Modeling metabolism: A window toward a comprehensive interpretation of networks in cancer

با توجه به ماهیت چند فاکتورهای سرطان، کشف تغییرات متابولیک و ارزیابی پیامدهای آن یک چالش عمده در علوم زیست پزشکی است که در طراحی مطلوب درمان های شخصی کمک خواهد کرد. پیشرفت تکنولوژی های باالطبیعه، یک فرصت ارزشمند برای نظارت بر فعالیت در سطوح مختلف بیولوژیکی و کشف نحوه تولید سرطان، تکامل و واکنش تحت درمان های مواد مخدر است. برای این منظور، محققان با دو پرسش اساسی مواجه هستند: چگونگی تفسیر داده های با توان بالا و نحوه استفاده از این اطلاعات در توسعه درمان شخصی در بیماران. طرح های متنوعی در زیست شناسی سیستم پیشنهاد شده است تا با استفاده از مدل سازی محاسباتی و داده های با توان بالا، ویژگی های فنوتیپیک مرتبط با سرطان مشخص شود. این طرح های نظری با توجه به پیچیدگی مکانیسم های بیولوژیکی که آنها نمایان می شوند و با روش های محاسباتی که برای شبیه سازی آنها استفاده می شود، متمایز می شوند. به طور مشخص، این رویکردهای نظری، یک چارچوب مناسب برای کشف برخی از مکانیزم های متمایز متابولیک مشاهده شده در سلول های سرطانی مانند اثر واربورگ را فراهم کرده است. در این بررسی، ما تمرکز خود را بر ارائه یک دید کلی از برخی از این رویکردها که کاربرد و یکپارچگی در انتقال از نتایج محلی و جهانی در مطالعات سرطان بسیار مهم است. ما متقاعد شده ایم که رویکردهای چند رشته ای برای ساختن پایگاه طبقاتی یکپارچه و شخصی که ضروری و اصلی در پزشکی این قرن بوده است، ساخته شده است.