La integración de datos computacionales y de alto rendimiento aclara las redes bacterianas.

Área de la Ciencia:

• Biología de Sistemas Biología de Sistemas.
• Biología computacional Biología computacional.
• La genómica es la genómica.

Sus antecedentes:

• Los datos biológicos de alto rendimiento requieren herramientas computacionales avanzadas para el descubrimiento.
• Los modelos in silico son cruciales para conciliar diversos tipos de datos y generar hipótesis.
• El descubrimiento biológico es un proceso iterativo que implica la predicción del modelo, la experimentación y el refinamiento del modelo.

Objetivo del estudio:

• Construir el primer modelo computacional integrado a escala de genoma de una red reguladora y metabólica transcripcional.
• Demostrar la utilidad de los modelos computacionales para dirigir el descubrimiento biológico.
• Identificar las brechas de conocimiento y las nuevas interacciones dentro de las redes biológicas.

Principales métodos:

• Reconstrucción de un modelo a escala de genoma utilizando la literatura y la información de la base de datos.
• Integración de los datos de la red reguladora y metabólica de transcripción para Escherichia coli.
• Validación del modelo frente a los datos de fenotipo y expresión génica de crecimiento de alto rendimiento.

Principales resultados:

• Desarrollo de un modelo integral que abarca 1.010 genes en Escherichia coli.
• El modelo incluye 104 genes reguladores que controlan 479 genes metabólicos.
• El modelo predijo con éxito los resultados experimentales e identificó componentes e interacciones de red desconocidos.

Conclusiones:

• Un enfoque de biología de sistemas que combina la experimentación a escala genómica y la computación genera sistemáticamente hipótesis.
• Los modelos computacionales integrados son potentes herramientas para el descubrimiento biológico.
• Este estudio destaca el potencial de los modelos in silico para avanzar en nuestra comprensión de los sistemas biológicos complejos.