Forschung und wissenschaftliches Rechnen - Beiträge zum - GWDG
Forschung und wissenschaftliches Rechnen - Beiträge zum - GWDG
Forschung und wissenschaftliches Rechnen - Beiträge zum - GWDG
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