Machine Translated by Google Parte um Introdução à Biologia de Sistemas Machine Translated by Google Machine Translated by Google 1 Introdução 1.1 Biologia no Tempo e no Espaço Sistemas biológicos como organismos, células ou biomoléculas são altamente organizados em sua estrutura e função. Eles se desenvolveram durante a evolução e só podem ser totalmente compreendidos neste contexto. Para estudá-los e aplicar conceitos matemáticos, computacionais ou teóricos, devemos estar atentos às seguintes circunstâncias. A reprodução contínua dos compostos celulares necessários à vida e o respetivo fluxo de informação é captado pelo dogma central da biologia molecular, que pode ser resumido da seguinte forma: os genes codificam o ARNm, o ARNm serve de molde para as proteínas, e as proteínas realizar trabalho celular. Embora a informação seja armazenada nos genes codificados pela sequência de DNA, ela é disponibilizada apenas através da maquinaria celular que pode decodificar essa sequência e traduzi-la em estrutura e função. Neste livro, explicaremos isso de várias perspectivas. 1.1 Biologia no Tempo e no Espaço 1.2 Modelos e Modelagem O que é um modelo? Finalidade e adequação dos modelos Vantagens da modelagem computacional 1.3 Noções básicas para modelos computacionais Declarações do modelo de escopo do modelo Estado do sistema Variáveis, parâmetros e constantes Comportamento do modelo Classificação do modelo Estados estacionários A atribuição de modelo não é única 1.4 Redes 1.5 Integração de Dados 1.6 Padrões 1.7 Organismos Modelo Escherichia coli Saccharomyces cerevisiae Caenorhabditis elegans Uma descrição de entidades biológicas e de suas propriedades Drosophila melanogaster Mus abrange diferentes níveis de organização e diferentes escalas musculus de tempo. Podemos estudar fenômenos biológicos no nível de Referências populações, indivíduos, tecidos, órgãos, células e Leitura adicional compartimentos, até moléculas e átomos. As escalas de comprimento variam da ordem do metro (por exemplo, o tamanho de uma baleia ou de um ser humano) ao micrômetro para muitos tipos de células, até o picômetro para tamanhos de Muitas abordagens atuais prestam homenagem ao facto de átomos. As escalas de tempo incluem milhões de anos para os itens biológicos estarem sujeitos à evolução. A estrutura e processos evolutivos, ciclos anuais e diários, segundos para organização dos organismos e seu maquinário celular muitas reações bioquímicas e femtossegundos para vibrações desenvolveram-se durante a evolução para cumprir funções moleculares. A Figura 1.1 dá uma visão geral sobre escalas. importantes, como crescimento, proliferação e sobrevivência Numa visão unificada das redes celulares, cada ação de uma sob condições variáveis. Se partes do organismo ou da célula célula envolve diferentes níveis de organização celular, incluindo não conseguirem desempenhar a sua função, o indivíduo pode genes, proteínas, metabolismo ou vias de sinalização. Portanto, tornar-se incapaz de sobreviver ou replicar-se. a descrição actual das redes individuais deve ser integrada num Uma consequência da evolução é a semelhança de quadro mais amplo. organismos biológicos de espécies diferentes. Esta semelhança Biologia de Sistemas: Um Livro Didático, Segunda Edição. Edda Klipp, Wolfram Liebermeister, Christoph Wierling e Axel Kowald. ÿ 2016 Wiley-VCH Verlag GmbH & Co. Publicado em 2016 por Wiley-VCH Verlag GmbH & Co. Machine Translated by Google 4 1 Introdução Tempo Tamanho Vida bilhões de anos Humano milhões de anos Rato soshianra om praoT c 10 centímetros Humano oãçulovE eu cm milímetros ano D. melanogaster C. elegans Genes de E. coli 100 ÿm Oscilação cicadiana dia Osc glicolítico. (levedura) hora ÿm Eucarioto sohn salm ula e éT d c 10 ÿm oãçara lulu gleeRc Ciclo celular (E.coli) Expressão genética min Bactéria Mitocôndria Metabolismo, sinalização Comprimentos de Tradução (AA) Transcrição (nucleotídeo) Ribossomo Espessura da membrana Ligação de hidrogênio salucéloM Moléculas pequenas nm salucéloM 10nm Produção de LacZ (RNA) onda da luz visível 100nm Ligação proteína-DNA é EM ÿs ns 0,1nm Estado de transição de alta energia fs Figura 1.1 Duração e escalas de tempo em biologia. (Dados do banco de dados BioNumbers em bionumbers.hms.harvard.edu.) permite o uso de organismos modelo e a transferência crítica de comportamento de um sistema complexo a partir do conhecimento insights obtidos de um tipo de célula para outros tipos de células. As aplicações incluem, por exemplo, previsão da função proteica de suas partes. A modelação matemática e as simulações computacionais podem ajudar-nos a compreender a natureza a partir de similaridade, previsão de propriedades de rede a partir interna e a dinâmica destes processos e a chegar a previsões sobre o seu desenvolvimento futuro e o efeito das interacções com o ambiente. de princípios de otimização, reconstrução de árvores filogenéticas ou identificação de sequências reguladoras de DNA por meio de comparações entre espécies. No entanto, o processo evolutivo também leva a variações genéticas dentro das espécies. Portanto, a medicina e a investigação personalizadas constituem um novo desafio importante para a investigação biomédica. 1.2.1 O que é um modelo? A resposta a esta questão será diferente entre comunidades de investigadores. Num sentido amplo, um modelo é uma representação abstrata de objetos ou processos que explica características desses objetos ou processos (Figura 1.2). 1.2 Modelos e Modelagem Uma rede de reações bioquímicas pode ser representada por um Se observarmos fenómenos biológicos, somos confrontados com vários processos complexos que muitas vezes não podem ser explicados a partir dos primeiros princípios e cujo resultado não reações; a mesma rede também poderia ser descrita por um esboço gráfico mostrando pontos para metabólitos e setas para pode ser previsto com segurança a partir da intuição. Mesmo que sistema de equações diferenciais, que permite simular e prever o comportamento dinâmico dessa rede. Se um modelo for utilizado para simulações, é necessário garantir que ele preveja fielmente os princípios bioquímicos gerais estejam bem estabelecidos (por o comportamento do sistema – pelo menos aqueles aspectos que exemplo, o dogma central da transcrição e tradução ou a deveriam ser cobertos pelo modelo. bioquímica das reações catalisadas por enzimas), a bioquímica Os modelos de biologia de sistemas baseiam-se frequentemente de moléculas e sistemas individuais é frequentemente em leis físicas bem estabelecidas que justificam a sua forma desconhecida e pode variar consideravelmente entre espécies. geral, por exemplo, a termodinâmica das reações químicas. Além disso, um modelo computacional precisa fazer afirmações Os experimentos levam a hipóteses biológicas sobre processos individuais, mas muitas vezes permanece incerto se essas específicas sobre um sistema de interesse – que são parcialmente hipóteses podem ser combinadas em um quadro mais amplo e justificadas por experimentos e conhecimento bioquímico, e coerente, porque muitas vezes é difícil prever o cenário global. parcialmente por mera extrapolação de outros sistemas. Tal modelo pode Machine Translated by Google 1.2 Modelos e Modelagem 5 (a) Sistema biológico (b) Modelo mental Esquema modelo (c) X Proteína X Ativação S Proteína Y (d) Modelo de processo (e) Modelo dinâmico Resultados quantitativos (f) X oãçartnecnoC S Tempo Figura 1.2 Etapas típicas de abstração em modelagem matemática. (a) A bactéria E. coli produz milhares de proteínas diferentes. Se um específico tipo de proteína é marcado com um marcador fluorescente, as células brilham ao microscópio de acordo com a concentração deste marcador. (Cortesia de M. Elowitz.) (b) Em um modelo mental simplificado, assumimos que as células contêm duas enzimas de interesse, X (vermelho) e Y (azul), e que as moléculas (pontos) podem se difundir livremente dentro da célula. Todas as outras substâncias são desconsideradas por uma questão de simplicidade. (c) As interações entre os dois os tipos de proteínas podem ser desenhados em um esquema de ligações: cada proteína pode ser produzida ou degradada (setas pretas). Além disso, assumimos que as proteínas do tipo X pode aumentar a produção de proteína Y. (d) Todos os processos individuais a serem considerados são listados juntamente com suas taxas a (ocorrência por tempo). As expressões matemáticas para as taxas baseiam-se numa imagem simplificada dos processos químicos reais. (e) A lista de processos podem ser traduzidos em diferentes tipos de modelos dinâmicos, neste caso, equações de taxas determinísticas para as concentrações de proteína x e você. (f) Ao resolver as equações do modelo, podem ser obtidas previsões para as concentrações dependentes do tempo. Se as previsões não concordarem com dados experimentais, isso indica que o modelo está errado ou muito simplificado. Em ambos os casos, o modelo precisa ser refinado. resumir o conhecimento estabelecido sobre um sistema em um objeto específico (por exemplo, a estrutura 3D de uma proteína, o formulação matemática coerente. Na biologia experimental, o termo sequência de um gene ou um modelo de deterioração “modelo” também é usado para denotar uma espécie que mitocôndrias durante o envelhecimento). A parte matemática pode é especialmente adequado para experimentos; por exemplo, um ser mantido o mais simples possível para permitir fácil implementação e resultados compreensíveis. Ou pode ser modelado camundongo geneticamente modificado pode servir como modelo para humanos. distúrbios genéticos. 1.2.2 Finalidade e adequação dos modelos muito realisticamente e ser muito mais complicado. Nenhum as características mencionadas acima fazem um modelo certo ou errado, mas determinam se um modelo é adequado ao problema a ser resolvido. A frase “essencialmente, todos os modelos estão errados, mas alguns são úteis” A modelagem é um procedimento subjetivo e seletivo. A cunhado pelo estatístico George Box é de fato uma diretriz apropriada para modelo representa apenas aspectos específicos da realidade, mas, se a construção de modelos. feito corretamente, isso é suficiente, pois a intenção de modelagem é responder a perguntas específicas. Se o único 1.2.3 o objetivo é prever as saídas do sistema a partir de determinados sinais de entrada, Vantagens da Modelagem Computacional um modelo deve exibir a relação entrada-saída correta, enquanto seu interior pode ser considerado uma caixa preta. Contudo, se em vez disso um mecanismo biológico detalhado tiver que ser elucidada, então a estrutura do sistema e as relações entre suas partes deve ser descrita de forma realista. Alguns modelos devem ser geralmente aplicáveis a muitos Os modelos ganham referência à realidade a partir da comparação com experimentos, e seus benefícios dependem, portanto, a qualidade dos experimentos utilizados. No entanto, a modelagem combinada com a experimentação tem muitas vantagens em comparação com estudos puramente experimentais: objetos semelhantes (por exemplo, a cinética de Michaelis-Menten vale para muitas enzimas, o conceito promotor-operador é aplicável a muitos genes, A modelagem impulsiona o esclarecimento conceitual. Isso requer e motivos reguladores de genes são comuns), enquanto outros são hipóteses verbais devem ser tornadas específicas e conceitualmente especificamente adaptados a um rigoroso. Machine Translated by Google 6 1 Introdução A modelagem destaca lacunas no conhecimento ou compreensão. metabólitos. Como um modelo só pode descrever certos aspectos do Durante o processo de formulação do modelo, componentes ou interações sistema, todas as outras propriedades do sistema (por exemplo, concentrações de outras substâncias ou o ambiente de uma célula) são não especificadas devem ser determinadas. A modelagem fornece independência do objeto modelado. negligenciadas ou simplificadas. É importante – e, até certo ponto, uma arte – construir modelos de forma que as propriedades desconsideradas O tempo e o espaço podem ser ampliados ou comprimidos ad libitum. não comprometam os resultados básicos do modelo. Algoritmos de solução e programas de computador podem ser usados independentemente do sistema concreto. A modelagem é barata em comparação com os experimentos. 1.3.2 Declarações Modelo Os modelos por si só não causam danos aos animais ou às plantas e ajudam a reduzir problemas éticos nos experimentos. Eles não poluem Juntamente com os elementos do modelo, um modelo pode conter vários o meio ambiente. tipos de declarações e equações que descrevem factos sobre os elementos A modelagem pode ajudar na experimentação. Com um modelo do modelo, mais notavelmente, o seu comportamento temporal. Nos adequado, pode-se testar diferentes cenários que não são acessíveis modelos cinéticos, o paradigma básico de modelagem considerado neste experimentalmente. Pode-se seguir cursos de tempo de compostos que livro, a dinâmica é determinada por um conjunto de equações diferenciais não podem ser medidos em um experimento. Pode-se impor ordinárias que descrevem os equilíbrios das substâncias. As declarações perturbações que não são viáveis no sistema real. Pode-se causar em outros tipos de modelos podem ter a forma de restrições de igualdade perturbações precisas sem alterar diretamente outros componentes do ou desigualdade (por exemplo, na análise de equilíbrio de fluxo), postulados sistema, o que geralmente é impossível em sistemas reais. As simulações de maximidade, processos estocásticos ou declarações probabilísticas de modelos podem ser repetidas frequentemente e para muitas sobre quantidades que variam no tempo ou entre células. condições diferentes. Os resultados do modelo muitas vezes podem ser apresentados em 1.3.3 termos matemáticos precisos que permitem generalização. A Estado do Sistema representação gráfica e a visualização facilitam a compreensão do sistema. Na teoria dos sistemas dinâmicos, um sistema é caracterizado pelo seu Finalmente, a modelagem permite fazer previsões bem fundamentadas estado, um instantâneo do sistema num determinado momento. O estado e testáveis. A tentativa de formular o conhecimento atual e os problemas abertos em termos matemáticos revela muitas vezes uma falta de conhecimento e de requisitos de esclarecimento. Além disso, modelos computacionais podem ser usados para testar se as explicações propostas para fenômenos biológicos são viáveis. Os modelos computacionais servem como repositórios de conhecimento atual, tanto estabelecido quanto hipotético, sobre como os sistemas podem operar. Ao mesmo tempo, fornecem aos pesquisadores descrições quantitativas desse conhecimento e permitem simular o processo biológico, que serve como um rigoroso teste de consistência. do sistema é descrito pelo conjunto de variáveis que devem ser acompanhadas em um modelo: em modelos determinísticos, ele precisa conter informações suficientes para prever o comportamento do sistema para todos os tempos futuros. Cada estrutura de modelagem define o que se entende por estado do sistema. Em modelos de equações de taxa cinética, por exemplo, o estado é uma lista de concentrações de substâncias. No modelo estocástico correspondente, é uma distribuição de probabilidade ou uma lista do número atual de moléculas de uma espécie. Num modelo booleano de regulação genética, o estado é uma sequência de bits que indica para cada gene se ele é expresso (“1”) ou não expresso (“0”). Além disso, o comportamento temporal pode ser descrito de maneiras fundamentalmente diferentes. Num sistema dinâmico, os estados futuros são determinados pelo estado atual, enquanto num processo estocástico, 1.3 Noções Básicas para Modelos Computacionais os estados futuros não são predeterminados com precisão. Em vez disso, cada história futura possível tem uma certa probabilidade de ocorrer. 1.3.4 1.3.1 Variáveis, Parâmetros e Constantes Escopo do Modelo As quantidades em um modelo podem ser classificadas como variáveis, Os modelos de biologia de sistemas consistem em elementos matemáticos parâmetros e constantes. Uma constante é uma quantidade com valor fixo, que descrevem propriedades de um sistema biológico, por exemplo, como o número natural e ou o número de Avogadro (número de moléculas variáveis matemáticas que descrevem as concentrações de por mol). Os parâmetros são Machine Translated by Google 1.3 Noções Básicas de Modelos Computacionais 7 quantidades que têm um determinado valor, como o valor Km de uma Os processos reversíveis podem prosseguir na direção para frente e enzima em uma reação. Este valor depende do método utilizado e das para trás. Irreversibilidade significa que apenas uma direção é possível. condições experimentais e pode sofrer alterações. Variáveis são quantidades com valor variável para as quais o modelo estabelece relações. Um subconjunto de variáveis, as variáveis de estado, descreve A periodicidade indica que o sistema assume uma série de estados completamente o comportamento do sistema. Eles podem assumir iÿt, t+ (i+1)ÿt} para i= 1,2, . . . . no intervalo de tempo {t, t+ ÿt} e novamente no intervalo de tempo {t+ valores independentes e cada um deles é necessário para definir o estado do sistema. Seu número é equivalente à dimensão do sistema. 1.3.7 Por exemplo, o diâmetro d e o volume V de uma esfera obedecem à Estados Estacionários relação V = ÿd3 /6, onde ÿ e 6 são constantes, V e d são variáveis, mas apenas uma delas é variável de estado, pois a relação entre elas O conceito de estados estacionários é importante para a modelagem determina unicamente o outro. de sistemas dinâmicos. Os estados estacionários (outros termos são estados estacionários ou pontos fixos) são determinados pelo fato de que os valores de todas as variáveis de estado permanecem constantes Se uma quantidade é uma variável ou um parâmetro depende do no tempo. O comportamento assintótico dos sistemas dinâmicos, isto modelo. Na cinética da reação, a concentração da enzima aparece é, o comportamento após um tempo suficientemente longo, é como parâmetro. No entanto, a própria concentração da enzima pode frequentemente estacionário. Outros tipos de comportamento assintótico mudar devido à expressão genética ou à degradação proteica e, num são regimes oscilatórios ou caóticos. modelo alargado, pode ser descrita por uma variável. A consideração de estados estacionários é na verdade uma abstração baseada na separação de escalas de tempo. Na natureza tudo flui. Processos rápidos e lentos – que vão desde a formação e 1.3.5 Comportamento do Modelo quebra de ligações químicas em nanossegundos até ao crescimento de indivíduos em anos – estão acoplados no mundo biológico. Embora os processos rápidos muitas vezes atinjam um estado quase estacionário Dois fatores fundamentais que determinam o comportamento de um sistema são (i) influências do ambiente (entrada) e (ii) processos dentro após um curto período de transição, a mudança no valor das variáveis do sistema. A estrutura do sistema, ou seja, a relação entre variáveis, lentas é muitas vezes insignificante na janela de tempo considerada. Assim, cada estado estacionário pode ser considerado como um estado parâmetros e constantes, determina como as forças endógenas e quase estacionário de um sistema que está inserido em um ambiente exógenas são processadas. No entanto, diferentes estruturas de não estacionário maior. Apesar desta idealização, o conceito de sistema ainda podem produzir um comportamento de sistema estados estacionários é importante na modelagem cinética porque semelhante (saída); portanto, as medições dos resultados do sistema aponta para modos comportamentais típicos do sistema em estudo e muitas vezes não são suficientes para escolher entre modelos alternativos e para determinar a organização interna do sistema. muitas vezes simplifica os problemas matemáticos. Outros conceitos teóricos em biologia de sistemas são apenas 1.3.6 Classificação do Modelo representações aproximadas de suas contrapartes biológicas. Por exemplo, a representação de redes reguladoras genéticas por redes booleanas, a descrição da cinética enzimática complexa por simples Para modelagem, os processos são classificados com relação a um conjunto de critérios. leis de ação de massa ou a representação de vários esquemas de reação por caixas pretas provaram ser simplificações úteis. Embora sejam uma simplificação, estes modelos elucidam possíveis propriedades Um modelo estrutural ou qualitativo (por exemplo, um gráfico de rede) da rede e ajudam a verificar a confiabilidade de suposições básicas e a especifica as interações entre os elementos do modelo. Um modelo descobrir possíveis princípios de projeto na natureza. Modelos quantitativo atribui valores aos elementos e às suas interações, que simplificados podem ser usados para testar hipóteses formuladas podem ou não mudar. matematicamente sobre a dinâmica de sistemas, e tais modelos são Num modelo determinístico, a evolução do sistema através de todos mais fáceis de compreender e aplicar a diferentes questões. os estados seguintes pode ser prevista a partir do conhecimento do estado atual. As descrições estocásticas fornecem, em vez disso, uma distribuição de probabilidade para os sucessivos 1.3.8 estados. A atribuição de modelo não é única A natureza dos valores que o tempo, o estado ou o espaço podem assumir distingue um modelo discreto (onde os valores são retirados Os fenômenos biológicos podem ser descritos em termos matemáticos. de um conjunto discreto) de um modelo contínuo (onde os valores Os modelos desenvolvidos nas últimas décadas vão desde a descrição pertencem a um continuum). de oscilações glicolíticas com Machine Translated by Google 8 1 Introdução equações diferenciais ordinárias para dinâmica populacional modelos com equações às diferenças, equações estocásticas para vias de sinalização e redes booleanas para genes expressão. Contudo, é importante perceber que um determinado processo pode ser descrito de mais de uma maneira: uma objeto biológico pode ser investigado com diferentes métodos experimentais e cada processo biológico pode ser descrito com diferentes modelos (matemáticos). Às vezes, uma estrutura de modelagem representa um caso limite simplificado (por exemplo, modelos cinéticos como caso limite de modelos estocásticos). Por outro lado, o mesmo formalismo matemático pode ser aplicado a vários estudos biológicos. instâncias: a análise estatística de redes, por exemplo, pode ser aplicado a redes de transcrição celular, o circuito de células nervosas ou teias alimentares. A escolha de um modelo matemático ou de um algoritmo para descrever um objeto biológico depende do problema, da Figura 1.3 Rede com nós (círculos) e arestas (linhas entre propósito e a intenção do investigador. Modelagem círculos). Diferentes cores de nós indicam diferentes tipos de conexões tem que refletir propriedades essenciais do sistema e diferentes componentes (por exemplo, proteínas, mRNAs e metabólitos). modelos podem destacar diferentes aspectos do mesmo sistema. Esta ambiguidade tem a vantagem de que diferentes maneiras de estudar um problema também fornecem insights diferentes leva essa propriedade em consideração representando metabólitos no sistema. No entanto, a diversidade de modelagem como lugares e reações catalisadas por enzimas como transições abordagens torna também muito difícil fundir modelos estabelecidos (ver Seção 7.1). Por outro lado, a modelagem metabólica clássica (por exemplo, para vias metabólicas individuais) considera apenas um tipo de nódulo, mas diferentes tipos em em supermodelos maiores (por exemplo, modelos de células completas abordagens diferentes. Sistemas de diferencial ordinário metabolismo). equações que descrevem a dinâmica dos metabólitos consideram os metabólitos como nós e as reações enzimáticas como arestas (Capítulo 4), enquanto a análise do equilíbrio de fluxo se restringe a 1.4 Redes estados e agora se concentra nos fluxos através do reações (agora como nós) que estão ligadas pelo estacionário metabólitos como bordas. A rede é um conceito crucial em biologia de sistemas. Nós estudar redes de interação proteína-proteína, proteínaRedes de interação de RNA, redes metabólicas (ver 1,5 Capítulos 3 e 4 e Seção 12.1), redes de sinalização Integração de dados (Seção 12.2), redes de culpa por associação e redes que conectam defeitos genéticos com doenças ou enfermidades A biologia de sistemas evoluiu rapidamente nos últimos anos, com outras doenças através de defeitos genéticos comuns [1]. impulsionado pelas novas tecnologias de alto rendimento. O Ao longo deste livro, você encontrará mais exemplos. As redes são melhor representadas por gráficos que consistem em O impulso mais importante foi dado por um grande sequenciamento projetos como o Projeto Genoma Humano, que nós e arestas, que conectam os nós, conforme ilustrado resultou na sequência completa do humano e de outros na Figura 1.3. Em redes de interação proteína-proteína, por genomas [2,3]. Tecnologias proteômicas têm sido usadas para por exemplo, os nós são proteínas e as arestas são suas interações, identificar o status de tradução de células completas (géis 2D, como pode ser determinado, por exemplo, por experimentos de dois espectrometria de massa) e para elucidar proteína-proteína híbridos de levedura (ver Capítulo 14). Se for apropriado, um redes de interação envolvendo milhares de componentes [4]. No pode introduzir diferentes tipos de nós para diferentes tipos entanto, para validar dados tão diversos de alto rendimento, é de componentes. Por exemplo, os metabólitos e enzimas conversoras necessário correlacionar e integrar em redes metabólicas podem ser representados por redes bipartidas, tais informações. Assim, uma parte importante dos sistemas que possuem dois tipos biologia é integração de dados. de nós – um para metabólitos e outro para enzimas No nível mais baixo de complexidade, a integração de dados – que nunca estão diretamente conectados por uma aresta, mas apenas implica esquemas comuns para armazenamento de dados, através do outro tipo de nó. Tipo de modelagem de rede de Petri representação de dados e transferência de dados. Para experimentos específicos Machine Translated by Google 1.7 Organismos Modelo 9 técnicas, isso já foi estabelecido, por exemplo, no campo da linguagem comum sobre aspectos biológicos. Um exemplo seminal transcriptômica com informações mínimas sobre um experimento é a Ontologia Genética, que fornece um vocabulário controlado de microarray [5], informações mínimas para relatar genotipagem que pode ser aplicado a todos os organismos, mesmo que o de sequências de próxima geração [6], em proteômica com conhecimento sobre genes e proteínas continue a se acumular. repositórios de dados de experimentos proteômicos [7] e o SBML [9] foi estabelecido como linguagem de intercâmbio para consórcio Human Proteome Organization [8]. Em um nível mais modelos matemáticos de redes de reações bioquímicas. SBGN complexo, esquemas foram definidos para modelos e caminhos [11] define elementos gráficos para representar inequivocamente biológicos, como Systems Biology Markup Language (SBML) [9], conjuntos de reações bioquímicas e grandes redes regulatórias. CellML [10] ou Systems Biology Graphical Notation (SBGN) [11], Uma série de declarações de “informações mínimas sobre” que usam um XML estilo de linguagem semelhante. baseadas no acordo da comunidade define padrões para certos tipos de experimentos. Informações Mínimas Solicitadas na A integração de dados no próximo nível de complexidade consiste na correlação de dados. Este é um campo de pesquisa Anotação de Modelos Bioquímicos (MIRIAM) [17] descreve padrões para este tipo específico de modelos de biologia de crescente, à medida que os pesquisadores combinam informações sistemas. de vários conjuntos de dados diversos para aprender e explicar Informações mínimas sobre um experimento de simulação (MIASE) processos naturais [12,13]. Por exemplo, métodos foram [18] ajudam os autores a descrever todos os elementos de um desenvolvidos para integrar os resultados de experimentos de experimento computacional de forma que os leitores possam repetir transcriptoma ou proteoma com anotações de sequência do genoma. No caso de doenças complexas, está claro que apenas as simulações e criar figuras conforme mostrado na publicação. abordagens integradas podem vincular dados clínicos, genéticos, comportamentais e ambientais com diversos tipos de informações sobre fenótipos moleculares e identificar associações correlativas. 1.7 Tais correlações, se encontradas, são a chave para identificar Organismos Modelo biomarcadores e processos que são causativos ou indicativos da doença. É importante ressaltar que a identificação de Organismos modelo são espécies que se desenvolveram ao longo biomarcadores (por exemplo, proteínas e metabólitos) associados dos anos e se tornaram extremamente populares para à doença abrirá a possibilidade de gerar e testar hipóteses sobre investigações científicas. As razões para tal popularidade podem ser diversas. os processos biológicos e genes envolvidos nesta condição. A De grande importância é, claro, um fácil manejo do organismo, ou avaliação de dados relevantes para a doença é um procedimento seja, condições de cultura (temperatura, pressão, etc.) que de várias etapas que envolve um pipeline complexo de ferramentas possam ser estabelecidas em laboratório sem muito esforço e que de análise e tratamento de dados, como normalização de dados, tolerem algum grau de variação, de modo que que os resultados controle de qualidade, estatística multivariada, análise de são comparáveis entre grupos que utilizam condições de correlação, técnicas de visualização e sistemas de banco de dados crescimento ligeiramente diferentes. No entanto, outros fatores inteligentes [14]. Várias abordagens pioneiras indicaram o poder de integração de conjuntos de dados de diferentes níveis, por também são importantes, como custos (moradia, alimentação, etc.), tamanho (quanto menor o tamanho, mais indivíduos podem exemplo, a correlação de membros de genes de agrupamentos de ser estudados) ou tempo de vida (espécies de vida curta são mais expressão e motivos de sequência promotora [15], a combinação populares). para estudos de envelhecimento). Freqüentemente, de dados de transcriptoma e proteômica quantitativa para construir organismos modelo também são usados para representar modelos de vias celulares [13], e a identificação de novas propriedades taxonômicas importantes (pró-cariontes, eucariontes, correlações metabólito-transcrição [16]. Finalmente, os dados organismos unicelulares, organismos multicelulares, vertebrados e podem ser usados para construir e refinar modelos dinâmicos, que invertebrados), mas em todos os casos a esperança é que representam um nível ainda mais elevado de integração de dados. descobertas bioquímicas importantes feitas em tais organismos modelo também sejam relevantes. para outras espécies desse grupo taxonômico ou A Figura 1.4 mostra uma seleção de espécies modelo populares, 1.6 Padrões que serão discutidas nas próximas seções. Eles variam de organismos procarióticos a espécies eucarióticas únicas e multicelulares até mamíferos. Como as técnicas experimentais geram quantidades crescentes de dados e grandes modelos precisam ser desenvolvidos e trocados, 1.7.1 Escherichia coli os padrões para procedimentos experimentais e modelagem são uma questão prática central na biologia de sistemas. A troca de E. coli é provavelmente o organismo modelo mais antigo e mais informações exige um bem estudado de todos (Figura 1.4a). É em forma de bastão Machine Translated by Google 10 1 Introdução Figura 1.4 Organismos modelo populares para estudos de problemas de bioquímica e biologia molecular. (a) E. coli é uma bactéria semelhante a um bastonete e o sistema modelo procariótico mais bem estudado. (Imagem de domínio público da Wikimedia, http://commons.wikimedia.org/ wiki/File: EscherichiaColi_NIAID.jpg.) (b) A levedura S. cerevisiae é um eucarioto unicelular simples e é de considerável interesse científico e industrial. (Imagem de domínio público da Wikimedia, http://commons.wikimedia.org/wiki/File:S_cerevisiae_under_DIC_microscopy.jpg.) (c) O nematóide C. elegans tem aproximadamente 1 mm e é um representante popular de multicelulares simples e de vida curta organismos. (“Adult Caenorhabditis elegans” por Kbradnam (http://en.wikipedia.org/wiki/User:Kbradnam) está licenciado sob CC BY-SA-2.5, http:// creativecommons.org/licenses/by-sa/2.5 .) (d) A mosca da fruta D. melanogaster é, como C. elegans, um modelo para organismos multicelulares simples e tem sido extensivamente estudada na biologia do desenvolvimento. (“Drosophila melanogaster” por A. Karwath (http:// commons.wikimedia.org/wiki/ User:Aka) está licenciado sob CC BY-SA-2.5, http://creativecommons.org/licenses/by-sa/ 2.5.) (e) Finalmente, o rato M. musculus é uma espécie modelo popular para mamíferos e, portanto, também de grande relevância para humanos. (Imagem de domínio público da Wikimedia, http://commons.wikimedia.org/wiki/File:House_mouse.jpg.) bactéria que é encontrada nos intestinos de muitos organismos, incluindo humanos. É um organismo anaeróbico facultativo, o que significa que pode crescer tanto em condições aeróbicas quanto anaeróbicas. E. coli tem aproximadamente 2 ÿm de comprimento e um diâmetro de 0,5 ÿm. Em condições de laboratório, pode ser facilmente cultivada e duplica seu número em menos de 30 min. Foi estudado há mais de 50 anos e é o organismo modelo procariótico mais popular. O genoma da cepa K-12 de E. coli foi completamente sequenciado em 1997 [19] e contém cerca de 4.200 genes dispersos ao longo de 4,6 milhões de pares de bases (Mbp). É um genoma muito simplificado contendo muito poucas sequências intergênicas. A família E. coli consiste em um grande número de cepas, e uma comparação da sequência de mais de 60 cepas mostrou que elas contêm no total mais de 15.500 genes, enquanto apenas 6% desse pan-genoma está presente em cada cepa [20]. A E. coli foi de importância crucial para o desenvolvimento de muitas das técnicas experimentais descritas no Capítulo 14. Hoje, um grande número de recursos científicos relativos a esta espécie modelo estão disponíveis na Internet. Um bom ponto de partida é o EcoCyc (ecocyc. org), que fornece informações sobre o genoma e a maquinaria bioquímica da cepa de E. coli K-12 MG1655. Outros sites fornecem informações sobre interações proteína-proteína (bacteriome.org/) e mutantes knockout sistemáticos de gene único (//ecoli.aist-nara.ac.jp/gb6/Resources/ deletion/deletion.html), ou um banco de dados de cepas disponíveis (cgsc.biology.yale.edu). Para modeladores, o banco de dados CyberCell (ccdb.wishartlab.com/CCDB) também é de interesse, pois visa fornecer informações enzimáticas, genéticas e biológicas adequadas Machine Translated by Google 1.7 Organismos Modelo 11 para desenvolver modelos matemáticos de todas as partes de uma célula de E. coli cepa K-12. 1.7.3 Caenorhabditis elegans 1.7.2 É claro que sistemas modelo para organismos multicelulares também Saccharomyces cerevisiae são necessários e o nematóide C. elegans (Figura 1.4c) tornou-se um modelo desde que Sidney Brenner o apresentou à comunidade A levedura S. cerevisiae é um fungo unicelular, pertencente aos de pesquisa [33]. Tal como outros organismos modelo, é fácil de ascomicetos (Figura 1.4b). Não é apenas um organismo útil cultivar (alimentando-se de bactérias ou de meio sintético) e milhares necessário para a produção de vinho, cerveja e pão, mas também o de animais com cerca de 1 mm de comprimento podem viver numa sistema modelo eucariótico mais bem estudado. grande placa de Petri. As populações selvagens de C. elegans As células são fáceis de crescer e duplicam em condições ideais a consistem principalmente de hermafroditas juntamente com alguns cada 90-100 minutos. Assim como a E. coli, também a S. cerevisiae pode viver em condições aeróbicas e anaeróbicas. Se o oxigênio machos. Os hermafroditas não só são capazes de autofecundação estiver presente, a maior parte da energia é gerada por meio de acasalar com machos. O hermafrodita então põe ovos que se fosforilação oxidativa na membrana mitocondrial interna e sem transformam em larvas após a eclosão e após um total de quatro (levando a linhagens consanguíneas naturais), mas também podem oxigênio, a energia é produzida por meio de glicólise e fermentação. estágios larvais (L1-L4) o animal adulto emerge. O ciclo de vida A levedura normalmente se propaga como um organismo diplóide completo de ovo a ovo leva entre 2,5 e 5,5 dias, dependendo da via mitose. Sob estresse, entretanto, as células diplóides podem temperatura. sofrer esporulação, produzindo quatro células haplóides no processo. A vida útil total de C. elegans é bastante curta, com 2–3 semanas. Essas células haploides pertencem a uma das duas classes de Isso fez do C. elegans outro sistema modelo popular para a acasalamento (sexos), chamadas “a” e “ÿ”. Os haplóides podem se investigação do processo de envelhecimento [34]. No entanto, o propagar por mitose normal ou acasalar com outros haplóides da nemátodo é também um modelo importante para outros campos de classe de acasalamento diferente, resultando novamente em células investigação, como a biologia molecular ou a neurologia. diplóides. Este ciclo de vida torna S. cerevisiae interessante para A interferência de RNA (RNAi), por exemplo, é uma importante estudos genéticos; também tem sido amplamente utilizado em técnica experimental (Capítulo 14) que foi desenvolvida com base estudos experimentais e de modelagem do ciclo celular, glicólise, choque osmótico e processo de acasalamento [21–28]. A divisão em experimentos em C. elegans [35]. Além disso, os nematóides adultos possuem um número fixo de células somáticas idênticas para celular ocorre em S. cerevisiae de uma forma assimétrica chamada todos os indivíduos (1.031 no macho e 959 no hermafrodita), o que brotamento e estudos unicelulares mostraram que as células de permite gerar modelos anatômicos muito detalhados do verme. levedura exibem senescência replicativa com um máximo de 30-40 divisões [29]. Como esse processo lembra muito a senescência O “slidable worm” (www.wormatlas.org/slidableworm. htm), que é um replicativa conhecida em fibroblastos humanos [30], S. cerevisiae recurso disponível na página do banco de dados WormAtlas, também é empregado como sistema modelo para investigações do apresenta os resultados desses estudos anatômicos usando uma processo de envelhecimento. Além disso, S. cerevisiae também foi interface fácil de usar. C. elegans também é o único animal para o o primeiro organismo eucariótico a ser sequenciado e seu genoma qual o diagrama elétrico completo (conectoma) do sistema nervoso consiste em cerca de 12 Mbp contendo cerca de 6.000 genes foi determinado (usando seções seriais de microscopia eletrônica) distribuídos em 16 cromossomos [31]. A recombinação homóloga [36,37]. Finalmente, C. elegans também foi o primeiro organismo (troca de sequências entre fitas semelhantes de DNA) é muito multicelular para o qual a sequência completa do genoma foi eficiente em S. cerevisiae, o que torna o organismo também um determinada [38,39]. Os 97Mbp contêm aproximadamente 19.000 modelo conveniente para estudos de biologia sintética. Usando este genes dispersos em seis cromossomos. Bons pontos de partida on- mecanismo, foi possível substituir o cromossomo 16 completo por line para obter mais informações são WormBase (www.wormbase.org), um novo e sintético através de 11 rodadas sucessivas de WormBook (www .wormbook.org/) ou WormAtlas (www.wormatlas.org/). transformação (ver Capítulo 14) [32]. O cromossomo sintético foi simplificado removendo todos os íntrons 1.7.4 e genes de tRNA supérfluos e usando apenas dois dos três códons Drosophila melanogaster de parada possíveis. Isto abre a possibilidade de estender o código genético por mais um aminoácido, uma vez que todos os A mosca da fruta D. melanogaster (Figura 1.4d) é outro organismo cromossomos sejam modificados desta forma. Um bom recurso modelo imensamente popular que compartilha muitas das online para mais informações sobre este organismo modelo é o propriedades de C. elegans. Os animais são fáceis de reproduzir em banco de dados do genoma de Saccharomyces (www.yeastgenome.org).cativeiro e devido ao seu pequeno tamanho (cerca de 1 mm) é possível realizar estudos envolvendo milhares de Machine Translated by Google 12 1 Introdução indivíduos (por exemplo, para seleção ou estudos populacionais). O pesquisa humana. Humanos e camundongos são mamíferos e, tempo de geração (cerca de 7 dias a 29 °C) e a vida útil (cerca de portanto, compartilham um ancestral comum há cerca de 80 milhões 30 dias a 29 °C) são muito curtos e dependem fortemente da de anos, um período de tempo bastante curto em comparação com temperatura ambiente. Isso facilita, por exemplo, estudos de seleção outros organismos modelo. Consequentemente, a estrutura e artificial, que levam várias gerações [40]. D. melanogaster possui organização do genoma também são muito semelhantes. O genoma quatro cromossomos (2n = 8), que podem até ser estudados ao do camundongo, sequenciado em 2002 [45], contém 2,5 Gbp e é, microscópio óptico devido a um fenômeno chamado politenia. portanto, um pouco menor que o genoma humano com 2,9 Gbp Como em muitas larvas de insetos, as células das glândulas [2,3], embora ambos os genomas contenham aproximadamente salivares de D. melanogaster passam por múltiplos ciclos de 20.000 a 25.000 genes. A semelhança a nível genético é bastante replicação sem divisão celular, levando a centenas de cromátides surpreendente, na medida em que para mais de 99% dos genes de irmãs alinhadas entre si. Os cromossomos politênicos são ratinho também pode ser encontrado um homólogo no genoma encontrados em células que precisam expressar uma grande humano [3], e vice-versa. O rato também é um sistema modelo quantidade de um produto genético específico e as áreas popular porque é muito receptivo a manipulações genéticas. Os transcricionalmente ativas aparecem ao microscópio como regiões primeiros camundongos foram clonados em 1998 [46] e hoje é inchadas, as chamadas baforadas. Embora esta técnica esteja rotina comum criar camundongos transgênicos através da introdução atualmente desatualizada no que diz respeito à análise da atividade de construções de DNA em óvulos fertilizados e estudar a função transcricional, os cromossomos politênicos ainda são valiosos para dos genes existentes eliminando-os ou desativando-os (ver Capítulo problemas taxonômicos. Após a coloração, os puffs formam um 14). O Knockout Mouse Project (KOMP), por exemplo, visa gerar e padrão de bandas específico que pode ser usado para identificar fornecer células-tronco embrionárias de camundongos (e deleções e duplicações cromossômicas. Isso pode ser usado na eventualmente camundongos inteiros) com nocaute de gene único taxonomia para diferenciar e classificar subespécies intimamente para cada gene no genoma do camundongo (www.komp.org). Como relacionadas. D. melanogaster foi indiscutivelmente a espécie os camundongos têm sido usados há muito tempo como espécies modelo mais importante para investigar processos de modelo, muitas cepas endogâmicas diferentes foram desenvolvidas, desenvolvimento em organismos multicelulares [41], o que levou à as quais diferem em vários aspectos de seu fenótipo (por exemplo, descoberta dos genes Hox [42]. Esses genes codificam um conjunto tamanho, expectativa de vida e suscetibilidade a doenças). De de fatores de transcrição que contêm um motivo comum de 180 pb (o domínio homeo) e controlam o desenvolvimento do eixo ântero- especial interesse são as diversas linhagens de camundongos nus que apresentam uma deleção do gene FOXN1, que impede a posterior do animal. Uma característica única desses genes é que formação de um timo funcional. Sem um timo, estes ratos não eles estão dispostos nos cromossomos na mesma ordem linear da conseguem produzir linfócitos T maduros e, portanto, carecem da região do corpo que afetam (chamada colinearidade). Assim, os maioria das formas de resposta imunitária (a falta de pêlo é um genes Hox em uma extremidade do cluster controlam o efeito secundário desta mutação). Como consequência, são desenvolvimento da região anterior (cabeça), enquanto os genes ferramentas valiosas para estudar o desenvolvimento tumoral e na outra extremidade do cluster influenciam o desenvolvimento da também são utilizadas para estudos de transplantes, uma vez que região posterior (cauda). não rejeitam alo ou xenoenxertos. Pontos de partida úteis para Embora originalmente encontrados em Drosophila, os genes Hox informações adicionais são, por exemplo, o Mouse Genome Informatics (www.informatics.jax.org/), o Mouse Atlas Project foram encontrados em muitos metazoários, incluindo vertebrados (43). (www.emouseatlas.org) ou o Ensembl Genome Browser O genoma completo foi sequenciado em 2000 [44] e (www.ensembl. org/Mus_musculus). surpreendentemente o número de genes é aproximadamente 14.000 claramente menor que o número de genes em C. elegans. Mais informações, ferramentas e recursos estão disponíveis em FlyBase (flybase.org) e Ensembl Genome Browser (www.ensembl.org/ Drosophila_ melanogaster). Referências 1 Goh, KI, Cusick, ME, Valle, D., Childs, B., Vidal, M., e Barabási, AL (2007) A rede de doenças humanas. Processo. Nacional. Acad. Ciência. EUA, 104 (21), 8685–8690. 1.7.5 Mus musculus O último sistema modelo que queremos apresentar aqui é o rato doméstico M. musculus domesticus (Figura 1.4e). É claramente o organismo modelo com maior semelhança com os humanos e, portanto, também de grande relevância para 2 Lander, ES et al. (2001) Sequenciamento inicial e análise do genoma humano. Natureza, 409, 860–921. 3 Venter, JC et al. (2001) A sequência do genoma humano. Ciência, 291, 1304–1351. 4 Mering, C. et al. (2002) Avaliação comparativa de conjuntos de dados em larga escala de interações proteína-proteína. Natureza, 417, 399–403. 5 Brazma, A. et al. (2001) Informações mínimas sobre um experimento de microarranjo (MIAME): em direção a padrões para dados de microarranjos. Nat. Genet., 29, 365–371. Machine Translated by Google Referências 13 6 Mack, SJ, Milius, RP, Gifford, BD, Sauter, J., Hofmann, J., Osoegawa, K., Robinson, J., Groeneweg, M., Turenchalk, GS, Adai, A., Holcomb, C. ., Rozemuller, EH, Penning, MT, Heuer, ML, Wang, C., Salit, ML, Schmidt, AH, Parham, PR, Müller, C., Hague, T., Fischer, G., Fernandez-Viÿa, M., Hollenbach, JA, Norman, PJ e Maiers, M. (2015) Informações mínimas para relatar genotipagem de sequência de próxima geração (MIRING): diretrizes para relatar genotipagem HLA e KIR por meio de sequenciamento de próxima geração. Zumbir. Imunol. doi: 10.1016/j.humimm.2015.09.011. 26 Chen, KC, Calzone, L., Csikasz-Nagy, A., Cross, FR, Novak, B., e Tyson, JJ (2004) Análise integrativa do controle do ciclo celular em leveduras em brotamento. Mol. Biol. Célula, 15 (8), 3841–3862. 27 Rizzi, M., Baltes, M., Theobald, U., e Reuss, M. (1997) Análise in vivo da dinâmica metabólica em Saccharomyces cerevisiae. II. Modelo matemático. Biotecnologia. Bioeng., 55 (4), 592–608. 28 Kaizu, K., Ghosh, S., Matsuoka, Y., Moriya, H., Shimizu-Yoshida, Y., e Kitano, H. (2010) Um mapa abrangente de interação molecular do ciclo celular de levedura em desenvolvimento. Mol. Sist. Biol., 6, 415. 7Taylor , CF et al. (2003) Uma abordagem sistemática para modelar, capturar e disseminar dados experimentais proteômicos. Nat. Biotecnologia., 21, 247–254. 8 Hermjakob, H. et al. (2004) O formato de interação molecular do HUPO PSI: um padrão comunitário para a representação de dados de interação de proteínas. Nat. Biotecnologia., 22, 177–183. 9 Hucka, M. et al. (2003) The Systems Biology Markup Language (SBML): um meio para representação e troca de modelos de redes bioquímicas. Bioinformática, 19, 524–531. 10 Lloyd, CM et al. (2004) CellML: seu futuro, presente e passado. Programa. Biofísica. Mol. Biol., 85, 433–450. 11 Le Novere, N., Hucka, M., Mi, H., Moodie, S., Schreiber, F., Sorokin, A. et al. (2009) A notação gráfica de biologia de sistemas. Nat. Biotecnologia., 27 (8), 735–741. 12 Gitton, Y. et al. (2002) Um mapa de expressão gênica de ortólogos do cromossomo 21 humano no camundongo. Natureza, 420, 586–590. 13 Ideker, T. et al. (2001) Análises genômicas e proteômicas integradas de uma rede metabólica sistematicamente perturbada. Ciência, 292, 929–934. 29 Jazwinski, SM (1990) Envelhecimento e senescência da levedura Saccharomyces cerevisiae. Mol. Microbiol., 4 (3), 337–343. 30 Hayflick, L. (1965) A vida útil in vitro limitada de diplóides humanos cepas celulares. Exp. Cell Res., 37, 614–636. 31 Mewes, HW, Albermann, K., Bahr, M., Frishman, D., Gleissner, A., Hani, J. et al. (1997) Visão geral do genoma da levedura. Natureza, 387 (6632 Supl.), 7– 65. 32 Annaluru, N., Muller, H., Mitchell, LA, Ramalingam, S., Stracqua-danio, G., Richardson, SM et al. (2014) Síntese total de um cromossomo eucariótico de designer funcional. Ciência, 344 (6179), 55–58. 33 Brenner, S. (1973) A genética de Caenorhabditis elegans. Genética, 77, 71– 94. 34 Johnson, TE (2013) 25 anos após 1 ano: genes, intervenções e a revolução na investigação sobre o envelhecimento. Exp. Gerontol., 48 (7), 640–643. 35 Fire, A., Xu, S., Montgomery, MK, Kostas, SA, Driver, SE e Mello, CC (1998) Interferência genética potente e específica por RNA de fita dupla em Caenorhabditis elegans. Natureza, 391 (6669), 806–811. 14 Kanehisa, M. e Bork, P. (2003) Bioinformática no pósera da sequência. Nat. Genet., 33, 305–310. 15 Tavazoie, S. et al. (1999) Determinação sistemática de genética arquitetura de rede. Nat. Genet., 22, 281–285. 16 Urbanczyk-Wochniak, E. et al. (2003) Análise paralela de perfis transcritos e metabólicos: uma nova abordagem em biologia de sistemas. Representante EMBO, 4, 989–993. 36 White, JG, Southgate, E., Thomson, JN e Brenner, S. (1986) A estrutura do sistema nervoso do nematóide Caenorhab-ditis elegans. Filós. Trad. R.Soc. B, 314 (1165), 1–340. 37 Jarrell, TA, Wang, Y., Bloniarz, AE, Brittin, CA, Xu, M., Thomson, JN et al. (2012) O conectoma de uma rede neural de tomada de decisão. Ciência, 337 (6093), 437–444. 17 Le Novere, N. et al. (2005) Informações Mínimas Solicitadas na Anotação de Modelos Bioquímicos (MIRIAM). Nat. Biotecnologia., 23, 1509–1515. 38 C. elegans Sequencing Consortium (1998) Sequência do genoma do 18 Waltemath, D., Adams, R., Beard, DA, Bergmann, FT, Bhalla, US, Britten, R. et al. (2011) Informações mínimas sobre um experimento de simulação 39 Hillier, LW, Coulson, A., Murray, JI, Bao, Z., Sulston, JE e Waterston, RH (MIASE). Computação PLoS. Biol., 7 (4), e1001122. 19 Blattner, FR, Plunkett, G., 3rd, Bloch, CA, Perna, NT, Burland, V., Riley, M. et al. (1997) A sequência completa do genoma de Escherichia coli K-12. Ciência, 277 (5331), 1453–1462. 20 Lukjancenko, O., Wassenaar, TM, e Ussery, DW (2010) Comparação de 61 nematóide C. elegans: uma plataforma para investigação da biologia. Ciência, 282, 2012–2018. (2005) Genômica em C. elegans: tantos genes, um verme tão pequeno. Genoma Res., 15 (12), 1651–1660. 40 Rose, M. e Charlesworth, B. (1980) Um teste de teorias evolutivas da senescência. Natureza, 287 (5778), 141–142. 41 Nusslein-Volhard, C. e Wieschaus, E. (1980) Mutações que afetam o número de segmentos e polaridade em Drosophila. Natureza, 287 (5785), 795–801. genomas sequenciados de Escherichia coli. Micróbio. Ecol., 60 (4), 708–720. 42 Scott, MP e Weiner, AJ (1984) Relações estruturais entre genes que controlam 21 Hynne, F., Dano, S., e Sorensen, PG (2001) Modelo em escala real de glicólise em Saccharomyces cerevisiae. Biofísica. Química, 94 (1–2), 121–163. o desenvolvimento: homologia de sequência entre os loci Antennapedia, Ultrabithorax e fushi tarazu de Drosophila. Processo. Nacional. Acad. Ciência. EUA, 81 (13), 4115–4119. 22 Klipp, E., Nordlander, B., Kruger, R., Gennemark, P., e Hoh-mann, S. (2005) Modelo integrativo da resposta da levedura ao choque osmótico. Nat. Biotecnologia., 23 (8), 975–982. 23 Diener, C., Schreiber, G., Giese, W., del Rio, G., Schroder, A., e Klipp, E. (2014) Acasalamento de levedura e quantificação baseada em imagem da formação de padrões espaciais. Computação PLoS. Biol., 10 (6), e1003690. 43 Gehring, WJ (1992) A homeobox em perspectiva. Tendências Bioquímica. Ciências, 17 (8), 277–280. 44 Adams, MD, Celniker, SE, Holt, RA, Evans, CA, Gocayne, JD, Amanatides, PG et al. (2000) A sequência do genoma de Drosophila melanogaster. Ciência, 287 (5461), 2185–2195. 45 Consórcio de Sequenciamento do Genoma de Rato, Waterston, RH, Lind- 24 Kofahl, B. e Klipp, E. (2004) Modelando a dinâmica da levedura blad-Toh, K., Birney, E., Rogers, J., Abril, JF et al. (2002) Sequenciamento via dos feromônios. Levedura, 21 (10), 831–850. 25 Adrover, M.À., Zi, Z., Duch, A., Schaber, J., González-Novo, A., Jimenez, J., inicial e análise comparativa do genoma do camundongo. Natureza, 420 (6915), 520–562. Nadal-Ribelles, M., Clotet, J., Klipp, E. ., e Posas, F. 46 Wakayama, T., Perry, AC, Zuccotti, M., Johnson, KR e Yana-gimachi, R. (2011) Controle multicomponente quantitativo dependente do tempo da rede (1998) Desenvolvimento a termo de camundongos a partir de oócitos G1-S pela proteína quinase Hog1 ativada por estresse após estresse enucleados injetados com núcleos de células do cumulus. Natureza, 394 (6691), 369–374. osmótico. Ciência. Sinal., 4 (192), ra63. Errata: Sci. Sinal., 4 (197), er5 (2011). Machine Translated by Google 14 1 Introdução Leitura adicional Pensamento sistêmico em biologia celular: Lazebnik, Y. (2002) Um biólogo pode Os primeiros dias da biologia de sistemas: Kitano, H. (2001) Foundations of Restrições físicas na função celular: Dill, KA, Ghosh, K., e Schmit, JD (2011) Systems Biology, MIT Press, Cambridge, MA. Os primeiros dias da biologia de sistemas: Kitano, H. (2002) Biologia de sistemas: uma breve visão geral. Ciência, 295 (5560), 1662–1664. Números em biologia celular: Flamholz, A., Philips, R. e Milo, R. (2014) A célula quantificada. Mol. Biol. Célula, 25 (22), 3497–3500. Números em biologia celular: Milo, R. e Phillips, R. (2014) Cell Biology by the Numbers, Garland Science. consertar um rádio? Ou o que aprendi enquanto estudava a apoptose. Célula cancerosa, 2, 179–182. Limites físicos de células e proteomas. Processo. Nacional. Acad. Ciência. EUA, 108 (44), 17876–17882.