Systems biology aims at modeling a

Systems biology aims at modeling a wide assortment of biological
phenomena from a holistic molecular perspective (Kitano,
2002). Analysis of high-throughput ‘omics’ data is typically intricate
and requires sophisticated techniques assisting their interpretation
and understanding. For this purpose, pathway analysis
tools constitute a powerful strategy, as there is strong experimental
evidence supporting the view that many cellular processes are
organized into pathways (Stelling et al., 2002). In particular, biochemistry
textbooks detail a wide list of well-known (canonical)
metabolic pathways, which can now be computationally accessed
from different databases and analyzed in different scenarios
(Kanehisa et al., 2012; Keseler et al., 2009).
The outbreak of genome-scale metabolic networks has evidenced
that it is not possible to represent all the metabolic
phenotypes using a small set of canonical pathways. Intending
to increase the number and diversity of pathways, a number of
mathematical pathway definitions can be found in the literature
(Planes and Beasley, 2008). For each scenario under study, selecting
the appropriate definition is crucial so as to obtain relevant
insights (Faust et al., 2009; de Figueiredo et al., 2009a).
Defining a pathway concept representing too many biological
mechanisms may be counterproductive due to the underlying
computational demand. In this light, two sides of the same
coin are the pathway definitions based on graph theory (Arita,
2000) and elementary flux modes (EFMs) (Schuster et al., 2000).
Although the former is calculated based on classical graph theory
(Dijkstra, 1959), the latter requires less efficient algebraic techniques
(de Figueiredo et al., 2009b; Kamp and Schuster, 2006;
Rezola et al., 2013; Terzer and Stelling, 2008). However, EFMs
fulfill additional biological constraints, e.g. mass balance, leading
to more biologically relevant results. It is worth mentioning that,
in addition to EFMs, we can find in the literature similar pathway
definitions, such as generating flux modes (Rezola et al.,
2011) or extreme pathways (Price et al., 2003). Furthermore,
additional examples of metabolic pathway definitions based on
graph theory can also be found (Lim and Wong, 2012).
Recently, carbon flux paths (CFPs) (Pey et al., 2011) were
introduced so as to account for the advantages of both definitions.
This approach searches for paths in a graph of metabolites,
where arcs represent an effective carbon exchange in at least
one enzyme-catalyzed reaction. In addition, as in the case of
EFMs, additional biophysical constraints are imposed, namely
mass balance and thermodynamic restrictions. CFPs approach is
an effective tool to determine linear pathways from a given
source to a target metabolite, as it overcomes combinatorial
issues found in EFMs approach. CFPs also take advantage of
the inherent versatility of Integer Linear Programming (ILP) to
integrate gene expression and protein abundance data as well as
metabolomics data (Pey et al., 2013).
Despite the potential and versatility of CFPs, there is still
room for improvement. In particular, while the underlying
graph of metabolites guarantees carbon exchange in each step
of the path, this is not always achieved between the source and
target metabolites and false-positive solutions may arise. As discussed
in Pey et al. (2011), these solutions lack biological signific

ผลลัพธ์ (ไทย) 1:

ชีววิทยาระบบมีวัตถุประสงค์เพื่อสร้างโมเดลของชีวภาพปรากฏการณ์จากมุมมองระดับโมเลกุลแบบองค์รวม (Kitano2002) วิเคราะห์ข้อมูลอัตราความเร็วสูง 'รุ่น' คือโดยทั่วไปซับซ้อนและต้องการให้ความช่วยเหลือของพวกเขาตีเทคนิคซับซ้อนและความเข้าใจ สำหรับวัตถุประสงค์นี้ วิเคราะห์ทางเดินเครื่องมือประกอบเป็นกลยุทธ์ที่มีประสิทธิภาพ มีแข็งแรงทดลองหลักฐานที่สนับสนุนมุมมองกระบวนการโทรศัพท์มือถือมากที่จัดเป็นหลัก (Stelling et al., 2002) เฉพาะ ชีวเคมีหนังสือรายละเอียดหลากหลายรายการรู้จัก (มาตรฐาน)มนต์เผาผลาญ ซึ่งสามารถตอนนี้ computationally เข้าถึงจากฐานข้อมูลที่แตกต่างกันและวิเคราะห์ในสถานการณ์ที่แตกต่างกัน(Kanehisa et al., 2012 Keseler et al., 2009)ระบาดของระดับกลุ่มเครือข่ายที่เผาผลาญได้เป็นหลักฐานไม่สามารถแสดงทั้งหมดเผาผลาญฟีที่ใช้หลักมาตรฐานชุดขนาดเล็ก ตั้งใจการเพิ่มจำนวน และความหลากหลายของหลัก จำนวนข้อกำหนดทางคณิตศาสตร์ทางเดินสามารถพบได้ในวรรณคดี(เครื่องบินก Beasley, 2008) สำหรับแต่ละสถานการณ์ภายใต้การศึกษา เลือกคำนิยามที่เหมาะสมเป็นสิ่งสำคัญเพื่อให้รับที่เกี่ยวข้องความเข้าใจ (Faust et al., 2009; de Figueiredo et al., 2009a)การกำหนดแนวคิดทางเดินแทนทางชีวภาพมากเกินไปกลไกอาจจะ counterproductive เนื่องจากต้นแบบคำนวณความต้องการ แสงนี้ ทั้งสองฝั่งเหมือนกันเหรียญมีข้อกำหนดทางเดินตามทฤษฎีกราฟ (อาริต้า2000) และโหมดการไหลระดับประถมศึกษา (EFMs) (Schuster และ al., 2000)แม้ว่าเดิมจะมีคำนวณ ตามทฤษฎีกราฟคลาสสิก(Dijkstra, 1959) หลังต้องเทคนิคพีชคณิตมีประสิทธิภาพน้อย(เด Figueiredo et al., 2009b ไฮและ Schuster, 2006Rezola et al., 2013 Terzer ก Stelling, 2008) อย่างไรก็ตาม EFMsตอบสนองข้อจำกัดทางชีวภาพเพิ่มเติม เช่น มวลดุล การนำเพื่อผลลัพธ์ที่เกี่ยวข้องมากชิ้น เป็นมูลค่าการกล่าวถึงที่นอกจาก EFMs เราสามารถพบในทางเดินคล้ายกันของเอกสารประกอบการข้อกำหนด เช่นสร้างฟลักซ์โหมด (Rezola et al.,2011) หรือมนต์มาก (ราคาและ al., 2003) นอกจากนี้ตัวอย่างเพิ่มเติมตามข้อกำหนดของเมแทบอลิซึมนอกจากนี้ยังสามารถพบทฤษฎีกราฟ (Lim และวง 2012)เมื่อเร็ว ๆ นี้ มีเส้นทางการไหลของคาร์บอน (CFPs) (Pey et al., 2011)นำมาใช้เพื่อให้บัญชีสำหรับข้อดีของข้อกำหนดทั้งสองวิธีการนี้ค้นหาเส้นทางในกราฟของ metabolitesที่เส้นโค้งแสดงการแลกเปลี่ยนคาร์บอนมีประสิทธิภาพในน้อยหนึ่งปฏิกิริยาเอนไซม์กระบวนการ นอกจากนี้ ในกรณีของEFMs, biophysical จำกัดเพิ่มเติมถูกกำหนด ได้แก่สมดุลมวลและข้อจำกัดทางอุณหพลศาสตร์ เป็นวิธี CFPsเครื่องมือมีประสิทธิภาพเพื่อกำหนดเส้นทางเดินจากที่กำหนดแหล่งที่เป็นเป้าหมาย metabolite เป็น overcomes ปัญหาปัญหาที่พบในวิธีการ EFMs CFPs ยังเอารัดเอาเปรียบของจำนวนเต็มเส้นเขียน (ILP) เพื่อความคล่องตัวโดยธรรมชาติรวมยีนนิพจน์และโปรตีนมากมายข้อมูลเป็นข้อมูล metabolomics (Pey et al., 2013)แม้ มีศักยภาพและความคล่องตัวของ CFPs ยังมีห้องพักปรับปรุง โดยเฉพาะอย่างยิ่ง ในขณะที่ตัวกราฟของ metabolites รับประกันแลกเปลี่ยนคาร์บอนในแต่ละขั้นตอนเส้นทาง นี้ไม่เสมอทำระหว่างต้นทาง และเป้าหมาย metabolites และโซลูชั่นเป็นบวกปลอมอาจเกิดขึ้น ดังที่กล่าวไว้ใน Pey et al. (2011), โซลูชั่นเหล่านี้ขาดการชีวภาพ signific

ผลลัพธ์ (ไทย) 2:

ชีววิทยาระบบจุดมุ่งหมายที่จะสร้างแบบจำลองหลากหลายทางชีวภาพของปรากฏการณ์จากมุมมองของโมเลกุลแบบองค์รวม (Kitano, 2002) การวิเคราะห์ข้อมูลสูง throughput 'omics' เป็นปกติที่ซับซ้อนและต้องใช้เทคนิคที่มีความซับซ้อนของพวกเขาให้ความช่วยเหลือการตีความและความเข้าใจ ในการนี้การวิเคราะห์ทางเดินเครื่องมือเป็นกลยุทธ์ที่มีประสิทธิภาพเช่นมีการทดลองที่แข็งแกร่งหลักฐานสนับสนุนมุมมองที่กระบวนการโทรศัพท์มือถือจำนวนมากมีการจัดเป็นทางเดิน(Stelling et al., 2002) โดยเฉพาะอย่างยิ่งทางชีวเคมีตำรารายละเอียดรายการที่กว้างของที่รู้จักกันดี (บัญญัติ) เผาผลาญเซลล์ซึ่งขณะนี้สามารถเข้าถึงคอมพิวเตอร์จากฐานข้อมูลที่แตกต่างกันและการวิเคราะห์ในสถานการณ์ที่แตกต่างกัน(Kanehisa et al, 2012;.. Keseler et al, 2009). การระบาดของเครือข่ายการเผาผลาญในระดับจีโนมมีหลักฐานว่ามันเป็นไปไม่ได้ที่จะเป็นตัวแทนทั้งหมดที่เผาผลาญphenotypes ใช้ชุดเล็ก ๆ ของทางเดินที่เป็นที่ยอมรับ มีความประสงค์ที่จะเพิ่มจำนวนและความหลากหลายของวิถีจำนวนของคำจำกัดความทางเดินทางคณิตศาสตร์ที่สามารถพบได้ในวรรณคดี(เครื่องบินและบีสลีย์, 2008) สำหรับสถานการณ์ภายใต้การศึกษาแต่ละเลือกคำนิยามที่เหมาะสมเป็นสิ่งสำคัญเพื่อให้ได้มาเกี่ยวข้องข้อมูลเชิงลึก(เฟาสต์ et al, 2009;.. เดอ Figueiredo, et al, 2009a). การกำหนดแนวความคิดทางเดินที่เป็นตัวแทนของทางชีวภาพมากเกินไปกลไกอาจจะต่อต้านเนื่องจากการพื้นฐานความต้องการของการคำนวณ ในแง่นี้ทั้งสองด้านของเดียวกันเหรียญมีคำจำกัดความทางเดินอยู่บนพื้นฐานของทฤษฎีกราฟ (Arita, 2000) และโหมดฟลักซ์ประถม (EFMs) (ชูสเตอร์ et al., 2000). แม้ว่าในอดีตที่มีการคำนวณบนพื้นฐานของทฤษฎีกราฟคลาสสิก( Dijkstra, 1959) หลังต้องใช้เทคนิคเกี่ยวกับพีชคณิตมีประสิทธิภาพน้อย(เดอ Figueiredo, et al, 2009b. Kamp แอนด์ชูสเตอร์, 2006. Rezola et al, 2013; Terzer และ Stelling 2008) อย่างไรก็ตาม EFMs ตอบสนองข้อ จำกัด ทางชีวภาพเพิ่มเติมเช่นความสมดุลมวลที่นำไปสู่ผลลัพธ์ที่มีความเกี่ยวข้องทางชีวภาพ เป็นมูลค่าการกล่าวขวัญว่านอกเหนือไปจาก EFMs เราสามารถหาในวรรณคดีทางเดินที่คล้ายกันคำจำกัดความเช่นการสร้างรูปแบบฟลักซ์(Rezola et al., 2011) หรือทางเดินมาก (ราคา et al., 2003) นอกจากนี้ตัวอย่างเพิ่มเติมของคำนิยามทางเดินเผาผลาญอยู่บนพื้นฐานของทฤษฎีกราฟยังสามารถพบได้(Lim และวงศ์ 2012). เมื่อเร็ว ๆ นี้คาร์บอนเส้นทางฟลักซ์ (CFPS) (Pey et al., 2011) ได้รับการแนะนำให้รู้จักเพื่อให้เป็นบัญชีสำหรับข้อดีของคำนิยามทั้งสอง. วิธีการนี้จะค้นหาสำหรับเส้นทางในกราฟของสารเป็นที่โค้งเป็นตัวแทนของการแลกเปลี่ยนคาร์บอนที่มีประสิทธิภาพอย่างน้อยหนึ่งปฏิกิริยาเอนไซม์ที่เร่งปฏิกิริยา นอกจากนี้ยังเป็นในกรณีของEFMs จำกัด ชีวฟิสิกส์เพิ่มเติมที่กำหนดคือความสมดุลมวลและข้อจำกัด ทางอุณหพลศาสตร์ วิธี CFPS เป็นเครื่องมือที่มีประสิทธิภาพในการตรวจสอบเส้นทางการเชิงเส้นจากที่กำหนดแหล่งที่มาเพื่อmetabolite เป้าหมายตามที่มันครอบงำ combinatorial ปัญหาที่พบในแนวทาง EFMs CFPS ยังใช้ประโยชน์จากความเก่งกาจโดยธรรมชาติของจำนวนเต็มกำหนดการเชิงเส้น(ILP) เพื่อบูรณาการข้อมูลการแสดงออกของยีนและความอุดมสมบูรณ์ของโปรตีนเช่นเดียวกับข้อมูลmetabolomics (Pey et al., 2013). แม้จะมีศักยภาพและความเก่งกาจของ CFPS ยังคงมีห้องพักสำหรับการปรับปรุง โดยเฉพาะอย่างยิ่งในขณะที่อยู่ภายใต้กราฟของสารรับประกันแลกเปลี่ยนคาร์บอนไดออกไซด์ในแต่ละขั้นตอนของเส้นทางนี้ไม่ประสบความสำเร็จเสมอระหว่างแหล่งที่มาและสารเป้าหมายและการแก้ปัญหาที่ผิดพลาดบวกอาจจะเกิดขึ้น ตามที่กล่าวไว้ใน Pey et al, (2011) วิธีการเหล่านี้ไม่มีทางชีวภาพ signific

ผลลัพธ์ (ไทย) 3:

ระบบชีววิทยามุ่งสร้างหลากหลายของปรากฏการณ์ทางชีวภาพ
จากมุมมองแบบองค์รวมของโมเลกุล ( คิตาโนะ
, 2002 ) การวิเคราะห์ข้อมูลช่วย ' วิชา ' มักจะซับซ้อนและต้องใช้เทคนิคที่ซับซ้อน

ช่วยตีความและเข้าใจ สำหรับวัตถุประสงค์นี้ เครื่องมือวิเคราะห์
ทางเดินเป็นกลยุทธ์ที่มีประสิทธิภาพ มี
แบบแข็งแรงหลักฐานที่สนับสนุนมุมมองที่ว่ากระบวนการโทรศัพท์มือถือหลาย
จัดเป็นทางเดิน ( stelling et al . , 2002 ) โดยเฉพาะตำราชีวเคมี
รายละเอียดรายการกว้างของที่รู้จักกันดี ( Canonical )
เส้นทางการเผาผลาญ ซึ่งขณะนี้สามารถเข้าถึงได้ computationally
จากฐานข้อมูลที่แตกต่างกันและวิเคราะห์ในสถานการณ์ต่าง ๆ
( kanehisa et al . , 2012 ; keseler et al . , 2009 ) .
ระบาดของจีโนมขนาดสลายเครือข่ายมีหลักฐาน
ว่ามันเป็นไปไม่ได้ที่จะแสดงทั้งหมดสลาย
เกิดใช้ชุดเล็กของ Canonical ทางเดิน . ตั้งใจ
เพื่อเพิ่มจำนวนและความหลากหลายของเส้นทาง หมายเลข
นิยามทางคณิตศาสตร์ที่สามารถพบได้ในวรรณคดี
( เครื่องบินและ บีสลี่ย์ , 2008 ) สำหรับแต่ละสถานการณ์ที่ศึกษา การเลือก
คำนิยามที่เหมาะสมเป็นสิ่งสำคัญเพื่อที่จะได้รับข้อมูลเชิงลึกที่เกี่ยวข้อง
( เฟาสต์ et al . , 2009 ; เดอ ฟิเกรีโด et al . , 2009a ) .
กำหนดวิถีแนวคิดของกลไกทางชีวภาพ
มากเกินไปอาจถูกต่อต้านจากต้นแบบ
การคำนวณความต้องการ แสงนี้เป็นสองด้านของเหรียญเดียวกัน
เป็นทางเดินคำนิยามตามทฤษฎีกราฟ ( ริต้า
,2000 ) และโหมดการประถมศึกษา ( efms ) ( Schuster et al . , 2000 ) .
แม้ว่าอดีตจะคำนวณบนพื้นฐานของกราฟคลาสสิกทฤษฎี
( ตรา 1959 ) หลังต้องใช้เทคนิคที่มีประสิทธิภาพน้อยกว่าพีชคณิต
( เดอ ฟิเกรีโด et al . , 2009b ; แคมป์ และ ชูสเตอร์ , 2006 ;
rezola et al . 2013 ; terzer และ stelling , 2008 ) อย่างไรก็ตาม efms
ตอบสนองข้อจำกัดทางชีวภาพเพิ่มเติม เช่น สมดุลมวลา
ผลทางชีววิทยาที่เกี่ยวข้องเพิ่มเติม เป็นมูลค่าการกล่าวขวัญว่า
นอกจาก efms เราสามารถพบในวรรณคดี คล้ายทางเดิน
ความหมาย เช่น การสร้างรูปแบบการไหล ( rezola et al . ,
2011 ) หรือสุดเส้นทาง ( ราคา et al . , 2003 ) นอกจากนี้
เพิ่มเติมตัวอย่างของนิยามวิถีเมตาโบลิซึมตาม
ทฤษฎีกราฟ ( ลิม และยังสามารถพบ หว่อง , 2012 ) .
เมื่อเร็วๆ นี้คาร์บอนไหลเส้นทาง ( cfps ) ( เป้ย et al . , 2011 )
แนะนำเพื่อบัญชีสำหรับข้อดีของทั้งสองนิยาม .
วิธีนี้ค้นหาเส้นทางในกราฟของ metabolites
ที่โค้งแสดงตราคาร์บอนมีประสิทธิภาพในอย่างน้อยหนึ่งเอนไซม์
ปฏิกิริยาเคมี . นอกจากนี้ ในกรณีของ
efms , ข้อจำกัดทางชีวกายภาพเพิ่มเติมกำหนดคือ
สมดุลมวลสารและความร้อนจํากัด cfps แนวทาง
เป็นเครื่องมือที่มีประสิทธิภาพเพื่อตรวจสอบเส้นทางโดยตรงจากแหล่งที่มาเพื่อเป้าหมายให้
ไลท์ เป็นปัญหาที่พบในการเอาชนะ
efms ) cfps ยังเอาเปรียบ
ความเก่งกาจที่แท้จริงของการโปรแกรมเชิงเส้นจำนวนเต็ม ( ILP )

รวมการแสดงออกของยีนและโปรตีนข้อมูลมากมายรวมทั้ง
ข้อมูลเมตะโบโลมิก ( เป้ย et al .2013 ) .
แม้จะมีศักยภาพและความคล่องตัวของ cfps
ยังคงมีการปรับปรุงห้อง โดยเฉพาะในขณะที่ต้นแบบ
กราฟหลายชนิดรับประกันตราคาร์บอนในแต่ละขั้นตอน
ของเส้นทางนี้มักไม่ประสบความสำเร็จระหว่างแหล่งที่มาและเป้าหมายและ false-positive
สารโซลูชั่นที่อาจเกิดขึ้น เมื่อกล่าวถึง
ในเป้ย et al . ( 2011 ) , โซลูชั่นเหล่านี้ขาด signific แท้ๆ