The goal of systems biology is a predictive understanding of the whole.
Szallasi et al., System Modeling in Cellular Biology, MIT Press
Die Vorlesung im Bioinformatik/Informatik Masterstudium behandelt folgende Fragen und Probleme:
- Wie können biologische Systeme durch Netzwerke möglichst vollständig und holistisch beschrieben werden?
(Netzwerkrekonstruktion und Inferenz)
- Wie kann Wissen über biologische Systeme durch Netzwerke repräsentiert und integriert werden?
(semantische Netze, Knowledge-Graphen)
- Wie können zeitliche und räumliche Organisation und Verhalten von Systemen analysiert und vorhergesagt werden?
(Kinetik, Simulation, Invarianten, Selbstorganisation)
- Moderne Messverfahren und „genom-weite“ Hochdurchsatzverfahren:
- Wie können Daten helfen, Systeme und Netzwerke aufzuklären?
- Wie können umgekehrt Systemmodelle helfen die Daten besser zu interpretieren?
Hintergrund
Durch die Sequenzierung des menschlichen Genoms und der Genome anderer Organismen verfügen wir nun über ein vollständiges Inventar aller direkt aus dem Genom ableitbaren Einheiten und Moleküle, im Wesentlichen also aller Gen, Protein und RNA Spezies. Weiterhin kann das Verhalten von Zellen auf der Ebene der Transkription mit Hilfe von Genexpressionsmessungen genomweit untersucht werden. Die Kombination mit anderen "high-throughput" Techniken erlaubt es, auch Aussagen über metabolische Stoffwechselwege, Protein-Interaktionsnetze und Gen-Regulationsnetze („Pathways“) zu treffen.
Diese Fälle von experimentellen Daten ermöglicht es, biologische Systeme auf der Ebene von Pathways und Netzwerken zu untersuchen und zu modellieren, d.h. auf einer höheren Organisationsstufe als die der individuellen Moleküle. Dazu müssen SYSTEMS BIOLOGY Perspektiven entwickelt werden, zusammen mit den nötigen Techniken und Algorithmen zur Konstruktion, Inferenz und Analyse komplexer biologischer Modelle.
Die Vorlesung gibt einen Einblick in Algorithmen und Anwendungen sowie in aktuelle Forschung auf dem Gebiet der Systembiologie. Über das hier erworbene Wissen hinaus werden praktische Erfahrungen mit den Problemstellungen und Methoden in der begleitenden Übung vermittelt.
Die folgenden Themen werden behandelt:
- Modellierung von biologischen Systemen: Werkzeuge und Methoden
- Petri Netze als Modellierungs-Framework
- Simulation mit Differenzialgleichungen (ODE)
- Stochastische Simulation
- Metabolic Control Analysis (MCA) und Flux Balance Analysis (FBA)
- Modellierung von biologischen Systemen
- Netzwerkrekonstruktion und Lernen in Netzen: Boolsche und Bayes-Netze
- Evolution und Selbstorganisation
- How can biological systems be described as completely and holistically as possible by networks?
(network reconstruction and inference)
- How can knowledge about biological systems be represented and integrated by networks?
(semantic networks, knowledge graphs)
- How can the temporal and spatial organization and behavior of systems be analyzed and predicted?
(kinetics, simulation, invariants, self-organisation)
- Modern measurement techniques and "genome-wide" high-throughput methods
- How can data help to clarify systems and networks?
- Conversely, how can system models help to better interpret the data?
Background
By sequencing the human genome and the genomes of other organisms, we now have a complete inventory of all units and molecules that can be directly derived from the genome, essentially all gene, protein and RNA species. Furthermore, the behaviour of cells at the transcriptional level can be studied genome-wide by means of gene expression measurements. In combination with other high-throughput techniques, it is also possible to make statements about metabolic pathways, protein interaction networks and gene regulation networks ("pathways").
These cases of experimental data allow biological systems to be studied and modelled at the level of pathways and networks, i.e. at a higher organisational level than that of individual molecules. This requires the development of SYSTEMS BIOLOGY perspectives, together with the necessary techniques and algorithms to construct, inference and analyse complex biological models.
The lecture gives an insight into algorithms and applications as well as current research in the field of Systems Biology. Beyond the knowledge acquired here, practical experience with the problems and methods will be conveyed in the accompanying exercise.
The following Topics are covered:
- Modelling of biological systems: Tools and methods
- Petri nets as a modeling framework
- Simulation with differential equations (ODE)
- Stochastic simulation
- Metabolic Control Analysis (MCA) and Flux Balance Analysis (FBA)
- Modelling of biological systems
- Network reconstruction and learning in networks: Boolean and Bayesian networks
- Evolution and self-organisation
