Page 1
Modellierung und Simulation metabolischer Netzwerke
• Inhalte der Vorlesung
• Übungsbetrieb – Termin
• Mo. 12 - 14 Uhr – D5-113
• 1. Termin: 23.10.06
• [email protected]
1. Einführung und Überblick
2. Einführung – Modellierung und Simulation
3. Genregulation (Phänomene und Datenquellen)
Fragestellung: Der Weg vom Gen zum Phän
Vorlesung Modellierung & Simulation Überblick
Page 2
4. Modellierung der Genregulation
Automaten, Sprachen, Objekte, etc.
5. Modellierung biochemischer Pathways
Analytisch / Diskret
6. PetrinetzeTheorie und Simulatoren
7. PetrinetzeModellierung und Simulation metabolischer Netzwerke
Vorlesung Modellierung & Simulation Überblick
Page 3
8. Regelbasierte ModellierungMetabolische Grammatik
9. Regelbasierte Modellierung
Definition und Anwendung
10. Datenbanken, Informationssysteme und Integration
Datenbankintegration (SRS, PEDANT etc.)
11. Simulation und Integration
MARGBENCH und Pathaligner
Vorlesung WS 06/07 Modellierung & Simulation Überblick
Page 4
12. Modellierung im Rahmen des Genomprojektes
RAMEDIS
13. Drug PointingMILAN
14. Systembiologie - Virtuelle Zelle
E-Cell, etc.
Vorlesung Modellierung & Simulation Überblick
Page 5
Literatur:
Computational Modeling of Genetic and Biochemical Networks, J. Bower und H. Bolouri, MIT Press 2001
Gene Regulation and Metabolism, J. Collado-Vides und R. Hofestädt, MIT Press 2002
Computational Analysis of Biochemical Systems, E. Voit, Cambridge University Press 2000
Skript zur Vorlesung
Vorlesung Modellierung & Simulation Überblick
Page 6
I – Anstieg in MEDLINE II – Anzahl Transistoren/ChipIII – GenBank Einträge IV – Wachstum PDB (3D)
Page 7
Genotype
Metabolic Pathways
Phenotype
Drugs
SynthesisReg
ulatio
n
Influence
Effect
Food
Page 8
Genotype
Metabolic Pathways
Phenotype
Drugs
SynthesisReg
ulatio
n
Influence
Effect
EMBL
TRANSFAC
KEGG
WIT
Ramedis
METAGENE
OMIM
ASDB
RListe
......
......
Page 9
Sichten auf (komplexe) Datenbestände-Visualisierung-Statistik-Analysealgorithmen, …
Informatik/Data Mining/Informationsfusion
-Integration von Datenbanken und AnalysetoolsCollado-Vides, Magasanik, Smith: Integrative Approaches to Molecular Biology. MIT Press 1996
Integrative Bioinformatik
Vorlesung Modellierung & Simulation Überblick
Page 10
SRS (Lion Bioscience)PEDANT (BioMax)
MOBY DICKHUSARBioKleisliWhat Is There (WIT)Biology WorkbenchIntegrated Genomic Database (IGD)
Datenbankintegration
Vorlesung Modellierung & Simulation Überblick
Page 11
Heterogenität- Datenmodelle / Entwurf- Anfragesprachen- Rechnerplattform
DynamikSchnittstellen
- Keine Zugriffsschnittstellen (flat files)
Eigenschaften mol. Datenbanken
Vorlesung Modellierung & Simulation Überblick
Page 12
Wie zuverlässig sind die Datenbestände?
Lesen vom Plattenspeicher:Fehlerrate: 1015 Bit
P. Bork (1996)Stichproben: E. coli (EMBL)10% Leserahmenverschiebung!
Reduktion der Fehlerrate – Integrative Bioinformatik
Datenspeicherung
Vorlesung Modellierung & Simulation Überblick
Page 13
Modellierung/Simulation- Diskrete Modelle/Simulatoren
- Analytische Modelle/Simulatoren
Dagstuhl Seminare-1995, 1998, 2001 -> 2004
J. Collado-Vides und R. Hofestädt (Eds): Gene Regulation and Metabolism - Post-Genomic Computational Approaches. Cambridge, MA: MIT Press, 2002.
Modellierung und Simulation
Page 14
MARGBench
BioDataServer IIUDB
MetabVis
Plattform zur integrativenModellierung, Analyse
und Simulation genregulatorischer Prozesse
Systemarchitektur
Page 15
Gewinnung von Regeln r aus Objekt Netzwerken
r = (S, P, I, L)
S – Input setP – Output setI – Influence SetL – Location Set
I
P
L
r
Metabolite
‘F6P‘ Compound
‘ATP‘
Metabolite
‘F1,6P2‘
Compound
‘ADP‘
Enzyme
‘PFK‘
Organism
‘E.coli‘
Compartment
‘Cytosol‘
<Klasse>
<Attribute>
Zugriffspfad
Objekt
S
Page 16
BioPNMLXML-Dialekt zur
Ankopplung externerPetri-Netz Simulatoren
an die Integrationsplattform
Drath (1998), Hybrid Object Nets: An Object Oriented Concept for Modeling Complex Hybrid Systems. In: Hybrid Dynamical Systems. 3rd International Conference on Automation of Mixed Processes, ADPM'98, Reims, 1998
VON++ (Drath‘98)
Page 17
Parallel Metabolic Processing
Page 18
Ziel der Systembiologie
Die Virtuelle Zelle
Aufgabe der (Bio-)Informatik- Elektronische Infrastruktur- Informationsfusion
Page 19
Modellierung und Simulation / Biologie
Biophysik/Biomathematik ...
Komplexe Systeme: Analyse durch Abstraktion auf wesentliche Komponenten.
Modellhafte Beschreibung des Systems auf der Grundlage eines geeigneten Formalismus (Modell).
Spezifikation einer Simulation.
Hypothetische Welt (Implementierung).
Deduktion systemspezifischer Hypothesen, die in der Regel durch Experimente verifiziert oder falsifiziert werden müssen.
Neu: Die Informatik erweitert das Spektrum der Konzepte.
Page 20
Klassisches wissenschaftliches Vorgehen:
Problem Hypothese (Modell) Experiment
Beobachtung (Daten) Analyse und Auswertung
Lösung oder Verfeinerung (Problem)
Erweiterung:
Problem Problemanalyse Modell Hypothese
Experiment/Theorie – Beobachtung (Daten)
Analyse und Auswertung
Lösung oder Verfeinerung {Anpassung des Modells}
Simulation erlaubt Experimente in hypothetischen Welten!
Page 21
Problem
Hypothese
Experiment
Beobachtung
Daten
Analyse
Lösung?
Problem
Modell/
Hypothese
Experiment
Beobachtung
Daten
Analyse
Lösung?
Simulation