系统生物学

验证引用
虽然已尽一切努力遵循引用风格规则,但可能会有一些差异。如果您有任何问题,请参考相应的样式手册或其他资料。
选择引用格式
反馈
修正?更新?遗漏?让我们知道如果你有建议来改进这篇文章(需要登录)。
谢谢您的反馈

我们的编辑将审阅你所提交的内容,并决定是否修改文章。

打印打印
请选择要列印的部分:
验证引用
虽然已尽一切努力遵循引用风格规则,但可能会有一些差异。如果您有任何问题,请参考相应的样式手册或其他资料。
选择引用格式
反馈
修正?更新?遗漏?让我们知道如果你有建议来改进这篇文章(需要登录)。
谢谢您的反馈

我们的编辑将审阅你所提交的内容,并决定是否修改文章。

系统生物学,研究生物实体组成部分的相互作用和行为,包括分子细胞器官,以及有机体。

组织和集成一直以来,科学家们都很感兴趣。然而,系统生物学作为一门正式的、有组织的研究领域,是从1960年开始出现的基因组学革命,是由人类基因组计划(计画;1990-2003)和对生物学家的可用性DNA人类和许多其他生物的基因组序列。人们普遍认识到,生物、细胞和其他生物实体具有固有的高度复杂性,这对该领域的建立也产生了重大影响。现代生物学的两个主要主题都植根于这种新观点:第一,认为生物学从根本上说,这是一门信息科学——生物系统、细胞和生物作为其最基本的过程来存储和传递信息——其次,是研究生物复杂性的新技术和新方法的出现。

生物有机体非常复杂,它们的许多部分以多种方式相互作用。因此,它们一般被认为是集成系统。然而,尽管像现代客机这样的综合复杂系统可以从其工程设计和详细计划中理解,但试图理解作为生物有机体的综合系统则要困难得多,这主要是因为系统中相互作用的数量和强度很大,而且必须在事后从系统的行为中推断出来。同样地,它的设计蓝图必须从它的遗传物质中推断出来。这种“综合系统”的观点和所有研究生物细胞和有机体的相关方法统称为系统生物学。

复杂性和突现属性

细胞如何工作的许多最关键的方面都是由集体行为由许多分子组成,共同作用。那些集体属性——通常称为“涌现属性”——是生物系统的关键属性,因为仅仅理解单个部分不足以理解或预测系统行为。因此,突发性属性必然来自于大系统各部分之间的相互作用。作为一个例子,a内存储存在人体内大脑因为它不能被理解为单个的性质,所以它是突现性质吗神经元甚至可以同时考虑多个神经元。相反,它是大量神经元共同作用的一种集体属性。

一个最重要的方面是单个分子的部分和复杂的东西构成是各部分所包含和传递的信息。在生物学中,分子结构中的信息——使分子能够相互识别和结合的化学性质——是所有过程的核心功能。这些信息为理解生物系统提供了一个框架,其意义被美国理论物理化学家深刻地抓住了莱纳斯鲍林和法国生物学家埃米尔·扎克坎德尔在一篇联合论文中指出:“生命是分子之间的关系,而不是任何一个分子的特性。”换句话说,生命是根据许多分子系统及其部分的相互作用、关系和集体性质来定义的。

关于生物学中信息的中心论点可以通过考虑遗传指信息,或信息从一代传给下一代。对于一个特定的物种,其基因组中的信息必须坚持通过繁殖来保证物种的生存。DNA被忠实地传递,使一个物种的遗传信息能够持久,并随着时间的推移,被进化的力量所作用。今天存在于生物体内的信息是在34亿多年的过程中积累和形成的。因此,关注生物系统中的分子信息为理解生命系统如何工作提供了一个有用的有利位置。

获得大英百科yabo亚博网站首页手机全书高级订阅并获得独家内容。现在就订阅

至少从20世纪上半叶开始,人们就已经知道,从许多部分的集体功能中衍生出来的涌现属性是生物系统的关键属性。它们已被广泛地考虑细胞生物学生理学,发育生物学,和生态.例如,在生态学中,关于生态系统复杂性的重要性以及复杂性与生态稳定性之间关系的争论始于20世纪50年代。从那时起,科学家们意识到复杂性是生物学的普遍属性,并开发了在分子水平上理解部件及其相互作用行为的技术和方法。基于生物学数据和实验方法的生物学量变,已经在如何看待、分析和理解生物系统方面产生了深刻的质变。的影响这种变化是巨大的,导致了研究的进行方式和生物学的理解方式的转变。

比较系统工程可以为系统生物学的本质提供有用的见解。当工程师设计系统时,他们探索已知的组件,这些组件可以按照设计规范以某种方式组合在一起,从而创建一个以规定的方式运行的系统。另一方面,当生物学家观察一个系统时,他们最初的任务是识别各个组成部分,并了解各个组成部分的特性。然后,他们试图确定组件之间的相互作用如何最终创建系统的可观察的生物行为。与系统设计工程相比,该过程更接近于“系统逆向工程”的概念。

人类基因组计划他至少以三种不同的方式对生物学的革命做出了广泛的贡献:(1)通过获得生物学知识遗传学所有基因的“零件列表”人类基因组;(2)促进高通量技术平台的发展,用于生成DNA、RNA和蛋白质的大型数据集;(3)通过激发和促进分析和理解大型数据集所需的计算和数学工具的发展。可以说,这个项目是最终的结果催化剂这带来了生物学中系统观点的转变。