Modélisation des systèmes biologiques - Modelling biological systems
La modélisation des systèmes biologiques est une tâche importante de la biologie des systèmes et de la biologie mathématique . La biologie computationnelle des systèmes vise à développer et à utiliser des algorithmes , des structures de données , des outils de visualisation et de communication efficaces dans le but de modéliser par ordinateur les systèmes biologiques. Cela implique l'utilisation de simulations informatiques de systèmes biologiques, y compris de sous-systèmes cellulaires (tels que les réseaux de métabolites et d' enzymes qui comprennent le métabolisme , les voies de transduction du signal et les réseaux de régulation des gènes ), à la fois pour analyser et visualiser les connexions complexes de ces processus cellulaires.
Une propriété émergente inattendue d'un système complexe peut être le résultat de l'interaction de cause à effet entre des parties plus simples et intégrées (voir organisation biologique ). Les systèmes biologiques présentent de nombreux exemples importants de propriétés émergentes dans l'interaction complexe des composants. L'étude traditionnelle des systèmes biologiques nécessite des méthodes réductrices dans lesquelles des quantités de données sont recueillies par catégorie, telles que la concentration dans le temps en réponse à un certain stimulus. Les ordinateurs sont essentiels à l'analyse et à la modélisation de ces données. L'objectif est de créer des modèles précis en temps réel de la réponse d'un système à des stimuli environnementaux et internes, comme un modèle de cellule cancéreuse afin de trouver des faiblesses dans ses voies de signalisation, ou une modélisation des mutations des canaux ioniques pour voir les effets sur les cardiomyocytes et à son tour, la fonction d'un cœur battant.
Normes
Le format standard de loin le plus largement accepté pour stocker et échanger des modèles sur le terrain est le langage de balisage de biologie des systèmes (SBML). Le site Web SBML.org comprend un guide de nombreux progiciels importants utilisés dans la biologie des systèmes informatiques. Un grand nombre de modèles encodés en SBML peuvent être récupérés à partir de BioModels . D'autres langages de balisage avec des accents différents incluent BioPAX et CellML .
Tâches particulières
Modèle cellulaire
La création d'un modèle cellulaire a été une tâche particulièrement difficile de la biologie des systèmes et de la biologie mathématique . Il implique l'utilisation de simulations informatiques des nombreux sous-systèmes cellulaires tels que les réseaux de métabolites , les enzymes qui comprennent le métabolisme et la transcription , la traduction , la régulation et l'induction de réseaux de régulation génique.
Le réseau complexe de processus biochimiques de réaction/transport et leur organisation spatiale font du développement d'un modèle prédictif d'une cellule vivante un grand défi du XXIe siècle, répertorié comme tel par la National Science Foundation (NSF) en 2006.
Un modèle informatique de cellule entière pour la bactérie Mycoplasma genitalium , comprenant tous ses 525 gènes, produits géniques et leurs interactions, a été construit par des scientifiques de l'Université de Stanford et du J. Craig Venter Institute et publié le 20 juillet 2012 dans Cell.
Un modèle informatique dynamique de signalisation intracellulaire a servi de base à Merrimack Pharmaceuticals pour découvrir la cible de son médicament anticancéreux MM-111.
Le calcul membranaire consiste à modéliser spécifiquement une membrane cellulaire .
Simulation d'organisme multicellulaire
Une simulation open source de C. elegans au niveau cellulaire est poursuivie par la communauté OpenWorm . Jusqu'à présent, le moteur physique Gepetto a été construit et des modèles du connectome neuronal et d'une cellule musculaire ont été créés au format NeuroML.
Repliement des protéines
La prédiction de la structure des protéines est la prédiction de la structure tridimensionnelle d'une protéine à partir de sa séquence d' acides aminés, c'est-à-dire la prédiction de la structure tertiaire d'une protéine à partir de sa structure primaire . C'est l'un des objectifs les plus importants poursuivis par la bioinformatique et la chimie théorique . La prédiction de la structure des protéines est d'une grande importance en médecine (par exemple, dans la conception de médicaments ) et en biotechnologie (par exemple, dans la conception de nouvelles enzymes ). Tous les deux ans, les performances des méthodes actuelles sont évaluées dans l' expérience CASP .
Systèmes biologiques humains
Modèle de cerveau
Le Blue Brain Project est une tentative de créer un cerveau synthétique par rétro-ingénierie du cerveau des mammifères jusqu'au niveau moléculaire. L'objectif de ce projet, fondé en mai 2005 par le Brain and Mind Institute de l' École polytechnique de Lausanne , en Suisse, est d'étudier les principes architecturaux et fonctionnels du cerveau. Le projet est dirigé par le directeur de l'Institut, Henry Markram. À l'aide d'un superordinateur Blue Gene exécutant le logiciel NEURON de Michael Hines , la simulation ne consiste pas simplement en un réseau neuronal artificiel , mais implique un modèle de neurones partiellement biologiquement réaliste . Ses partisans espèrent qu'il finira par faire la lumière sur la nature de la conscience . Il existe un certain nombre de sous-projets, dont le Cajal Blue Brain , coordonné par le Centre de calcul et de visualisation de Madrid (CeSViMa), et d'autres gérés par des universités et des laboratoires indépendants au Royaume-Uni, aux États-Unis et en Israël. Le Human Brain Project s'appuie sur les travaux du Blue Brain Project. Il s'agit de l'un des six projets pilotes du programme de recherche sur les futures technologies émergentes de la Commission européenne, en compétition pour un financement d'un milliard d'euros.
Modèle du système immunitaire
La dernière décennie a vu l'émergence d'un nombre croissant de simulations du système immunitaire.
Foie virtuel
Le projet Virtual Liver est un programme de recherche de 43 millions d'euros financé par le gouvernement allemand, composé de soixante-dix groupes de recherche répartis dans toute l'Allemagne. L'objectif est de produire un foie virtuel, un modèle mathématique dynamique qui représente la physiologie , la morphologie et la fonction du foie humain .
Modèle d'arbre
Les arbres électroniques (e-trees) utilisent généralement des systèmes L pour simuler la croissance. L-systèmes sont très importants dans le domaine de la science de la complexité et A-vie . Un système universellement accepté pour décrire les changements dans la morphologie des plantes au niveau cellulaire ou modulaire doit encore être mis au point. Les algorithmes de génération d'arbres les plus largement implémentés sont décrits dans les articles "Creation and Rendering of Realistic Trees" et Real-Time Tree Rendering.
Modèles écologiques
Les modèles d'écosystèmes sont des représentations mathématiques des écosystèmes . En règle générale, ils simplifient les réseaux trophiques complexes jusqu'à leurs principaux composants ou niveaux trophiques , et les quantifient en nombre d' organismes , en biomasse ou en inventaire / concentration d'un élément chimique pertinent (par exemple, le carbone ou une espèce nutritive telle que l' azote ou le phosphore ).
Modèles en écotoxicologie
Le but des modèles en écotoxicologie est la compréhension, la simulation et la prédiction des effets causés par les toxiques dans l'environnement. La plupart des modèles actuels décrivent les effets sur l'un des nombreux niveaux différents d'organisation biologique (par exemple, les organismes ou les populations). Un défi est le développement de modèles qui prédisent les effets à toutes les échelles biologiques. Écotoxicologie et modèles examine certains types de modèles écotoxicologiques et fournit des liens vers de nombreux autres.
Modélisation des maladies infectieuses
Il est possible de modéliser mathématiquement l'évolution de la plupart des maladies infectieuses pour découvrir l'issue probable d'une épidémie ou pour aider à les gérer par la vaccination . Ce domaine essaie de trouver des paramètres pour diverses maladies infectieuses et d'utiliser ces paramètres pour effectuer des calculs utiles sur les effets d'un programme de vaccination de masse .
Voir également
- Visualisation des données biologiques
- Biosimulation
- Algorithme de Gillespie
- Logiciel de modélisation moléculaire
- Simulation stochastique
Remarques
Les références
Sources
- Antmann, SS ; Marsden, JE ; Sirovitch, L., éd. (2009). Physiologie mathématique (2e éd.). New York, New York : Springer. ISBN 978-0-387-75846-6.
- Barnes, DJ ; Chu, D. (2010), Introduction à la modélisation pour les biosciences , Springer Verlag
- Une introduction à la modélisation des maladies infectieuses par Emilia Vynnycky et Richard G White. Un livre d'introduction sur la modélisation des maladies infectieuses et ses applications.
Lectures complémentaires
- Barab, A.-L.; Oltvai, Z. (2004). "Biologie des réseaux* compréhension de l'organisation fonctionnelle de la cellule". Nature Avis Génétique . 5 (2) : 101-113. doi : 10.1038/nrg1272 . PMID 14735121 . S2CID 10950726 .
- Secret; Schilling, C.; Palsson, B. (2001). « Régulation de l'expression des gènes dans les modèles d'équilibre des flux du métabolisme ». Journal de biologie théorique . 213 (1) : 73-88. CiteSeerX 10.1.1.110.1647 . doi : 10.1006/jtbi.2001.2405 . PMID 11708855 .
- Couvert, MW; Palsson, B. . (2002). "La régulation transcriptionnelle dans les modèles métaboliques basés sur les contraintes d'Escherichia coli" . Le Journal de Chimie Biologique . 277 (31) : 28058-28064. doi : 10.1074/jbc.M201691200 . PMID 12006566 .
- Edwards ; Palsson, B. (2000). "Le génotype métabolique d'Escherichia coli MG1655 in silico* sa définition, ses caractéristiques et ses capacités" . Actes de l'Académie nationale des sciences des États-Unis d'Amérique . 97 (10) : 5528-5533. Bibcode : 2000PNAS ... 97.5528E . doi : 10.1073/pnas.97.10.5528 . PMC 25862 . PMID 10805808 .
- Bonneau, R. (2008). "Apprentissage des réseaux biologiques* des modules à la dynamique". Nature Chimie Biologie . 4 (11) : 658-664. doi : 10.1038/nchembio.122 . PMID 18936750 .
- Edwards, JS; Ibarra, RU ; Palsson, BO (2001). « Les prédictions in silico des capacités métaboliques d'Escherichia coli sont cohérentes avec les données expérimentales ». Biotechnologie naturelle . 19 (2) : 125-130. doi : 10.1038/84379 . PMID 11175725 . S2CID 1619105 .
- Fell, DA (1998). "Augmenter le flux dans les voies métaboliques * Une perspective d'analyse du contrôle métabolique". Biotechnologie et bio-ingénierie . 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 biologie moléculaire à la biologie cellulaire modulaire" . Nature . 402 (6761 Suppl) : C47–C52. doi : 10.1038/35011540 . PMID 10591225 . S2CID 34290973 .
- Ideker ; Galitski, T. ; Hood, L. (2001). "Une nouvelle approche pour décoder la biologie des systèmes du vivant*" . Revue annuelle de la génomique et de la génétique humaine . 2 (1) : 343-372. doi : 10.1146/annurev.genom.2.1.343 . PMID 11701654 . S2CID 922378 .
- Kitano, H. (2002). "Biologie des systèmes informatiques". Nature . 420 (6912) : 206-210. Bibcode : 2002Natur.420..206K . doi : 10.1038/nature01254 . PMID 12432404 . S2CID 4401115 .
- Kitano, H. (2002). "La biologie des systèmes* un bref aperçu". Sciences . 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). « Au-delà des détails*, une augmentation des approches systémiques en génétique et en biologie moléculaire ». Génétique actuelle . 41 (1) : 1-10. doi : 10.1007/s00294-002-0285-z . PMID 12073094 . S2CID 18976498 .
- Gilman, AG; Simon, MI; Bourne, RH ; Harris, BA; Long, R.; Ross, EM ; Stull, JT; Taussig, R.; Bourne, RH ; Arkin, AP; Cobb, MH ; Cyster, JG; Dévréotes, PN ; Ferrell, JE ; Fruman, D.; Or, M. ; Weiss, A.; Stull, JT; Berridge, MJ ; Cantley, LC; Catterall, WA ; Coughlin, RS; Olson, FR; Smith, TF ; Bruges, JS ; Botstein, D.; Dixon, JE ; Hunter, T. ; Lefkowitz, RJ; Pawson, AJ (2002). "Aperçu de l'Alliance pour la signalisation cellulaire" (PDF) . Nature . 420 (6916) : 703-706. Bibcode : 2002Natur.420..703G . doi : 10.1038/nature01304 . PMID 12478301 . S2CID 4367083 .
- Palsson, Bernhard (2006). Biologie des systèmes* propriétés des réseaux reconstruits . Cambridge : Cambridge University Press. ISBN 978-0-521-85903-5.
- Kauffman ; Prakash, P. ; Edwards, JS (2003). « Les progrès de l'analyse du bilan de flux ». Opinion actuelle en biotechnologie . 14 (5) : 491-496. doi : 10.1016/j.copbio.2003.08.001 . PMID 14580578 .
- Segrè, D.; Vitkup, D. ; Church, directeur général (2002). "Analyse de l'optimalité dans les réseaux métaboliques naturels et perturbés" . Actes de l'Académie nationale des sciences des États-Unis d'Amérique . 99 (23) : 15112–15117. Bibcode : 2002PNAS ... 9915112S . doi : 10.1073/pnas.232349399 . PMC 137552 . PMID 12415116 .
- Wildermut, MC (2000). "Analyse du contrôle métabolique* applications et connaissances biologiques" . Biologie du génome . 1 (6) : AVIS1031. doi : 10.1186/gb-2000-1-6-reviews1031 . PMC 138895 . PMID 11178271 .