Modélisation des caractéristiques non numériques dans la biologie de systèmes

Thought LeadersDr. Eshan MitraPostdoctoral ResearcherLos Alamos National Laboratory

Une entrevue avec M. Eshan Mitra, Ph.D., du laboratoire national de Los Alamos, discutant l'importance des types d'ordinateur dans la biologie et le développement d'un modèle plus précis de la voie de phosphorylation de RAF.

Pourquoi est-ce que des types d'ordinateur sont utilisés dans la biologie de systèmes ?

Nous utilisons des types d'ordinateur pour étudier les procédés dans la biologie qui sont provocants pour observer directement avec des expériences. Nos modèles se concentrent sur des voies de signalisation de cellules : règle des protéines dans une cellule qui fonctionnent ensemble pour remplir un certain fonctionnement, tel que la croissance des cellules.

Par TampoCrédit d'image : Tampo/Shutterstock

Nous pouvons employer ce type de modèle pour comprendre et simuler comment une cellule répondrait à un certain stimulus comme une dose d'un médicament. Nous pouvons comprendre comment les médicaments spécifiques fonctionnent au niveau de différentes cellules, et pouvons également considérer les protéines neuves de signalisation en tant qu'objectifs potentiels de médicament.

Combien sophistiqués sont les types d'ordinateur actuels utilisés dans le développement de médicament ? Pourquoi est-il important que des modèles neufs soient développés ?

Les modèles de biologie de systèmes actuels essayent de décrire comment les concentrations des protéines importantes de signalisation dans une cellule changent au fil du temps.

Type le modèle peut être écrit comme ensemble d'équations. Ces équations peuvent être simulées sur un ordinateur pour prévoir comment une cellule répondra à certaines conditions, comme un médicament grippant à une protéine.

Un défi en établissant ces modèles choisit les valeurs numériques associées, paramètres modèles appelés. Ceux-ci ont pu être des quantités comme la vitesse d'une réaction chimique particulière, ou la concentration d'une enzyme dans la cellule.

Souvent, il est difficile de mesurer ces quantités directement. Ce que nous devons faire au lieu est montage appelé de paramètre : Nous regardons une autre protéine dans le modèle qui a été mesuré, et choisissons des valeurs numériques pour le modèle de sorte que le modèle ait sorti des correspondances les mesures expérimentales.

Développer les modèles neufs et précis est important parce qu'il nous donne le pouvoir prévisionnel. Avec un modèle précis est-ce que, nous regarder une certaine protéine dans la cellule et demander, ce peut serait un bon objectif de médicament ? Si nous bloquions l'activité de cette protéine, qu'arriverait à la cellule ? Mais nos prévisions seront seulement aussi bonnes que le modèle employé pour produire de eux.

Par 123dartistCrédit d'image : 123dartist/Shutterstock

Quelle est la voie de signalisation de RAF, et comment est il impliqué dans le cancer ?

Le RAF est une protéine impliquée dans une voie de signalisation pour la croissance des cellules. Quand un récepteur sur la surface d'une cellule reçoit un signe de se développer, des passages de ce signe par RAF sur le chemin à dire la cellule de se développer.

Dans le cancer, le RAF peut devenir muté, tels qu'il indique toujours la cellule se développer, sans signe. Ceci entraîne l'accroissement excessif d'une tumeur. Le RAF muté est trouvé dans environ 60% de cas de mélanome, et également a été vu dans certains cas du cancer de cancer du côlon et de poumon.

Comme résultat, le RAF est un objectif populaire pour des médicaments contre le cancer. Si un médicament bloquait l'activité du RAF, cela pourrait ralentir l'accroissement d'une tumeur. Mais la désignation d'objectifs du RAF a été provocante : beaucoup de candidats de médicament ont conçu pour empêcher le RAF ont au lieu entraîné une augmentation d'activité de RAF.

En notre papier, nous avons analysé un modèle du RAF qui montre comment ces médicaments de RAF-désignation d'objectifs peuvent aller mal.

Veuillez décrire l'algorithme vous développé récemment.

Quand nous analysons des modèles comme le modèle de la signalisation de RAF, nous voulons que les valeurs numériques dans le modèle - des vitesses et des concentrations protéiques de réaction - sont aussi précises comme possible.

Type quels gens font est trouvent « pour s'adapter » pour ces valeurs utilisant des caractéristiques numériques. Par exemple, vous pourriez avoir une expérience où quelqu'un a mesuré la quantité de RAF actif à différentes doses de médicament. Alors vous pouvez ajuster les valeurs numériques dans le modèle de sorte que le modèle soit conforme aux caractéristiques.

Ce que notre approche fait différemment est elle nous laisse également employer des caractéristiques non numériques pour adapter le modèle. Par exemple, une expérience pourrait prouver qu'un médicament diminue la signalisation de RAF, sans spécification par combien.

En incluant ce genre de mesure, nous pouvons mettre plus d'information dans notre modèle, et cela rend le modèle plus précis.

La conclusion passionnante est celle avec assez de ces mesures non numériques, nous pouvons réellement obtenir des valeurs numériques pour des vitesses de réaction dans le modèle, et employons ceux pour effectuer des prévisions numériques.

Pensez-vous que cette approche devrait être appliquée à toutes les études d'interaction médicamenteuse ?

Je suis excité au sujet des demandes possibles de cette approche. Il tend à être plus faciles exécuter des expériences non numériques que les numériques, et comme résultat, la plupart des expériences publiées de biologie cellulaire sont non numériques.

Ainsi si vous établissez un modèle neuf de signalisation de cellules pour découvrir comment votre médicament neuf fonctionnera, il y a des chances fortes qu'il y a déjà une expérience publiée qui a produit des caractéristiques non numériques au sujet de ce que regardez vous.

Si oui, alors notre approche permet pour comprendre cette information dans le modèle. Cela conduit à un modèle plus précis qui est pour te donner de bonnes prévisions au sujet du médicament.

Quelles sont les prochaines opérations pour votre recherche ?

Je veux rendre cette approche accessible à d'autres chercheurs. Ma prochaine opération développe un programme informatique d'open-source qui fait fonctionner l'approche automatiquement.

Le programme affiche dedans un modèle de signalisation de cellules, avec des caractéristiques numériques et non numériques, et des passages un algorithme d'optimisation pour ajuster le modèle pour être d'accord avec les caractéristiques.

Mon espoir est que ce programme permettra à d'autres biologistes d'appliquer notre approche vers la prochaine découverte médicale passionnante.

Où peuvent les lecteurs trouver plus d'informations ?

Au sujet de M. Eshan Mitra

M. Eshan Mitra est un chercheur post-doctoral au laboratoire national de Los Alamos. Eshan a gagné son Ph.D. à l'Université de Cornell, où il a étudié les mécanismes moléculaires derrière des réactions allergiques.

Son travail actuel se concentre sur des méthodes et le développement de logiciel pour la biologie de systèmes. Eshan développe des outils pour simuler et analyser des modèles des réseaux de signalisation de cellules.

Kate Anderton

Written by

Kate Anderton

Kate Anderton is a Biomedical Sciences graduate (B.Sc.) from Lancaster University. She manages the editorial content on News-Medical and carries out interviews with world-renowned medical and life sciences researchers. She also interviews innovative industry leaders who are helping to bring the next generation of medical technologies to market.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Anderton, Kate. (2018, December 31). Modélisation des caractéristiques non numériques dans la biologie de systèmes. News-Medical. Retrieved on November 21, 2019 from https://www.news-medical.net/news/20181015/Modeling-Non-Numerical-Data-in-Systems-Biology.aspx.

  • MLA

    Anderton, Kate. "Modélisation des caractéristiques non numériques dans la biologie de systèmes". News-Medical. 21 November 2019. <https://www.news-medical.net/news/20181015/Modeling-Non-Numerical-Data-in-Systems-Biology.aspx>.

  • Chicago

    Anderton, Kate. "Modélisation des caractéristiques non numériques dans la biologie de systèmes". News-Medical. https://www.news-medical.net/news/20181015/Modeling-Non-Numerical-Data-in-Systems-Biology.aspx. (accessed November 21, 2019).

  • Harvard

    Anderton, Kate. 2018. Modélisation des caractéristiques non numériques dans la biologie de systèmes. News-Medical, viewed 21 November 2019, https://www.news-medical.net/news/20181015/Modeling-Non-Numerical-Data-in-Systems-Biology.aspx.