应对生物系统的复杂性：从数据到模型
摘要：分子生物学中的数据分析，生物网络的数学建模，基因组进化以及癌症系统生物学是我研究兴趣的四个主要领域。第一章致力于开发非线性的降维方法（弹性映射和主理树方法），这扩展了经典的主成分方法。我还介绍了矩阵分解技术在癌症数据分析中的应用。第二章讨论了分子生物学中数学模型的复杂性。我描述了化学反应网络渐近学原理的基本思想，旨在解剖和简化复杂的化学动力学模型。这种方法的两个应用包括模拟NFkB和凋亡通路以及miRNA在蛋白质翻译过程中的作用机制。第三章简要描述了我对不同生物体（从微生物到人类癌症基因组）的基因组结构的研究。使用无监督的数据分析方法来研究受基因组进化和环境基本属性影响的基因组序列中的模式。第四章总结了我运用计算方法研究癌症的经验（结合整合数据分析和数学建模方法）。特别是，我描述了正在进行中的研究项目，如细胞命运决策和DNA修复网络中的合成致死相互作用的数学建模。综合部分列出了计算系统生物学所面临的主要挑战，与本文涉及的主题有关，即处理生物系统的复杂性。
作者：Andrei Zinovyev
论文ID：1404.1626
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2014-04-08