BiologicalNetwork 및 SystemsBiology에 관한 책

Foreword

Introduction: Understanding Living Systems

Katchalsky's joke {{| Biologists can be divided into two classes: experimentalists who observe things that can not be explained, and theoreticians who explain things that cannot be obserbed |}} 데이터를 보여줄때, 실험가들은 결과를 위한 해석 및 설명을 제공하려고 노력하고, 이론가들은 생물학적 관련성을 대답하려고 노력한다. 이 책은 이 두가지 요구사항을 연결시키는 새로운 접근방법을 소개하고 있다.

Why is modeling necessary

Biological system은 생각보다 복잡하고, 최근의 large-scale assay들은 방대한데이터들을 내놓고 있다.

모델은 더 나은 해석을 위해 어떤 데이터가 필요한지를 알려준다.

예전 생물학자들은 "block and arrow"을 이용한 모델링을 한다. 여기에는 formal specification이 없고, real parameter가 없고 구성요소간의 수학적 관계가 없다.

Integration modeling approach이 중요하다.

• at atom level : 전자현미경, XrayCrystallography, [NMR]

• at molecular level : confocal microscopy, calcium imaging...

  특히, 최근 HighThroughPut과 같이 방대한 데이터들로 인해, development event, CellCycle, metabolic, signal transduction등도 확인할 수 있다.

What type of modeling is appropriate

전통적인 biological model은 subsystem이 어떻게 행동하는지 묘사하는데, 대부분 모델이 만들어지기 전에 functional idea가 존재한다. 그리고, 이 functional idea를 보호하기 위해 파라메터들을 조절하게 된다. --> 새로운 result를 접했을때 모델을 재점검하기보다는 기존모델에 새 데이터를 끼워맞추려고만 한다.

최근. 직접적연결(model-experiment)이 중요하다. 모델링은 미리고려된 functional idea를 보여주는 수단이기 보다는 존재하는 데이터를 organize/ formalize하는 수단이어야 한다. 모델러는 그 모델에 의해 확인될 수 있는 예측을 만들기 보다는 가정과, 특별한 모델구조가 실험데이터와 falsify할 수 있는가 고려해야 한다.

실제 living system은 모델이 할 수 없는 부분이 더 중요한 경우가 많다.

사실의 보여주기 보다는 현재 연구하는 현상에 대한 지식을 언급해야 한다.

모델은 어떤 데이터가 부족한지를 말해준다. 따라서 모델의 평가는 새로운 실험적 의문을 제기하느냐로 할 수 있다.

integrated --> iterative process --> experimental design --> data -->.... feedback.

Purpose of this book / How should it be used

본 책은 생물학적 설명은 자세하지 않지만 모델링 접근방법을 상세히 설명하고 있다. 모델링에 관심있는 생물학자로 한정하여 내용을 만들었으며, 비생물학자들은 ref를 참고하도록 한다.

Organization of the Book

Part 1. Modeling GeneticNetwork

1. Modeling the activity of single genes
2. A probabilistic model of prokaryotic gene and its regulation
3. A logical model of cis-regulatory control in an eukaryotic system

4. Trainable gene regulation networks with application to Drosphila pattern formation

5. GeneticNetwork inference in computational models and applications to large-scale gene expression data

Part 2. Modeling Biochemical Networks

1. Atomic-level simulation and modeling of biomacromolecules
2. Diffusion
3. Kinetic models of excitable membrances and synaptic interactions
4. Stochastic simulation of cell signaling pathways

5. Analysis of complex dynamics in CellCycle regulation

6. Simplifying and reducing complex models

쳅터별 발제자

Discussion

가장 보고싶은책. 아직 시작전... --[yong27], 2002-12-6

[Sefiroth/2003-04-17]에 introduction review

CategoryBookBioInfo