for moro skyld, her er noen eksempler på definisjoner:
for å forstå komplekse biologiske systemer krever integrering av eksperimentell og beregningsforskning-med andre ord en systembiologi tilnærming. (Kitano, 2002)
Systembiologi studerer biologiske systemer ved systematisk å forstyrre dem (biologisk, genetisk eller kjemisk); overvåking av gen -, protein-og informasjonsveiresponser; integrere disse dataene; og til slutt formulere matematiske modeller som beskriver strukturen i systemet og dets respons på individuelle forstyrrelser. (Ideker et al, 2001)
målet med systembiologi definert som forståelsen av nettverksadferd, og spesielt deres dynamiske aspekter, som krever utnyttelse av metematisk modellering tett knyttet til eksperiment. (Cassman, 2005)
ved å oppdage hvordan funksjon oppstår i dynamiske interaksjoner, adresserer systembiologi de manglende koblingene mellom molekyler og fysiologi. Top-down systems biology identifiserer molekylære interaksjonsnettverk på grunnlag av korrelert molekylær oppførsel observert i genom-wide «omics» studier. Bottom-up systems biology undersøker mekanismene gjennom hvilke funksjonelle egenskaper oppstår i samspillet mellom kjente komponenter. (Bruggeman og Westerhoff, 2007)
Hvorfor er Det så vanskelig å komme opp med en kortfattet definisjon av systembiologi? En av grunnene kan være at hver definisjon må respektere en delikat balanse mellom» yin og yang » i disiplinen: integrering av eksperimentelle og beregningsmessige tilnærminger (Kitano, 2002); balansen mellom systematiske tilnærminger i genom (Ideker et al, 2001) og kvantitative studier i mindre skala (Tyson et al, 2001); top-down versus bottom-up strategier for å løse systemarkitektur og funksjonelle egenskaper (Bruggeman Og Westerhoff, 2007). Men til tross for mangfoldet i meninger og synspunkter, kan det være to hovedaspekter som er bevart på tvers av disse definisjonene: a) en systemnivå tilnærming forsøker å vurdere alle komponentene i et system; b) egenskapene og interaksjonene til komponentene er knyttet til funksjoner utført av det intakte systemet via en beregningsmodell. Dette kan faktisk avsløre en annen vanskelighetskilde når man prøver å definere systembiologi, som er å finne en generell og objektiv definisjon av » biologisk funksjon «(Eller Lander ‘s» mål for systemet», se vår korte Post Teleologi og Systembiologi). I alle fall, i stedet for å prøve for hardt å tegne konseptuelle grenser med teoretiske definisjoner, trodde jeg det ville være interessant å se hvordan feltet definerer seg selv. Jeg introduserte alle de opprinnelige forskningsartiklene publisert I Molecular Systems Biology i del.icio.oss og merket oppføringene for å få en ide om fordelingen av flere aspekter av forskningen vi publiserer. Uunngåelig har taggene mine ganske brede betydninger, og grensene er ofte fuzzy (f. eks.), men jeg prøvde mitt beste ved å ta hensyn til følgende dimensjoner:
- skala av studien: genenome-wide vs small scale eller single-cell, etc
- biologisk tilnærming: transcriptomics, proteomics etc…
- computational approach: simulering, data-drevet korrelasjonsmodell, nettverksstruktur modell, etc…
- innsikt oppnådd: dynamikk i systemet, globale egenskaper (modularitet, robusthet, evolvability…), mekanistisk innsikt, etc …
her er resultatet, som en «tag cloud»
det er en klar, og ikke så overraskende, dominans av genom-wide ‘omics’-type studier (spesielt transkriptomics). Men det er også godt å se at de småskala studiene, ofte ved hjelp av kvantitative tilnærminger og fokus på systemdynamikk, også er godt representert. Igjen er denne klassifiseringen veldig rå og noe vilkårlig, men det gir likevel en oversikt over landskapet i systembiologi. Hvis jeg finner tid, vil jeg prøve å forfine konseptene og introdusere innholdet vårt på en mer strukturert måte i freebase. Å finne en strukturert måte å karakterisere» innsikt » av en studie kan være spesielt utfordrende, men det kan være en læreriktig øvelse.