SystemsBiology - BioHackersNet

최근의 Biology가 Genomics, Proteomics, Bioinformatics를 등에 업고 나아가려는 분야.

대부분의 DataDrivenDiscovery는 개개의 Gene을 보는것이 아니라 전체 시스템을 보고자 한다. 그럼으로써, BiologicalNetwork를 만들고 그 이상여부를 연구한다. Interaction을 연구하며, EmergentProperty를 찾아낸다.

NorbertWiener가 얘기한 시스템수준의 이해를 Biology에 적용, 그 시대야 데이터가 없어서 생물학에로의 적용은 힘들었지만, 지금은 HumanGenomeProject, HighThroughPut등으로 가능하다고 할 수 있다.

생물시스템의 시스템수준이해는 다음의 핵심속성으로 부터 유래한다.

System structure : GeneticNetwork, MolecularInteraction, BiologicalPathway using STKE, KEGG, EcoCyc
System dynamics : 시간의 변화에 따른 시스템변화양상 감지, ExpressionProfile, MetabolicAnalysis, FluxBalanceAnalysis, SensitivityAnalysis, BifurcationAnalysis.
The control method : 어떻게 시스템의 이상현상을 조절할 수 있는가. 질병치료를 위한 타겟선정
The design method : 바라는 성질을 갖춘 시스템을 디자인하고 시뮬레이션한다.

Robustness는 시스템수준이해의 핵심속성으로써, 다음의 세가지로 구분된다.

Robustness는 다음으로부터 얻어진다.

관련자료

indigoH는 기본적으로 System의 특성을 다음과 같이 정의할 수 있다고 본다. (여기에서 system은 생물 개체 하나, 사회, 생태계등을 포괄한다)

단순한 여러 rule이 존재한다.
위의 rule을 따르는 여러 종류의 agent들이 존재한다. 예) Enzyme, Ions, Membrane : 생물 개체의 경우
rule는 일정한 방향성을 지니고는 있지만, deterministic한 것이 아니라 stochastic한 것으로 확률적인 분포를 띤다
여러 종류의 agent들이 복잡성이 낮은 특정 rule을 따르며 상호작용하고, 이러한 상호작용이 결과적으로는 매우 복잡도가 높은 System의 형태를 이루게 된다.
만일 rule이 deterministic하다면, 외부로부터의 어떤 변화가 전달될 지라도 일정한 pathway에 의해 평형상태가 될 것이다. 하지만 여러 stochastic한 요소들에 의해 시스템은 항상 외부의 변화가 없다 하더라도 작은 내부적 변화가 끊임없이 일어남으로써 정적 평형 상태가 아닌 동적 평형상태를 나타내는 것이다.
SelfOrganizing 현상은 이러한 System 내의 법칙들을 몇가지 조합하여 설명하게 되면 많은 부분이 명확하게 맞아떨어지는 것을 볼 수 있다.

hummingbird가 생각하는 systems biology의 개념. 전체는 부분의 합보다 크다. 잘게 쪼개고 쪼개서 연구하는 현재의 reductionism의 한계를 극복시켜줄 대안으로 각각의 level의 정보들을 integration 시켜서 연구하는 것이다.

어제 스터디([Sefiroth/2004-01-15])에서 느낀건데, 그 전체가 부분의 합보다 크다는 대목에서 말하는 무언가 (제 생각엔 EmergentProperty일거 같습니다만)는 아마도 fluctuation에 의한 돌발적인 변화로부터 비롯되는 것이 아닐까 라는 생각이 들었습니다. --indigoH, 2004-01-16

SystemsBiology Journal