Workbench zur Modellbildung, Simulation und Analyse zellulärer Systeme (Workbench for Model Set Up, Simulation, and Analysis of Cellular Systems)

Zusammenfassung Die aktuelle Forschung in der molekularen Genetik und die Erfolge bei der Analyse von Genexpression und Proteinfunktion führen zu einer bisher unerreichten Fülle von Informationen über biologische Phänomene. Werkzeuge, die eine quantitative Beschreibung und Analyse ermöglichen, haben dabei eine entscheidende Bedeutung. Der Beitrag stellt Werkzeuge zur Modellerstellung, -simulation und -analyse vor, die bereits für eine Anzahl von biologischen Modellsystemen (Bakterien, Hefen) angewendet wurden. Das Werkzeug ProMoT dient zur automatischen Erstellung der Modellgleichungen, die anschliessend vom Gleichungslöser Diva numerisch untersucht werden können. Eine Analyse der Modellstruktur sowie die Berechnung von stationären Flüssen ist mit dem FluxAnalyzer möglich.

[1]  Stephen J. Wright,et al.  Optimization Software Guide , 1987 .

[2]  Andreas Kremling,et al.  Modular Modeling of Cellular Systems with ProMoT/Diva , 2003, Bioinform..

[3]  Peter D. Karp,et al.  The EcoCyc Database , 2002, Nucleic Acids Res..

[4]  S. Schuster,et al.  Metabolic network structure determines key aspects of functionality and regulation , 2002, Nature.

[5]  Hiroaki Kitano,et al.  The systems biology markup language (SBML): a medium for representation and exchange of biochemical network models , 2003, Bioinform..

[6]  D. Fell,et al.  A general definition of metabolic pathways useful for systematic organization and analysis of complex metabolic networks , 2000, Nature Biotechnology.

[7]  Axel Munack,et al.  On-Line Application of Parameter Estimation Accuracy to Biotechnical Processes , 1990, 1990 American Control Conference.

[8]  E. Gilles,et al.  The organization of metabolic reaction networks: a signal-oriented approach to cellular models. , 2000, Metabolic engineering.

[9]  E. Gilles,et al.  The organization of metabolic reaction networks. II. Signal processing in hierarchical structured functional units. , 2001, Metabolic engineering.

[10]  J. Stelling,et al.  Combinatorial Complexity of Pathway Analysis in Metabolic Networks , 2004, Molecular Biology Reports.

[11]  E. Gilles,et al.  The organization of metabolic reaction networks. III. Application for diauxic growth on glucose and lactose. , 2001, Metabolic engineering.

[12]  Steffen Klamt,et al.  FluxAnalyzer: exploring structure, pathways, and flux distributions in metabolic networks on interactive flux maps , 2003, Bioinform..

[13]  Steffen Klamt,et al.  Two approaches for metabolic pathway analysis? , 2003, Trends in biotechnology.

[14]  Lennart Ljung,et al.  System Identification: Theory for the User , 1987 .

[15]  中尾 光輝,et al.  KEGG(Kyoto Encyclopedia of Genes and Genomes)〔和文〕 (特集 ゲノム医学の現在と未来--基礎と臨床) -- (データベース) , 2000 .

[16]  John W. Hearne,et al.  Sensitivity analysis of parameter combinations , 1985 .