CC BY
22Компьютерная биология
155
позволяющих клетке при всем многообразии протекающих в ней процессов в результате митоза перейти в строго ожидаемое состояние.
К настоящему времени предложено множество математических моделей, описывающих отдельные стадии митоза на уровне как всей клетки, так и ее частей [1]. Результаты численного моделирования верифицируются путем сопоставления с данными экспериментов, однако это не всегда позволяет исключить конкурирующие интерпретации одних и тех же явлений.
В докладе представлены промежуточные результаты проекта разработки расширяемой мета-модели, описывающей три последовательные фазы митоза, а также ее реализации в виде программного комплекса с открытым исходным кодом [2]. В отличие от схожих работ, подобная концепция "модели-конструктора" позволяет оценить долгосрочный эффект от выбора конкретных моделей микро-уровня, например, проверить, как влияет рост тубулиновых микротрубочек на процесс центрирования хромосом перед их расхождением.
Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-07-01164а. Список литературы
1. Mcintosh R. et. al., Quarterly Reviews of Biophysics 45, 2 (2012), pp. 147-207.
2. Портал проекта MiCoSi: https://github.com/m-krivov/MiCoSi (дата обращения: 23.03.2019).
Методы компьютерного моделирования иерархических биологических систем
С. А. Лашин1,2, Ф. В. Казанцев1,2, А. И. Клименко1,2 Т. Н. Лахова1, А. А. Смирнова1,2, Ю. Г. Матушкин1,2
1 Федеральный исследовательский центр Институт цитологии и генетики СО РАН
2Новосибирский государственный университет
Email: [email protected]
DOI: 10.24411/9999-017A-2019-10314
Биологические системы являются сложноорганизованными иерархическими системами, с взаимной регуляцией внутри и между различными уровнями организации. Мы представляем методы моделирования подобных систем, а также серию программных комплексов, ориентированных на решение задач в области микробиологии [1-2], популяционной генетики и молекулярной эпидемиологии [3]. Используются агентно-ориентированные многоуровневые модели, учитывающая такие уровни биологической организации как генетический, метаболический, клеточный, популяционный, экологический, а также социальный. Для каждого уровня реализованы библиотеки подмоделей, что позволяет исследовать комплексную модель, комбинируя различные сочетания подмоделей между собой. Наиболее представленной является библиотека метаболических подмоделей, в которой содержатся как простые модели отдельных метаболических реакций, так и сложные модели метаболических систем. В работе также приводится описание Интернет-доступного программного комплекса MAMMOTh [4] (http:// mammoth.biomodelsgroup.ru), содержащем базу данных и средства построения комплексных моделей молекулярно-генетических систем бактерий.
Работа выполнена при финансовой поддержке Бюджетного Проекта (код проекта 0259-2019-0008). Список литературы
1. Lashin S.A. et al. HEC 2.0: improved simulation of the evolution of prokaryotic communities // Математическая биология и биоинформатика. 2014. Т. 9, № 2, С. 585-596.
2. Klimenko A.I. et al. Spatial heterogeneity promotes antagonistic evolutionary scenarios in microbial community explained by ecological stratification: a simulation study // Ecological modelling. 2019. Т. 16, № 1, S10.
3. Lashin S.A. et al. Agent-based modelling of genetic deafness propagation under various sociodemographic conditions // Proceedings of the 3rd International Symposium "Mathematical Modeling and High-Performance Computing in Bioinformatics, Biomedicine and Biotechnology". Novosibirsk: 2018. P. 41.
4. Kazantsev F.V. et al. MAMMOTh: a new database for curated MAthematical Models of bioMOlecular sysTems // Journal of bioinformatics and computational biology. 2018. Т. 16, № 01, 1740010.
