Biología Computacional - Computational biology

La biología computacional implica el desarrollo y la aplicación de métodos teóricos y analíticos de datos, modelos matemáticos y técnicas de simulación computacional para el estudio de sistemas biológicos, ecológicos , conductuales y sociales. El campo está ampliamente definido e incluye fundamentos en biología , matemáticas aplicadas , estadística , bioquímica , química , biofísica , biología molecular , genética , genómica , informática , ecología y evolución .

La biología computacional es diferente de la computación biológica , que es un subcampo de la ingeniería informática que utiliza la bioingeniería y la biología para construir computadoras .

Introducción

La biología computacional, que incluye muchos aspectos de la bioinformática y mucho más, es la ciencia del uso de datos biológicos para desarrollar algoritmos o modelos con el fin de comprender los sistemas y relaciones biológicos. Hasta hace poco, los biólogos no tenían acceso a grandes cantidades de datos. Estos datos ahora se han convertido en un lugar común, particularmente en biología molecular y genómica . Los investigadores pudieron desarrollar métodos analíticos para interpretar información biológica, pero no pudieron compartirlos rápidamente entre colegas.

La bioinformática comenzó a desarrollarse a principios de la década de 1970. Se consideró la ciencia de analizar los procesos informáticos de varios sistemas biológicos. En este momento, la investigación en inteligencia artificial utilizaba modelos de red del cerebro humano para generar nuevos algoritmos . Este uso de datos biológicos para desarrollar otros campos empujó a los investigadores biológicos a revisar la idea de usar computadoras para evaluar y comparar grandes conjuntos de datos. En 1982, la información se compartía entre los investigadores mediante el uso de tarjetas perforadas. La cantidad de datos compartidos comenzó a crecer exponencialmente a fines de la década de 1980. Esto requirió el desarrollo de nuevos métodos computacionales para analizar e interpretar rápidamente la información relevante.

Desde finales de la década de 1990, la biología computacional se ha convertido en una parte importante del desarrollo de tecnologías emergentes para el campo de la biología. Los términos biología computacional y computación evolutiva tienen un nombre similar, pero no deben confundirse. A diferencia de la biología computacional, la computación evolutiva no se ocupa de modelar y analizar datos biológicos. En cambio, crea algoritmos basados ​​en las ideas de evolución entre especies. A veces denominados algoritmos genéticos , la investigación de este campo se puede aplicar a la biología computacional. Si bien la computación evolutiva no es inherentemente parte de la biología computacional, la biología evolutiva computacional es un subcampo de ella.

La biología computacional se ha utilizado para ayudar a secuenciar el genoma humano, crear modelos precisos del cerebro humano y ayudar a modelar sistemas biológicos.

Subcampos

Anatomía computacional

La anatomía computacional es una disciplina que se centra en el estudio de la forma anatómica y la forma en la escala anatómica visible o macroscópica de la morfología . Implica el desarrollo y la aplicación de métodos computacionales, matemáticos y analíticos de datos para el modelado y simulación de estructuras biológicas. Se centra en las estructuras anatómicas de las que se obtienen imágenes, en lugar de en los dispositivos de imágenes médicas. Debido a la disponibilidad de mediciones densas en 3D a través de tecnologías como la resonancia magnética (MRI), la anatomía computacional ha surgido como un subcampo de la imagenología médica y la bioingeniería para extraer sistemas de coordenadas anatómicas a escala morfómica en 3D.

La formulación original de la anatomía computacional es un modelo generativo de forma y forma a partir de ejemplares sobre los que se actúa mediante transformaciones. El grupo de difeomorfismo se utiliza para estudiar diferentes sistemas de coordenadas a través de transformaciones de coordenadas generadas a través de las velocidades de flujo lagrangiana y euleriana de una configuración anatómica a otra. Se relaciona con la estadística de formas y morfometría , con la distinción de que los difeomorfismos se utilizan para mapear sistemas de coordenadas, cuyo estudio se conoce como difeomorfometría.

Biomodelado computacional

El biomodelado computacional es un campo que se ocupa de la construcción de modelos informáticos de sistemas biológicos. El biomodelado computacional tiene como objetivo desarrollar y utilizar simulaciones visuales para evaluar la complejidad de los sistemas biológicos. Esto se logra mediante el uso de algoritmos especializados y software de visualización. Estos modelos permiten predecir cómo reaccionarán los sistemas en diferentes entornos. Esto es útil para determinar si un sistema es robusto. Un sistema biológico robusto es aquel que “mantiene su estado y funciones frente a perturbaciones externas e internas”, lo cual es esencial para la supervivencia de un sistema biológico. El biomodelado computacional genera un gran archivo de dichos datos, lo que permite el análisis de múltiples usuarios. Si bien las técnicas actuales se centran en pequeños sistemas biológicos, los investigadores están trabajando en enfoques que permitirán analizar y modelar redes más grandes. La mayoría de los investigadores cree que esto será esencial en el desarrollo de enfoques médicos modernos para crear nuevos fármacos y terapias génicas. Un enfoque de modelado útil es utilizar redes de Petri a través de herramientas como esyN.

Ecología computacional

Los métodos computacionales en ecología han despertado un interés creciente. Hasta las últimas décadas, la ecología teórica se ha ocupado en gran medida de modelos analíticos que estaban en gran parte separados de los modelos estadísticos utilizados por los ecologistas empíricos . Sin embargo, los métodos computacionales han ayudado a desarrollar la teoría ecológica mediante la simulación de sistemas ecológicos, además de aumentar la aplicación de métodos de la estadística computacional en los análisis ecológicos.

Biología evolutiva computacional

La biología computacional ha ayudado al campo de la biología evolutiva en muchas capacidades. Esto incluye:

Genómica computacional

Un genoma parcialmente secuenciado.

La genómica computacional es un campo dentro de la genómica que estudia los genomas de células y organismos. A veces se le conoce como Genética Computacional y Estadística y abarca gran parte de la Bioinformática . El Proyecto Genoma Humano es un ejemplo de genómica computacional. Este proyecto busca secuenciar todo el genoma humano en un conjunto de datos. Una vez implementado por completo, esto podría permitir a los médicos analizar el genoma de un paciente individual. Esto abre la posibilidad de una medicina personalizada, prescribiendo tratamientos basados ​​en patrones genéticos preexistentes de un individuo. Este proyecto ha creado muchos programas similares. Los investigadores buscan secuenciar los genomas de animales, plantas, bacterias y todos los demás tipos de vida.

Una de las principales formas en que se comparan los genomas es por homología de secuencia . La homología es el estudio de estructuras biológicas y secuencias de nucleótidos en diferentes organismos que provienen de un ancestro común. La investigación sugiere que entre el 80 y el 90% de los genes en genomas procarióticos recién secuenciados pueden identificarse de esta manera.

Este campo aún está en desarrollo. Un proyecto intacto en el desarrollo de la genómica computacional es el análisis de regiones intergénicas. Los estudios muestran que aproximadamente el 97% del genoma humano está formado por estas regiones. Los investigadores en genómica computacional están trabajando para comprender las funciones de las regiones no codificantes del genoma humano a través del desarrollo de métodos estadísticos y computacionales y a través de grandes proyectos de consorcios como ENCODE (The Encyclopedia of DNA Elements) y el Roadmap Epigenomics Project.

Neuropsiquiatría computacional

La neuropsiquiatría computacional es el campo emergente que utiliza modelos matemáticos y asistidos por computadora de los mecanismos cerebrales involucrados en los trastornos mentales. Varias iniciativas ya demostraron que el modelado computacional es una contribución importante para comprender los circuitos neuronales que podrían generar funciones y disfunciones mentales.

Neurociencia Computacional

La neurociencia computacional es el estudio de la función cerebral en términos de las propiedades de procesamiento de información de las estructuras que componen el sistema nervioso. Es un subconjunto del campo de la neurociencia y busca analizar datos cerebrales para crear aplicaciones prácticas. Busca modelar el cerebro para examinar aspectos específicos del sistema neurológico. Varios tipos de modelos del cerebro incluyen:

  • Modelos cerebrales realistas: estos modelos buscan representar todos los aspectos del cerebro, incluyendo tantos detalles a nivel celular como sea posible. Los modelos realistas proporcionan la mayor cantidad de información sobre el cerebro, pero también tienen el mayor margen de error. Más variables en un modelo cerebral crean la posibilidad de que ocurran más errores. Estos modelos no tienen en cuenta partes de la estructura celular que los científicos no conocen. Los modelos cerebrales realistas son los más pesados ​​computacionalmente y los más costosos de implementar.
  • Simplificación de modelos cerebrales: estos modelos buscan limitar el alcance de un modelo para evaluar una propiedad física específica del sistema neurológico. Esto permite resolver los problemas computacionales intensivos y reduce la cantidad de error potencial de un modelo cerebral realista.

Es el trabajo de los neurocientíficos computacionales mejorar los algoritmos y las estructuras de datos que se utilizan actualmente para aumentar la velocidad de dichos cálculos.

Oncología computacional

La oncología computacional, a veces también llamada biología computacional del cáncer, es un campo que tiene como objetivo determinar las mutaciones futuras en el cáncer a través de un enfoque algorítmico para analizar datos. La investigación en este campo ha llevado al uso de mediciones de alto rendimiento. La medición de alto rendimiento permite la recopilación de millones de puntos de datos utilizando robótica y otros dispositivos de detección. Estos datos se recopilan de ADN, ARN y otras estructuras biológicas. Las áreas de enfoque incluyen determinar las características de los tumores, analizar moléculas que son deterministas en la causa del cáncer y comprender cómo se relaciona el genoma humano con la causa de los tumores y el cáncer.

Farmacología computacional

La farmacología computacional (desde una perspectiva de biología computacional) es “el estudio de los efectos de los datos genómicos para encontrar vínculos entre genotipos y enfermedades específicos y luego analizar los datos de los medicamentos ”. La industria farmacéutica requiere un cambio en los métodos para analizar los datos de los medicamentos. Los farmacólogos pudieron utilizar Microsoft Excel para comparar datos químicos y genómicos relacionados con la eficacia de los fármacos. Sin embargo, la industria ha llegado a lo que se conoce como la barricada de Excel. Esto surge del número limitado de celdas accesibles en una hoja de cálculo. Este desarrollo llevó a la necesidad de la farmacología computacional. Los científicos e investigadores desarrollan métodos computacionales para analizar estos conjuntos de datos masivos. Esto permite una comparación eficiente entre los puntos de datos notables y permite desarrollar fármacos más precisos.

Los analistas proyectan que si los medicamentos principales fallan debido a las patentes, será necesaria la biología computacional para reemplazar los medicamentos actuales en el mercado. Se anima a los estudiantes de doctorado en biología computacional a seguir carreras en la industria en lugar de tomar puestos de posdoctorado. Este es un resultado directo de que las principales compañías farmacéuticas necesitan analistas más calificados de los grandes conjuntos de datos necesarios para producir nuevos medicamentos.

Software y herramientas

Los biólogos computacionales utilizan una amplia gama de software. Estos van desde programas de línea de comandos hasta programas gráficos y basados ​​en la web.

Software de código abierto

El software de código abierto proporciona una plataforma para desarrollar métodos biológicos computacionales. Específicamente, el código abierto significa que todas las personas y / o entidades pueden acceder y beneficiarse del software desarrollado en la investigación. PLOS cita cuatro razones principales para el uso de software de código abierto, que incluyen:

  • Reproducibilidad : esto permite a los investigadores utilizar los métodos exactos utilizados para calcular las relaciones entre los datos biológicos.
  • Desarrollo más rápido: los desarrolladores e investigadores no tienen que reinventar el código existente para tareas menores. En su lugar, pueden utilizar programas preexistentes para ahorrar tiempo en el desarrollo y la implementación de proyectos más grandes.
  • Mayor calidad: contar con el aporte de varios investigadores que estudian el mismo tema proporciona una capa de garantía de que no habrá errores en el código.
  • Disponibilidad a largo plazo: los programas de código abierto no están vinculados a ninguna empresa o patente. Esto permite que se publiquen en varias páginas web y garantizar que estén disponibles en el futuro.

Conferencias

Hay varias conferencias importantes que se ocupan de la biología computacional. Algunos ejemplos notables son los Sistemas Inteligentes para Biología Molecular (ISMB), la Conferencia Europea de Biología Computacional (ECCB) y la Investigación en Biología Molecular Computacional (RECOMB).

Revistas

Existen numerosas revistas dedicadas a la biología computacional. Algunos ejemplos notables incluyen Journal of Computational Biology y PLOS Computational Biology . La revista de biología computacional PLOS es una revista revisada por pares que tiene muchos proyectos de investigación notables en el campo de la biología computacional. Proporcionan reseñas sobre software, tutoriales para software de código abierto y muestran información sobre las próximas conferencias de biología computacional. PLOS Computational Biology es una revista de acceso abierto . La publicación puede utilizarse abiertamente siempre que se cite al autor.

Campos relacionados

La biología computacional, la bioinformática y la biología matemática son enfoques interdisciplinarios de las ciencias de la vida que se basan en disciplinas cuantitativas como las matemáticas y las ciencias de la información . Los NIH describen la biología computacional / matemática como el uso de enfoques computacionales / matemáticos para abordar cuestiones teóricas y experimentales en biología y, por el contrario, la bioinformática como la aplicación de la ciencia de la información para comprender datos complejos de ciencias de la vida.

Específicamente, el NIH define

Biología computacional: El desarrollo y aplicación de métodos teóricos y analíticos de datos, modelado matemático y técnicas de simulación computacional al estudio de sistemas biológicos, conductuales y sociales.

Bioinformática: investigación, desarrollo o aplicación de herramientas y enfoques computacionales para expandir el uso de datos biológicos, médicos, conductuales o de salud, incluidos aquellos para adquirir, almacenar, organizar, archivar, analizar o visualizar dichos datos.

Si bien cada campo es distinto, puede haber una superposición significativa en su interfaz.

Ver también

Referencias

enlaces externos