Reaction-contingency based bipartite Boolean modelling.
Reaction-contingency based bipartite Boolean modelling.
复制标题
DOI：
10.1186/1752-0509-7-58
复制
发表时间：
2013-07-08
影响因子：
--
通讯作者：
Krantz M
中科院分区：
文献类型：
--
作者：
Flöttmann M;Krause F;Klipp E;Krantz M
细胞内信号系统非常复杂，使得大型信号网络的数学建模不可行或不切实际。布尔建模提供了一种可行的方法来全网络建模，但在成本的去量化和激活的去语境化。也就是说，这些模型无法区分在不同上下文中激活的相同组件所扮演的不同下游角色。在这里，我们解决这个问题的二分布尔建模方法。简而言之，我们使用一个面向状态的方法，根据反应和突发事件单独的更新规则。这种方法保留了上下文激活信息，并区分通过单个组件的不同信号。此外，我们将这种方法集成在rxncon框架中，以支持自动模型生成和迭代模型定义和验证。我们基准这种方法与以前映射的MAP激酶网络在酵母中，表明轻微的调整足以产生一个功能性的网络描述。两者合计，我们（一）提出了一个二分布尔建模方法，保留上下文激活信息，（二）提供软件支持自动模型生成，可视化和模拟，及（iii）演示其用于迭代模型生成和验证。
Intracellular signalling systems are highly complex, rendering mathematical modelling of large signalling networks infeasible or impractical. Boolean modelling provides one feasible approach to whole-network modelling, but at the cost of dequantification and decontextualisation of activation. That is, these models cannot distinguish between different downstream roles played by the same component activated in different contexts. Here, we address this with a bipartite Boolean modelling approach. Briefly, we use a state oriented approach with separate update rules based on reactions and contingencies. This approach retains contextual activation information and distinguishes distinct signals passing through a single component. Furthermore, we integrate this approach in the rxncon framework to support automatic model generation and iterative model definition and validation. We benchmark this method with the previously mapped MAP kinase network in yeast, showing that minor adjustments suffice to produce a functional network description. Taken together, we (i) present a bipartite Boolean modelling approach that retains contextual activation information, (ii) provide software support for automatic model generation, visualisation and simulation, and (iii) demonstrate its use for iterative model generation and validation.
登录
查看更多内容
影响因子：
4.3
作者：
Saez-Rodriguez J;Simeoni L;Lindquist JA;Hemenway R;Bommhardt U;Arndt B;Haus UU;Weismantel R;Gilles ED;Klamt S;Schraven B
通讯作者：
Schraven B
影响因子：
3
作者：
Krumsiek J;Pölsterl S;Wittmann DM;Theis FJ
通讯作者：
Theis FJ
影响因子：
3.5
作者：
García-Rodríguez, LJ;Valle, R;Roncero, C
通讯作者：
Roncero, C
影响因子：
--
作者：
Albert, Istvan;Thakar, Juilee;Li, Song;Zhang, Ranran;Albert, Reka
通讯作者：
Albert, Reka
影响因子：
3.3
作者：
Levin, David E.
通讯作者：
Levin, David E.