Войти
Сетевая медицина - это приложение сетевой медицины для выявления, предотвращения и лечения заболеваний. В этой области основное внимание уделяется использованию топологии сети и сетевой динамики для выявления заболеваний и разработки медицинских препаратов. Биологические сети, такие как белок-белковые взаимодействия и метаболические пути, используются сетевой медициной. Сети болезней, которые отображают взаимосвязь между болезнями и биологическими факторами, также играют важную роль в этой области. Эпидемиология также широко изучается с помощью сетевых наук; социальные сети и транспортные сети используются для моделирования распространения болезней среди населения. Сетевая медицина - это медицинская сфера системной биологии. Краткое введение в эту область можно найти здесь: https://web.uniroma1.it/stitch/node/5613.
Термин «сетевая медицина» был придуман и популяризирован в научной статье Альберта-Ласло Барабаси под названием «Сетевая медицина - от ожирения к« болезням », опубликованной в Медицинском журнале Новой Англии в 2007 году. Барабаши утверждает, что биологические системы, подобно социальным и технологическим системам, содержат множество компонентов, которые связаны сложными отношениями, но организованы простыми принципами. Используя недавнее развитие теории сетей, принципы организации можно всесторонне проанализировать, представив системы как сложные сети, которые представляют собой наборы узлов связаны между собой определенными отношениями. Для сетей, относящихся к медицине, узлы представляют собой биологические факторы (биомолекулы, заболевания, фенотипы и т. Д.), А ссылки (края) представляют их отношения (физические взаимодействия, общий метаболический путь, общий ген, общие черты и т. Д.)
Три ключевые сети для понимания болезней человека - это метаболическая сеть, сеть болезней и социальная сеть. Сетевая медицина основана на идее, что понимание сложности генной регуляции, метаболических реакций и белок-белковых взаимодействий и представление их в виде сложных сетей избавит свет на причины и механизмы заболеваний. Можно, например, вывести двудольный граф, представляющий связи заболеваний с их ассоциированными генами, используя базу данных OMIM. Проекция болезней, называемая сетью болезней человека (HDN), представляет собой сеть заболеваний, связанных друг с другом, если они имеют общий ген. Используя HDN, заболевания можно классифицировать и анализировать через генетические отношения между ними.
Весь набор молекулярных взаимодействий в клетке человека, также известный как интерактом, может быть использован для идентификации болезни и профилактика. Эти сети были технически классифицированы как безмасштабные, неассортативные, сети малого мира, имеющие высокую центральность между промежуточными звеньями.
Белок-белок взаимодействия были нанесены на карту, используя белки в качестве узлов и их взаимодействия между собой в качестве ссылок. Эти карты используют такие базы данных, как BioGRID и Справочная база данных по белкам человека. метаболическая сеть охватывает биохимические реакции в метаболических путях, соединяя два метаболита, если они находятся в одном и том же пути. Исследователи использовали такие базы данных, как KEGG, чтобы составить карту этих сетей. Другие сети включают сети передачи сигналов клеток, сети регуляции генов и сети РНК.
Используя интерактивные сети, можно обнаруживать и классифицировать болезни, а также разрабатывать методы лечения, зная об их ассоциациях и их роли в сетях. Одно наблюдение заключается в том, что заболевания можно классифицировать не по их основным фенотипам (патофенотипу), а по их модулю болезни, который представляет собой соседство или группу компонентов в интерактоме, которые в случае нарушения приводит к определенному патофенотипу. Модули болезней можно использовать по-разному, например, для прогнозирования генов болезней, которые еще не были обнаружены. Таким образом, сетевая медицина стремится идентифицировать болезнь модуль для определенного патофенотипа, используя алгоритмы кластеризации.
Сети болезней человека, также называемые болезнетворными, - это сети, в которых узлы - это болезни и связи, сила взаимосвязи между ними. Эта корреляция обычно определяется количественно на основе связанных клеточных компонентов, общих для двух заболеваний. Первая опубликованная сеть болезней человека (HDN) изучила гены и обнаружила, что многие из генов, связанных с заболеванием, являются несущественными генами, поскольку это гены, которые не полностью разрушают сеть и могут передаваться из поколения в поколение. Сети метаболических заболеваний (MDN), в которых два заболевания связаны общим метаболитом или метаболическим путем, также широко изучались и особенно актуальны в случае метаболического расстройства.
Три представления болезни:
Некоторые сети болезней связывают болезни с соответствующими факторами вне клетки человека. Сети экологических и генетических этиологических факторов, связанных с общими заболеваниями, называемые «этиом», также могут быть использованы для оценки кластеризации факторов окружающей среды в этих сетях. и понять роль окружающей среды в интерактоме. Сеть симптомов-заболеваний человека (HSDN), опубликованная в июне 2014 года, показала, что симптомы заболевания и связанные с заболеванием клеточные компоненты сильно коррелированы, и что болезни одних и тех же категорий, как правило, образуют тесно связанные сообщества по своим симптомам. 83>
Сетевая фармакология - это развивающаяся область, основанная на системной фармакологии, которая изучает влияние лекарств как на интерактом, так и на патологию. Сеть лекарств-мишеней (DTN) может играть важную роль в понимании механизмов действия одобренных и экспериментальных лекарств. Сетевая теория фармацевтических препаратов основана на эффекте лекарственного средства в интерактоме, особенно в области, которую занимает лекарственное средство-мишень. Комбинированная терапия для комплексного заболевания (полипармакология) предлагается в этой области, поскольку один активный фармацевтический ингредиент (API), нацеленный на одну цель, может не влиять на весь модуль заболевания. Концепция модулей болезней может использоваться для помощи в открытии лекарств, дизайне лекарств и разработке биомаркеров для обнаружения болезней. Существует множество способов идентификации лекарств с помощью сетевой фармакологии; Простым примером этого является метод «вины по ассоциации». Это означает, что если два заболевания лечатся одним и тем же лекарством, лекарство, которое лечит одно заболевание, может лечить другое. Перепрофилирование лекарств, взаимодействие лекарств и побочные эффекты лекарств также изучались в этой области.
Сетевые эпидемии были созданы путем применения сетевой науки к существующим моделям эпидемий, как и многие транспортные сети и социальные сети играют определенную роль в распространении болезней. Социальные сети использовались для оценки роли социальных связей в распространении ожирения среди населения. Модели и концепции эпидемий, такие как распространение и отслеживание контактов, были адаптированы для использования в сетевом анализе. Эти модели могут использоваться в политике общественного здравоохранения для реализации таких стратегий, как таргетированная иммунизация, и недавно были использованы для моделирования распространения эпидемии вируса Эбола на Западе. Африка в разных странах и на континентах.
Развитие органов и других биологических систем может быть смоделировано как сетевые структуры, где клинические (например, рентгенографические, функциональные) характеристики могут быть представлены как узлы, а отношения между этими характеристиками представлены как связи между такими узлами. Следовательно, можно использовать сети для моделирования динамического взаимодействия систем органов.
Отделение сетевой медицины Ченнинга в Бригам и женская больница было создано в 2012 году для изучения, переклассификации и разработки методов лечения для комплекса болезни с использованием сетевых наук и системной биологии. Он сосредоточен на трех областях:
Массачусетский технологический институт предлагает курс бакалавриата под названием «Сетевая медицина: использование системной биологии и сигнальных сетей для создания новых средств лечения рака». Кроме того, Harvard Catalyst (Гарвардский центр клинических и трансляционных исследований) предлагает трехдневный курс под названием «Введение в сетевую медицину», открытый для клинических и научных специалистов с докторскими степенями.
