Βιολογία συστημάτων

υπολογιστική και μαθηματική μοντελοποίηση πολύπλοκων βιολογικών συστημάτων
Βιολογία Συστημάτων

H Βιολογία Συστημάτων είναι ένας τομέας που αναπτύχθηκε πολύ πρόσφατα, αλλά βρίσκει όλο και περισσότερους υποστηρικτές. Η γενική ιδέα αφορά την ερμηνεία διάφορων βιολογικών συμβάντων χρησιμοποιώντας τη θεωρία των συστημάτων. Η έννοια του συστήματος χρησιμοποιείται εδώ και πάρα πολλά χρόνια από πολλές διαφορετικές επιστήμες με ισχυρό μαθηματικό υπόβαθρο. Έτσι λοιπόν, η εισαγωγή μιας τέτοιας έννοιας στη βιολογία έδωσε νέα ώθηση στην κατανόηση διαφόρων δομών και λειτουργιών. Από τη μελέτη μεμονωμένων βιομορίων, η βιολογία συστημάτων έχει μετατοπίσει το ενδιαφέρον της στην ολοκληρωμένη μελέτη ομάδων βιομορίων τα συστατικά των οποίων αλληλεπιδρούν συνεργατικά για την εκτέλεση και ολοκλήρωση βιολογικών λειτουργιών.

ΕισαγωγήΕπεξεργασία

Η κατανόηση των αποτελεσμάτων διαφόρων πειραμάτων ή μετρήσεων είναι συχνά δύσκολη ή αβέβαιη όταν δε γνωρίζουμε πλήρως τον μηχανισμό που παράγει τα αποτελέσματα αυτά. Στην περίπτωση της βιολογίας, οι περισσότερες λειτουργίες ενός οργανισμού παραμένουν άγνωστες ακόμα και μετά από τόσα χρόνια παρατήρησης. Αντίθετα, προσπαθούμε να μαντέψουμε το «πώς» συνέβη κάτι με βάση διάσπαρτα ευρήματα, μετρήσεις μόνο συγκεκριμένων ποσοτήτων και εξωτερικά χαρακτηριστικά του φαινοτύπου του οργανισμού. Αυτή η προσπάθεια εμπεριέχει την κατά καιρούς εμφάνιση διαφόρων θεωριών, οι οποίες βασίζονται σε υπάρχοντα στοιχεία, αλλά με περαιτέρω έρευνα αποδεικνύονται λανθασμένες ή περιορίζεται η γενικότητά τους.

Σε αυτήν την προσπάθεια, της εύρεσης των αιτιών με βάση τα αποτελέσματα, έρχεται να συνδράμει και η βιολογία συστημάτων.

Η βιολογία συστημάτων έχει το χαρακτηριστικό της συνεργασίας επιστημόνων από διάφορα πεδία, καθώς για τη δόμηση και επαλήθευση κάθε θεωρίας απαιτούνται γνώσεις από το πεδίο της βιολογίας, των μαθηματικών, της φυσικής, της επιστήμης της πληροφορικής, καθώς και άλλους επιμέρους τομείς.

Η μεγάλη διαφοροποίηση, διερευνώντας ένα βιολογικό συμβάν από τη σκοπιά της συστημικής βιολογίας, έγκειται στο ότι δεν έχουμε απλά μια συσχέτιση συμβάντων. Αντίθετα, με βάση τις πληροφορίες και τα δεδομένα που παράγονται, δομείται ολόκληρο το βιολογικό σύστημα. Στο σύστημα αυτό ελέγχεται η επικοινωνία μεταξύ των μερών, καθώς και τα αποτελέσματα που έχει εν τέλει η ενεργοποίηση κάθε μέρους ξεχωριστά.

Εφαρμόζοντας μια σειρά μετρήσεων πρωτεϊνών, μπορούμε να διερευνήσουμε τα αποτελέσματα της εφαρμογής συγκεκριμένων ερεθισμάτων σε ένα κύτταρο. Έστω λοιπόν ότι γνωρίζουμε κάποιες πρωτεΐνες, που αν συνδεθούν με τις πρωτεΐνες της επιφάνειας του κυττάρου, ενεργοποιούν την έκφραση συγκεκριμένων γονιδίων. Αν μετρήσουμε τις πρωτεΐνες στο εσωτερικό του κυττάρου κατά τη διάρκεια της διαδικασίας αυτής, μπορεί να βρούμε αυξημένες συγκεκριμένες ενδιάμεσες πρωτεΐνες.

Διασταυρώνοντας τα δεδομένα από πολλά τέτοια πειράματα και συνθέτοντας ταυτόχρονα τις παραγόμενες πληροφορίες με αλγόριθμους, καταλήγουμε στην κατασκευή ενός δικτύου που περιγράφει τη διάδοση της πληροφορίας μέσα στο κύτταρο. Για το σκοπό αυτό απαιτείται μεγάλος όγκος δεδομένων.

ΙστορίαΕπεξεργασία

Η Βιολογία Συστημάτων βρίσκει τις ρίζες της:

  1. στην ποσοτική μοντελοποίηση της κινητικής του ενζύμου, ένας κλάδος που άνθισε μεταξύ του 1900 και του 1970,
  2. στη μαθηματική μοντελοποίηση της αύξησης του πληθυσμού,
  3. στις προσομοιώσεις που αναπτύχθηκαν για τη μελέτη της νευροφυσιολογίας, τη θεωρία ελέγχου (control theory) και της ρομποτικής.

Ένας από τους θεωρητικούς που μπορεί να θεωρηθεί ως ένας από τους προδρόμους της βιολογίας συστημάτων είναι Λούντβιχ φον Μπερταλάνφυ (Ludwig von Bertalanffy) με τη γενική θεωρία των συστημάτων του. Μία από τις πρώτες αριθμητικές προσομοιώσεις στην κυτταρική βιολογία δημοσιεύθηκε το 1952 από τους Βρετανούς νευροφυσιολόγους και νομπελίστες Alan Lloyd Hodgkin και Andrew Fielding Huxley, οι οποίοι κατασκεύασαν ένα μαθηματικό μοντέλο που εξηγεί την πολλαπλασιαστική δυναμική δράσης κατά μήκος του άξονα σε ένα νευρικό κύτταρο. Tο μοντέλο τους περιγράφει πώς μια κυτταρική λειτουργία αναδύεται από την αλληλεπίδραση μεταξύ δύο διαφορετικών μοριακών συστατικών, ενός καλίου και ενός νατρίου, και μπορεί ως εκ τούτου να θεωρηθεί ως η αρχή της υπολογιστικής βιολογίας συστημάτων. Το 1960, ο Denis Noble ανέπτυξε το πρώτο μοντέλο ηλεκτρονικού υπολογιστή του καρδιακού βηματοδότη.

Η έναρξη της μελέτης της βιολογίας συστημάτων ως ξεχωριστή θεωρία, ξεκίνησε από τον θεωρητικό MIhajilo Mesarovic το 1966 [1] στα πλαίσια ενός διεθνούς συμποσίου στο Institute of Technology στο Κλίβελαντ του Οχάιο, με τίτλο «Θεωρία Συστημάτων και Βιολογία».[2].

Τα 1960 και 1970 είδε την ανάπτυξη διαφόρων προσεγγίσεων για τη μελέτη πολύπλοκων μοριακών συστημάτων, όπως την ανάλυση μεταβολικού ελέγχου και τη θεωρία βιοχημικών συστημάτων. Οι επιτυχίες της μοριακής βιολογίας σε όλη τη δεκαετία του 1980, σε συνδυασμό με το σκεπτικισμό έναντι της θεωρητικής βιολογίας, που ως τότε είχε υποσχεθεί περισσότερα από ό,τι επιτεύχθησαν, ήταν η αιτία της ποσοτικής μοντελοποίησης βιολογικών διεργασιών για να γίνει ένας κάπως ήσσονος σημασίας τομέας.

Ωστόσο, η γέννηση της λειτουργικής γονιδιωματικής στη δεκαετία του 1990 σήμαινε ότι μεγάλες ποσότητες δεδομένων υψηλής ποιότητας έγιναν διαθέσιμα, ενώ η υπολογιστική ισχύς εξερράγει, καθιστώντας δυνατό πιο ρεαλιστικά μοντέλα. Το 1992, και στη συνέχεια, το 1994, σειρές άρθρων σχετικά με τα συστήματα ιατρικής, γενετικής και τα συστήματα βιολογικής μηχανικής από τον BJ Zeng δημοσιεύθηκαν στην Κίνα, όπου έδωσε μια διάλεξη για τη θεωρία και ερευνητική προσέγγιση των συστημάτων στην Πρώτη Διεθνή Διάσκεψη για διαγονιδιακά ζώα, στο Πεκίνο το 1996. Το 1997, η ομάδα του Masaru Tomita δημοσίευσε το πρώτο ποσοτικό μοντέλο του μεταβολισμού ενός (υποθετικού) κυττάρου.

Γύρω στο 2000, και μετά από την ίδρυση των Ινστιτούτων της Συστημικής Βιολογίας στο Σηάτλ και το Τόκιο, η συστημική βιολογία εμφανίστηκε ως μια κίνηση από μόνη της, ωθούμενη από την ολοκλήρωση των διαφόρων έργων-μελετών γονιδιώματος, τη μεγάλη αύξηση των δεδομένων από τις omics (π.χ., γονιδιωματική και πρωτεομική), τα συνοδευτικά σε πειράματα υψηλής απόδοσης και της βιοπληροφορικής.

Το 2002, το Εθνικό Ίδρυμα Επιστημών (NSF) προέβαλε μια μεγάλη πρόκληση για τα συστήματα βιολογίας στον 21ο αιώνα για να δημιουργηθεί ένα μαθηματικό μοντέλο ολόκληρου του κυττάρου. Το 2003, οι εργασίες στο Ινστιτούτο Τεχνολογίας της Μασαχουσέτης άρχισαν με τη CytoSolve, μια μέθοδο που εισήχθηκε για να διαμορφώσει το σύνολο των κυττάρων με δυναμική ενσωμάτωση πολλαπλών μοντέλων μοριακού μονοπατιού. Aπό τότε, διάφορα ερευνητικά ινστιτούτα είναι αφιερωμένα στη βιολογία συστημάτων.

Κλάδοι που συνεργάζονται στη Βιολογία ΣυστημάτωνΕπεξεργασία

Σύμφωνα με την ερμηνεία, η Βιολογία Συστημάτων είναι η ικανότητα απόκτησης, ενσωμάτωσης και ανάλυσης ενός σύνθετου συνόλου δεδομένων από πολλαπλές πειραματικές πηγές χρησιμοποιώντας διεπιστημονικά εργαλεία. Μερικοί τεχνικοί κλάδοι συνεργασίας είναι:

Μελέτη της διαφοροποίησης του φαινοτύπου ενός οργανισμού καθώς αλλάζει κατά τη διάρκεια της ζωής του.

Μελέτη του δεοξυριβονουκλεϊκού οξέος (DNA) ενός οργανισμού, συμπεριλαμβανομένου ενδο-οργανισμικών κύτταρο-ειδικών παραλλαγών.

Μελέτη των αναστρέψιμων κληρονομήσιμων αλλαγών στη λειτουργία των γονιδίων, που εμφανίζονται χωρίς κάποια αλλαγή στην αλληλουχία του πυρηνικού DNA.

Ανάλυση γονιδιακής έκφρασης ολόκληρων κυττάρων ή ιστών με DNA μικροσυστοιχίες ή σειρά αναλύσεων γονιδιακής έκφρασης.

Η μεγάλης κλίμακας μελέτη των πρωτεϊνών, και ιδιαίτερα των δομών και λειτουργιών τους.

Η επιστημονική μελέτη των χημικών διαδικασιών που αφορούν τους μεταβολίτες.

  • Συστημική βιολογία καρκίνου: Είναι μία σημαντική εφαρμογή στη προσέγγιση της Βιολογίας Συστημάτων, η οποία μπορεί να διακριθεί από το συγκεκριμένο στόχο της μελέτης. Λειτουργεί με συγκεκριμένα δεδομένα και εργαλεία. Ο μακροπρόθεσμος στόχος της Βιολογίας Συστημάτων του καρκίνου είναι η βελτίωση της διάγνωσης του καρκίνου, ταξινόμησης του και καλύτερη πρόβλεψη έκβασης προτεινόμενης θεραπείας, η οποία είναι η βάση για την εξατομικευμένη θεράπεια του καρκίνου. Σημαντικές προσπάθειες έχουν γίνει στην υπολογιστική Βιολογία Συστημάτων του καρκίνου για τη δημιουργία ρεαλιστικών πολυ-κλιμάκων σε μοντέλα in silico διαφόρων όγκων.

Οι έρευνες συχνά συνδυάζονται με τις μεθόδους διατάραξης μεγάλης κλίμακας, συμπεριλαμβανομένης βασισμένης σε γονίδιο και χημικές προσεγγίσεις με χρήση μικρών μορίων. Ρομπότ και αυτοματοποιημένοι αισθητήρες επιτρέπουν τέτοιας μεγάλης κλίμακας πειραμάτων και λήψη δεδομένων. Αυτές οι τεχνολογίες είναι ακόμη αναδυόμενες και αντιμετωπίζουν προβλήματα, όπως όσο μεγαλύτερη ποσότητα δεδομένων τόσο χαμηλότερη η ποιότητα αυτών.

Η προσέγγιση της Βιολογίας Συστημάτων συχνά περιλαμβάνει την ανάπτυξη μηχανιστικών μοντέλων, όπως η ανακατασκευή δυναμικών συστημάτων από τις ποσοτικές ιδιότητες των δομικών στοιχείων τους. Για παράδειγμα, ένα κυψελοειδές δίκτυο μπορεί να μοντελοποιηθεί μαθηματικά με τη χρήση μεθόδων που προέρχονται από χημική κινητική και θεωρία του ελέγχου. Λόγω του μεγάλου αριθμού παραμέτρων, μεταβλητών και περιορισμών σε κυψελοειδή δίκτυα, αριθμητικές και υπολογιστικές τεχνικές χρησιμοποιούνται συχνά.  

Εξωτερικοί σύνδεσμοιΕπεξεργασία

Το ινστιτούτο Βιολογίας Συστημάτων[3] στο Σηάτλ των ΗΠΑ είναι από τα πρωτοπόρα ερευνητικά ιδρύματα στον πλανήτη που ασχολούνται με την έρευνα στη Βιολογία Συστημάτων.

Η International Society of Systems Biology (ISSB)[4] είναι η διεθνής εταιρία της Βιολογίας Συστημάτων η οποία και διοργανώνει το ετήσιο συνέδριο Βιολογίας Συστημάτων.

ΠαραπομπέςΕπεξεργασία

  1. Mesarovic, Mihajlo D. (1968). Systems Theory and Biology. Berlin: Springer-Verlag.
  2. Rosen Robert (1968). «A Means Toward a New Holism». Science 3836: 34-35. doi:10.1126/science.161.3836.34. http://www.sciencemag.org/content/161/3836/34. 
  3. «Institute for Systems Biology (ISB) - Seattle, WA». Institute for Systems Biology (στα Αγγλικά). Ανακτήθηκε στις 2 Ιανουαρίου 2020. 
  4. «The International Society for Systems Biology». issb.org. Ανακτήθηκε στις 2 Ιανουαρίου 2020. 

ΒιβλιογραφίαΕπεξεργασία

  1.  "Systems Biology: the 21st Century Science". Institute for Systems Biology. Retrieved15 June 2011.
  2.  Βιολογία συστημάτων και -ομικές τεχνολογίες.Μ.Μανιουδάκη-Χ.Μπαζάκος 2001
  3.  Sauer, Uwe; Heinemann, Matthias; Zamboni, Nicola (27 April 2007). "Genetics: Getting Closer to the Whole Picture". Science 316 (5824): 550–551.doi:10.1126/science.1142502. PMID 1746327
  4. Noble, Denis (2006). The music of life: Biology beyond the genome. Oxford: Oxford University Press. p. 176. ISBN 978-0-19-929573-9.
  5. Kholodenko, Boris N; Sauro, Herbert M (2005). Alberghina, Lilia; Westerhoff, Hans V, eds. "Systems Biology: Definitions and Perspectives". Topics in Current Genetics 13. Berlin: Springer-Verlag. pp. 357–451. doi:10.1007/b136809. ISBN 978-3-540-22968-1
  6. Chiara Romualdi; Gerolamo Lanfranchi (2009). "Statistical Tools for Gene Expressio 
  7. von Bertalanffy, Ludwig (28 March 1976) [1968]. General System theory: Foundations, Development, Applications. George Braziller. p. 295. ISBN 978-0-8076-0453-3
  8. Hodgkin, Alan L; Huxley, Andrew F (28 August 1952). "A quantitative description of membrane current and its application to conduction and excitation in nerve". Journal of Physiology 117 (4): 500–544. PMC 1392413. PMID 12991237
  9. Le Novère, Nicolas (13 June 2007). "The long journey to a Systems Biology of neuronal function". BMC Systems Biology 1: 28. doi:10.1186/1752-0509-1-28. PMC 1904462.PMID 17567903
  10. Noble, Denis (5 November 1960). "Cardiac action and pacemaker potentials based on the Hodgkin-Huxley equations". Nature 188 (4749): 495–497.Bibcode:1960Natur.188..495N. doi:10.1038/188495b0. PMID 13729365
  11. Mesarovic, Mihajlo D. (1968). Systems Theory and Biology. Berlin: Springer-Verlag. 
  12. Rosen, Robert (5 July 1968). "A Means Toward a New Holism". Science 161 (3836):3435. Bibcode:1968Sci...161...34M. doi:10.1126/science.161.3836.34.JSTOR 1724368.