Idi na sadržaj

Sistemska biologija

Nepregledano
S Wikipedije, slobodne enciklopedije

Sistemska biologija je računarska i matematička analiza i modeliranje složenih bioloških sistema. To je interdisciplinarno polje studija zasnovano na biologiji koje se fokusira na složene interakcije unutar bioloških sistema, koristeći holistički pristup (holizam umjesto tradicionalnijeg redukcionizma) biološkim istraživanjima..[1] Ova višestruka istraživačka oblast zahtijeva zajedničke napore hemičara, biologa, matematičara, fizičara i inženjera, kako bi se dešifrovala biologija složenih živih sistema, spajanjem različitih kvantitativnih molekularnih mjerenja sa pažljivo konstruisanim matematičkim modelima. Predstavlja sveobuhvatnu metodu za razumijevanje složenih odnosa unutar bioloških sistema. Za razliku od konvencionalnih bioloških studija koje se obično fokusiraju na izolovane elemente, sistemska biologija nastoji da kombinuje različite biološke podatke, kako bi stvorila modele koji ilustruju i objašnjavaju dinamičke interakcije unutar sistema. Ova metodologija neophodna je za razumijevanje složenih mreža gena, proteina i metabolita koji utiču na ćelijske aktivnosti i osobine organizama.[2][3] Jedan od ciljeva sistemske biologije je modeliranje i otkrivanje emergentnih svojstava ćelija, tkiva i organizama koji funkcionišu kao sistem čiji je teorijski opis moguć samo korištenjem tehnika sistemske biologije.[1][4] Istražujući kako funkcija proizlazi iz dinamičkih interakcija, sistemska biologija premošćuje jazove koji postoje između molekula i fizioloških procesa. Kao paradigma, sistemska biologija se obično definira u antitezi prema takozvanoj redukcionističkoj paradigmi (biološka organizacija), iako je u skladu sa naučnom metodom. Razlika između dvije paradigme spominje se u ovim citatima: "redukcionistički pristup uspješno je identificirao većinu komponenti i mnoge interakcije, ali, nažalost, ne nudi uvjerljive koncepte ili metode za razumijevanje kako se pojavljuju svojstva sistema... pluralizam uzroka i posljedica u biološkim mrežama se bolje rješava posmatranjem, putem kvantitativnih mjera, više komponenti istovremeno i rigoroznom integracijom podataka s matematičkim modelima". (Sauer et al.)[5] "Sistemska biologija&nbsp... radi o sastavljanju, a ne o rastavljanju, integraciji, a ne o redukciji. To zahtijeva da razvijemo načine razmišljanja o integraciji koji su jednako rigorozni kao i naši redukcionistički programi, ali drugačiji.... To znači promjenu naše filozofije, u punom smislu te riječi." (Denis Noble)[6]

Centralni tok bioloških informacija i odgovarajuća omika, s naglaskom na pristup sistemske biologije integriranja genomike, transkriptomike, proteomike i metabolomike radi povezivanja genotipa sa fenotipom.

Djeluje kao niz operativnih protokola koji se koriste za izvođenje istraživanja, ciklus sastavljen od teorije, analitičkog ili računarskog modela za predlaganje specifičnih provjerljivih hipoteza o biološkom sistemu, eksperimentalne validacije, a zatim korištenja novostečenog kvantitativnog opisa ćelija ili ćelijskih procesa za usavršavanje računarskog modela ili teorije.[7] Budući da je cilj model interakcija u sistemu, eksperimentalne tehnike koje najviše odgovaraju sistemskoj biologiji su one koje obuhvataju cijeli sistem i pokušavaju biti što potpunije. Stoga se multiomika (transkriptomika, metabolomika, proteomika, itd.) i visokopropusni skrining koriste za prikupljanje kvantitativnih podataka za konstrukciju i validaciju modela.[8] Sveobuhvatan pristup sistemske biologije zahtijeva:

  1. temeljitu karakterizaciju organizma u pogledu njegovih molekularnih komponenti, interakcija među tim molekulama i kako te interakcije doprinose ćelijskim funkcijama;
  2. detaljnu prostorno-vremensku molekularnu karakterizaciju ćelije (naprimjer, dinamika komponenti, kompartmentalizacija i transport vezikula); i
  3. opsežnu sistemsku analizu "molekularnog odgovora" ćelije na vanjske i unutrašnje perturbacije. Nadalje, podatke iz (1) i (2) treba sintetizirati u matematičke modele, kako bi se testiralo znanje generiranjem predviđanja (hipoteza), otkrivanjem novih bioloških mehanizama, procjenom ponašanja sistema izvedenog iz (3) i konačno formuliranjem racionalnih strategija za kontrolu i manipulaciju ćelijama. Da bi se suočila s ovim izazovima, sistemska biologija mora uključiti metode i pristupe iz različitih disciplina koje se tradicionalno nisu međusobno povezivale.[9] Pojava multiomičkih tehnologija transformirala je sistemsku biologiju, pružajući opsežne skupove podataka koji pokrivaju različite biološke slojeve, uključujući genomiku, transkriptomiku, proteomiku i metabolomiku. Ove tehnologije omogućavaju mjerenje biomolekula velikih razmjera, što dovodi do dubljeg razumijevanja bioloških procesa i interakcija.[10] Sve se više koriste metode poput analize mreža, mašinskog učenja i obogaćivanja puteva za integraciju i interpretaciju multiomičkih podataka, čime se poboljšava razumijevanje bioloških funkcija i mehanizama bolesti.[11]

Historija

[uredi | uredi izvor]
Trendovi u istraživanju sistemske biologije. Od 1992. do 2013. godine, broj članaka o razvoju baza podataka se povećao. Članci o algoritmima su fluktuirali, ali su ostali prilično stabilni. Broj članaka o mrežnim svojstvima i razvoju softvera ostao je nizak, ali je doživio porast otprilike na polovini vremenskog perioda 1992–2013. Broj članaka o analizi metaboličkog toka smanjio se od 1992. do 2013. godine. U 1992. godini, članci o algoritmima, jednačinama, modeliranju i simulaciji bili su najcitiraniji. U 2012. godini, najcitiraniji su bili članci o razvoju baza podataka.[12]
Holizam naspram redukcionizma

Teško je pratiti porijeklo i početke sistemske biologije. Sveobuhvatna perspektiva ljudskog tijela bila je ključna za medicinske prakse grčke, rimske i istočnoazijske tradicije, gdje su ljekari i mislioci poput Hipokrata vjerovali da su zdravlje i bolest povezani s ravnotežom ili poremećajem tjelesnih tekućina poznatih kao humori. Ova holistička perspektiva opstala je u zapadnom svijetu tokom 19. i 20. stoljeća, a istaknuti fiziolozi smatrali su da tijelo kontroliraju različiti sistemi, uključujući nervni, gastrointestinalni i kardiovaskularni sistem. Međutim, u drugoj polovini 20. stoljeća ovaj način razmišljanja uveliko je zamijenio redukcionizam:[13][14] Da bi se shvatilo kako tijelo pravilno funkcioniše, bilo je potrebno shvatiti ulogu svake komponente, od tkiva i ćelija do kompletnog skupa intracelularnih molekularnih gradivnih blokova.[15] U 17. stoljeću, trijumfi fizike i napredak mehaničkih satova podstakli su redukcionistički pogled u biologiji, tumačeći organizme kao složene mašine sastavljene od jednostavnijih elemenata.[16]

Jan Smuts (1870–1950), prirodnjak/filozof i dva puta premijer Južne Afrike, skovao je uobičajeno korišteni termin holizam. Predloženo je da cijeli sistemi poput ćelija, tkiva, organizama i populacija imaju jedinstvena (emergentna) svojstva. Bilo je nemoguće pokušati ponovo sastaviti ponašanje cjeline iz svojstava pojedinačnih komponenti, a nove tehnologije su bile neophodne da bi se definisalo i razumjelo ponašanje sistema.[16]

Iako se redukcionizam i holizam često suprotstavljaju jedan drugom, oni se mogu sintetizirati. Mora se razumjeti kako su organizmi izgrađeni (redukcionizam), dok je podjednako važno razumjeti zašto su tako uređeni (sistemi; holizam). Svaki pruža korisne uvide i odgovara na različita pitanja. Međutim, proučavanje bioloških sistema zahtijeva znanje o paradigmama kontrole i dizajna, kao i principe strukturne stabilnosti, otpornosti i robusnosti koji se ne mogu direktno zaključiti iz mehanističkih informacija. Dublji uvid će se dobiti primjenom kompjuterskog modeliranja kako bi se prevazišla složenost bioloških sistema.[16]

Ipak, ovu perspektivu dosljedno su balansirali mislioci koji su naglašavali značaj organizacije i emergentnih osobina u živim sistemima. Ova redukcionistička perspektiva postigla je izuzetan uspjeh, a razumijevanje bioloških procesa proširilo se nevjerovatnom brzinom i intenzitetom. Međutim, uz ove izvanredne napretke, nauka je postepeno shvatila da posjedovanje potpunih informacija o molekularnim komponentama samo po sebi nije dovoljno da se razjasni funkcionisanje života: pojedinačne komponente rijetko ilustruju funkciju složenog sistema. Sada je općeprihvaćeno da su nam potrebni pristupi za rekonstrukciju integrisanih sistema iz njihovih sastavnih dijelova i procesa ako želimo razumjeti biološke fenomene i manipulisati njima na promišljen i fokusiran način.[17]

Porijeklo sistemske biologije kao oblasti

Termin "sistemska biologija" prvi put je uveden na konferenciji 1968. godine.[18] Oni koji su se bavili ovom disciplinom ubrzo su prepoznali – i to razumijevanje je postepeno postalo poznato široj javnosti – da su računarski pristupi neophodni za potpuno artikulisanje koncepata i potencijala sistemske biologije. Konkretno, ove tehnike su morale da posmatraju biološke fenomene kao složene, višeslojne, adaptivne i dinamičke sisteme. Morale su uzeti u obzir transformacije i složene nelinearnosti, omogućavajući time nesmetanu integraciju manjih modela ("modula") u veće, dobro organizovane sklopove modela unutar složenih okruženja. Postalo je jasno da su matematika i računarstvo ključni za ove metode.[19][20][21][22] Ubrzanje razumijevanja sistema došlo je objavljivanjem prvog revolucionarnog teksta koji je sakupljao molekularnu, fiziološku i anatomsku individualnost kod životinja,[23] koje je opisano kao revolucija.[24]

U početku, šira naučna zajednica nije bila voljna da prihvati integraciju računarskih metoda i teorije upravljanja u istraživanje živih sistema, vjerujući da je "biologija previše složena da bi se primjenjivala matematika". Međutim, kako se približavao novi milenij, ovo gledište je doživjelo značajnu i trajnu transformaciju.[15] Sve više naučnika je počelo raditi na integraciji matematičkih koncepata kako bi razumjeli i riješili biološke probleme. Sada se sistemska biologija široko primjenjuje u nekoliko oblasti, uključujući poljoprivredu i medicinu.

Pristupi sistemskoj biologiji

[uredi | uredi izvor]

Pristup odozgo prema dolje

[uredi | uredi izvor]

Sistemska biologija odozgo prema dolje identificira mreže molekularnih interakcija analizirajući korelirana ponašanja uočena u studijama velikih razmjera 'omika'. Pojavom 'omics', ova strategija odozgo prema dolje postala je vodeći pristup. Počinje sa sveobuhvatnom perspektivom ponašanja sistema – ispitujući sve odjednom – prikupljanjem eksperimentalnih podataka na nivou cijelog genoma i nastoji otkriti i razumjeti biološke mehanizme na granularnijem nivou – posebno, pojedinačne komponente i njihove interakcije. U ovom okviru sistemske biologije "od vrha prema dolje", primarni cilj je otkriti nove molekularne mehanizme kroz ciklični proces koji započinje eksperimentalnim podacima, prelazi u analizu podataka i integraciju, kako bi se identificirale korelacije među koncentracijama molekula, a završava razvojem hipoteza u vezi s ko– i inter– regulacijom molekularnih grupa. Ove hipoteze zatim generiraju nova predviđanja korelacija, koja se mogu istražiti u narednim eksperimentima ili kroz dodatna biohemijska istraživanja.[25] Značajne prednosti sistemske biologije od vrha prema dolje leže u njenom potencijalu da pruži sveobuhvatne (tj. genomske) uvide i njenom fokusu na metabolom, fluksom, transkriptom i/ili proteom. Metode od vrha prema dolje daju prioritet ukupnim stanjima sistema kao faktorima uticaja u modelima i računarskim (ili optimalnim) principima koji upravljaju dinamikom globalnog sistema. Naprimjer, dok dinamika motorne kontrole (neuro) proizlazi iz interakcija miliona neurona, neuronski motorni sistem također se može okarakterizirati kao vrsta sistema povratne kontrole, koji usmjerava 'biljku' (tijelo) i vodi kretanje minimiziranjem 'funkcija troškova' (npr. postizanje trajektorija s minimalnim trzajem).[26]

Pristup odozdo prema gore

[uredi | uredi izvor]

Sistemska biologija odozdo prema gore zaključuje funkcionalne karakteristike koje mogu proizaći iz podsistema karakteriziranog visokim stepenom mehanističkih detalja koristeći molekularne tehnike. Ovaj pristup počinje s osnovnim elementima razvojem interaktivnog ponašanja (jednačine brzine) svakog komponentnog procesa (npr. enzimskih procesa) unutar upravljivog dijela sistema. Ispituje mehanizme putem kojih nastaju funkcionalna svojstva u interakcijama poznatih komponenti. Nakon toga, ove formulacije se kombinuju kako bi se razumjelo ponašanje sistema. Primarni cilj ove metode je integracija modela puteva u sveobuhvatni model koji predstavlja cijeli sistem – vrh ili cjelinu. Kako istraživanje i razumijevanje napreduju, ovi modeli se često proširuju uključivanjem dodatnih procesa s visokim mehanističkim detaljima.[26] Pristup odozdo prema gore olakšava integraciju i prevođenje in vitro nalaza specifičnih za lijekove u in vivo ljudski kontekst. Ovo obuhvata podatke prikupljene tokom ranih faza razvoja lijekova, kao što su procjene sigurnosti. Prilikom procjene sigurnosti srčanih oboljenja, čisto ovakvo modeliranje i simulacija podrazumijeva rekonstrukciju procesa koji određuju izloženost, što uključuje profile koncentracije u plazmi (ili srčanom tkivu) i vremena te njihove elektrofiziološke implikacije, idealno uključujući hemodinamske efekte i promjene kontraktilnosti. Postizanje ovoga zahtijeva različite modele, od pojedinačnih ćelija do naprednih trodimenzijskih (3D) višefaznih modela. Informacije iz više in vitro sistema koji služe kao zamjena za in vivo procese apsorpcije, distribucije, metabolizma i izlučivanja (ADME) omogućavaju predviđanja izloženosti lijeku, dok in vitro podaci o interakcijama lijek-ionski kanal podržavaju prevođenje izloženosti na potencijale površine tijela i izračunavanje važnih elektrofizioloških krajnjih tačaka. Razdvajanje podataka vezanih za lijek, sistem i dizajn ispitivanja, što je karakteristično za bottom-up pristup, omogućava predviđanja odnosa izloženost–odgovor, uzimajući u obzir i inter– i intra–individualnu varijabilnost, što ga čini vrijednim alatom za procjenu efekata lijekova na nivou populacije. U literaturi, dokumentirani su brojni uspješni primjeri primjene fiziološki zasnovanog farmakokinetičkog (PBPK) modeliranja u otkrivanju i razvoju lijekova.[27]

Povezane discipline

[uredi | uredi izvor]
Pregled puteva transdukcije signala.

Prema tumačenju sistemske biologije kao korištenja velikih skupova podataka uz korištenje interdisciplinarnih alata, tipična primjena je metabolomika, koja predstavlja kompletan skup svih metaboličkih produkata, metabolita, u sistemu na nivou organizma, ćelije ili tkiva.[28]

Stavke koje mogu biti kompjuterska baza podataka uključuju: fenomika, organizmske varijacije u fenotipu, kako se mijenja tokom njegovog životnog vijeka; genomika, organizmski dezoksiribonukleinska kiselina (DNK-mikromreža), uključujući specifične varijacije unutar ćelije organizma. (tj. varijacije dužine telomera); epigenomika/epigenetika, organizmski i odgovarajući ćelijski specifični transkriptomski regulatorni faktori koji nisu empirijski kodirani u genomskom nizu. (tj. metilacija DNK, acetilacija i deacetilacija histona, itd.); transkriptomika, mjerenja ekspresija gena na nivou organizma, tkiva ili cijele ćelije pomoću DNK-mikročipova ili serijske analize ekspresije gena; interferomika, faktori korekcije transkripta na nivou organizma, tkiva ili ćelije (tj. RNK-interferencija), proteomika, mjerenja proteina i peptida na nivou organizma, tkiva ili ćelije putem dvodimenzijske gel-elektroforeze, masene spektrometrije ili višedimenzijskih tehnika identifikacije proteina (napredni sistemi HPLC upareni sa masenom spektrometrijom). Poddiscipline su i fosfoproteomika, glikoproteomika i druge metode za detekciju hemijski modificiranih proteina; glikomika, mjerenja ugljikohidrata na nivou organizma, tkiva ili ćelije; lipidomika, mjerenja lipida na nivou organizma, tkiva ili ćelije. Molekularne interakcije unutar ćelije se također proučavaju, to se naziva interaktomika.[29] Disciplina u ovom području proučavanja su interakcija proteina-protein, iako interaktomika uključuje interakcije drugih molekula.[30] Neuroelektrodinamika, gdje se proučava računarska funkcija računara ili mozga kao dinamičkog sistema zajedno s njegovim (bio)fizičkim mehanizmima;[31] i fluksomika, mjerenja brzine metaboličkih reakcija u biološkom sistemu (ćeliji, tkivu ili organizmu).[28] U pristupu problemu sistemske biologije postoje dva glavna pristupa. To su pristup od vrha prema dolje i pristup od dna prema gore. Pristup od vrha prema dolje uzima u obzir što je više moguće sistema i uveliko se oslanja na eksperimentalne rezultate. Tehnika RNK-Seq primjer je eksperimentalnog pristupa od vrha prema dolje. Suprotno tome, pristup od dna prema gore koristi se za kreiranje detaljnih modela, a istovremeno uključuje i eksperimentalne podatke. Primjer pristupa od dna prema gore je korištenje modela kola za opisivanje jednostavne genske mreže.[32] Različite tehnologije korištene za snimanje dinamičkih promjena u iRNK, proteinima i posttranslacijskim modifikacijama. Mehanobiologija, sile i fizička svojstva na svim skalama, njihova interakcija s drugim regulatornim mehanizmima;[33] biosemiotika, analiza sistema znakovnih odnosa organizma ili drugih biosistema; fiziomika, sistematsko proučavanje fizioma u biologiji. Sistemska biologija raka primjer je pristupa sistemske biologije, koji se može razlikovati po specifičnom objektu proučavanja (tumorigeneza i liječenje raka). Radi sa specifičnim podacima (uzorci pacijenata, podaci visokog protoka s posebnom pažnjom na karakterizaciju genoma raka u uzorcima tumora pacijenata) i alatima (imortalizirane ćelijske linije raka, testiranje na životinjama mišjim modelima tumorogeneze, ksenotransplantni modeli, metode sekvenciranje visokog protoka, skrining visokog protoka zasnovan na siRNK genskom obaranja, računarsko modeliranje posljedica somatskih mutacija i nestabilnosti genoma).[34] Dugoročni cilj sistemske biologije raka jeste sposobnost boljeg dijagnosticiranja raka, njegove klasifikacije i boljeg predviđanja ishoda predloženog liječenja, što je osnova za personaliziranu medicinu raka i virtualni pacijent oboljeli od raka u daljoj perspektivi. Značajni napori u računarskoj sistemskoj biologiji raka uloženi su u stvaranje realističnih višeskalnih in silico modela različitih tumora.[35] Pristup sistemske biologije često uključuje razvoj mehanističkih modela, kao što je rekonstrukcija dinamičkih sistema iz kvantitativnih svojstava njihovih elementarnih gradivnih blokova.[36][37][38][39] Naprimjer, ćelijska mreža može se matematički modelirati korištenjem metoda koje potiču iz hemijske kinetike[40] i teorija upravljanja. Zbog velikog broja parametara, varijabli i ograničenja u ćelijskim mrežama, često se koriste numeričke i računarske tehnike (npr. analiza fluksne ravnoteže).[38][40] Ostali aspekti računarstva, informatike i statistike također se koriste u sistemskoj biologiji. To uključuje nove oblike računarskih modela, kao što je upotreba procesnih računa za modeliranje bioloških procesa (značajni pristupi uključuju stohastički π-račun, BioAmbients, Beta Binders, BioPEPA i Braneov račun) i modeliranje zasnovano na ograničenjima; integracija informacija iz literature, korištenjem tehnika ekstrakcija informacija i rudarenje teksta;[41] razvoj online baza podataka i repozitorija za dijeljenje podataka i modela, pristupi integraciji baza podataka i interoperabilnosti softvera putem labavog spajanja softvera, web stranica i baza podataka ili komercijalnih tužbi; mrežni pristupi za analizu visokodimenzijskih genomskih skupova podataka. Naprimjer, analiza ponderirane korelacijske mreže koristi se često za identifikaciju klastera (koji se nazivaju moduli), modeliranje odnosa između klastera, izračunavanje fuzzy mjera članstva u klasteru (modulu), identifikaciju intramodularnih čvorišta i za proučavanje očuvanosti klastera u drugim skupovima podataka; metode zasnovane na putevima za analizu omika podataka, npr. pristupi za identifikaciju i bodovanje puteva s različitom aktivnošću njihovih genskih, proteinskih ili metabolitičkih članova.[42] Veliki dio analize genomskih skupova podataka također uključuje identificiranje korelacija. Osim toga, budući da veliki dio informacija dolazi iz različitih područja, potreban je razvoj sintaktički i semantički ispravnih načina predstavljanja bioloških modela.[43]

Također pogledajte

[uredi | uredi izvor]

Reference

[uredi | uredi izvor]
  1. 1 2 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. S2CID 52922135.
  2. ↑ MacLeod, Miles; Nersessian, Nancy J. (2016-10-01). "Interdisciplinary problem- solving: emerging modes in integrative systems biology". European Journal for Philosophy of Science (jezik: engleski). 6 (3): 401–418. doi:10.1007/s13194-016-0157-x. ISSN 1879-4920.
  3. ↑ Veenstra, Timothy D. (February 2021). "Omics in Systems Biology: Current Progress and Future Outlook". Proteomics (jezik: engleski). 21 (3–4). doi:10.1002/pmic.202000235. ISSN 1615-9853. PMID 33320441.
  4. ↑ Longo, Giuseppe; Montévil, Maël (2014). Perspectives on Organisms: Biological time, Symmetries and Singularities. Lecture Notes in Morphogenesis (jezik: engleski). Berlin, Heidelberg: Springer Berlin Heidelberg. doi:10.1007/978-3-642-35938-5. ISBN 978-3-642-35937-8.
  5. ↑ Sauer, Uwe; Heinemann, Matthias; Zamboni, Nicola (2007-04-27). "Getting Closer to the Whole Picture". Science (jezik: engleski). 316 (5824): 550–551. Bibcode:2007Sci...316..550S. doi:10.1126/science.1142502. ISSN 0036-8075. PMID 17463274.
  6. ↑ Noble, Denis (2009). The music of life: biology beyond the genome (Repr izd.). Oxford: Oxford Univ. Press. ISBN 978-0-19-929573-9.
  7. ↑ Kholodenko, Boris N.; Bruggeman, Frank J.; Sauro, Herbert M. (2005). "Mechanistic and modular approaches to modeling and inference of cellular regulatory networks". u Alberghina, Lila; Westerhoff, H.V. (ured.). Systems Biology (jezik: engleski). Berlin/Heidelberg: Springer-Verlag. str. 143–159. doi:10.1007/b136809. ISBN 978-3-540-22968-1.
  8. ↑ Romualdi, Chiara; Lanfranchi, Gerolamo (2009). "Statistical Tools for Gene Expression Analysis and Systems Biology and Related Web Resources". u Krawetz, Stephen (ured.). Bioinformatics for Systems Biology (jezik: engleski). Totowa, NJ: Humana Press. str. 181–205. doi:10.1007/978-1-59745-440-7_11. ISBN 978-1-934115-02-2.
  9. ↑ Bruggeman, Frank J.; Westerhoff, Hans V. (January 2007). "The nature of systems biology". Trends in Microbiology (jezik: engleski). 15 (1): 45–50. Bibcode:2007TrMic..15...45B. doi:10.1016/j.tim.2006.11.003. PMID 17113776.
  10. ↑ Dhillon, Bhavjinder K.; Smith, Maren; Baghela, Arjun; Lee, Amy H. Y.; Hancock, Robert E. W. (2020-07-30). "Systems Biology Approaches to Understanding the Human Immune System". Frontiers in Immunology. 11. doi:10.3389/fimmu.2020.01683. ISSN 1664-3224. PMC 7406790. PMID 32849587.
  11. ↑ Pazhamala, Lekha T.; Kudapa, Himabindu; Weckwerth, Wolfram; Millar, A. Harvey; Varshney, Rajeev K. (July 2021). "Systems biology for crop improvement". The Plant Genome (jezik: engleski). 14 (2). doi:10.1002/tpg2.20098. ISSN 1940-3372. PMID 33949787 Provjerite vrijednost parametra |pmid= (pomoć).
  12. ↑ Zou, Yawen; Laubichler, Manfred D. (2018-07-25). "From systems to biology: A computational analysis of the research articles on systems biology from 1992 to 2013". PLOS ONE (jezik: engleski). 13 (7). Bibcode:2018PLoSO..1300929Z. doi:10.1371/journal.pone.0200929. ISSN 1932-6203. PMC 6059489. PMID 30044828.
  13. ↑ Savageau MA. Reconstructionist molecular biology. The New Biologist. 1991 Feb;3(2):190-197. PMID 2065013.
  14. ↑ Brigandt, I., and Love, A. (2017). Reductionism in biology. Stanford Encyclopedia of Philosophy. Available at: https://plato.stanford.edu/entries/reduction-biology/
  15. 1 2 Voit, Eberhard O. (2022-10-05). "Perspective: Systems biology beyond biology". Frontiers in Systems Biology. 2. doi:10.3389/fsysb.2022.987135. ISSN 2674-0702.
  16. 1 2 3 Trewavas, Anthony (October 2006). "A Brief History of Systems Biology: "Every object that biology studies is a system of systems." Francois Jacob (1974)". The Plant Cell (jezik: engleski). 18 (10): 2420–2430. doi:10.1105/tpc.106.042267. ISSN 1040-4651. PMC 1626627. PMID 17088606.
  17. ↑ Savageau MA. The challenge of reconstruction. New Biol. 1991 Feb;3(2):101-2. PMID 2065004.
  18. ↑ Mesarović, Mihajlo D. (1968). Mesarović, M. D. (ured.). Systems Theory and Biology: Proceedings of the III Systems Symposium at Case Institute of Technology (jezik: engleski). Berlin, Heidelberg: Springer. str. 59–87. doi:10.1007/978-3-642-88343-9_3. ISBN 978-3-642-88343-9.
  19. ↑ Melham, Tom (April 2013). "Modelling, abstraction, and computation in systems biology: A view from computer science". Progress in Biophysics and Molecular Biology (jezik: engleski). 111 (2–3): 129–136. doi:10.1016/j.pbiomolbio.2012.08.015. PMID 22975313.
  20. ↑ Motta, S.; Pappalardo, F. (2013-07-01). "Mathematical modeling of biological systems". Briefings in Bioinformatics (jezik: engleski). 14 (4): 411–422. doi:10.1093/bib/bbs061. ISSN 1467-5463. PMID 23063928.
  21. ↑ Cvijovic, Marija; Höfer, Thomas; Aćimović, Jure; Alberghina, Lilia; Almaas, Eivind; Besozzi, Daniela; Blomberg, Anders; Bretschneider, Till; Cascante, Marta; Collin, Olivier; de Atauri, Pedro; Depner, Cornelia; Dickinson, Robert; Dobrzynski, Maciej; Fleck, Christian (2016-05-26). "Strategies for structuring interdisciplinary education in Systems Biology: an European perspective". npj Systems Biology and Applications (jezik: engleski). 2 (1): 16011. doi:10.1038/npjsba.2016.11. ISSN 2056-7189. PMC 5516850. PMID 28725471.
  22. ↑ MacLeod, Miles (September 2021). "The applicability of mathematics in computational systems biology and its experimental relations". European Journal for Philosophy of Science (jezik: engleski). 11 (3). ISSN 1879-4912.
  23. ↑ Williams, R.J. (1956). Biochemical Individuality. The Key for the Genetotrophic Concept. (New York: John Wiley & Sons).
  24. ↑ Elsasser, W. (1987). Reflections on a Theory of Organisms. (Quebec, Canada: Orbis).
  25. ↑ Chellaboina, V.; Bhat, S. P.; Haddad, W. M.; Bernstein, D. S. (August 2009). "Modeling and analysis of mass-action kinetics". IEEE Control Systems Magazine. 29 (4): 60–78. doi:10.1109/MCS.2009.932926. ISSN 1941-000X. S2CID 12122032.
  26. 1 2 Brown, Kevin S.; Sethna, James P. (2003-08-12). "Statistical mechanical approaches to models with many poorly known parameters". Physical Review E. 68 (2). Bibcode:2003PhRvE..68b1904B. doi:10.1103/physreve.68.021904. ISSN 1063-651X. PMID 14525003.
  27. ↑ Orth, Jeffrey D; Thiele, Ines; Palsson, Bernhard Ø (March 2010). "What is flux balance analysis?". Nature Biotechnology (jezik: engleski). 28 (3): 245–248. doi:10.1038/nbt.1614. ISSN 1087-0156. PMC 3108565. PMID 20212490.
  28. 1 2 Cascante, Marta; Marin, Silvia (2008-09-30). "Metabolomics and fluxomics approaches". Essays in Biochemistry (jezik: engleski). 45: 67–82. doi:10.1042/bse0450067. ISSN 0071-1365. PMID 18793124.
  29. ↑ Cusick, Michael E.; Klitgord, Niels; Vidal, Marc; Hill, David E. (2005-10-15). "Interactome: gateway into systems biology". Human Molecular Genetics (jezik: engleski). 14 (suppl_2): R171–R181. doi:10.1093/hmg/ddi335. ISSN 0964-6906. PMID 16162640.
  30. ↑ Yan, Shikai; Nagle, Dale G.; Zhou, YuDong; Zhang, Weidong (2018-01-01). "Application of Systems Biology in the Research of TCM Formulae". u Zhang, Wei-Dong (ured.). Systems Biology and its Application in TCM Formulas Research. Academic Press. str. 31–67. doi:10.1016/b978-0-12-812744-5.00003-5. ISBN 978-0-12-812744-5.
  31. ↑ Aur, Dorian (March 2012). "From Neuroelectrodynamics to Thinking Machines". Cognitive Computation (jezik: engleski). 4 (1): 4–12. doi:10.1007/s12559-011-9106-3. ISSN 1866-9956.
  32. ↑ Shahzad, Khuram; Loor, Juan J. (2012). "Application of Top-Down and Bottom-up Systems Approaches in Ruminant Physiology and Metabolism". Current Genomics (jezik: engleski). 13 (5): 379–394. doi:10.2174/138920212801619269. PMC 3401895. PMID 23372424.
  33. ↑ Spill, Fabian; Bakal, Chris; Mak, Michael (2018). "Mechanical and Systems Biology of Cancer". Computational and Structural Biotechnology Journal (jezik: engleski). 16: 237–245. doi:10.1016/j.csbj.2018.07.002. PMC 6077126. PMID 30105089.
  34. ↑ Barillot, Emmanuel; Calzone, Laurence; Hupe, Philippe; Vert, Jean-Philippe; Zinovyev, Andrei (2012). Computational Systems Biology of Cancer. Chapman & Hall/CRCMathematical & Computational Biology. str. 461. ISBN 978-1-4398-3144-1.
  35. ↑ Byrne, Helen M. (2010). "Dissecting cancer through mathematics: from the cell to the animal model". Nature Reviews Cancer. 10 (3): 221–230. Bibcode:2010NatRC..10..221B. doi:10.1038/nrc2808. PMID 20179714. S2CID 24616792.
  36. ↑ Gardner, Timothy S.; di Bernardo, Diego; Lorenz, David; Collins, James J. (2003-07-04). "Inferring Genetic Networks and Identifying Compound Mode of Action via Expression Profiling". Science (jezik: engleski). 301 (5629): 102–105. Bibcode:2003Sci...301..102G. doi:10.1126/science.1081900. ISSN 0036-8075. PMID 12843395.
  37. ↑ di Bernardo, Diego; Thompson, Michael J; Gardner, Timothy S; Chobot, Sarah E; Eastwood, Erin L; Wojtovich, Andrew P; Elliott, Sean J; Schaus, Scott E; Collins, James J (March 2005). "Chemogenomic profiling on a genome-wide scale using reverse-engineered gene networks". Nature Biotechnology (jezik: engleski). 23 (3): 377–383. doi:10.1038/nbt1075. ISSN 1087-0156. PMID 15765094.
  38. 1 2 Tavassoly, Iman (2015). Dynamics of Cell Fate Decision Mediated by the Interplay of Autophagy and Apoptosis in Cancer Cells: Mathematical Modeling and Experimental Observations. Springer Theses (jezik: engleski). Cham: Springer International Publishing. doi:10.1007/978-3-319-14962-2. ISBN 978-3-319-14961-5.
  39. ↑ Korkut, Anil; Wang, Weiqing; Demir, Emek; Aksoy, Bülent Arman; Jing, Xiaohong; Molinelli, Evan J; Babur, Özgün; Bemis, Debra L; Onur Sumer, Selcuk; Solit, David B; Pratilas, Christine A; Sander, Chris (2015-08-18). "Perturbation biology nominates upstream–downstream drug combinations in RAF inhibitor resistant melanoma cells". eLife (jezik: engleski). 4. doi:10.7554/eLife.04640. ISSN 2050-084X. PMC 4539601. PMID 26284497.
  40. 1 2 Gupta, Ankur; Rawlings, James B. (April 2014). "Comparison of Parameter Estimation Methods in Stochastic Chemical Kinetic Models: Examples in Systems Biology". AIChE Journal. 60 (4): 1253–1268. Bibcode:2014AIChE..60.1253G. doi:10.1002/aic.14409. ISSN 0001-1541. PMC 4946376. PMID 27429455.
  41. ↑ Ananadou, Sophia; Kell, Douglas; Tsujii, Jun-ichi (December 2006). "Text mining and its potential applications in systems biology". Trends in Biotechnology. 24 (12): 571–579. doi:10.1016/j.tibtech.2006.10.002. PMID 17045684.
  42. ↑ Glaab, Enrico; Schneider, Reinhard (2012). "PathVar: analysis of gene and protein expression variance in cellular pathways using microarray data". Bioinformatics. 28 (3): 446–447. doi:10.1093/bioinformatics/btr656. PMC 3268235. PMID 22123829.
  43. ↑ Bardini, R.; Politano, G.; Benso, A.; Di Carlo, S. (2017-01-01). "Multi-level and hybrid modelling approaches for systems biology". Computational and Structural Biotechnology Journal. 15: 396–402. doi:10.1016/j.csbj.2017.07.005. ISSN 2001-0370. PMC 5565741. PMID 28855977.

Izvori

[uredi | uredi izvor]

Dodatni izvori

[uredi | uredi izvor]

Vanjski linkovi

[uredi | uredi izvor]

Šablon:Sistemi

Preuzeto iz "https://bs.wikipedia.org/w/index.php?title=Sistemska_biologija&oldid=3921891"