Системна біологія

🔗 Біологічні мережі

Транскрипційні мережі

Мережі регуляції генів: транскрипційні фактори, їх мішені, регуляторні зв'язки. Виявлення через ChIP-seq, RNA-seq, порівняльну геноміку. Критично для розуміння контролю експресії.

Метаболічні мережі

Біохімічні шляхи: метаболіти, ферменти, реакції, потоки. Flux balance analysis (FBA) для передбачення поведінки. Критично для розуміння метаболізму, біотехнології.

Сигнальні мережі

Мережі клітинної сигналізації: сигнальні молекули, рецептори, шляхи, каскади. Розуміння передачі сигналів, інтеграції, відповіді. Критично для хвороб, терапій.

Білково-білкові взаємодії

Мережі взаємодій між білками: комплекси, шляхи, модулі. Виявлення через Y2H, AP-MS, біоінформатичні передбачення. Розуміння функцій, комплексів.

Регуляторні мережі

Інтеграція різних рівнів регуляції: транскрипційна, посттранскрипційна, трансляційна, посттрансляційна. Складні ієрархічні мережі контролю.

📊 Математичне моделювання

Диференційні рівняння (ODE)

Моделювання динаміки систем через диференційні рівняння. Опис зміни концентрацій у часі. Для безперервних процесів, великих систем. Популярний підхід.

Boolean мережі

Дискретні моделі: гени/білки включені або вимкнені. Логічні правила для переходів. Простіше за ODE, добре для якісних передбачень, великих мереж.

Стохастичні моделі

Моделювання випадковості в біологічних системах: малі числа молекул, клітинна гетерогенність. Gillespie algorithm для симуляції. Важливо для точності.

Flux Balance Analysis

Оптимізаційний підхід для метаболічних мереж: максимізація біомаси або метаболітів при обмеженнях. Не потребує кінетичних параметрів. Широко використовується.

Статечні мережі

Аналіз топології мереж: hubs, модулі, шляхи, мережеві властивості. Ідентифікація ключових вузлів, розуміння структури, передбачення функцій.

🧪 Multi-Omics інтеграція

Геноміка

Базова інформація: послідовність ДНК, гени, варіації. Фундамент для інших рівнів. Критично для розуміння потенціалу системи.

Транскриптоміка

Рівні мРНК: RNA-seq для вимірювання експресії всіх генів. Динаміка транскрипції, відповіді, регуляція. Критично для функціонального стану.

Протеоміка

Білки та їх модифікації: кількість, локалізація, PTM. Мас-спектрометрія для визначення протеому. Критично для функцій.

Метаболоміка

Метаболіти та їх концентрації: кінцевий результат функціонування системи. Мас-спектрометрія, NMR. Критично для фенотипу.

Інтеграція рівнів

Комбінування всіх рівнів для повного розуміння. Математичні моделі що інтегрують дані, передбачають поведінку системи. Системна біологія підхід.

⚙️ Властивості систем

Емерджентність

Властивості системи що виникають з взаємодій компонентів, а не окремих частин. Колективна поведінка, паттерни, функції що неможливі на рівні окремих компонентів.

Robustність

Здатність системи підтримувати функцію при збуреннях (мутації, зміни умов). Редундантність, негативний feedback, модульність. Критично для стабільності живих систем.

Модульність

Організація системи у модулі (функціональні одиниці). Модулі можуть працювати відносно незалежно. Сприяє еволюції, розумінню, синтетичній біології.

Адаптивність

Здатність системи адаптуватися до змін: регуляція, навчання, еволюція. Критично для виживання, функціонування в різних умовах.

Динаміка

Системи динамічні — змінюються у часі. Осциляції, переходи між станами, реакція на стимули. Розуміння динаміки критично для функцій.

💊 Застосування

Розуміння хвороб

Системний підхід до хвороб: зміни в мережах, модулях, динаміці. Ідентифікація ключових вузлів, механізмів, біомаркерів. Критично для терапій.

Розробка ліків

Таргетна терапія на основі мережевого аналізу: ідентифікація мішеней, комбінації ліків, побічні ефекти. Системний підхід до фармакології.

Синтетична біологія

Конструювання нових систем на основі розуміння існуючих. Модульний підхід, раціональний дизайн, передбачення поведінки. Біоінженерія.

Персоналізована медицина

Інтеграція multi-omics даних для індивідуального підходу. Моделювання індивідуальних систем, передбачення відповіді на лікування, оптимізація терапій.

Біотехнологія

Оптимізація виробництва метаболітів, білків через системні моделі. FBA, метаболічна інженерія, передбачення оптимальних умов, шляхів.

🔬 Методи дослідження

Визначення топології мереж

Експериментальні методи для виявлення взаємодій: Y2H, AP-MS, генетичні інтеракції, функціональні скринінги. Комп'ютерні передбачення, інтеграція даних.

Вимірювання динаміки

Time-series експерименти: RNA-seq у часі, протеоміка, метаболоміка. Дозволяють вивчати відповіді, переходи, динаміку системи.

Порушення системи

Perturbation experiments: knockout, knockdown, overexpress, зміна умов. Спостереження відповіді системи. Критично для валідації моделей, розуміння.

Біоінформатичний аналіз

Інтеграція даних, мережевий аналіз, моделювання, візуалізація. Спеціалізовані програмні інструменти та платформи для системної біології.

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Michaelis-Menten Kinetics і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.