Enzimología e ingeniería de proteínas
Microbiología, bioingeniería y biotecnología
Assessing key decisions for transcriptomic data integration in biochemical networks
Evaluación de decisiones clave para la integración de datos transcriptómicos en redes bioquímicas
Para obtener información sobre procesos biológicos, por lo general, los datos de escala genómica son superpuestos en redes bioquímicas. Sin embargo, muchas redes no tienen una relación uno a uno con respecto a los genes debido a la existencia de isoenzimas y complejos de proteínas. En este sentido, es necesario tomar decisiones sobre cómo integrar los niveles de expresión génica mediante reglas de reacción gen-proteína; cuál enfoque debe utilizarse para la selección de umbrales en los datos de expresión para considerar el gen asociado como "activo" y cuál es el orden en que estos pasos se imponen. En este sentido, el presente trabajo presenta una comparación de 20 combinaciones de decisiones utilizando un conjunto de datos transcriptómicos en 32 tejidos. Para determinar las decisiones más apropiadas, se evaluó el impacto de estas decisiones en la adquisición de listas de reacciones activas específicas de tejido que recapitulan grupos de tejidos de órganos y sistemas.
Este artículo fue realizado por Anne Richelle, Chintan Joshi, Nathan E. Lewis (University of California, California, United States of America) para PLoS Comput Biol (Vol. 15, núm. 7, 2019), una revista especializada en estudios sobre sistemas vivos en todas las escalas, desde moléculas y células hasta poblaciones de pacientes y ecosistemas, mediante la aplicación de métodos computacionales. Esta es una publicación de PLoS (San Francisco, California, US). Correo de contacto: [email protected]
Statistical inference in ensemble modeling of cellular metabolism
Inferencia estadística en modelado de conjuntos metabólicos celulares
Debido a las diversas fuentes de incertidumbre, los modelos cinéticos del metabolismo de poblaciones son construidos por lo general, para obtener conclusiones sobre la dinámica de la fisiología modelada. Sin embargo, los marcos de modelado computacional de conjuntos (EM) para la construcción de poblaciones de modelos cinéticos no manejan de manera sistemática la incertidumbre que subyace a las conclusiones basadas en modelos. Este trabajo se enfoca en el uso de enfoques de inferencia estadística para cuantificar el nivel de confianza para el cual ciertas conclusiones del modelo se encuentran dentro de los intervalos de confianza, con la propuesta del primer flujo de trabajo computacional para asignar significado estadístico a los resultados de EM en biología de sistemas.
Este artículo fue realizado por Tuure Hameri (Swiss Federal Institute of Technology (EPFL), Lausanne, Switzerland), Marc-Olivier Boldi (University of Lausanne, Lausanne, Switzerland), Vassily Hatzimanikatis (Swiss Federal Institute of Technology (EPFL), Lausanne, Switzerland) para PLoS Comput Biol (Vol. 15, núm. 12, 2019), una revista especializada en estudios sobre sistemas vivos en todas las escalas, desde moléculas y células hasta poblaciones de pacientes y ecosistemas, mediante la aplicación de métodos computacionales. Esta es una publicación de PLoS (San Francisco, California, US). Correo de contacto: [email protected]
- Video:Ingeniería de levaduras para biotecnología industrial
- Fuente:Yeast Research
