20.01.2013 Aufrufe

Forschung und wissenschaftliches Rechnen - Beiträge zum - GWDG

Forschung und wissenschaftliches Rechnen - Beiträge zum - GWDG

Forschung und wissenschaftliches Rechnen - Beiträge zum - GWDG

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

oder Proteine dieses Gen als Transkriptionsfaktor oder Cofaktor beeinflußt<br />

oder durch welche es unmittelbar beeinflußt wird oder in welchem Umfeld<br />

innerhalb des Genoms das Gen liegt. Zudem zeigen diese Datenbanken auch<br />

die Position eines Gens im zellulären Reaktionsnetzwerk, z.B. an welchen<br />

Stoffwechsel- oder Signaltransduktionswegen es beteiligt ist oder in welchen<br />

Kompartimenten das Genprodukt vorkommt. Was diese Datenbanken natürlich<br />

nicht können, ist, die Einflüsse einer oder mehrerer Komponenten auf das<br />

Verhalten des gesamten Systems abzubilden.<br />

Hierfür ist es erforderlich das dynamische Verhalten des Systems zu betrachten.<br />

Die dazu erforderlichen topologischen Daten stehen in den oben<br />

genannten Datenbanken zur Verfügung. Desweiteren sind für die deterministische<br />

mathematische Modellierung kinetische Gesetze <strong>und</strong> entsprechende<br />

Parameter erforderlich. Hierfür gibt es derzeit noch wenige Datenbanken, die<br />

man für die Automatisierung der Modellierung nutzen kann. Daher muss man<br />

häufig auf Literaturdaten oder experimentelle Daten zurückgreifen oder plausible<br />

Annahmen machen. Für die deterministische Modellierung kann anhand<br />

dieser Informationen ein mathematisches Modell in Form eines Differentialgleichungssystems<br />

erstellt werden. Für das Verhalten dieses Modells sind zudem<br />

noch die Anfangsbedingungen, die durch die Startwerte der Systemvariablen<br />

gegeben sind, entscheidend. Diese Werte können ebenfalls der Literatur<br />

entnommen oder experimentell ermittelt werden. Insbesondere stehen<br />

seit einigen Jahren verschiedene, neue Hochdurchsatzverfahren der Genom-,<br />

Transkriptom-, Proteom- <strong>und</strong> Metabolomforschung zur Verfügung mit Hilfe<br />

derer geeignete Werte für die Erstellung auch großer Modelle gewonnen werden<br />

können. Zudem liefert die Auswertung dieser experimentellen Ergebnisse<br />

häufig noch eine Vielzahl neuer Zusammenhänge zwischen Modellkomponenten,<br />

die ebenfalls in die Modelltopologie einfließen können.<br />

Für die Modellierung <strong>und</strong> Simulation biochemischer Reaktionsnetzwerke<br />

gibt es bereits verschiedene spezialisierte Programm, wie z.B. Gepasi (Mendes<br />

1993, Mendes 1997), Virtual Cell (Loew & Schaff 2001, Slepchenko, Schaff,<br />

Macara & Loew 2003), E-Cell (Tomita, Hashimoto, Takahashi, Shimizu, Matsuzaki,<br />

Miyoshi, Saito, Tanida, Yugi, Venter & Hutchison 1999, Takahashi,<br />

Ishikawa, Sadamoto, Sasamoto, Ohta, Shiozawa, Miyoshi, Naito, Nakayama<br />

& Tomita 2003), oder die Systems Biology Workbench (Hucka, Finney,<br />

Sauro, Bolouri, Doyle & Kitano 2002). Alle diese Programme bieten jedoch<br />

bisher keine direkte Anbindung an Datenbanken, wodurch gerade die Erstellung<br />

von großen Modellen schwierig bzw. unmöglich ist. Zudem sind viele<br />

dieser Programme nicht dafür ausgelegt Systeme mit mehreren h<strong>und</strong>ert oder<br />

tausend Differentialgleichungen zu handhaben.<br />

In dieser Arbeit beschreibe ich das Modellierungs- <strong>und</strong> Simulationssystem<br />

PyBioS, das sich gerade durch die Anbindung von Datenbanken für die Modellpopulierung<br />

von anderen Systemen wesentlich unterscheidet. Eine Web-<br />

56

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!