Carsten Svaneborg wrote:
> Det er ligesom i en tekst, man kan opfatte den som bestående
> af bogstaver eller ord. Informationen der skal til at sende
> et budskabet er det samme, uafh. hvad for symboler vi tolker
> det som bestående af (så længe det er langt nok), men
> informationen vi får ved at læse budskabet er ikke det samme.
Problemet er at det er den "kontekstuelle informationsmængde"
der generelt er det interessante i biologisk sammenhæng.
>>Ikke at forglemme den store mængde DNA der udgør introns, som er
>>størstedelen af DNAet ved de fleste eucaryoter.
> Yeps, men selvom disse ikke bruges i proteiner kan deres eksistens
> have en effekt på kontrol og udtryk af gener, så indirekte biddrager
> de med en 'meta' information omkring genet.
Hvad er et gen?
> Jeg ved ikke hvad jeg mener!
> Det er derfor jeg gerne ville finde ud af det! ;*)
Primær-struktur er den lineære sekvens af aminosyrer f.eks:
....FDTAVKLYRPWEQLKMC...
Sekundær-struktur er den lokale foldning, baseret på primær-sekvensen
(og kontekst):
......FDTAVKL YRPWEQ LKMC........
alpha-helix | turn | alpha-helix
> Istedet for at tænke på cellen som et (uhyre komplekst) biokemisk
> maskineri, så ville jeg gerne tænke på den som en form for Markov
> maskine, hvor man har en række states med transitioner mellem states,
> dvs. et kemisk netværk (med effekter udfra og støj), man kan så med
> Markov og graf teori sætte sig ned og udregne informationsstrømme
> i dette netværk.
Det er der flere der gerne vil. Jeg besøgte sidste år Santa Fe
Instittutet i New Mexico, hvor folk som Kaufmann (som du nævner),
Stadtler og Wagner er tilknyttet. De arbejde med den type problem-
stillinger i forskellige afskygninger. "Problemet" er at deres
tilgang primært er fysisk/matematisk.
> Dvs. en dejlig grov fysisk model som man kunne undersøge
> med informationsteori og statistisk fysik som angrebsvinkel på
> naturen af de processer der er involveret i levende celler, uden
> at skulle bekymre sig for meget om alle de forfærdelige komplekse
> biokemiske processer man forsøger at beskrive.
For at kunne lave den type modeller er man nødt til at have et meget
stort eksperimentelt datasæt at modellere og senere fodre sit
netværk med. De fleste der arbejder med den type modellering kommer
fra en fysikerbaggrund og har hverken stor biologisk detail-viden
eller eksperimentel erfaring. Deres modeller har høj coarse-graining,
og er ikke baseret på eksperimentelle data. Hvis de er, er det typisk
datasæt fra eksperimenter som ikke er designet specifikt til formålet.
Det betyder ikke ar det de laver ikke kan bruges, men blot at det er
vanskeligt at overføre på biologiske systemer, fordi den eksperimentelle
basis og verfikation mangler.
Omvendt må man sige at der blandt "biologerne" er en vis konservativ
skepsis mht. konceptet at benytte interaktionsnætværk til forstå
dynamikken i cellulær regulation og andre overordnede processer. Det
handler om den traditionelle fagkløft mellem biologien og fysikken,
som efter min mening er meget uheldig. Den handler også om forgangne
fejltagelser indenfor "computational biology". Endelig eksisterer
de eksperimentelle teknikker til at indsamle de nødvendige data, på
stor skala knapt nok endnu (det arbejdes der på!!). Jeg tror det
mest frugtbare er et tæt samarbejde mellem de to grupper. Mange af
de teoretiske problemstillinger er kendt af fysikerne, mens
"biologerne" har detail-viden om systemet som /er nødvendig/, samt
eksperimentelle data.
Emnet er efterhånden ved at blive mainstream, i takt med at functional
genomics og proteomics bliver mere og mere udbredt og udviklet. Se blot
Nature fra 2001.
Et område hvor man er længere fremme i integrationen, er analyse af
ekspressionsdata fra micro-arrays. Her arbejder man typisk med meget
store datamængder og ekspressions-mønstre hvor en masse information går
tabt ved gængs clustering-analyse, fordi man i virkeligheden er mere
interesseret i ekspressions-dynamik end egentlige ekspresiions-niveuaer.
Samtidig ser man på regulationen gennem en maske, hvor en stor del af
kausaliteten i møsnter/dynamik er ukendt fordi den foregår på andre
niveauer end RNA-niveuet.
Mvh
Lau Sennels