för skojs skull, här är några exempel på definitioner:
för att förstå komplexa biologiska system kräver integration av experimentell och beräkningsforskning — med andra ord en systembiologisk strategi. (Kitano, 2002)
systembiologi studerar biologiska system genom att systematiskt störa dem (biologiskt, genetiskt eller kemiskt); övervakning av gen -, protein-och informationsvägssvar; integrera dessa data; och slutligen formulera matematiska modeller som beskriver systemets struktur och dess svar på individuella störningar. (Ideker et al, 2001)
syftet med systembiologi definieras som förståelsen av nätverksbeteende, och i synnerhet deras dynamiska aspekter, vilket kräver användning av metematisk modellering tätt kopplad till experiment. (Cassman, 2005)
genom att upptäcka hur funktion uppstår i dynamiska interaktioner adresserar systembiologi de saknade länkarna mellan molekyler och fysiologi. Top-down systembiologi identifierar molekylära interaktionsnätverk på grundval av korrelerat molekylärt beteende observerat i genomomfattande ”omics”-studier. Bottom-up systembiologi undersöker mekanismerna genom vilka funktionella egenskaper uppstår i interaktioner mellan kända komponenter. (Bruggeman och Westerhoff, 2007)
Varför är det så svårt att komma med en kortfattad definition av systembiologi? En av anledningarna kan vara att varje definition måste respektera en känslig balans mellan ”yin och yang” i disciplinen: integrationen av experimentella och beräkningsmetoder (Kitano, 2002); balansen mellan genomomfattande systematiska tillvägagångssätt (Ideker et al, 2001) och mindre kvantitativa studier (Tyson et al, 2001); top-down kontra bottom-up strategier för att lösa systemarkitektur och funktionella egenskaper (Bruggeman och Westerhoff, 2007). Men trots mångfalden i åsikter och åsikter kan det finnas två huvudaspekter som bevaras över dessa definitioner: a) ett systemnivåförfarande försöker överväga alla komponenter i ett system; b) egenskaperna och interaktionerna hos komponenterna är kopplade till funktioner som utförs av det intakta systemet via en beräkningsmodell. Detta kan i själva verket avslöja en annan källa till svårigheter när man försöker definiera systembiologi, vilket är att hitta en allmän och objektiv definition av ”biologisk funktion” (eller Landers ”systemets mål”, se vårt korta inlägg teleologi och systembiologi). Kommentera gärna och föreslå detta …
i vilket fall som helst, snarare än att försöka för hårt för att dra konceptuella gränser med teoretiska definitioner, tyckte jag att det skulle vara intressant att se hur fältet definierar sig själv. Jag introducerade alla ursprungliga forskningsartiklar publicerade i Molecular Systems Biology i del.icio.oss och taggade posterna för att få en uppfattning om fördelningen av flera aspekter av den forskning vi publicerar. Oundvikligen har mina taggar ganska breda betydelser och gränserna är ofta fuzzy (t. ex. Vad är en ”mekanism”?), men jag försökte mitt bästa genom att ta hänsyn till följande dimensioner:
- studiens skala: genombrett vs småskaligt eller encelligt, etc
- biologiskt tillvägagångssätt: transkriptomik, proteomik etc …
- beräkningsmetod: simulering, datadriven korrelationsmodell, nätverksstrukturmodell, etc …
- insikt: dynamik i systemet, globala egenskaper (modularitet, robusthet, utveckling…), mekanistisk insikt, etc …
här är resultatet, som ett ”taggmoln”
det finns en tydlig, och inte alltför överraskande, dominans av genomomfattande ”omics” -typ av studier (i synnerhet transkriptomik). Men det är också bra att se att de småskaliga studierna, ofta med kvantitativa tillvägagångssätt och fokus på systemdynamik, också är väl representerade. Återigen är denna klassificering mycket rå och något godtycklig, men den ger ändå en överblick över systembiologins landskap. Om jag hittar tiden kommer jag att försöka förfina koncepten och introducera vårt innehåll på ett mer strukturerat sätt i freebase. Att hitta ett strukturerat sätt att karakterisera ”insikten” i en studie kan vara särskilt utmanande men det kan vara en lärorik övning.