Войти
A биологическая сеть - любая сеть, которая применяется к биологическим системам. Сеть - это любая система с подразделениями, которые связаны в единое целое, например, с видами, объединенными в единую пищевую сеть. Биологические сети обеспечивают математическое представление связей, обнаруженных в экологических, эволюционных и физиологических исследованиях, таких как нейронные сети. Анализ биологических сетей в отношении болезней человека привел к созданию области сетевой медицины.
Сложные биологические системы могут быть представлены и проанализированы как вычислимые сети. Например, экосистемы можно моделировать как сети взаимодействующих видов, или белок можно моделировать как сеть аминокислот. Разлагая белок дальше, аминокислоты могут быть представлены как сеть связанных атомов, таких как углерод, азот и кислород. Узлы и ребра являются основными компонентами сети. Узлы представляют единицы в сети, а ребра представляют собой взаимодействия между единицами. Узлы могут представлять широкий спектр биологических единиц, от отдельных организмов до отдельных нейронов мозга. Двумя важными свойствами сети являются степень и промежуточная центральность. Степень (или связность, отличное от использования в теории графов ) - это количество ребер, которые соединяют узел, в то время как промежуточность - это мера того, насколько центральный узел находится в сети. Узлы с высокой промежуточностью по существу служат мостами между различными частями сети (т.е. взаимодействия должны проходить через этот узел, чтобы достичь других частей сети). В социальных сетях узлы с высокой степенью или высокой промежуточностью могут играть важную роль в общем составе сети.
Еще в 1980-х годах исследователи начали рассматривать ДНК или геномы как динамическое хранилище языковой системы с точными вычислимыми конечными состояниями, представленными как конечный автомат. Недавние исследования сложных систем также выявили некоторую далеко идущую общность в организации информации в задачах из биологии, информатики и физики, таких как Конденсат Бозе – Эйнштейна (особое состояние материи).
Биоинформатика все больше смещает акцент с отдельных генов, белков и поисковых алгоритмов в крупномасштабные сети, часто обозначаемые как -омы, такие как биом, интерактом, геном и протеом. Такие теоретические исследования показали, что биологические сети имеют много общих черт с другими сетями, такими как Интернет или социальные сети, например их топология сети.
Многие белок-белковые взаимодействия (ИПП) в клетке образуют сети взаимодействия белков (PIN), где белки являются узлами, а их взаимодействия - ребрами. ПИН-коды - это наиболее тщательно анализируемые сети в биологии. Существуют десятки методов обнаружения PPI для выявления таких взаимодействий. Дрожжевая двугибридная система представляет собой широко используемый экспериментальный метод для изучения бинарных взаимодействий.
Недавние исследования показали сохранение молекулярных сетей на протяжении глубокого эволюционного времени. Более того, было обнаружено, что белки с высокой степенью связности более важны для выживания, чем белки с меньшей степенью. Это говорит о том, что общий состав сети (а не просто взаимодействие между парами белков) важен для общего функционирования организма.
Активность генов регулируется факторами транскрипции, белками, которые обычно связываются с ДНК. Большинство факторов транскрипции связываются с множеством сайтов связывания в геноме. В результате все клетки имеют сложные сети регуляции генов. Например, геном человека кодирует порядка 1400 ДНК-связывающих факторов транскрипции, которые регулируют экспрессию более 20000 генов человека. Технологии для изучения сетей регуляции генов включают ChIP-chip, ChIP-seq и другие.
Сети коэкспрессии генов можно интерпретировать как сети ассоциаций между переменными, которые измеряют количество транскриптов. Эти сети использовались для обеспечения системного биологического анализа данных микрочипов ДНК, данных РНК-seq, данных miRNA и т. Д. взвешенный сетевой анализ коэкспрессии генов широко используется для идентификации модулей коэкспрессии и внутримодульного концентратора. гены. Модули коэкспрессии могут соответствовать типам клеток или путям. Внутримодульные концентраторы с высокой степенью связи могут быть интерпретированы как представители соответствующего модуля.
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 метаболической сетью. Можно использовать сетевой анализ, чтобы сделать вывод о том, как отбор действует на метаболические пути.
Сигналы передаются внутри клеток или между клетками и, таким образом, образуют сложные сигнальные сети. Например, в пути MAPK / ERK передается с поверхности клетки в ядро клетки посредством серии белок-белковых взаимодействий, реакций фосфорилирования и других событий. Сигнальные сети обычно объединяют сети белок-белковых взаимодействий, генные регуляторные сети и метаболические сети.
Сложные взаимодействия в мозг делает его идеальным кандидатом для применения теории сетей. Нейроны в головном мозге глубоко связаны друг с другом, и это приводит к тому, что в структурных и функциональных аспектах мозга присутствуют сложные сети. Например, свойства сети малого мира были продемонстрированы в связях между корковыми областями мозга приматов или во время глотания у людей. Это говорит о том, что области коры головного мозга напрямую не взаимодействуют друг с другом, но большинство областей могут быть доступны из всех остальных посредством всего лишь нескольких взаимодействий.
Все организмы связаны друг с другом посредством кормления. То есть, если один вид ест или съедается другим видом, они связаны в запутанную пищевую сеть взаимодействий хищников и жертв. Устойчивость этих взаимодействий является давним вопросом экологии. То есть, если определенные люди будут удалены, что произойдет с сетью (т. Е. Она разрушится или адаптируется)? Сетевой анализ может использоваться для изучения стабильности пищевой сети и определения того, приводят ли определенные свойства сети к более стабильным сетям. Более того, сетевой анализ может быть использован для определения того, как выборочное изъятие видов повлияет на пищевую сеть в целом. Это особенно важно, учитывая потенциальную потерю видов из-за глобального изменения климата.
В биологии парные взаимодействия исторически были в центре внимания интенсивных исследований. Благодаря недавним достижениям в сетевой науке стало возможным расширить парные взаимодействия, чтобы включить представителей многих видов, участвующих во многих наборах взаимодействий, чтобы понять структуру и функции более крупных экологических сетей. Использование сетевого анализа может позволить как обнаружить, так и понять, как эти сложные взаимодействия связаны друг с другом в сети системы, свойство, которое ранее упускалось из виду. Этот мощный инструмент позволяет изучать различные типы взаимодействий (от конкурентного до кооперативного ) с использованием одной и той же общей структуры. Например, взаимодействия растение- опылитель являются взаимовыгодными и часто вовлекают много разных видов опылителей, а также множество разных видов растений. Эти взаимодействия имеют решающее значение для воспроизводства растений и, следовательно, накопления ресурсов в основе пищевой цепи для основных потребителей, однако этим сетям взаимодействия угрожают антропогенные изменения. Использование сетевого анализа может пролить свет на то, как работают сети опыления, и, в свою очередь, может дать информацию для усилий по сохранению. Внутри сетей опыления вложенность (т.е. специалисты взаимодействуют с подмножеством видов, с которыми взаимодействуют универсалы), избыточность (т.е. большинство растений опыляются многими опылителями) и модульность играют большую роль в стабильности сети. Эти свойства сети могут фактически работать для замедления распространения эффектов возмущения по системе и потенциально в некоторой степени защищать сеть опыления от антропогенных изменений. В более общем плане структура взаимодействия видов в экологической сети может кое-что сказать нам о разнообразии, богатстве и устойчивости сети. Исследователи могут даже сравнить нынешние конструкции сетей взаимодействия видов с историческими реконструкциями древних сетей, чтобы определить, как сети менялись с течением времени. Недавние исследования этих сложных сетей взаимодействия видов очень заинтересованы в понимании того, какие факторы (например, разнообразие) приводят к стабильности сети.
Сетевой анализ дает возможность количественно определять ассоциации между особями, что позволяет делать выводы о сети в целом на уровне вида и / или популяции. Одной из наиболее привлекательных черт сетевой парадигмы было бы то, что она обеспечивает единую концептуальную основу, в которой социальная организация животных на всех уровнях (индивидуум, диада, группа, популяция) и для всех типов взаимодействия (агрессивного, кооперативного, сексуального
Исследователи, интересующиеся этологией множества 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; Других исследователей интересует, как определенные свойства сети на уровне группы и / или популяции могут объяснить поведение на индивидуальном уровне. Исследования продемонстрировали, как на структуру социальной сети животных могут влиять факторы, варьирующиеся от характеристик окружающей среды до характеристик человека, таких как опыт развития и личность. На уровне индивида формирование паттернов социальных связей может быть важным детерминантом приспособленности, предсказывая как выживание, так и репродуктивный успех. На уровне популяции структура сети может влиять на формирование паттернов экологических и эволюционных процессов, таких как частотно-зависимый отбор, а также болезни и передача информации. Например, исследование манакинов с проволочным хвостом (маленькая воробьиная птица) показало, что степень самца в сети в значительной степени предсказывает способность самца подниматься в социальной иерархии ( т.е. в итоге получим территорию и вязки). В группах дельфинов-афалин степень индивида и центральность промежуточности могут предсказать, будет ли этот человек проявлять определенное поведение, например, использование боковых шлепков и перевернутых лобтейлов, чтобы вести группу. командировочные усилия; люди с высокими значениями промежуточности более связаны и могут получить больше информации, и, следовательно, лучше подходят для руководства групповыми поездками и, следовательно, имеют тенденцию демонстрировать такое сигнальное поведение больше, чем другие члены группы.
Также можно использовать анализ социальных сетей для описания социальной организации внутри вида в более общем плане, что часто раскрывает важные непосредственные механизмы, способствующие использованию определенных поведенческих стратегий. Эти описания часто связаны с экологическими свойствами (например, распределением ресурсов). Например, сетевой анализ выявил тонкие различия в групповой динамике двух родственных видов лошадиных деления-слияния, зебры Греви и онагров, живущих в различных средах; Зебры Греви демонстрируют отчетливые предпочтения в выборе ассоциаций, когда они делятся на более мелкие группы, тогда как онагры этого не делают. Точно так же исследователи, интересующиеся приматами, также использовали сетевой анализ для сравнения социальных организаций в разнообразном отряде приматов, предполагая, что использование сетевых показателей (таких как центральность, ассортативность, модульность и промежуточность) могут быть полезны с точки зрения объяснения типов социального поведения, которые мы наблюдаем в определенных группах, а не в других.
Наконец, анализ социальных сетей может также выявить важные колебания в поведение животных в меняющейся среде. Например, сетевой анализ самок павианов чакмы (Papio hamadryas ursinus) выявил важные динамические изменения по сезонам, которые ранее были неизвестны; Было обнаружено, что вместо создания стабильных, длительных социальных связей с друзьями бабуины демонстрируют более изменчивые отношения, которые зависят от краткосрочных непредвиденных обстоятельств, связанных с динамикой группового уровня, а также изменчивостью окружающей среды. Изменения в среде социальной сети человека также могут повлиять на такие характеристики, как «личность»: например, социальные пауки, которые сбиваются в кучу с более смелыми соседями, также имеют тенденцию становиться более смелыми. Это очень небольшой набор широких примеров того, как исследователи могут использовать сетевой анализ для изучения поведения животных. Исследования в этой области в настоящее время расширяются очень быстро, особенно с учетом более широкого развития меток, переносимых животными, и компьютерного зрения, которое можно использовать для автоматизации сбора социальных ассоциаций. Анализ социальных сетей - ценный инструмент для изучения поведения животных всех видов, и он может дать новую информацию о поведении животных и социальной экологии, которая ранее была плохо изучена.
