"The goal of systems biology is a predictive understanding of the whole."
Szallasi et al., System Modeling in Cellular Biology, MIT
Press, 2006
Die
Vorlesung Algorithmische Systembiologie findet in diesem Sommersemester
nicht nur wegen der Corona Pandemie und den damit verbundenen
Einschränkungen der Präsenzlehre in anderer Form statt.
WIr
beginnen mit einem ersten (drei-wöchigen) Modul, das Konzepte und
Methoden der Systemmodellierung anhand von Daten und v.A. prädiktiven
Modellen zur COVID-19 Epidemie einführt.
Anhand von COVID-19 und den vielfältigen Modellen soll das Motto der Vorlesung:
"The goal of systems biology is a predictive understanding of the whole."
sowohl was
die Modellierung ganzer (Teil-)Systeme angeht v.a. aber der
Vorhersagecharakter dieser Modelle illustriert werden. Selten haben
solche Systemmodelle eine derartige Sichtbarkeit und auch Bedeutung für
politische und gesellschaftliche Entscheidungen.
Die Vorlesung im
Bioinformatik/Informatik Masterstudium behandelt folgende Fragen und Probleme:
- Wie kann Wissen über
biologische Systeme durch Netzwerke repräsentiert und integriert werden?
(semantische Netze, Knowledge-Graphen)
- Wie können biologischer
Systeme durch Netzwerke möglichst vollständig und holistisch beschrieben werden?
(Netzwerkrekonstruktion und Inferenz)
- Wie können zeitliche und räumliche
Organisation und Verhalten von Systemen analysiert und vorhergesagt werden?
(Kinetik, Simulation, Invarianten, Selbstorganisation)
- Moderne
Messverfahren und „genom-weite“ Hochdurchsatzverfahren:
- Wie können Daten helfen, Systeme und Netzwerke
aufzuklären?
- Wie können umgekehrt Systemmodelle helfen die Daten
besser zu interpretieren
Hintergrund
Durch die Sequenzierung
des menschlichen Genoms und der Genome anderer Organismen verfügen wir nun über
ein vollständiges Inventar aller direkt aus dem Genom ableitbaren Einheiten und
Moleküle, im Wesentlichen also aller Gen, Protein und RNA Spezies. Weiterhin
kann das Verhalten von Zellen auf der Ebene der Transkription mit Hilfe von
Genexpressionsmessungen genomweit untersucht werden. Die Kombination mit
anderen "high-throughput" Techniken erlaubt es, auch Aussagen über metabolische
Stoffwechselwege, Protein-Interaktionsnetze und Gen-Regulationsnetze („Pathways“)
zu treffen.
Diese Fälle von
experimentellen Daten ermöglicht es, biologische Systeme auf der Ebene von
Pathways und Netzwerken zu untersuchen und zu modellieren, d.h. auf einer höheren
Organisationsstufe als die der individuellen Moleküle. Dazu müssen SYSTEMS BIOLOGY Perspektiven entwickelt
werden, zusammen mit den nötigen Techniken und Algorithmen zur Konstruktion, Inferenz
und Analyse komplexer biologischer Modelle.
Die Vorlesung gibt einen
Einblick in Algorithmen und Anwendungen sowie in aktuelle Forschung auf dem
Gebiet der Systembiologie. Über das hier erworbene Wissen hinaus werden praktische
Erfahrungen mit den Problemstellungen und Methoden in der begleitenden Übung
vermittelt.
Themen der Systembiologie Vorlesung sind:
· Modellierung von
biologischen Systemen: Werkzeuge und Methoden
· Petri Netze als Modellierungs-Framework
· Simulation von
Interaktionsnetzen und Enzymkinetiken mit Differenzialgleichungen (ODEs, PDEs)
· Metabolic
Control Analysis (MCA) und Flux Balance Analysis (FBA)
· Modellierung von
Signaltransduktion
· Netzwerkrekonstruktion,
Inferenz und Lernen in Netzen: Bool‘sche und Bayes’sche Netze
· Netzwerk-Evolution und
Selbstorganisation
Fr., 
Fr., 
Mo., 
Mi.,