Биологические сети

Из Википедии, бесплатной энциклопедии

Биологические сети — любые сети, являющиеся частью биологических систем. Сеть — это любая система с подразделениями, которые связаны в единое целое, например, единичные виды, которые связаны в единую пищевую сеть. Биологические сети обеспечивают математическое представление связей, обнаруженных в результате экологических, эволюционных и физиологических исследований, таких как нервные сети[1]. Анализ биологических сетей в отношении заболеваний человека привёл к появлению такой области, как сетевой медицины[2][3].

Сетевая биология и биоинформатика[править | править код]

Сложные биологические системы могут быть представлены и проанализированы как вычислимые сети. Например, экосистемы могут быть смоделированы как сети взаимодействующих видов, или белок может быть смоделирован как сеть аминокислот. Если расщеплять белок дальше, аминокислоты могут быть представлены в виде сети связанных атомов — таких, как углерод, азот и кислород. Вершины и ребра являются основными компонентами сети. Узлы представляют собой единицы в сети, в то время как ребра являются взаимодействием между единицами. Узлы могут представлять широкий спектр биологических единиц, от отдельных организмов до отдельных нейронов в мозге. Два важных свойства сети — степень и центральность графа. Степень (или связность, отличная от той, которая используется в теории графов) — число ребер, соединяющих узел, а центральность — мера того, насколько центральным является узел в сети[4]. Узлы с высокой степенью межсетевого взаимодействия по существу служат мостами между различными частями сети (то есть взаимодействия должны проходить через этот узел, чтобы достигать других частей сети). В социальных сетях узлы с высокой степенью или высокой степенью централизованности могут играть важную роль в общей структуре сети. Ещё в 1980-х годах исследователи начали рассматривать ДНК и геномы как динамическое хранилище языковой системы с точными вычислимыми конечными состояниями представленными в виде конечного автомата[5]. Недавние исследования сложных систем также показали некоторую далеко идущую общность в организации информации по проблемам биологии, информатики и физики, такие как Конденсат Бозе — Эйнштейна (особое состояние вещества)[6].

Биоинформатика все больше смещает акцент с отдельных генов, белков и алгоритмов поиска на крупномасштабные сети, часто обозначаемые как омы такие как биомы, интерактомы, геномы и протеомы. Такие теоретические исследования показали, что биологические сети имеют много общих черт с другими сетями, такими как интернет или социальные сети, к примеру их сетевая топология .

Сети в биологии[править | править код]

Белок-белковые сети взаимодействия[править | править код]

Основная статья: интерактом

Множество белок-белковые взаимодействий (PPI) в клетке образуют сети взаимодействия белков (PIN), где белки являются узлами, а их взаимодействия — ребрами[7].PIN являются наиболее тщательно проанализированными сетями в биологии. Существуют десятки методов обнаружения ИПП для выявления таких взаимодействий. Двугибридный анализ является широко используемой экспериментальной техникой для изучения бинарных взаимодействий[8].

Недавние исследования показали сохранение молекулярных сетей в течение долгой эволюции[9].Более того, было обнаружено, что белки с высокой степенью связности более важны для выживания, чем белки с меньшей степенью[10]. Это говорит о том, что общий состав сети (а не просто взаимодействие между белковыми парами) важен для общего функционирования организма.

Генные регуляторные сети (сети взаимодействия ДНК-белок)[править | править код]

Активность генов регулируется факторами транскрипции — белками, которые обычно связываются с ДНК. Большинство факторов транскрипции связываются с несколькими участками связывания в геном. В результате все клетки имеют сложные генные регуляторные сети. К примеру, человеческий геном кодирует порядка 1400 ДНК-связывающих транскрипционных факторов, которые регулируют экспрессию более 20000 человеческих генов[11]. Технологии изучения генно-регуляторных сетей включают в себя ChIP-chip, ChIP-seq, CliP-seq и другие.

Сети коэкспрессии генов (сети транскрипции-транскрипции)[править | править код]

Сети генной коэкспрессии можно интерпретировать как сети ассоциаций между переменными, которые измеряют содержание транскриптов. Эти сети были использованы для обеспечения системного биологического анализа данных микроматрицы ДНК, данных RNA-seq, данных miRNA и т. д. . Анализ взвешенных сетей коэкспрессии генов широко используется для идентификации модулей коэкспрессии и внутримодульных генов-концентраторов. Модули коэкспрессии могут соответствовать типам клеток или путям. Высокосвязанные внутримодульные концентраторы можно интерпретировать как представителей их соответствующих модулей.

Метаболические сети[править | править код]

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 метаболическая сеть. Можно использовать сетевой анализ, чтобы определить, как отбор влияет на метаболические пути[4].

Сигнальные сети[править | править код]

Основная статья: Передача сигнала (биология)

Сигналы передаются внутри сот или между сотами и, таким образом, образуют сложные сигнальные сети. Например, в Сигнальный путь ERK путь от поверхности клетки к ядру клетки передается серией межбелковых взаимодействий, реакций фосфорилирования и других событий. Сигнальные сети обычно объединяют интерактомы, генная регуляторная сети и метаболические сети.

Нервные сети[править | править код]

Основная статья: Нервная сеть

Сложные взаимодействия в мозге делают его идеальным кандидатом для применения теории сетей. Нейроны в мозге тесно связаны друг с другом, и это приводит к тому, что сложные структуры присутствуют в структурных и функциональных аспектах мозга[12]. К примеру, свойства маленького мира были продемонстрированы в связях между кортикальными областями мозга приматов[13] или во время глотания у людей[14]. Это говорит о том, что кортикальные области мозга не взаимодействуют напрямую друг с другом, но большинство областей могут быть достигнуты от всех других посредством всего лишь нескольких взаимодействий.

Пищевые сети[править | править код]

Основная статья: Пищевая сеть

Все организмы связаны друг с другом через пищевые взаимодействия в сложную пищевую сеть взаимодействий хищников и жертв. Стабильность подобных взаимодействий давно обсуждается в экологии[15]. То есть, если некоторые члены сети удаляются, что происходит с сетью (то есть она разваливается или адаптируется)? Сетевой анализ может использоваться для изучения стабильности пищевой сети и определения того, приводят ли определённые свойства сети к более стабильным сетям. Кроме того, сетевой анализ может быть использован для определения того, как выборочное удаление видов повлияет на пищевую сеть в целом[16]. Это особенно важно, учитывая потенциальную потерю видов из-за глобального изменения климата.

Межвидовые сети взаимодействия[править | править код]

Основная статья: Общественные отношения

Основная статья: социальные отношения В биологии парные взаимодействия исторически были в центре интенсивных исследований. Благодаря последним достижениям в области сетевых наук, стало возможным расширить парные взаимодействия, включив в них особей многих видов, участвующих во множестве взаимодействий, чтобы понять структуру и функцию более фундаментальных сетевых наук[17]. Использование анализа социальных сетей может позволить как обнаружить, так и понять, как эти сложные взаимодействия связаны между собой в сети системы, ранее мало понятная связь . Этот мощный инструмент позволяет изучать различные типы взаимодействий(от конкурентности до кооперации) используя одну и ту же общую структуру[18]. К примеру, взаимодействие растений и насекомых-опылителей являются взаимовыгодными и часто включают в себя много разных видов опылителей, а также много разных видов растений. Эти взаимодействия имеют решающее значение для воспроизводства растений и, следовательно, для накопления ресурсов в основе пищевой цепи для первичных потребителей, однако этим сетям взаимодействия угрожают антропогенные факторы. Использование сетевого анализа может пролить свет на работу сетей опыления и, в свою очередь, может послужить основой для усилий по сохранению[19].Внутри сетей опыления гнездимость (то есть специалисты взаимодействуют с подмножеством видов, с которыми общаются универсалы), избыточность (то есть большинство растений опыляются многими опылителями) и модульность играют большую роль в стабильности сети[19][20]. Эти свойства сети можно задействовать, чтобы замедлить распространение эффектов возмущения через систему и потенциально отчасти защитить буферную сеть от антропогенных изменений[20]. В более общем плане, структура взаимодействия видов в экологической сети может рассказать нам о разнообразии, богатстве и надежности сети[21]. Исследователи могут даже сравнить текущие конструкции сетей взаимодействия видов с историческими реконструкциями древних сетей, чтобы определить, как сети менялись с течением времени[22]. Недавние исследования в этих сетях взаимодействия сложных видов связаны с пониманием того, какие факторы (например, разнообразие) приводят к стабильности сети[23].

Внутривидовые сети взаимодействия[править | править код]

Основная статья: Общественные отношения

Сетевой анализ дает возможность количественно определить связи между индивидами, что позволяет вывести подробности о сети в целом на уровне видов и / или популяций[24].Исследователи, интересующиеся поведением животных во множестве 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[25][26][27];Другие исследователи заинтересованы в том, как определённые свойства сети на уровне группы и / или населения можно объяснить поведение на индивидуальном уровне. Например, исследование манакинов с проволочными хвостами (маленькая птица семейства воробьиных) показало, что значение самца в сети в значительной степени повышает способность самца восходить в социальной иерархии (то есть в конечном итоге получить территорию и самку)[28]. В группах афалинов индивидуальное значение центральность графа и межличностного отношения могут предсказать, будет ли этот индивид демонстрировать определённое поведение, например, использование бокового шлепания и переворачивания вверх для руководства групповыми путешествиями; индивиды с высокими значениями межличностных отношений более связаны и могут получить больше информации, и, следовательно, лучше подходят для групповых путешествий и, следовательно, имеют тенденцию демонстрировать такое сигнальное поведение больше, чем другие члены группы[29].

Сетевой анализ также можно использовать для описания социальной организации вида в целом, что часто выявляет важные ближайшие механизмы, способствующие использованию определённых поведенческих стратегий. Эти описания часто связаны с экологическими свойствами (например, распределение ресурсов). Например, сетевой анализ выявил тонкие различия в групповой динамике двух родственных видов в сливающееся-делящееся сообществе - зебр Греви и куланов; Зебры Греви показывают четкие предпочтения в выборе ассоциаций, когда делятся на более мелкие группы, в то время как куланы — нет[30]. Аналогичным образом, исследователи, интересующиеся приматами, также использовали сетевой анализ для сравнения социальных организаций по разным порядкам приматов, предполагая, что использование сетевых показателей (таких как централизованность, склонность к группировке) может быть полезным с точки зрения объяснения типов социального поведения. мы видим внутри определённых групп, а не других[31].

Наконец, анализ социальных сетей может также выявить важные колебания в поведении животных в изменяющейся среде. Например, сетевой анализ самок медвежьих павианов (Papio hamadryas ursinus) выявил важные динамические изменения в разные сезоны, которые ранее были неизвестны; вместо того, чтобы создавать стабильные, долговременные социальные связи с друзьями, было обнаружено, что у павианов наблюдаются более изменчивые отношения, которые зависят от краткосрочных непредвиденных обстоятельств, связанных с динамикой на уровне группы, а также изменчивостью окружающей среды[32]. Изменения в среде социальной сети человека также могут влиять на такие характеристики, как «личность»: например, общительные пауки, которые толкаются с более смелыми соседями, имеют тенденцию к увеличению и смелости[33]. Это очень небольшой набор общих примеров того, как исследователи могут использовать сетевой анализ для изучения поведения животных. Исследования в этой области в настоящее время расширяются очень быстро. Анализ социальных сетей является ценным инструментом для изучения и возможности раскрытия новой информации о поведении животных и социальной экологии, которая ранее была недостаточно исследована.

См. также[править | править код]

Ссылки[править | править код]

  1. ↑ Proulx, S. R.; Promislow, D. E. L.; Phillips, P. C. Network thinking in ecology and evolution (англ.) // Trends in Ecology and Evolution[англ.] : journal. — 2005. — Vol. 20, no. 6. — P. 345—353. — doi:10.1016/j.tree.2005.04.004. — PMID 16701391. Архивировано 15 августа 2011 года. Архивированная копия. Дата обращения: 11 декабря 2018. Архивировано 15 августа 2011 года.
  2. ↑ Barabási, A. L.; Gulbahce, N.; Loscalzo, J. Network medicine: a network-based approach to human disease (англ.) // Nature Reviews Genetics : journal. — 2011. — Vol. 12, no. 1. — P. 56—68. — doi:10.1038/nrg2918. — PMID 21164525. — PMC 3140052.
  3. ↑ Habibi, Iman; Emamian, Effat S.; Abdi, Ali. Advanced Fault Diagnosis Methods in Molecular Networks (англ.) // PLOS ONE : journal. — 2014. — 7 October (vol. 9, no. 10). — P. e108830. — ISSN 1932-6203. — doi:10.1371/journal.pone.0108830. — Bibcode: 2014PLoSO...9j8830H. — PMID 25290670. — PMC 4188586.
  4. ↑ 1 2 Proulx, S.R. et al. Network thinking in ecology and evolution (англ.) // Trends in Ecology and Evolution[англ.] : journal. — 2005. — Vol. 20, no. 6. — P. 345—353. — doi:10.1016/j.tree.2005.04.004. — PMID 16701391.
  5. ↑ Searls, D. Artificial intelligence and molecular biology (англ.). — Cambridge, MA: MIT Press, 1993.
  6. ↑ Bianconi, G.; Barabasi A. Bose-Einstein condensation in complex networks (англ.) // Phys. Rev. Lett. : journal. — 2001. — Vol. 86, no. 24. — P. 5632—5635. — doi:10.1103/physrevlett.86.5632. — Bibcode: 2001PhRvL..86.5632B. — arXiv:cond-mat/0011224. — PMID 11415319.
  7. ↑ Habibi, Iman; Emamian, Effat S.; Abdi, Ali. Quantitative analysis of intracellular communication and signaling errors in signaling networks (англ.) // BMC Systems Biology[англ.] : journal. — 2014. — 1 January (vol. 8). — P. 89. — ISSN 1752-0509. — doi:10.1186/s12918-014-0089-z. — PMID 25115405. — PMC 4255782.
  8. ↑ Mashaghi, A. et al. Investigation of a protein complex network (англ.) // European Physical Journal : journal. — 2004. — Vol. 41, no. 1. — P. 113—121. — doi:10.1140/epjb/e2004-00301-0. — Bibcode: 2004EPJB...41..113M. — arXiv:cond-mat/0304207.
  9. ↑ Sharan, R. et al. Conserved patterns of protein interaction in multiple species (англ.) // Proceedings of the National Academy of Sciences of the United States of America : journal. — 2005. — Vol. 102, no. 6. — P. 1974—1979. — doi:10.1073/pnas.0409522102. — Bibcode: 2005PNAS..102.1974S. — PMID 15687504. — PMC 548573.
  10. ↑ Jeong, H. et al. Lethality and centrality in protein networks (англ.) // Nature. — 2001. — Vol. 411, no. 6833. — P. 41—42. — doi:10.1038/35075138. — Bibcode: 2001Natur.411...41J. — arXiv:cond-mat/0105306. — PMID 11333967.
  11. ↑ Vaquerizas, J.-M. et al. A census of human transcription factors: function, expression and evolution (англ.) // Nature Reviews Genetics : journal. — 2009. — Vol. 10, no. 4. — P. 252—263. — doi:10.1038/nrg2538. — PMID 19274049.
  12. ↑ Bullmore, E.; O. Sporns. Complex brain networks: graph theoretical analysis of structural and functional systems (англ.) // Nature Reviews Neuroscience : journal. — 2009. — Vol. 10, no. 3. — P. 186—198. — doi:10.1038/nrn2575. — PMID 19190637.
  13. ↑ Stephan, K.E. et al. Computational analysis of functional connectivity between areas of primate cerebral cortex (англ.) // Philosophical Transactions of the Royal Society B : journal. — 2000. — Vol. 355, no. 1393. — P. 111—126. — doi:10.1098/rstb.2000.0552. — PMID 10703047. — PMC 1692715.
  14. ↑ Jestrović, Iva; Coyle, James L; Perera, Subashan; Sejdić, Ervin. Functional connectivity patterns of normal human swallowing: difference among various viscosity swallows in normal and chin-tuck head positions (англ.) // Brain Research[англ.] : journal. — 2016. — 1 December (vol. 1652). — P. 158—169. — ISSN 0006-8993. — doi:10.1016/j.brainres.2016.09.041. — PMID 27693396. — PMC 5102805.
  15. ↑ MacArthur, R.H.[англ.]. Fluctuations in animal populations and a measure of community stability (англ.) // Ecology : journal. — 1955. — Vol. 36, no. 3. — P. 533—536. — doi:10.2307/1929601. — JSTOR 1929601.
  16. ↑ Dunne, J.A. et al. Network structure and biodiversity loss in food webs: robustness increases with connectance (англ.) // Ecology Letters[англ.] : journal. — 2002. — Vol. 5, no. 4. — P. 558—567. — doi:10.1046/j.1461-0248.2002.00354.x.
  17. ↑ Bascompte, J. Disentangling the web of life (англ.) // Science. — 2009. — Vol. 325, no. 5939. — P. 416—419. — doi:10.1126/science.1170749. — Bibcode: 2009Sci...325..416B. — PMID 19628856.
  18. ↑ Krause, J. et al. Animal social networks: an introduction (англ.) // Behav. Ecol. Sociobiol. : journal. — 2009. — Vol. 63, no. 7. — P. 967—973. — doi:10.1007/s00265-009-0747-0.
  19. ↑ 1 2 Memmott, J. et al. Tolerance of pollination networks to species extinctions (англ.) // Philosophical Transactions of the Royal Society B : journal. — 2004. — Vol. 271, no. 1557. — P. 2605—2261. — doi:10.1098/rspb.2004.2909. — PMID 15615687. — PMC 1691904.
  20. ↑ 1 2 Olesen, J. et al. The modularity of pollination networks (англ.) // Proceedings of the National Academy of Sciences of the United States of America : journal. — 2007. — Vol. 104, no. 50. — P. 19891—19896. — doi:10.1073/pnas.0706375104. — Bibcode: 2007PNAS..10419891O. — PMID 18056808. — PMC 2148393.
  21. ↑ Campbell, V. et al. Experimental design and the outcome and interpretation of diversity-stability relations (англ.) // Oikos : journal. — 2011. — Vol. 120, no. 3. — P. 399—408. — doi:10.1111/j.1600-0706.2010.18768.x.
  22. ↑ Lotze, H. et al. Historical changes in marine resources, food-web structure and ecosystem functioning in the Adriatic Sea, Mediterranean (англ.) // Ecosystems : journal. — 2011. — Vol. 14, no. 2. — P. 198—222. — doi:10.1007/s10021-010-9404-8.
  23. ↑ Romanuk, T. et al. Maintenance of positive diversity-stability relations along a gradient of environmental stress (англ.) // PLoS ONE : journal. — 2010. — Vol. 5, no. 4. — P. e10378. — doi:10.1371/journal.pone.0010378. — Bibcode: 2010PLoSO...510378R. — PMID 20436913. — PMC 2860506.
  24. ↑ Croft, D.P et al. Social networks in the guppy (Poecilia reticulate) (англ.) // Philosophical Transactions of the Royal Society B : journal. — 2004. — Vol. 271, no. Suppl. — P. S516—S519. — doi:10.1098/rsbl.2004.0206. — PMID 15801620. — PMC 1810091.
  25. ↑ Dornhaus, A. et al. Benefits of recruitment in honey bees: Effects of ecology and colony size in an individual-based model (англ.) // Behavioral Ecology : journal. — 2006. — Vol. 17, no. 3. — P. 336—344. — doi:10.1093/beheco/arj036.
  26. ↑ Linksvayer, T. et al. Developmental evolution in social insects: Regulatory networks from genes to societies (англ.) // Journal of Experimental Zoology Part B: Molecular and Developmental Evolution[англ.] : journal. — 2012. — Vol. 318, no. 3. — P. 159—169. — doi:10.1002/jez.b.22001. — PMID 22544713.
  27. ↑ Mullen, R. et al. A review of ant algorithms (неопр.) // Expert Systems with Applications. — 2009. — Т. 36, № 6. — С. 9608—9617. — doi:10.1016/j.eswa.2009.01.020.
  28. ↑ Ryder, T.B. et al. Social networks in the lek-mating wire-tailed manakin (Pipra filicauda) (англ.) // Philosophical Transactions of the Royal Society B : journal. — 2008. — Vol. 275, no. 1641. — P. 1367—1374. — doi:10.1098/rspb.2008.0205. — PMID 18381257. — PMC 2602714.
  29. ↑ Lusseau, D. Evidence for social role in a dolphin social network (англ.) // Evolutionary Ecology : journal. — 2007. — Vol. 21, no. 3. — P. 357—366. — doi:10.1007/s10682-006-9105-0. — arXiv:q-bio/0607048.
  30. ↑ Sundaresan, S. et al. Network metrics reveal differences in social organization between two fission-fusion species, Grevy's zebra and onager (англ.) // Oecologia : journal. — 2007. — Vol. 151, no. 1. — P. 140—149. — doi:10.1007/s00442-006-0553-6. — Bibcode: 2007Oecol.151..140S. — PMID 16964497.
  31. ↑ Kasper, C.; Voelkl, B. A social network analysis of primate groups (неопр.) // Primates. — 2009. — Т. 50, № 4. — С. 343—356. — doi:10.1007/s10329-009-0153-2. — PMID 19533270.
  32. ↑ Henzi, S. et al. Cyclicity in the structure of female baboon social networks (англ.) // Behavioral Ecology and Sociobiology : journal. — 2009. — Vol. 63, no. 7. — P. 1015—1021. — doi:10.1007/s00265-009-0720-y.
  33. ↑ Hunt, ER. et al. Social interactions shape individual and collective personality in social spiders (англ.) // Proceedings of the Royal Society B : journal. — 2018. — Vol. 285, no. 1886. — P. 20181366. — doi:10.1098/rspb.2018.1366. — PMID 30185649. — PMC 6158534.

Литература[править | править код]

  • E. Estrada, «The Structure of Complex Networks: Theory and Applications», Oxford University Press, 2011, ISBN 978-0-199-59175-6

Ссылки[править | править код]

  • Networkbio.org, Сайт для обсуждения INB. С 2012 ещё и www.networkbio.org
  • Networkbiology.org,Сайт посвященный сетевой биологии.
  • LindingLab.org,Технический университет Дании (DTU) изучает сетевую биологию и обработку сотовой информации, а также организует в Дании отделение ежегодной серии симпозиумов «Интегративная сетевая биология и рак».
Источник — https://ru.wikipedia.org/w/index.php?title=Биологические_сети&oldid=136400146