La biología computacional construye modelos de los sistemas vivos, desde el plegamiento de una proteína hasta la dinámica de una célula, un tejido o una población. Donde la bioinformática maneja datos biológicos, este campo pregunta cómo funciona el sistema: escribe ecuaciones y simulaciones, las ajusta a las mediciones y predice qué ocurriría si algo cambiara.
Conceptos clave
- Modelos mecanicistas: ecuaciones diferenciales de reacciones, regulación génica y crecimiento, con parámetros tomados del experimento.
- Modelos estocásticos: dentro de una célula el número de moléculas es pequeño, así que el azar importa y las simulaciones deben muestrearlo.
- Redes: grafos metabólicos, de regulación y de interacción, y lo que implica su estructura.
- Estructura y dinámica: cómo la forma y el movimiento de una molécula deciden su función.
- Ajuste de parámetros: estimar incógnitas a partir de datos ruidosos, y preguntarse cuáles puede determinar realmente la información.
Vocabulario
- Biología de sistemas: estudiar un organismo como partes que interactúan, y no un gen cada vez.
- Flujo: la velocidad a la que circula material por una reacción o una ruta.
- Dinámica de poblaciones: modelos de cómo cambia con el tiempo el número de individuos o de especies.
- Identificabilidad: si los datos pueden fijar un parámetro siquiera.
Qué estudiar, en orden
- Biología introductoria y el cálculo suficiente para leer una ecuación diferencial.
- Simula un modelo de crecimiento y uno de presa y depredador, y explora cómo los parámetros cambian el resultado.
- Escribe una simulación estocástica de una red de reacciones pequeña y compárala con la versión determinista.
- Ajusta un modelo a un conjunto de datos real o publicado, e informa de la incertidumbre de cada parámetro.
- Construye y analiza una pequeña red de regulación, y comprueba qué componentes controlan su comportamiento.
Etiquetas relacionadas
#bioinformatics #simulation #probability #optimization #computational-neuroscience