通过信息理论实现自动化细胞模型开发^†

科学领域:

• 系统生物学 系统生物学
• 计算生物学 计算生物学
• 生物物理学的生物物理.

背景情况:

• 由于复杂的生化网络和空间组织,开发活细胞的预测模型是一个重大挑战.
• 反应/运输建模的进步和大型生物数据集 (基因组,蛋白质组,代谢,生物电) 为细胞建模创造了机会.
• 将这些不同的数据类型与模型集成,仍然是实现预测准确性的瓶.

研究的目的:

• 提出一种方法来开发和校准复杂的反应/运输系统的模型,特别是用于细胞建模.
• 引入一种新的细胞模型,Karyote,旨在结合预测建模所必需的物理过程.
• 通过信息理论和客观错误评估来证明一个公正的数据整合程序.

主要方法:

• 开发了基于信息理论的数据集成方法.
• 使用客观错误评估方法来整合各种实验数据类型 (NMR,光谱,显微镜,电电位计).
• 应用概率函数方法来处理不完整的模型,通过将实验数据与软信息 (错误测量,先验信息,规范化) 整合.

主要成果:

• 成功地将各种实验数据与Kariyote细胞模型集成.
• 展示了对研究良好的Trypanosoma brucei系统的方法.
• 展示了一种校准和运行不完整模型的方法,这是复杂生物系统中常见的问题.

结论:

• 提出的方法允许开发和校准复杂的生物系统的预测模型.
• 信息理论和客观错误评估为整合异质实验数据提供了一个强大的框架.
• 概率函数方法为模拟不完整系统提供了一个解决方案,推进了预测细胞模型的目标.