Биологические сети: различия между версиями

Материал из Википедии — свободной энциклопедии
Перейти к навигации Перейти к поиску
Следующая правка →
Содержимое удалено Содержимое добавлено
ВизуальныйВики-текст
← Новая страница: «{{переведённая статья|en|Biological network|Переведено из английской Википедии по состоя…»
(нет различий)

Версия от 08:15, 11 декабря 2018

Шаблон:Биологические сети 

Биологические сети - это любые сети?! являющиеся частью биологических систем[англ.]. Сеть - это любая система с подразделениями, которые связаны в единое целое, например единичные виды, связанные в единую пищевую сеть.Биологические сети обеспечивают  математическое представление связей, обнаруженных в результате экологических[англ.], эволюционных[англ.] и физиологических исследованиий, таких как нейронные сети [1].Анализ биологических сетей в отношении заболеваний человека привел к появлению такой области как сетевой медицины[англ.][2][3].

Сетевая биология и биоинформатика

Сложные биологические системы могут быть представлены и проанализированы как вычислимые сети. Например, экосистемы могут быть смоделированы как сети взаимодействующих видов, или белок может быть смоделирован как сеть аминокислот. Если расщеплять белок дальше, аминокислоты могут быть представлены в виде сети связанных атомов, таких как углерод, азот и кислород. Вершины и ребра являются основными компонентами сети. Узлы представляют собой единицы в сети, в то время как ребра являются взаимодействием между единицами.Узлы могут представлять широкий спектр биологических единиц, от отдельных организмов до отдельных нейронов в мозге.Два важных свойства сети - степень и центральность графа[англ.]*. Степень (или связность, отличная от той, которая используется в в теории графов ) - это число ребер, соединяющих узел, а центральность - мера того, насколько центральным является узел в сети[4]. Узлы с высокой степенью межсетевого взаимодействия по существу служат мостами между различными частями сети (то есть взаимодействия должны проходить через этот узел, чтобы достигать другие части сети). В социальных сетях узлы с высокой степенью или высокой степенью централизованности могут играть важную роль в общей структуре сети. Еще в 1980-х годах исследователи начали рассматривать ДНК и геномы как динамическое хранилище языковой системы с точными вычислимыми конечными состояниями представленными в виде [Конечного автомата[5]. Недавние исследования сложных систем также показали некоторую далеко идущую общность в организации информации по проблемам из биологии, информатики и физики, такие как Конденсат Бозе — Эйнштейна (особое состояние вещества)[6].

Биоинформатика все больше смещает акцент с отдельных генов, белков и алгоритмов поиска[англ.] на крупномасштабные сети, часто обозначаемые как омы[англ.] такие как биомы, интерактомы, геномы и протеомы. Такие теоретические исследования показали, что биологические сети имеют много общих черт с другими сетями, такими как интернет или социальные сети, к примеру их сетевая топология .

Сети в биологии

Белок-белковые сети взаимодействия

Основная статья: interactome

Множество белок-белковые взаимодействий (PPI) в клетке образуют сети взаимодействия белков (PIN), где белки являются узлами, а их взаимодействия - ребрами[7].PIN являются наиболее тщательно проанализированными сетями в биологии. Существуют десятки методов обнаружения ИПП для выявления таких взаимодействий. Двугибридный анализ является широко используемой экспериментальной техникой для изучения бинарных взаимодействий[8].

Недавние исследования показали сохранение молекулярных сетей в течении долгой эволюции[9].Более того, было обнаружено, что белки с высокой степенью связности более важны для выживания, чем белки с меньшей степенью[10]. Это говорит о том, что общий состав сети (а не просто взаимодействие между белковыми парами) важен для общего функционирования организма.

Генные регуляторные сети (сети взаимодействия ДНК-белок)

Основная статья: Gene regulatory network

Активность генов регулируется факторами транскрипции - белками, которые обычно связываются с ДНК. Большинство факторов транскрипции связываются с несколькими участками связывания в геном. В результате все клетки имеют сложные генные регуляторные сети[англ.]. К примеру, человеческий геном кодирует порядка 1400 ДНК-связывающих транскрипционных факторов, которые регулируют экспрессию более 20000 человеческих генов[11]. Технологии изучения генно-регуляторных сетей включают в себя ChIP-chip[англ.], ChIP-seq, CliP-seq[англ.] и другие.

Сети коэкспрессии генов (сети транскрипции-транскрипции)

Основная статья: Gene co-expression networks

Сети генной коэкспрессии можно интерпретировать как сети ассоциаций между переменными, которые измеряют содержание транскриптов. Эти сети были использованы для обеспечения системного биологического анализа данных микроматрицы ДНК, данных RNA-seq, данных miRNA и т. д. . Анализ взвешенных сетей коэкспрессии генов широко используется для идентификации модулей коэкспрессии и внутримодульных генов-концентраторов. Модули коэкспрессии могут соответствовать типам клеток или путям. Высокосвязанные внутримодульные концентраторы можно интерпретировать как представителей их соответствующих модулей.

Метаболические сети

Основная статья: metabolic network

Химические соединения живой клетки связаны биохимическими реакциями, которые превращают одно соединение в другое. Реакции катализируются ферментами. Таким образом, все соединения в клетке являются частями сложной биохимической сети реакций, которая называется метаболическая сеть?! . Можно использовать сетевой анализ, чтобы определить, как отбор влияет на метаболические пути[4].

Сигнальные сети

Основная статья: Cell signaling

Сигналы передаются внутри сот или между сотами и, таким образом, образуют сложные сигнальные сети. Например, в Сигнальный путь ERK путь от поверхности клетки к ядру клетки передается серией межбелковых взаимодействий, реакций фосфорилирования и других событий. Сигнальные сети обычно объединяют интерактомы, генная регуляторная сети[англ.] и метаболические сети[англ.].

Нейронные сети

Основная статья: Biological neural network

Сложные взаимодействия в мозге делают его идеальным кандидатом для применения теории сетей. Нейроны в мозге тесно связаны друг с другом, и это приводит к тому, что сложные структуры присутствуют в структурных и функциональных аспектах мозга[12]. К примеру, свойства маленького мира были продемонстрированы в связях между кортикальными областями мозга приматов [13] или во время глотания у людей[14]. Это говорит о том, что кортикальные области мозга не взаимодействуют напрямую друг с другом, но большинство областей могут быть достигнуты от всех других посредством всего лишь нескольких взаимодействий.

Пищевые сети

Основная статья: Food web

Все организмы связаны друг с другом через пищевые взаимодействия. То есть, если вид ест или съедается другим видом, они связаны в сложную пищевую сеть взаимодействий хищников и жертв. Стабильность этих взаимодействий была давним вопросом в экологии[15]. То есть, если некоторые члены сети удаляются, что происходит с сетью (то есть она разваливается или адаптируется)? Сетевой анализ может использоваться для изучения стабильности пищевой сети и определения того, приводят ли определенные свойства сети к более стабильным сетям. Кроме того, сетевой анализ может быть использован для определения того, как выборочное удаление видов повлияет на пищевую сеть в целом[16]. Это особенно важно, учитывая потенциальную потерю видов из-за глобального изменения климата.

Межвидовые сети взаимодействия

Основная статья: social relation

Основная статья: социальные отношения В биологии парные взаимодействия исторически были в центре интенсивных исследований. Благодаря последним достижениям в области сетевых наук[англ.], стало возможным расширить парные взаимодействия, включив в них особей многих видов, участвующих во множестве взаимодействий, чтобы понять структуру и функцию более фундаментальных сетевых наук[англ.][17]. Использование анализа социальных сетей может позволить как обнаружить, так и понять, как эти сложные взаимодействия связаны между собой в сети системы, ранее мало понятная связь . Этот мощный инструмент позволяет изучать различные типы взаимодействий( от конкурентности до кооперации) используя одну и ту же общую структуру[18]. К примеру, взаимодействие растений и насекомых-опылителей[англ.] являются взаимовыгодными и часто включают в себя много разных видов опылителей, а также много разных видов растений. Эти взаимодействия имеют решающее значение для воспроизводства растений и, следовательно, для накопления ресурсов в основе пищевой цепи для первичных потребителей, однако этим сетям взаимодействия угрожают антропогенные факторы. Использование сетевого анализа может пролить свет на работу сетей опыления[англ.] и, в свою очередь, может послужить основой для усилий по сохранению [19].Внутри сетей опыления гнездимость (то есть специалисты взаимодействуют с подмножеством видов, с которыми общаются универсалы), избыточность (то есть большинство растений опыляются многими опылителями) и модульность?! играют большую роль в стабильности сети[19][20]. Эти свойства сети можно задействовать, чтобы замедлить распространение эффектов возмущения через систему и потенциально отчасти защитить буферную сеть от антропогенных изменений[20]. В более общем плане, структура взаимодействия видов в экологической сети может рассказать нам о разнообразии, богатстве и надежности сети[21]. Исследователи могут даже сравнить текущие конструкции сетей взаимодействия видов с историческими реконструкциями древних сетей, чтобы определить, как сети менялись с течением времени[22]. Недавние исследования в этих сетях взаимодействия сложных видов связаны с пониманием того, какие факторы (например, разнообразие) приводят к стабильности сети[23].

Внутривидовые сети взаимодействия

Основная статья: social relation

Сетевой анализ дает возможность количественно определить связи между индивидами, что позволяет вывести подробности о сети в целом на уровне видов и / или популяций[24].Исследователи, интересующиеся поведением животных во множестве таксонов, от насекомых до приматов, начинают включать сетевой анализ в свои исследования. Исследователи, интересующиеся социальными насекомыми (например, муравьями и пчелами), использовали сетевой анализ, чтобы лучше понять разделение труда, распределение задач и оптимизацию поиска пищи в колониях[25][26][27];Другие исследователи заинтересованы в том, как определенные свойства сети на уровне группы и / или населения можно объяснить поведение на индивидуальном уровне. Например, исследование манакинов с проволочными хвостами (маленькая птица семейства воробьиных) показало, что значение самца в сети в значительной степени повышает способность самца восходить в социальной иерархии (то есть в конечном итоге получить территорию и самку)[28]. В группах афалинов индивидуальное значение центральность графа[англ.]* и межличностного отношения могут предсказать, будет ли этот индивид демонстрировать определенное поведение, например, использование бокового шлепания и переворачивания вверх для руководства групповыми путешествиями; индивиды с высокими значениями межличностных отношений более связаны и могут получить больше информации, и, следовательно, лучше подходят для групповых путешествий и, следовательно, имеют тенденцию демонстрировать такое сигнальное поведение больше, чем другие члены группы[29].

Сетевой анализ также можно использовать для описания социальной организации вида в целом, что часто выявляет важные ближайшие механизмы, способствующие использованию определенных поведенческих стратегий. Эти описания часто связаны с экологическими свойствами (например, распределение ресурсов). Например, сетевой анализ выявил тонкие различия в групповой динамике двух родственных видов в сливающееся-делящееся сообществе[англ.]- зебр Греви и куланов; Зебры Греви показывают четкие предпочтения в выборе ассоциаций, когда делятся на более мелкие группы, в то время как куланы - нет[30]. Аналогичным образом, исследователи, интересующиеся приматами , также использовали сетевой анализ для сравнения социальных организаций по разным порядкам приматов, предполагая, что использование сетевых показателей (таких как централизованность[англ.], склонность к группировке) может быть полезным с точки зрения объяснения типов социального поведения. мы видим внутри определенных групп, а не других[31].

Наконец, анализ социальных сетей может также выявить важные колебания в поведении животных в изменяющейся среде. Например, сетевой анализ самок медвежьих павианов (Papio hamadryas ursinus) выявил важные динамические изменения в разные сезоны, которые ранее были неизвестны; вместо того, чтобы создавать стабильные, долговременные социальные связи с друзьями, было обнаружено, что у павианов наблюдаются более изменчивые отношения, которые зависят от краткосрочных непредвиденных обстоятельств, связанных с динамикой на уровне группы, а также изменчивостью окружающей среды[32]. Изменения в среде социальной сети человека также могут влиять на такие характеристики, как «личность»: например, общительные пауки, которые толкаются с более смелыми соседями, имеют тенденцию к увеличению и смелости[33]. Это очень небольшой набор общих примеров того, как исследователи могут использовать сетевой анализ для изучения поведения животных. Исследования в этой области в настоящее время расширяются очень быстро. Анализ социальных сетей является ценным инструментом для изучения поведения животных по всем видам животных и может раскрыть новую информацию о поведении животных и социальной экологии, которая ранее была плохо изучена.

См. также

Ссылки

  1. ↑ Proulx, S. R.; Promislow, D. E. L.; Phillips, P. C. (2005). "Network thinking in ecology and evolution" (PDF). Trends in Ecology and Evolution. 20 (6): 345—353. doi:10.1016/j.tree.2005.04.004. PMID 16701391. Архивировано (PDF) 15 августа 2011. {{cite journal}}: Неизвестный параметр |deadurl= игнорируется (|url-status= предлагается) (справка)
  2. ↑ Barabási, A. L.; Gulbahce, N.; Loscalzo, J. (2011). "Network medicine: a network-based approach to human disease". Nature Reviews Genetics. 12 (1): 56—68. doi:10.1038/nrg2918. PMC 3140052. PMID 21164525.
  3. ↑ Habibi, Iman; Emamian, Effat S.; Abdi, Ali (2014-10-07). "Advanced Fault Diagnosis Methods in Molecular Networks". PLOS ONE. 9 (10): e108830. Bibcode:2014PLoSO...9j8830H. doi:10.1371/journal.pone.0108830. ISSN 1932-6203. PMC 4188586. PMID 25290670.{{cite journal}}: Википедия:Обслуживание CS1 (не помеченный открытым DOI) (ссылка)
  4. ↑ 1 2 Proulx, S.R.; et al. (2005). "Network thinking in ecology and evolution". Trends in Ecology and Evolution. 20 (6): 345—353. doi:10.1016/j.tree.2005.04.004. PMID 16701391.
  5. ↑ Searls, D. Artificial intelligence and molecular biology. — Cambridge, MA : MIT Press, 1993.
  6. ↑ Bianconi, G.; Barabasi A. (2001). "Bose-Einstein condensation in complex networks". Phys. Rev. Lett. 86 (24): 5632—5635. arXiv:cond-mat/0011224. Bibcode:2001PhRvL..86.5632B. doi:10.1103/physrevlett.86.5632. hdl:2047/d20000696. PMID 11415319. {{cite journal}}: Неизвестный параметр |lastauthoramp= игнорируется (|name-list-style= предлагается) (справка)
  7. ↑ Habibi, Iman; Emamian, Effat S.; Abdi, Ali (2014-01-01). "Quantitative analysis of intracellular communication and signaling errors in signaling networks". BMC Systems Biology. 8: 89. doi:10.1186/s12918-014-0089-z. ISSN 1752-0509. PMC 4255782. PMID 25115405.{{cite journal}}: Википедия:Обслуживание CS1 (не помеченный открытым DOI) (ссылка)
  8. ↑ Mashaghi, A.; et al. (2004). "Investigation of a protein complex network". European Physical Journal. 41 (1): 113—121. arXiv:cond-mat/0304207. Bibcode:2004EPJB...41..113M. doi:10.1140/epjb/e2004-00301-0.
  9. ↑ Sharan, R.; et al. (2005). "Conserved patterns of protein interaction in multiple species". Proceedings of the National Academy of Sciences of the United States of America. 102 (6): 1974—1979. Bibcode:2005PNAS..102.1974S. doi:10.1073/pnas.0409522102. PMC 548573. PMID 15687504.
  10. ↑ Jeong, H.; et al. (2001). "Lethality and centrality in protein networks". Nature. 411 (6833): 41—42. arXiv:cond-mat/0105306. Bibcode:2001Natur.411...41J. doi:10.1038/35075138. PMID 11333967.
  11. ↑ Vaquerizas, J.-M.; et al. (2009). "A census of human transcription factors: function, expression and evolution". Nature Reviews Genetics. 10 (4): 252—263. doi:10.1038/nrg2538. PMID 19274049.
  12. ↑ Bullmore, E.; O. Sporns (2009). "Complex brain networks: graph theoretical analysis of structural and functional systems". Nature Reviews Neuroscience. 10 (3): 186—198. doi:10.1038/nrn2575. PMID 19190637. {{cite journal}}: Неизвестный параметр |lastauthoramp= игнорируется (|name-list-style= предлагается) (справка)
  13. ↑ Stephan, K.E.; et al. (2000). "Computational analysis of functional connectivity between areas of primate cerebral cortex". Philosophical Transactions of the Royal Society B. 355 (1393): 111—126. doi:10.1098/rstb.2000.0552. PMC 1692715. PMID 10703047.
  14. ↑ Jestrović, Iva; Coyle, James L; Perera, Subashan; Sejdić, Ervin (2016-12-01). "Functional connectivity patterns of normal human swallowing: difference among various viscosity swallows in normal and chin-tuck head positions". Brain Research. 1652: 158—169. doi:10.1016/j.brainres.2016.09.041. ISSN 0006-8993. PMC 5102805. PMID 27693396.
  15. ↑ MacArthur, R.H. (1955). "Fluctuations in animal populations and a measure of community stability". Ecology. 36 (3): 533—536. doi:10.2307/1929601. JSTOR 1929601.
  16. ↑ Dunne, J.A.; et al. (2002). "Network structure and biodiversity loss in food webs: robustness increases with connectance". Ecology Letters. 5 (4): 558—567. doi:10.1046/j.1461-0248.2002.00354.x.
  17. ↑ Bascompte, J. (2009). "Disentangling the web of life". Science. 325 (5939): 416—419. Bibcode:2009Sci...325..416B. doi:10.1126/science.1170749. PMID 19628856.
  18. ↑ Krause, J.; et al. (2009). "Animal social networks: an introduction". Behav. Ecol. Sociobiol. 63 (7): 967—973. doi:10.1007/s00265-009-0747-0.
  19. ↑ 1 2 Memmott, J.; et al. (2004). "Tolerance of pollination networks to species extinctions". Philosophical Transactions of the Royal Society B. 271 (1557): 2605—261. doi:10.1098/rspb.2004.2909. PMC 1691904. PMID 15615687.
  20. ↑ 1 2 Olesen, J.; et al. (2007). "The modularity of pollination networks". PNAS. 104 (50): 19891—19896. Bibcode:2007PNAS..10419891O. doi:10.1073/pnas.0706375104. PMC 2148393. PMID 18056808.
  21. ↑ Campbell, V.; et al. (2011). "Experimental design and the outcome and interpretation of diversity-stability relations". Oikos. 120 (3): 399—408. doi:10.1111/j.1600-0706.2010.18768.x.
  22. ↑ Lotze, H.; et al. (2011). "Historical changes in marine resources, food-web structure and ecosystem functioning in the Adriatic Sea, Mediterranean". Ecosystems. 14 (2): 198—222. doi:10.1007/s10021-010-9404-8.
  23. ↑ Romanuk, T.; et al. (2010). "Maintenance of positive diversity-stability relations along a gradient of environmental stress". PLoS ONE. 5 (4): e10378. Bibcode:2010PLoSO...510378R. doi:10.1371/journal.pone.0010378. PMC 2860506. PMID 20436913.{{cite journal}}: Википедия:Обслуживание CS1 (не помеченный открытым DOI) (ссылка)
  24. ↑ Croft, D.P; et al. (2004). "Social networks in the guppy (Poecilia reticulate)". Philosophical Transactions of the Royal Society B. 271 (Suppl): S516—S519. doi:10.1098/rsbl.2004.0206. PMC 1810091. PMID 15801620.
  25. ↑ Dornhaus, A.; et al. (2006). "Benefits of recruitment in honey bees: Effects of ecology and colony size in an individual-based model". Behavioral Ecology. 17 (3): 336—344. doi:10.1093/beheco/arj036.
  26. ↑ Linksvayer, T.; et al. (2012). "Developmental evolution in social insects: Regulatory networks from genes to societies". Journal of Experimental Zoology Part B: Molecular and Developmental Evolution. 318 (3): 159—169. doi:10.1002/jez.b.22001. PMID 22544713.
  27. ↑ Mullen, R.; et al. (2009). "A review of ant algorithms". Expert Systems with Applications. 36 (6): 9608—9617. doi:10.1016/j.eswa.2009.01.020.
  28. ↑ Ryder, T.B.; et al. (2008). "Social networks in the lek-mating wire-tailed manakin (Pipra filicauda)". Philosophical Transactions of the Royal Society B. 275 (1641): 1367—1374. doi:10.1098/rspb.2008.0205. PMC 2602714. PMID 18381257.
  29. ↑ Lusseau, D. (2007). "Evidence for social role in a dolphin social network". Evolutionary Ecology. 21 (3): 357—366. arXiv:q-bio/0607048. doi:10.1007/s10682-006-9105-0.
  30. ↑ Sundaresan, S.; et al. (2007). "Network metrics reveal differences in social organization between two fission-fusion species, Grevy's zebra and onager". Oecologia. 151 (1): 140—149. Bibcode:2007Oecol.151..140S. doi:10.1007/s00442-006-0553-6. PMID 16964497.
  31. ↑ Kasper, C.; Voelkl, B. (2009). "A social network analysis of primate groups". Primates. 50 (4): 343—356. doi:10.1007/s10329-009-0153-2. PMID 19533270.
  32. ↑ Henzi, S.; et al. (2009). "Cyclicity in the structure of female baboon social networks". Behavioral Ecology and Sociobiology. 63 (7): 1015—1021. doi:10.1007/s00265-009-0720-y.
  33. ↑ Hunt, ER.; et al. (2018). "Social interactions shape individual and collective personality in social spiders". Proceedings of the Royal Society B. 285 (1886): 20181366. doi:10.1098/rspb.2018.1366. PMC 6158534. PMID 30185649.

Книги

  • E. Estrada, "The Structure of Complex Networks: Theory and Applications", Oxford University Press, 2011, ISBN 978-0-199-59175-6

Внешние ссылки

  • Networkbio.org, Сайт для обсуждения INB. С 2012 еще и www.networkbio.org
  • Networkbiology.org,Сайт посвященный сетевой биологии.
  • LindingLab.org,Технический университет Дании (DTU) изучает сетевую биологию и обработку сотовой информации, а также организует в Дании отделение ежегодной серии симпозиумов «Интегративная сетевая биология и рак».
Источник — https://ru.wikipedia.org/w/index.php?title=Биологические_сети&oldid=96792054