқа деректер жиынтығындағы кластер сақталуын зерттеу үшін қолданылады. Омика деректерін талдауға арналған жолға негізделген әдістер, мысалы, гендерінің, белоктарының немесе метаболиттерінің әртүрлі белсенділігі бар жолдарды анықтау және бағалау тәсілдері. Геномдық деректер жиынтығын талдаудың көп бөлігі корреляцияларды анықтауды да қамтиды. Сонымен қатар, ақпараттың көп бөлігі әртүрлі салалардан келетіндіктен, биологиялық модельдерді синтаксикалық және семантикалық тұрғыдан дұрыс ұсынудың жолдары қажет.
According to the interpretation of systems biology as using large data sets using interdisciplinary tools, a typical application is metabolomics, which is the complete set of all the metabolic products, metabolites, in the system at the organism, cell, or tissue level. Items that may be a computer database include: phenomics, organismal variation in phenotype as it changes during its life span; genomics, organismal deoxyribonucleic acid (DNA) sequence, including intra organismal cell specific variation. (i. e., telomere length variation); epigenomics/epigenetics, organismal and corresponding cell specific transcriptomic regulating factors not empirically coded in the genomic sequence. (i. e., DNA methylation, Histone acetylation and deacetylation, etc. ); transcriptomics, organismal, tissue or whole cell gene expression measurements by DNA microarrays or serial analysis of gene expression; interferomics, organismal, tissue, or cell level transcript correcting factors (i. e., RNA interference), proteomics, organismal, tissue, or cell level measurements of proteins and peptides via two dimensional gel electrophoresis, mass spectrometry or multi dimensional protein identification techniques (advanced HPLC systems coupled with mass spectrometry). Sub disciplines include phosphoproteomics, glycoproteomics and other methods to detect chemically modified proteins; glycomics, organismal, tissue, or cell level measurements of carbohydrates; lipidomics, organismal, tissue, or cell level measurements of lipids. The molecular interactions within the cell are also studied, this is called interactomics. A discipline in this field of study is protein–protein interactions, although interactomics includes the interactions of other molecules. Neuroelectrodynamics, where the computer's or a brain's computing function as a dynamic system is studied along with its (bio)physical mechanisms; and fluxomics, measurements of the rates of metabolic reactions in a biological system (cell, tissue, or organism). Various technologies utilized to capture dynamic changes in mRNA, proteins, and post translational modifications. Mechanobiology, forces and physical properties at all scales, their interplay with other regulatory mechanisms; biosemiotics, analysis of the system of sign relations of an organism or other biosystems; Physiomics, a systematic study of physiome in biology. Cancer systems biology is an example of the systems biology approach, which can be distinguished by the specific object of study (tumorigenesis and treatment of cancer). It works with the specific data (patient samples, high throughput data with particular attention to characterizing cancer genome in patient tumour samples) and tools (immortalized cancer cell lines, mouse models of tumorigenesis, xenograft models, high throughput sequencing methods, siRNA based gene knocking down high throughput screenings, computational modeling of the consequences of somatic mutations and genome instability). The long term objective of the systems biology of cancer is ability to better diagnose cancer, classify it and better predict the outcome of a suggested treatment, which is a basis for personalized cancer medicine and virtual cancer patient in more distant prospective. Significant efforts in computational systems biology of cancer have been made in creating realistic multi scale in silico models of various tumours. The systems biology approach often involves the development of mechanistic models, such as the reconstruction of dynamic systems from the quantitative properties of their elementary building blocks. For instance, a cellular network can be modelled mathematically using methods coming from chemical kinetics and control theory. Due to the large number of parameters, variables and constraints in cellular networks, numerical and computational techniques are often used (e. g., flux balance analysis). development of online databases and repositories for sharing data and models, approaches to database integration and software interoperability via loose coupling of software, websites and databases, or commercial suits; network based approaches for analyzing high dimensional genomic data sets. For example, weighted correlation network analysis is often used for identifying clusters (referred to as modules), modeling the relationship between clusters, calculating fuzzy measures of cluster (module) membership, identifying intramodular hubs, and for studying cluster preservation in other data sets; pathway based methods for omics data analysis, e. g. approaches to identify and score pathways with differential activity of their gene, protein, or metabolite members. Much of the analysis of genomic data sets also include identifying correlations. Additionally, as much of the information comes from different fields, the development of syntactically and semantically sound ways of representing biological models is needed.
Биологиялық модельдерді құру
Зерттеушілер биологиялық жолды таңдап, барлық ақуыз, ген және/немесе метаболизмік жолдарды схемалық түрде бейнелеуден бастайды. Барлық өзара әрекеттесулер анықталғаннан кейін, жүйедегі реакциялардың жылдамдығын сипаттау үшін массалық әрекет кинетикасы немесе ферменттер кинетикасының заңдары қолданылады. Масса сақталу принципін пайдаланып, биологиялық жүйе үшін дифференциалдық теңдеулер құрастырылады. Дифференциалдық теңдеулерде қолданылатын параметрлердің мәндерін анықтау үшін эксперименттер немесе параметрлерді реттеу жүргізіледі. Бұл параметрлер модельді толық сипаттау үшін қажетті түрлі кинетикалық тұрақтылар болып табылады. Бұл модель биологиялық жүйелердегі түрлердің мінез-құлқын анықтайды және жүйенің нақты қызметі туралы жаңа түсініктер береді. Кейде жүйенің барлық реакция жылдамдықтарын анықтау мүмкін болмайды. Белгісіз реакция жылдамдықтары белгілі параметрлерді және күтілетін мінез-құлқы бар модельді симуляциялау арқылы анықталады, бұл параметрлердің мүмкін мәндерін ұсынады.
Researchers begin by choosing a biological pathway and diagramming all of the protein, gene, and/or metabolic pathways. After determining all of the interactions, mass action kinetics or enzyme kinetic rate laws are used to describe the speed of the reactions in the system. Using mass conservation, the differential equations for the biological system can be constructed. Experiments or parameter fitting can be done to determine the parameter values to use in the differential equations. These parameter values will be the various kinetic constants required to fully describe the model. This model determines the behavior of species in biological systems and bring new insight to the specific activities of system. Sometimes it is not possible to gather all reaction rates of a system. Unknown reaction rates are determined by simulating the model of known parameters and target behavior which provides possible parameter values.