Biologia de sistemes: diferència entre les revisions
m simplificant dates de categories de manteniment |
ref |
||
| Línia 9: | Línia 9: | ||
La biologia de sistemes es pot entendre des de diversos punts de vista. |
La biologia de sistemes es pot entendre des de diversos punts de vista. |
||
Com a camp d'estudi, en particular, l'estudi de les interaccions entre els components dels sistemes biològics, i com aquestes interaccions donen lloc a la funció i el comportament d'aquest sistema (per exemple, els [[Enzim|enzims]] i [[Metabòlit|metabòlits]] en una [[Ruta metabòlica|via metabòlica]] o els batecs del cor). |
Com a camp d'estudi, en particular, l'estudi de les interaccions entre els components dels sistemes biològics, i com aquestes interaccions donen lloc a la funció i el comportament d'aquest sistema (per exemple, els [[Enzim|enzims]] i [[Metabòlit|metabòlits]] en una [[Ruta metabòlica|via metabòlica]] o els batecs del cor).<ref>{{Ref-llibre|títol=From isolation to integration, a systems biology approach for building the Silicon Cell|url=http://link.springer.com/10.1007/b106456|editorial=Springer-Verlag|data=2005|lloc=Berlin/Heidelberg|isbn=978-3-540-22968-1|pàgines=13–30|volum=13|doi=10.1007/b106456|llengua=en|nom=Jacky L.|cognom=Snoep|nom2=Hans V.|cognom2=Westerhoff}}</ref><ref>{{Ref-llibre|títol=The music of life : biology beyond the genome|url=https://www.worldcat.org/oclc/170965452|editorial=Oxford University Press|data=2006|lloc=Oxford|isbn=978-0-19-151627-6|nom=Denis|cognom=Noble}}</ref> |
||
Com a [[paradigma]], la biologia de sistemes sol definir-se en antítesi de l'anomenat paradigma [[Reduccionisme|reduccionista]] ([[organització biològica]]), encara que és coherent amb el [[mètode científic]]. La distinció entre els dos paradigmes és referenciada en aquestes cites: "l'enfocament reduccionista ha identificat amb èxit la majoria dels components i moltes de les interaccions, però, malauradament, no ofereix conceptes ni mètodes convincents per entendre com sorgeixen les propietats del sistema... el pluralisme de causes i efectes a les xarxes biològiques s'aborda millor observant, mitjançant mesures quantitatives, múltiples components simultàniament i mitjançant una rigorosa integració de dades amb models matemàtics." "La biologia de sistemes... consisteix a reunir més que desmuntar, integrar més que reduir. Requereix que desenvolupem maneres de pensar sobre la integració que siguin tan rigoroses com els nostres programes reduccionistes, però diferents... Significa canviar la nostra filosofia, en el sentit ple del terme". |
Com a [[paradigma]], la biologia de sistemes sol definir-se en antítesi de l'anomenat paradigma [[Reduccionisme|reduccionista]] ([[organització biològica]]), encara que és coherent amb el [[mètode científic]]. La distinció entre els dos paradigmes és referenciada en aquestes cites: "l'enfocament reduccionista ha identificat amb èxit la majoria dels components i moltes de les interaccions, però, malauradament, no ofereix conceptes ni mètodes convincents per entendre com sorgeixen les propietats del sistema... el pluralisme de causes i efectes a les xarxes biològiques s'aborda millor observant, mitjançant mesures quantitatives, múltiples components simultàniament i mitjançant una rigorosa integració de dades amb models matemàtics."<ref>{{Ref-publicació|article=Genetics. Getting closer to the whole picture|url=https://pubmed.ncbi.nlm.nih.gov/17463274|publicació=Science (New York, N.Y.)|data=2007-04-27|issn=1095-9203|pmid=17463274|pàgines=550–551|volum=316|exemplar=5824|doi=10.1126/science.1142502|nom=Uwe|cognom=Sauer|nom2=Matthias|cognom2=Heinemann|nom3=Nicola|cognom3=Zamboni}}</ref> "La biologia de sistemes... consisteix a reunir més que desmuntar, integrar més que reduir. Requereix que desenvolupem maneres de pensar sobre la integració que siguin tan rigoroses com els nostres programes reduccionistes, però diferents... Significa canviar la nostra filosofia, en el sentit ple del terme". |
||
Com a conjunt de [[Protocol d'investigació científica|protocols]] operatius utilitzats per a la realització d'investigacions, és a dir, un cicle compost per teoria, modelització [[Model matemàtic|analítica]] o computacional per proposar hipòtesis específiques comprovables sobre un sistema biològic, validació experimental i, posteriorment, utilitzant la descripció quantitativa recentment adquirida de cèl·lules o processos cel·lulars per refinar el model o teoria computacional. Atès que l'objectiu és un model de les interaccions en un sistema, les tècniques experimentals que més s'adapten a la biologia de sistemes són aquelles més generals i que intenten ser tan completes com sigui possible. Per tant, la transcriptòmica, la [[metabolòmica]], la [[proteòmica]] i les [[Cribratge d'alt rendiment|tècniques d'alt rendiment]] s'usen per recollir dades quantitatives per a la construcció i validació de models. |
Com a conjunt de [[Protocol d'investigació científica|protocols]] operatius utilitzats per a la realització d'investigacions, és a dir, un cicle compost per teoria, modelització [[Model matemàtic|analítica]] o computacional per proposar hipòtesis específiques comprovables sobre un sistema biològic, validació experimental i, posteriorment, utilitzant la descripció quantitativa recentment adquirida de cèl·lules o processos cel·lulars per refinar el model o teoria computacional.<ref>{{Ref-llibre|títol=Systems biology : definitions and perspectives|url=https://www.worldcat.org/oclc/262680278|editorial=Springer|data=2005|lloc=Berlin|isbn=978-3-540-31453-0}}</ref> Atès que l'objectiu és un model de les interaccions en un sistema, les tècniques experimentals que més s'adapten a la biologia de sistemes són aquelles més generals i que intenten ser tan completes com sigui possible. Per tant, la transcriptòmica, la [[metabolòmica]], la [[proteòmica]] i les [[Cribratge d'alt rendiment|tècniques d'alt rendiment]] s'usen per recollir dades quantitatives per a la construcció i validació de models.<ref>{{Ref-llibre|títol=Bioinformatics for systems biology|url=https://www.worldcat.org/oclc/314182080|editorial=Humana|data=2009|lloc=Totowa, N.J.|isbn=978-1-59745-440-7}}</ref> |
||
Com l'aplicació de la teoria de sistemes dinàmics a la [[biologia molecular]]. De fet, el focus en la dinàmica dels sistemes estudiats és la principal diferència conceptual entre la biologia de sistemes i la [[Biologia computacional|bioinformàtica]]. |
Com l'aplicació de la teoria de sistemes dinàmics a la [[biologia molecular]]. De fet, el focus en la dinàmica dels sistemes estudiats és la principal diferència conceptual entre la biologia de sistemes i la [[Biologia computacional|bioinformàtica]].<ref>{{Ref-llibre|títol=A first course in systems biology|url=https://www.worldcat.org/oclc/746837928|editorial=Garland Science|data=2013|lloc=New York|isbn=978-0-8153-4467-4|nom=Eberhard O.|cognom=Voit}}</ref> |
||
Com a fenomen sociocientífic definit per l'estratègia de perseguir la integració de dades complexes sobre les interaccions en sistemes biològics de diverses fonts experimentals fent servir eines i personal interdisciplinari.<ref name=":1" /> |
Com a fenomen sociocientífic definit per l'estratègia de perseguir la integració de dades complexes sobre les interaccions en sistemes biològics de diverses fonts experimentals fent servir eines i personal interdisciplinari.<ref name=":1" /> |
||
| Línia 39: | Línia 39: | ||
== Disciplines associades == |
== Disciplines associades == |
||
== Bioinformàtica i anàlisi de dades == |
== Bioinformàtica i anàlisi de dades == |
||
Altres aspectes de la [[informàtica]] i l'[[estadística]] també s'utilitzen en biologia de sistemes. Aquestes inclouen noves formes de models computacionals, com ara l'ús de càlculs de processos per modelar processos biològics (alguns enfocaments inclouen el [[Càlcul pi|càlcul estocàstic de π]], BioAmbients, Beta Binders, BioPEPA i càlcul de Brane) i el modelatge basat en restriccions; integració d'informació des de la literatura, fent servir tècniques d'extracció d'informació i textos; desenvolupament de bases de dades i repositoris en línia per compartir dades i models, enfocaments a la integració de bases de dades i interoperabilitat de programari mitjançant un acoblament fluix de programari o llocs web i bases de dades. Enfocaments basats en xarxa per analitzar conjunts de dades genòmiques d'alta dimensionalitat. Per exemple, l'anàlisi de xarxes de correlació ponderada s'usa sovint per identificar clústers, modelar la relació entre clústers, calcular mesures difuses de pertinença a clústers, identificar focus intramodulars i per estudiar la preservació de clústers en altres conjunts de dades; mètodes basats en rutes per a l'anàlisi de dades com els enfocaments per identificar i puntuar vies amb activitat diferencial dels membres dels seus gens, proteïnes o metabòlits. Gran part de l'anàlisi dels conjunts de dades genòmiques també inclou la identificació de correlacions. A més, com que gran part de la informació prové de diferents camps, es necessita el desenvolupament de maneres sintàcticament i semànticament sòlides de representar models biològics. |
Altres aspectes de la [[informàtica]] i l'[[estadística]] també s'utilitzen en biologia de sistemes. Aquestes inclouen noves formes de models computacionals, com ara l'ús de càlculs de processos per modelar processos biològics (alguns enfocaments inclouen el [[Càlcul pi|càlcul estocàstic de π]], BioAmbients, Beta Binders, BioPEPA i càlcul de Brane) i el modelatge basat en restriccions; integració d'informació des de la literatura, fent servir tècniques d'extracció d'informació<ref>{{Ref-publicació|article=Text mining and its potential applications in systems biology|url=https://pubmed.ncbi.nlm.nih.gov/17045684|publicació=Trends in Biotechnology|data=2006-12|issn=0167-7799|pmid=17045684|pàgines=571–579|volum=24|exemplar=12|doi=10.1016/j.tibtech.2006.10.002|nom=Sophia|cognom=Ananiadou|nom2=Douglas B.|cognom2=Kell|nom3=Jun-ichi|cognom3=Tsujii}}</ref> i textos; desenvolupament de bases de dades i repositoris en línia per compartir dades i models, enfocaments a la integració de bases de dades i interoperabilitat de programari mitjançant un acoblament fluix de programari o llocs web i bases de dades. Enfocaments basats en xarxa per analitzar conjunts de dades genòmiques d'alta dimensionalitat. Per exemple, l'anàlisi de xarxes de correlació ponderada s'usa sovint per identificar clústers, modelar la relació entre clústers, calcular mesures difuses de pertinença a clústers, identificar focus intramodulars i per estudiar la preservació de clústers en altres conjunts de dades; mètodes basats en rutes per a l'anàlisi de dades com els enfocaments per identificar i puntuar vies amb activitat diferencial dels membres dels seus gens, proteïnes o metabòlits.<ref>{{Ref-publicació|article=PathVar: analysis of gene and protein expression variance in cellular pathways using microarray data|url=https://pubmed.ncbi.nlm.nih.gov/22123829|publicació=Bioinformatics (Oxford, England)|data=2012-02-01|issn=1367-4811|pmc=3268235|pmid=22123829|pàgines=446–447|volum=28|exemplar=3|doi=10.1093/bioinformatics/btr656|nom=Enrico|cognom=Glaab|nom2=Reinhard|cognom2=Schneider}}</ref> Gran part de l'anàlisi dels conjunts de dades genòmiques també inclou la identificació de correlacions. A més, com que gran part de la informació prové de diferents camps, es necessita el desenvolupament de maneres sintàcticament i semànticament sòlides de representar models biològics.<ref>{{Ref-publicació|article=Multi-level and hybrid modelling approaches for systems biology|nom=R.|nom4=S.|cognom3=Benso|nom3=A.|cognom2=Politano|nom2=G.|cognom=Bardini|doi=10.1016/j.csbj.2017.07.005|url=https://pubmed.ncbi.nlm.nih.gov/28855977|volum=15|pàgines=396–402|pmid=28855977|pmc=5565741|issn=2001-0370|data=2017|publicació=Computational and Structural Biotechnology Journal|cognom4=Di Carlo}}</ref> |
||
== Creació de models biològics == |
== Creació de models biològics == |
||
Revisió del 14:16, 11 gen 2022
 |
Aquest article o secció no cita les fonts o necessita més referències per a la seva verificabilitat. |
La biologia de sistemes és una branca de les ciències naturals que es centra en l'estudi sistemàtic de les interaccions complexes en els sistemes biològics.[1]
A diferència dels mètodes clàssics d'estudi usats en la biologia tradicional, la biologia de sistemes empra fonamentalment la modelització. Aquestes tècniques sorgeixen fonamentalment de l'ús de models matemàtics que descriuen el comportament del sistema en estudi. Els models permeten predir el comportament del procés com un sistema dinàmic, generalment tractat com una xarxa complexa, i comparar-lo amb les observacions experimentals.[2][3]
Per la seva pròpia naturalesa, la biologia de sistemes és inherentment una àrea interdisciplinària. Solen trobar-se, a més de biòlegs i bioquímics, professionals i especialistes en matemàtiques, física, enginyeria de control i teoria de sistemes.[4]
Descripció general
La biologia de sistemes es pot entendre des de diversos punts de vista.
Com a camp d'estudi, en particular, l'estudi de les interaccions entre els components dels sistemes biològics, i com aquestes interaccions donen lloc a la funció i el comportament d'aquest sistema (per exemple, els enzims i metabòlits en una via metabòlica o els batecs del cor).[5][6]
Com a paradigma, la biologia de sistemes sol definir-se en antítesi de l'anomenat paradigma reduccionista (organització biològica), encara que és coherent amb el mètode científic. La distinció entre els dos paradigmes és referenciada en aquestes cites: "l'enfocament reduccionista ha identificat amb èxit la majoria dels components i moltes de les interaccions, però, malauradament, no ofereix conceptes ni mètodes convincents per entendre com sorgeixen les propietats del sistema... el pluralisme de causes i efectes a les xarxes biològiques s'aborda millor observant, mitjançant mesures quantitatives, múltiples components simultàniament i mitjançant una rigorosa integració de dades amb models matemàtics."[7] "La biologia de sistemes... consisteix a reunir més que desmuntar, integrar més que reduir. Requereix que desenvolupem maneres de pensar sobre la integració que siguin tan rigoroses com els nostres programes reduccionistes, però diferents... Significa canviar la nostra filosofia, en el sentit ple del terme".
Com a conjunt de protocols operatius utilitzats per a la realització d'investigacions, és a dir, un cicle compost per teoria, modelització analítica o computacional per proposar hipòtesis específiques comprovables sobre un sistema biològic, validació experimental i, posteriorment, utilitzant la descripció quantitativa recentment adquirida de cèl·lules o processos cel·lulars per refinar el model o teoria computacional.[8] Atès que l'objectiu és un model de les interaccions en un sistema, les tècniques experimentals que més s'adapten a la biologia de sistemes són aquelles més generals i que intenten ser tan completes com sigui possible. Per tant, la transcriptòmica, la metabolòmica, la proteòmica i les tècniques d'alt rendiment s'usen per recollir dades quantitatives per a la construcció i validació de models.[9]
Com l'aplicació de la teoria de sistemes dinàmics a la biologia molecular. De fet, el focus en la dinàmica dels sistemes estudiats és la principal diferència conceptual entre la biologia de sistemes i la bioinformàtica.[10]
Com a fenomen sociocientífic definit per l'estratègia de perseguir la integració de dades complexes sobre les interaccions en sistemes biològics de diverses fonts experimentals fent servir eines i personal interdisciplinari.[4]
Història
La biologia de sistemes té les seves arrels a:
- el modelatge quantitatiu de cinètica enzimàtica, una disciplina que va florir entre 1900 i 1970
- els models matemàtics que estudien el creixement de poblacions
- simulacions desenvolupades per estudiar neurofisiologia
- teoria de control i cibernètica
Ludwig von Bertalanffy, per la seva teoria general de sistemes, és un dels teòrics que pot ser vist com a precursor de la biologia de sistemes. Al 1952, els neurofisiòlegs britànics Alan Lloyd Hodgkin i Andrew Fielding Huxley[11] van construir un model matemàtic descrivint el potencial d'acció que es propagava a través de l'axó d'una neurona. El 1960, Denis Noble va desenvolupar el primer model computacional d'un cor latent.[12]
La dècada del 1960 va veure el desenvolupament de diverses aproximacions a l'estudi de sistemes complexos moleculars, com ara l'anàlisi del control metabòlic i la teoria de sistemes bioquímics. Però, l'èxit de la biologia molecular a través de la dècada del 1980, aparellat amb un escepticisme cap a la biologia teòrica, van causar que el modelatge quantitatiu de processos biològics es convertís en un camp científic menor. Segons Robert Rosen a la dècada de 1960, la biologia holística s'havia convertit en obsoleta a principis del segle XX, ja que la ciència més empírica dominada per la química molecular s'havia fet popular.[13] Fent-se ressò d'ell quaranta anys més tard, el 2006, Kling escriu que l'èxit de la biologia molecular al llarg del segle XX havia suprimit els mètodes computacionals holístics.[14]
No obstant això, el naixement de la genòmica funcional a la dècada de 1990 va fer possible disposar d'una gran quantitat d'informació d'alta qualitat, a l'hora que les possibilitats de la ciència computacional creixia a passos de gegant, cosa que va permetre construir models més complicats i realistes. El 1997 el grup de Masaru Tomita va publicar el primer model quantitatiu del metabolisme complet d'una cèl·lula hipotètica (simplificada).
Va ser prop de l'any 2000, quan els instituts de sistemes en biologia estaven sent establerts a Seattle i Tòquio, que la biologia de sistemes va emergir com un moviment en el seu propi dret tot i que l'institut no tenia una definició clara de què era realment el camp: reunir aproximadament persones de diversos camps per utilitzar ordinadors per estudiar biologia de manera holística de noves maneres[14]. El 2003 es va posar en marxa un Departament de Biologia de Sistemes a la Harvard Medical School[15]. L'any 2006 es va predir que totes les grans universitats necessitarien un departament de biologia de sistemes, de manera que hi hauria carreres disponibles per a graduats amb un mínim d'habilitats en programació informàtica i biologia[14]. L'any 2006, la National Science Foundation va plantejar un repte per construir un model matemàtic de la cèl·lula sencera. El 2012, el laboratori Karr de l'Escola de Medicina Mount Sinai de New York va aconseguir el primer model de cèl·lules senceres de Mycoplasma genitalium. Aquest model és capaç de predir la viabilitat de les cèl·lules de M. genitalium en resposta a mutacions genètiques[16].
Una fita important en el desenvolupament de la biologia de sistemes ha sigut el projecte internacional Physiome.[17]
Disciplines associades
Bioinformàtica i anàlisi de dades
Altres aspectes de la informàtica i l'estadística també s'utilitzen en biologia de sistemes. Aquestes inclouen noves formes de models computacionals, com ara l'ús de càlculs de processos per modelar processos biològics (alguns enfocaments inclouen el càlcul estocàstic de π, BioAmbients, Beta Binders, BioPEPA i càlcul de Brane) i el modelatge basat en restriccions; integració d'informació des de la literatura, fent servir tècniques d'extracció d'informació[18] i textos; desenvolupament de bases de dades i repositoris en línia per compartir dades i models, enfocaments a la integració de bases de dades i interoperabilitat de programari mitjançant un acoblament fluix de programari o llocs web i bases de dades. Enfocaments basats en xarxa per analitzar conjunts de dades genòmiques d'alta dimensionalitat. Per exemple, l'anàlisi de xarxes de correlació ponderada s'usa sovint per identificar clústers, modelar la relació entre clústers, calcular mesures difuses de pertinença a clústers, identificar focus intramodulars i per estudiar la preservació de clústers en altres conjunts de dades; mètodes basats en rutes per a l'anàlisi de dades com els enfocaments per identificar i puntuar vies amb activitat diferencial dels membres dels seus gens, proteïnes o metabòlits.[19] Gran part de l'anàlisi dels conjunts de dades genòmiques també inclou la identificació de correlacions. A més, com que gran part de la informació prové de diferents camps, es necessita el desenvolupament de maneres sintàcticament i semànticament sòlides de representar models biològics.[20]
Creació de models biològics
 |
A Wikimedia Commons hi ha contingut multimèdia relatiu a: Biologia de sistemes |
Els investigadors comencen escollint una via biològica i diagramant totes les interaccions de proteïnes. Després de determinar totes les interaccions de les proteïnes, s'utilitza la cinètica d'acció massiva per descriure la velocitat de les reaccions en el sistema. La cinètica d'acció massiva proporcionarà equacions diferencials[21] per modelar el sistema biològic com un model matemàtic on els experiments poden determinar els valors dels paràmetres a utilitzar en les equacions diferencials. Aquests valors dels paràmetres seran les velocitats de reacció de cada interacció de proteïnes en el sistema. Aquest model determina el comportament de determinades proteïnes en sistemes biològics i aporta una nova visió de les activitats específiques de les proteïnes individuals. De vegades no és possible reunir totes les velocitats de reacció d'un sistema. Les velocitats de reacció desconegudes es determinen simulant el model de paràmetres coneguts i el comportament de l'objectiu que proporciona els possibles valors dels paràmetres.[22][23]
L'ús de mètodes de reconstrucció i anàlisi basats en restriccions (COBRA) s'ha popularitzat entre els biòlegs de sistemes per simular i predir els fenotips metabòlics, utilitzant models a escala del genoma. Un dels mètodes és l'anàlisi de l'equilibri de flux (FBA), mitjançant el qual es poden estudiar les xarxes bioquímiques i analitzar el flux de metabòlits a través d'una xarxa metabòlica particular, maximitzant l'objecte d'interès.[24]
Bibliografia
- Klipp, Edda; Liebermeister, Wolfram; Wierling, Christoph [et al.].. Systems Biology - A Textbook, 2nd edition. Wiley, 2016. ISBN 978-3-527-33636-4.
- Asfar S. Azmi. Systems Biology in Cancer Research and Drug Discovery, 2012. ISBN 978-94-007-4819-4.
- Kitano, Hiroaki. Foundations of Systems Biology. MIT Press, 15 October 2001. ISBN 978-0-262-11266-6.
- Werner, Eric «All systems go». Nature, vol. 446, 7135, 29-03-2007, pàg. 493–494. Bibcode: 2007Natur.446..493W. DOI: 10.1038/446493a. ofereix una revisió comparativa de tres llibres
- Alon, Uri. An Introduction to Systems Biology: Design Principles of Biological Circuits. Chapman & Hall, 7 July 2006. ISBN 978-1-58488-642-6.
- Kaneko, Kunihiko. Life: An Introduction to Complex Systems Biology. Springer-Verlag, 15 September 2006. ISBN 978-3-540-32666-3.
- Palsson, Bernhard O. Systems Biology: Properties of Reconstructed Networks. Cambridge University Press, 16 January 2006. ISBN 978-0-521-85903-5.
- Encyclopedia of Systems Biology. Springer-Verlag, 13 August 2013. ISBN 978-1-4419-9864-4.
Referències
- ↑ Tavassoly, Iman; Goldfarb, Joseph; Iyengar, Ravi «Systems biology primer: the basic methods and approaches». Essays in Biochemistry, 62, 4, 04-10-2018, pàg. 487–500. DOI: 10.1042/EBC20180003. ISSN: 0071-1365. PMID: 30287586.
- ↑ Longo, Giuseppe; Montévil, Maël. Perspectives on Organisms - Springer, 2014. DOI 10.1007/978-3-642-35938-5. ISBN 978-3-642-35937-8.
- ↑ Callaway DJ, Bu Z. Protein Structure and Diseases, 2011 (Advances in Protein Chemistry and Structural Biology). DOI 10.1016/B978-0-12-381262-9.00005-7. ISBN 978-0-123-81262-9.
- ↑ 4,0 4,1 Baitaluk, M. «System Biology of Gene Regulation». A: Biomedical Informatics. 569, 2009 (Methods in Molecular Biology). DOI 10.1007/978-1-59745-524-4_4. ISBN 978-1-934115-63-3.
- ↑ Snoep, Jacky L.; Westerhoff, Hans V. From isolation to integration, a systems biology approach for building the Silicon Cell (en anglès). 13. Berlin/Heidelberg: Springer-Verlag, 2005, p. 13–30. DOI 10.1007/b106456. ISBN 978-3-540-22968-1.
- ↑ Noble, Denis. The music of life : biology beyond the genome. Oxford: Oxford University Press, 2006. ISBN 978-0-19-151627-6.
- ↑ Sauer, Uwe; Heinemann, Matthias; Zamboni, Nicola «Genetics. Getting closer to the whole picture». Science (New York, N.Y.), 316, 5824, 27-04-2007, pàg. 550–551. DOI: 10.1126/science.1142502. ISSN: 1095-9203. PMID: 17463274.
- ↑ Systems biology : definitions and perspectives. Berlin: Springer, 2005. ISBN 978-3-540-31453-0.
- ↑ Bioinformatics for systems biology. Totowa, N.J.: Humana, 2009. ISBN 978-1-59745-440-7.
- ↑ Voit, Eberhard O. A first course in systems biology. New York: Garland Science, 2013. ISBN 978-0-8153-4467-4.
- ↑ «El potencial de acción de Hodgkin y Huxley» (en castellà). [Consulta: 4 gener 2022].
- ↑ Hutter, O.F.; Noble, D. «Rectifying properties of heart muscle». Nature, 188, 4749, 1960, pàg. 495. DOI: 10.1038/188495a0. PMID: 13717088.
- ↑ Rosen, Robert «A Means Toward a New Holism». Science, 161, 3836, 05-07-1968, pàg. 34–35. Bibcode: 1968Sci...161...34M. DOI: 10.1126/science.161.3836.34. JSTOR: 1724368.
- ↑ 14,0 14,1 14,2 Kling, Jim «Working the Systems». Science, 311, 5765, 03-03-2006, pàg. 1305-1306. DOI: 10.1126/science.311.5765.1305.
- ↑ «HMS launches new department to study systems biology». Harvard Gazette. [Consulta: September 23, 2003].
- ↑ Karr, Jonathan R.; Sanghvi, Jayodita C.; Macklin, Derek N.; Gutschow, Miriam V.; Jacobs, Jared M.; Bolival, Benjamin; Assad-Garcia, Nacyra; Glass, John I.; Covert, Markus W. «A Whole-Cell Computational Model Predicts Phenotype from Genotype». Cell, 150, 2, juliol 2012, pàg. 389–401. DOI: 10.1016/j.cell.2012.05.044. PMC: 3413483. PMID: 22817898.
- ↑ «Physiome project» (en anglès).
- ↑ Ananiadou, Sophia; Kell, Douglas B.; Tsujii, Jun-ichi «Text mining and its potential applications in systems biology». Trends in Biotechnology, 24, 12, 2006-12, pàg. 571–579. DOI: 10.1016/j.tibtech.2006.10.002. ISSN: 0167-7799. PMID: 17045684.
- ↑ Glaab, Enrico; Schneider, Reinhard «PathVar: analysis of gene and protein expression variance in cellular pathways using microarray data». Bioinformatics (Oxford, England), 28, 3, 01-02-2012, pàg. 446–447. DOI: 10.1093/bioinformatics/btr656. ISSN: 1367-4811. PMC: 3268235. PMID: 22123829.
- ↑ Bardini, R.; Politano, G.; Benso, A.; Di Carlo, S. «Multi-level and hybrid modelling approaches for systems biology». Computational and Structural Biotechnology Journal, 15, 2017, pàg. 396–402. DOI: 10.1016/j.csbj.2017.07.005. ISSN: 2001-0370. PMC: 5565741. PMID: 28855977.
- ↑ Chellaboina, V.; Bhat, S. P.; Haddad, W. M.; Bernstein, D. S. «Modeling and analysis of mass-action kinetics». IEEE Control Systems Magazine, 29, 4, August 2009, pàg. 60–78. DOI: 10.1109/MCS.2009.932926. ISSN: 1941-000X.
- ↑ Transtrum, Mark K.; Qiu, Peng «Bridging Mechanistic and Phenomenological Models of Complex Biological Systems». PLOS Computational Biology, 12, 5, 17-05-2016, pàg. e1004915. arXiv: 1509.06278. Bibcode: 2016PLSCB..12E4915T. DOI: 10.1371/journal.pcbi.1004915. ISSN: 1553-7358. PMC: 4871498. PMID: 27187545.
- ↑ Brown, Kevin S.; Sethna, James P. «Statistical mechanical approaches to models with many poorly known parameters». Physical Review E, 68, 2, 12-08-2003, pàg. 021904. Bibcode: 2003PhRvE..68b1904B. DOI: 10.1103/physreve.68.021904. ISSN: 1063-651X. PMID: 14525003.
- ↑ Orth, Jeffrey D; Thiele, Ines; Palsson, Bernhard Ø «What is flux balance analysis?» (en anglès). Nature Biotechnology, 28, 3, March 2010, pàg. 245–248. DOI: 10.1038/nbt.1614. ISSN: 1087-0156. PMC: 3108565. PMID: 20212490.