Modelo Matematico INTRO - En.es

Traducido del inglés al español - www.onlinedoctranslator.
com
BRIEFINGS EN BIOINFORMÁTICA.VOL 14. NO 4. 411̂ 422 Acceso doi:10.1093/bib/bbs061

anticipado publicado el 14 de octubre de 2012
Modelado matemático de sistemas

biológicos.
Santo Motta y Francesco Pappalardo
Presentado: 30 de abril de 2012; Recibido (en forma revisada): 23 de julio de 2012
Abstracto
Los modelos matemáticos y computacionales se utilizan cada vez más para ayudar a interpretar los datos biomédicos producidos por
proyectos de genómica y proteómica de alto rendimiento. La aplicación de modelos informáticos avanzados que permiten simular
procesos biológicos complejos genera hipótesis y sugiere experimentos. Los modelos, debidamente interconectados con bases de
Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

datos biomédicas, son necesarios para acceder rápidamente al conocimiento y compartirlo mediante enfoques de extracción de datos
y descubrimiento de conocimiento.
Palabras clave:biología matemática; modelos computacionales; Biologia de sistemas
INTRODUCCIÓN datos almacenados en bases de datos biomédicas mediante enfoques de
Las revoluciones en la biotecnología y la tecnología de la información minería de textos y descubrimiento de conocimientos.
han producido enormes cantidades de datos y están acelerando el El modelado es la actividad humana consistente en
proceso de descubrimiento de conocimientos sobre los sistemas representar, manipular y comunicar objetos de la vida
biológicos. Estos avances están cambiando la forma en que se llevan cotidiana del mundo real. Como uno puede darse cuenta
a cabo la investigación, el desarrollo y las aplicaciones biomédicas. fácilmente, hay muchas maneras de observar un objeto o,
Los datos clínicos complementan los datos biológicos, lo que permite de manera equivalente, hay muchos observadores
descripciones detalladas de los estados tanto sanos como enfermos, diferentes para el mismo objeto. Cualquier observador tiene
así como la progresión de la enfermedad y la respuesta a las "diferentes puntos de vista" sobre el mismo objeto, es decir,
terapias. La disponibilidad de datos que representan diversos "no existe ningún observador omnisciente con acceso
estados y procesos biológicos y sus dependencias temporales especial a la verdad". Cada observador diferente recopila
permite el estudio de sistemas biológicos en varios niveles de datos y genera hipótesis que son consistentes con los datos.
organización, desde moléculas hasta organismos e incluso hasta el Este proceso lógico se llama "abducción". Sin embargo, la
nivel de población [3-5]. Múltiples fuentes de datos respaldan un abducción no es infalible; Respecto a una incógnita
conjunto de conocimientos biomédicos en rápido crecimiento; sin científica, todos estamos ciegos.
embargo, nuestra capacidad para analizar e interpretar estos datos Un sistema es una colección de objetos interrelacionados.
está muy por detrás de la capacidad de generación y Por ejemplo, un sistema biológico podría ser un conjunto de
almacenamiento de datos. Los modelos matemáticos y diferentes compartimentos celulares (por ejemplo, tipos de
computacionales se utilizan cada vez más para ayudar a interpretar células) especializados en una función biológica específica
los datos biomédicos producidos por proyectos de genómica y (por ejemplo, los glóbulos blancos y rojos tienen
proteómica de alto rendimiento. La aplicación de modelos compromisos muy diferentes). Un objeto es una unidad
informáticos avanzados que permiten simular procesos biológicos elemental sobre la cual se puede realizar observación pero
complejos genera hipótesis y sugiere experimentos. Los modelos cuya estructura interna se desconoce o no existe. La elección
computacionales están preparados para explotar la riqueza de de la unidad elemental define la escala de representación
del sistema. Un modelo es una descripción de un sistema en
Autor correspondiente. Santo Motta, Departamento de Matemáticas e Informática, Universidad de Catania, V.le A. Doria, 6, 95125
Catania, Italia. Tel.:þ39 095 7383073. Fax:þ39 095 330094. Correo electrónico: motta@dmi.unict.it
Santo Mota,Laurea en Física (Universidad de Catania, 1970) y MSc en Matemáticas Aplicadas (Universidad de Londres, Queen Mary
College, 1971). Profesor asociado de Física Matemática (Facultad de Farmacia, Departamento de Matemáticas e Informática,
Universidad de Catania). Sus intereses científicos actuales son BioMaths, BioComputing y BioInformatics.
Francesco PappalardoEs investigador de la Universidad de Catania. Fue investigador científico visitante en el Instituto del Cáncer Dana-Farber
en Boston y en los Laboratorios de Inmunogenética Molecular, IMGT en Montpellier. Su principal área de investigación es la biología
computacional.
- El autor 2012. Publicado por Oxford University Press. Para obtener permisos, envíe un correo electrónico a: journals.permissions@oup.com
412 Motta y Pappalardo
términos de objetos constitutivos y las relaciones entre Este artículo está organizado de la siguiente manera: en
ellos, donde la descripción misma es, en general, las dos secciones siguientes (Modelos de sistemas y El
decodificable o interpretable por humanos. proceso de modelado), describimos los tipos de modelos y
En términos generales, un sistema es una "caja negra" los procesos de modelado en las investigaciones científicas
desconocida (S) que, ante un estímulo externo específico en un contexto general; luego en la siguiente sección
(entrada E), produce una respuesta (salida R) [19]. Utilizando (Modelos en Biología: Escalas y Complejidad) vamos más
esta definición general, se pueden identificar tres usos específicos y hablamos de modelos en biología y medicina;
científicos principales de los modelos [12]: (i) síntesis o En la sección 'Herramientas y aplicaciones' se muestran
descubrimiento de conocimiento; utilizar el conocimiento de brevemente algunos ejemplos de modelos; Finalmente
las entradas E y las salidas R para inferir las características sacamos nuestras 'Conclusiones' en la última sección.
del sistema; (ii) análisis y predicción; utilizar el conocimiento
de las partes y sus estímulos (es decir, las entradas E) para
MODELOS DE SISTEMAS

dar cuenta de la respuesta observada (es decir, la salida R) y,
eventualmente, predecir la respuesta a diferentes estímulos. No todos los modelos científicos se expresan de forma
(iii) Instrumentación o dispositivo; diseñar un 'sistema precisa, numérica y cuantitativa. En realidad, se pueden
alternativo' (es decir, hardware o software), capaz de identificar cuatro tipos diferentes de modelos: modelos
reproducir la relación entrada-salida con la mejor verbales, modelos conceptuales o esquemáticos, modelos
adherencia posible al sistema estudiado. físicos y modelos formales.
Los usos secundarios de los modelos representan marcos En este artículo, nos centramos principalmente en modelos
conceptuales para diseñar nuevos experimentos, métodos para esquemáticos y formales y nos concentramos en el proceso de
resumir o sintetizar grandes cantidades de datos y herramientas construcción del modelo.
para descubrir relaciones entre objetos.

En este artículo analizamos modelos y procesos de modelado Modelos verbales
específicos de la biología. Nos centramos principalmente en el En los modelos verbales el sistema se describe con
uso de modelos dirigidos a los puntos (i) y (ii) como palabras. Estos modelos, basados en observaciones,
herramientas para el descubrimiento de conocimientos en suelen evidenciar de forma sencilla los objetos y las
biología. Los métodos matemáticos utilizados en el modelado relaciones entre los objetos del sistema. Un modelo
de sistemas biológicos varían según los diferentes pasos del verbal es una representación cualitativa aproximada y a
proceso. Nos centramos en la representación matemática del veces ambigua del conocimiento del sistema. Este tipo de
sistema. Sin embargo, otros pasos importantes en los procesos modelos se utilizan en la primera aproximación al
de modelado son el ajuste de parámetros y la selección del análisis del sistema biológico.
modelo. No analizaremos los métodos matemáticos en esos dos
aspectos importantes, ya que requerirían artículos de revisión Modelos conceptuales o esquemáticos.
separados. Los métodos de ajuste de parámetros se refieren a En los modelos conceptuales o esquemáticos, el sistema se
una amplia área de optimización matemática, mientras que los describe mediante una representación gráfica de los objetos
métodos de selección de modelos utilizan principalmente y las relaciones que describen los procesos dinámicos
técnicas estadísticas. Además de esto, es posible que se subyacentes. Para desarrollar este tipo de modelos, la
requieran análisis de sensibilidad y análisis del espacio de fases comprensión de los datos disponibles debe ser suficiente
de los modelos. Los lectores interesados pueden encontrar más para tener una idea detallada (aunque no exhaustiva) de los
información en estas referencias: [11, 15, 20]. objetos (o entidades) y las relaciones. Un modelo conceptual
(CM) representa 'conceptos' (objetos o entidades) y las
Los modelos para uso técnico son modelos formales, relaciones entre ellos. En informática, los CM también se
pero la estrategia para construirlos es bastante diferente denominan modelos de dominio. Un CM es expresamente
y por lo tanto los dejamos fuera de la presente discusión. independiente del diseño y libre de preocupaciones de
En lo sucesivo nos referiremos a este tipo de modelos implementación. El objetivo de un CM es transmitir el
como Black Box Models (BBM). Vale la pena señalar que, significado de los términos y conceptos utilizados por los
como mencionaremos más adelante, los sistemas 'expertos en el dominio' para racionalizar el problema y
alternativos pueden considerarse partes de un modelo encontrar relaciones entre los diferentes conceptos. El CM
grande para dar cuenta de efectos cuyo origen puede pretende aclarar el significado de términos habitualmente
ignorarse sin comprometer la comprensión de todo el ambiguos para minimizar en la medida de lo posible los
fenómeno. problemas derivados de
Modelado matemático de sistemas biológicos. 413
diferentes interpretaciones de términos y conceptos. Si se diferentes partes o compartimentos (es decir, órganos) con
dispone de una 'ontología de dominio', entonces el significado diferentes funciones. En este caso, los 'modelos de
de la variedad de términos utilizados debería estar vinculado a compartimentos' se utilizan ampliamente y cada compartimento
ella. Una vez que se han modelado los conceptos del dominio, el puede elegir una representación matemática diferente. Los
modelo se convierte en una base estable para el desarrollo modelos también pueden representar variables físicas de
posterior de aplicaciones en ese dominio específico. Además, los diferentes maneras. Además, el modelo puede considerar o no
conceptos detrás del modelo conceptual se pueden asignar a la evolución del sistema con respecto al tiempo (modelos
construcciones de diseño o implementación física utilizando dinámicos versus estáticos). El tiempo puede tratarse como una
enfoques de generación de código manual o automatizado. variable continua o discreta (modelos de tiempo continuo versus
modelos de tiempo discreto). Asimismo, la distribución espacial
Un modelo conceptual se puede describir utilizando de los objetos en cada compartimento puede ser relevante o no
varias notaciones, como Lenguaje de modelado unificado (modelos espacialmente heterogéneos versus homogéneos). Por
(UML) [34, 9], Técnica de modelado de objetos (OMT) para el

último, los objetos similares pueden tratarse como individuos o
modelado de objetos [32], o Ingeniería de la información o tomarse en masa (modelos de partículas versus modelos de
Definición de integración para el modelado de información población). En el primer caso, los objetos individuales se
(IDEF1X) para Modelado de relaciones entre entidades [6]. identifican por un estado único o por un número grande, pero
En notación UML, el modelo conceptual a menudo se finito, de estados (partícula de un estado versus autómatas de
describe con un diagrama de clases en el que las clases estados finitos). Por último, las relaciones entre objetos pueden
representan conceptos, las asociaciones representan describirse como reglas deterministas o estocásticas (modelos
relaciones entre conceptos y el tipo de rol de una asociación deterministas versus estocásticos).
representa los tipos de roles adoptados por instancias de los
conceptos modelados en diversas situaciones. De acuerdo con las diferentes opciones de modelado, se
pueden obtener modelos de uno o varios compartimentos,
Modelos fisicos incluido el transporte, ecuaciones diferenciales evolutivas
En los modelos físicos la representación se realiza mediante versus ecuaciones algebraicas o ecuaciones diferenciales
una maqueta de un sistema u objeto real (como un modelo a parciales espaciales, ecuaciones diferenciales versus
escala de un avión o de un barco). Este tipo de modelos son ecuaciones en diferencias, ecuaciones diferenciales
de mayor interés para los ingenieros. Se utilizan ordinarias (ODE) versus ecuaciones diferenciales parciales
ampliamente cuando las propiedades del sistema son casi (PDE), métodos cinéticos, métodos basados en agentes
"invariantes de escala", es decir, independientes del tamaño (ABM) o autómatas celulares (CA) versus ODE o PDE;
del modelo físico construido para representar el sistema real métodos deterministas (ODE o PDE, etc.) versus métodos
para producir prototipos a menor escala. estocásticos (ODE y PDE estocásticos).
Modelos formales Modelos estadísticos y basados en inteligencia artificial. Un

Los modelos formales representan el conocimiento del sistema modelo estadístico es una formalización de las relaciones
mediante estructuras matemáticas. La representación entre variables (es decir, las características medibles de un
matemática del modelo depende del conocimiento del sistema, objeto) en forma de ecuaciones matemáticas, la única
de algunas elecciones de modelado (por ejemplo, la escala diferencia con los modelos matemáticos descritos
espacial de representación) y del objetivo del proceso de anteriormente es que en estadística, todas las variables y/o
modelado. Existe una gran variedad de métodos matemáticos/ parámetros del modelo incluyen un nivel de incertidumbre.
computacionales que se pueden utilizar y la selección del Cuando la relación entre dos objetos es demasiado compleja
adecuado sigue reglas que a menudo son cuestión de para adivinarla fácilmente, se puede recurrir a medidas
experiencia. A primera vista, hay pocas preguntas que uno probabilísticas y métodos estadísticos o de inteligencia
pueda plantearse para abordar la elección del método artificial para reproducir la relación de respuesta (ver, por
matemático/computacional adecuado. Esas preguntas están ejemplo, referencias [21, 22, 37]). En este tipo de modelos, el
relacionadas principalmente con la descripción del sistema con análisis detallado de los componentes del sistema suele
respecto a sus diferentes partes o componentes, las variables ignorarse porque el objetivo del modelo se limita a
físicas espacio y tiempo, el tipo de relaciones entre los objetos y reproducir la relación estímulo/respuesta del sistema.
la representación de los objetos.per se.En biología de sistemas, Ejemplos de este enfoque son los modelos agrupados que
un sistema es visto como un conjunto de utilizan circuitos equivalentes, redes neuronales, etc.
EL PROCESO DE MODELADO sistema que queremos modelar, ya que algunas informaciones

El proceso de modelación consta de los siguientes pasos: (i) pueden ser más relevantes que otras.
implementación del modelo consistente en describir mediante
un lenguaje formal los objetos/relaciones identificados en el Conocimiento actual
sistema en estudio utilizando una estructura matemática y/o un Un segundo paso crucial en el proceso de modelado es
código informático; (ii) utilizar el modelo para pronosticar el recopilar el conocimiento sobre el sistema bajo
comportamiento del sistema y (iii) evaluar la adherencia del investigación. Esto se lleva a cabo consultando la literatura
modelo a la realidad haciendo coincidir las predicciones con los científica, incluidos informes experimentales y/o discutiendo
datos disponibles. con expertos en el campo. En el campo biomédico, los
Encontrar un buen modelo es un problema. El modelado es conjuntos de datos de registros bibliográficos (por ejemplo,
un problema difícil en sí mismo y el fracaso no es un Pubmed) pueden facilitar enormemente la tarea de explorar
acontecimiento raro. El procedimiento de modelado es un la gran cantidad de información disponible hoy en día. En

proceso en sí mismo que sigue un conjunto de reglas este sentido, los métodos de minería y extracción de datos
semiformales. La metodología se apoya en cuatro macro pasos pueden resultar muy útiles [17].
[31]: (i) comprender el problema, es decir, definir claramente las
preguntas que se le hacen al modelo; (ii) diseñar un plan para
Estructura del modelo
resolver el problema, es decir, definir una serie de pasos a poner
Un modelo es una representación de un sistema real y tiene su
en práctica para encontrar un modelo adecuado del sistema
propia estructura. En aras de la manejabilidad, la estructura del
bajo investigación. Este paso incluye la adquisición de
modelo debe incluir, de todos los conocimientos adquiridos, sólo
conocimientos y datos de expertos en el campo y literatura,
aquellos que se consideren relevantes para el propósito del
estructura del modelo, hipótesis del modelo, modelo conceptual,
estudio ("Realismo"); También se debe determinar el nivel de
elegir el formalismo matemático apropiado, resolver el modelo
detalle de los resultados del modelo. a priori ('Precisión');
formal, obtener los resultados, verificar que los resultados del
finalmente, un modelo puede ser general, es decir aplicable a
modelo coincidan con los datos disponibles, etc. (iii) ejecutar el
otros sistemas similares o específico del sistema de interés
plan, es decir, realizar los pasos indicados en (ii) y
('Generalidad'). Realismo, precisión y generalidad son
(iv) verificar la exactitud de la respuesta y eventualmente
propiedades en competencia. Cada una de estas propiedades se
refinar el modelo. Este último punto es una prueba
compensa con las otras dos. Decidir una estructura modelo es
importante para evaluar la hipótesis formulada al establecer
encontrar un equilibrio adecuado entre aquellas propiedades en
el modelo.
competencia que satisfacen los objetivos del modelo. La decisión
Como se mencionó anteriormente, nos interesan
sobre la estructura del modelo es crucial para definir la hipótesis
principalmente los modelos para el análisis y las
del modelo, la construcción del modelo esquemático y la
predicciones. Para estos modelos, la descripción clásica
formulación matemática.
del proceso de modelado se muestra en la Figura 1. Vale
la pena mencionar que el esquema ilustrado en la Figura
1 no pretende ser el más general: es un enfoque general
que se puede utilizar en los modelos de análisis y Hipótesis
predicción. El siguiente paso en el proceso de modelado es traducir
los objetivos y el conocimiento actual que deseamos
incluir en el modelo en una lista de hipótesis de trabajo
Objetivos del modelo
específicas. Suelen ser declaraciones verbales, pero
Como ya señalamos, una adecuada definición de los
también pueden ser relaciones cuantitativas. Las
objetivos del modelo es un paso fundamental ya que
hipótesis de trabajo son la base del modelo que vamos a
implica un cierto nivel de comprensión del problema. La
construir y los resultados del modelo dependerán de
razón para construir un modelo debe ser clara y una
ellas. Al realizar el refinamiento cíclico del modelo, la
clarificación adecuada del objetivo debe responder a las
hipótesis inicial debe analizarse crítica y repetidamente.
preguntas principales: (i) cuál es el sistema a modelar; (ii)
cuáles son las principales cuestiones que debe abordar el
modelo; (iii) ¿Qué tan bueno debe ser el modelo y con Modelo conceptual
qué se comparará? (iv) ¿Cómo analizaremos y El modelo conceptual es una representación gráfica del
utilizaremos el resultado del modelo? Todas estas conocimiento relevante del sistema y los objetivos del
preguntas deben aclararse antes de continuar con la modelo que se han identificado en las hipótesis. En el
búsqueda del conocimiento actual sobre la modelo conceptual los compartimentos, objetos y

Figura 1:La descripción del proceso de modelado. La parte superior de la figura se refiere a la formulación del modelo, es decir, la
identificación de los objetivos del modelo; recopilación del conocimiento actual sobre el sistema biológico bajo investigación; elegir la
estructura del modelo más apropiada para satisfacer los objetivos del modelo; traducir objetivos y conocimientos en hipótesis
modelo; dibujar un modelo conceptual; Identificar la técnica matemática y desarrollar el modelo formal. La parte central de la figura
se refiere a la calibración, es decir, a la estimación y ajuste de los parámetros del modelo. Finalmente, la parte inferior de la figura se
refiere al análisis y evaluación, es decir, la comparación de los resultados del modelo con conjuntos de datos experimentales y el
análisis de discrepancias.
Las relaciones se describirán en un diagrama donde el conjunto de relaciones vagas en términos estrictamente matemáticos.
objetos está completamente aclarado y las relaciones delimitadas. Notablemente, los objetivos del modelo juegan un papel
importante porque una descripción detallada del sistema
formulación matemática biológico puede resultar inútil si no es requerida por los
Esta suele ser la parte más complicada del proceso de objetivos del modelo.
modelado, ya que requiere la elección de una estructura Elegir una formulación matemática es mapear el
matemática que sea apropiada para los objetivos del modelo en el dominio matemático para obtener un
modelo y sea capaz de describir en forma cuantitativa las modelo formal. Un buen modelo formal debe ser un
hipótesis. Este paso del proceso requiere un cierto nivel compromiso entre las propiedades en competencia de
de sofisticación matemática y, lo que es más importante, cualquier modelo (realismo, precisión y generalidad) y
requiere definir conceptos vagos y debe tener en cuenta algunas especificidades de
el dominio matemático. En consecuencia, podemos debe ser elegido cuidadosamente. Los modelos de sistemas
identificar las principales propiedades de los modelos biológicos pueden involucrar decenas de variables dinámicas y
formales de la siguiente manera: "relevancia", que captura miles de parámetros, especialmente cuando se investigan
las propiedades esenciales del fenómeno; 'computabilidad', procesos espaciales. En este sentido, verificar que los resultados
transferir la hipótesis del modelo a una infraestructura de la computadora coincidan con los datos disponibles no es un
matemática/computacional que pueda resolverse para dar ejercicio trivial.
los resultados deseados con la precisión requerida;
'comprensibilidad', que ofrece un marco conceptual para
pensar sobre el ámbito científico; 'extensibilidad', que
Estimación y ajuste de parámetros.
Una vez que la formulación del modelo se ha traducido en una
permite la inclusión de objetos adicionales del mundo real
computadora, es necesario un paso más antes de poder ejecutar
en el mismo esquema matemático. Teniendo en cuenta la
una simulación. Los modelos complejos suelen contener muchos
complejidad biológica, un modelo muy detallado de un
parámetros cuyo valor numérico debe determinarse. En biología
sistema biológico puede resultar inadecuado para la

esto puede no ser una tarea fácil ya que los valores numéricos
resolución automática, es decir, no computable (por
de los parámetros, si se pueden medir directamente, a menudo
ejemplo, demasiadas ecuaciones por resolver o demasiados
se conocen con una gran incertidumbre. Los métodos de ajuste
parámetros desconocidos por estimar); por el contrario, un
de parámetros se basan principalmente en técnicas de
modelo demasiado simplista puede no ser capaz de dar
optimización que minimizan la diferencia entre los datos
cuenta de la complejidad del sistema biológico de interés.
experimentales reales y los resultados del modelo. Existe una
variedad de técnicas que van desde métodos estocásticos hasta
Un buen modelo formal debe ser comprensible para los
métodos de descenso de gradiente [11]. En algunos casos,
expertos en el campo para que puedan utilizarlo en su
pueden ser necesarios experimentos específicos para estimar
propio razonamiento cuantitativo. Finalmente, como la
parámetros (ver, por ejemplo, el modelo de influenza descrito en
biología es una ciencia de rápido crecimiento, la
la referencia [30]). Sin embargo, un modelo puede contener
extensibilidad es una característica importante de los
parámetros que no pueden estimarse.a priori.En estos casos se
modelos biológicos. Cuando se derivan nuevos objetos y
puede tener unaposteriormenteEstimacion. Esto significa que
relaciones en el sistema a partir de experimentos de
los valores de los parámetros pueden estimarse medianteotro
laboratorio, debería ser fácil ampliar el modelo con cambios
modelo hechoad hocsólo para ajustarse a los datos disponibles
menores en la estructura matemática.
En la mayoría de los casos los modelos están equipados [14, 29].
con una sola estructura matemática de las mencionadas

anteriormente. Sin embargo, también existen modelos
"híbridos" en los que se utilizan diferentes estructuras Validación de modelos y refinamiento cíclico.
matemáticas en combinación, pero también modelos que La comparación de los resultados del modelo o simulaciones es
añaden a una descripción detallada del sistema de interés
la parte final del proceso de modelado. El objetivo general de un
otros tipos de modelos (por ejemplo, BBM), que imitan los
modelo es reproducir datos de observaciones o experimentos
efectos de otros sistemas interconectados con el sistema.
(modelos descriptivos) o predecir el resultado de nuevas
uno bajo investigaciones.
observaciones o experimentos (modelos predictivos).
Describiremos algunos modelos híbridos en la sección
Obviamente, los resultados deben validarse de acuerdo con los
'Herramientas y aplicaciones'.
objetivos del modelo. En algunos casos, un acuerdo cualitativo
entre los resultados del modelo y los datos experimentales es
De la formulación matemática a la adecuado; en otros casos, es necesario un acuerdo cuantitativo.
solución numérica Es una práctica común para la validación de modelos requerir
Sólo se pueden analizar analíticamente modelos muy simples (es que los resultados del modelo se validen con conjuntos de datos
decir, mediante derivación algebraica de las propiedades del independientes. Los resultados del modelo que no se ajustan al
sistema). En la mayoría de los casos, el modelo se implementa conjunto de datos experimentales a pesar de los cambios en los
directamente como un código de computadora (es decir, similar a un parámetros libres del modelo, sugieren un mayor refinamiento
algoritmo en ABM) o las ecuaciones deben resolverse del modelo. En este sentido, en el camino de ida y vuelta entre el
numéricamente. Incluso si existe una variedad de métodos para refinamiento del modelo y la validación de datos se pueden
resolver ecuaciones, transferir ecuaciones a código de computadora descubrir propiedades interesantes del sistema de interés. El
es una posible fuente de error y un método apropiado para evitar proceso en sí conduce al descubrimiento de nuevos
errores debido a inestabilidades numéricas. conocimientos.
MODELOS EN BIOLOGÍA: ESCALAS Y procesos. Por lo tanto, la escala celular está altamente
COMPLEJIDAD conectada con la escala subcelular pero, al modelar a esta
Como ya se señaló, cualquier fenómeno natural se puede escala, uno puede olvidar los detalles de los modelos
observar a diferentes escalas, por lo que al describir el unicelulares y considerarlos como BBM. Las áreas de métodos y
fenómeno mediante modelos conceptuales y cuantitativos herramientas matemáticas involucradas en esta descripción se
es necesario elegir la escala apropiada para describir los refieren a la mecánica estadística, los autómatas celulares, el gas
datos experimentales disponibles. reticular y otros enfoques similares.
Sin embargo, en casi todos los fenómenos naturales La 'escala macroscópica' incluye tejidos, órganos (es decir, un
complejos hay aspectos que ni siquiera pueden observarse conjunto de tejidos unidos en una unidad estructural para
en una sola escala de descripción (ya sea temporal o cumplir una función común), sistemas (es decir, un grupo de
espacial). Para estudiar estas facetas específicas de la órganos que trabajan juntos para realizar una determinada
realidad, se requieren modelos multiescala que representen tarea) y organismos.

objetos y relaciones en diferentes niveles de abstracción. En esta escala, lo que interesa es describir el
La elección de una escala depende de qué aspectos comportamiento dinámico de cantidades observables, en la
del fenómeno, desde "micro" hasta "macro", uno está mayoría de los casos, las concentraciones de diversas
interesado en analizar. En física, este es un enfoque entidades (células o moléculas). Los tejidos normalmente se
bien definido que proviene de diferentes áreas de describen utilizando técnicas que se originan en sistemas
investigación, y la distinción entre diferentes escalas físicos continuos, es decir, ecuaciones diferenciales
se basa en las longitudes características de los ordinarias o parciales o momentos de ecuaciones cinéticas.
objetos y el tiempo característico de los fenómenos Al describir órganos, se requiere un modelo para describir
investigados. Por ejemplo, la microfísica se refiere a tanto el tejido principal como los tejidos esporádicos pero
áreas de la física que estudian fenómenos que tienen también, y lo más importante, la función biológica. Para
lugar en escala microscópica (escalas de longitud <1 modelar un sistema, es necesario considerar una red de
mm), como: física molecular, física atómica, física órganos que realizan una tarea específica. Dependiendo del
nuclear y física de partículas. objetivo del modelado, el modelo de un sistema biológico se
En las ciencias biológicas la definición de escala es un puede organizar con diferentes niveles de detalle. Los
poco más ambigua. Una unidad básica disponible para órganos pueden describirse completamente en sus
definir una escala es la "celda" sin tener en cuenta su componentes o simplemente como BBM que realiza una
dimensión física. A partir de esto, se pueden definir tarea determinada. Las conexiones entre órganos (como los
diferentes escalas: la escala 'subcelular' o 'intracelular', la vasos linfáticos) se pueden describir físicamente (descripción
escala 'celular', mesoscópica o 'intercelular', la 'escala dinámica del movimiento del líquido en los vasos) o
macroscópica' y la 'escala de poblaciones'. simplemente considerando el flujo y el tiempo necesario
Los modelos desarrollados a escala subcelular abordan la para mover porciones de líquido de diferentes órganos, es
evolución del estado físico y bioquímico de una sola célula. decir, mediante la ley de transporte.
Esta escala involucra genes, proteínas y señales en el núcleo Finalmente, en la escala poblacional, interesa describir
y la superficie celular, que regulan la evolución de la célula y la dinámica de las poblaciones con respecto a una o más
cualquier operación de procesamiento de señales de las características. Los modelos de epidemias o controles de
células que permita la diafonía celular. población son modelos bien conocidos a esta escala. La
Modelar la actividad general de una sola célula es un dinámica de poblaciones es extremadamente compleja
problema muy difícil ya que se desconocen muchos detalles porque los efectos de todas las escalas mencionadas
biológicos de esta actividad. anteriormente y los efectos del medio ambiente sobre un
Biólogos y modeladores han unido fuerzas para solo organismo pueden modificar la dinámica general de
desarrollar y utilizar técnicas matemáticas e informáticas las poblaciones. En esta clase de modelos, un solo
para modelar fenómenos subcelulares. Los lectores organismo puede o no describirse en detalle, según el
interesados pueden encontrar numerosas referencias tamaño de las poblaciones que se requiere describir. En
en la literatura científica [13]. ambos casos, se deben tener en cuenta los cambios de
En la escala celular, uno está interesado en describir la las características principales de un solo organismo. Por
evolución de un sistema que consta de un gran número de ejemplo, para describir la respuesta de una población a
diferentes células y moléculas que interactúan. Las interacciones las vacunaciones a gran escala (como se requiere en las
celulares están reguladas por señales emitidas y recibidas por epidemias de influenza), no se describe en detalle ningún
las células mediante un reconocimiento complejo. organismo individual, pero puede ser necesario
considere la estructura de edad de la población y los efectos No es una tarea fácil. Los fenómenos que ocurren en diferentes
de los entornos. A diferencia de poblaciones de tamaño escalas suelen tener diferentes escalas de tiempo características y los
pequeño, como modelar el efecto de una nueva vacuna para resultados de los modelos deben ajustarse adecuadamente. Los
un ensayo pequeño, debería requerirse una descripción lectores interesados pueden consultar otro estudio [3] en este
suficientemente detallada del organismo y del efecto de la número.
vacuna en cada organismo. Hay una variedad de técnicas
diferentes disponibles para estas clases de modelos. En el
primer caso, se utilizan ecuaciones diferenciales ordinarias o HERRAMIENTAS Y APLICACIONES
estocásticas para describir la dinámica de las poblaciones o Ya sea que investiguemos el crecimiento y las
modelos basados en agentes (agentes simples que interacciones de una población entera, la evolución de
representan un solo organismo) para estudiar los las secuencias de ADN, la herencia de rasgos, la
fenómenos complejos resultantes. En el último caso, se propagación de enfermedades o la respuesta del sistema
requiere una descripción más detallada del organismo y

inmunológico a un patógeno, los sistemas biológicos
eventualmente se podrá extraer la dinámica poblacional de están marcados por el cambio y la adaptación. Incluso
la respuesta dinámica de cada organismo. cuando parecen constantes y estables, a menudo es el
resultado de un equilibrio de tendencias que empuja a
los sistemas en diferentes direcciones. La elección del
Complejidad y modelos multiescala. enfoque matemático depende del sistema biológico que
Los organismos vivos son sistemas complejos. Usando una se quiera modelar. En esta sección, esbozamos varias
definición "clásica", un sistema complejo es un sistema aplicaciones de técnicas matemáticas que han sido
compuesto por diferentes partes interconectadas que, en su efectivas para reproducir y proporcionar nuevos
conjunto, exhiben una o más propiedades que no surgen conocimientos sobre un problema biológico particular.
obviamente de las propiedades de las partes individuales. La Debido a su increíble complejidad, los modelos que se
complejidad del sistema puede ser una "complejidad ocupan de un sistema biológico completo son, hasta la
desorganizada" o una "complejidad organizada". En el fecha, muy pocos y, de hecho, incompletos. En cambio,
primer caso, la complejidad surge de un número muy existen varios modelos matemáticos que actúan sobre
grande de partes, mientras que en el segundo caso, la componentes individuales o grupos de un sistema biológico.
complejidad es intrínseca al sistema, eventualmente con un

número limitado de partes y sus reglas de conexión.
Herramientas para bioinformática y biología de
En los organismos vivos se dan ambas situaciones. Un organismo sistemas.
vivo está formado por un conjunto de diferentes partes que son, La red de señalización tiene un papel clave en la
cada una de ellas, sistemas complejos organizados. Las células, los fisiología celular y, por tanto, ha sido ampliamente
órganos y los sistemas del cuerpo humano son cada uno de los estudiada en varios organismos. Esto se debe
sistemas complejos. principalmente a que todas las células interactúan y
Por ejemplo, el sistema inmunológico es uno de los responden al entorno en el que viven. La mala noticia es
más complejos donde la complejidad surge tanto de una que este tipo de redes son muy complejas debido a su
gran cantidad de partes (órganos), constituyentes naturaleza de explosión combinatoria. Por esta razón,
(células y moléculas) como de reglas que conectan son particularmente necesarios marcos para mapear
jerárquicamente diferentes escalas de las partes. redes de transducción de señales que eviten de alguna
Ahora se solicitan modelos que incluyan muchas escalas de manera la explosión combinatoria. En ref. [35], se
un fenómeno tanto para el descubrimiento de conocimientos presenta un marco para mapeo, visualización y creación
como para el descubrimiento de fármacos. En las ciencias de la automática de modelos de redes de transducción de
vida, no sólo un organismo vivo completo, sino también partes señales, junto con un ejemplo de su uso para compilar el
del organismo son demasiado complejos para ser representados mapa, actualmente, más completo de la red MAP
en un modelo único, preciso y multiescala. El modelo resultante quinasa de levadura.
ciertamente no sería computable. Por lo tanto, uno se ve Es bien sabido que la explosión de datos provenientes de
obligado a dividir el modelo conceptual en un conjunto de la biología ha hecho que sea cada vez más importante
modelos que describen solo una parte del fenómeno (como un proporcionar metadatos junto con los propios datos
solo órgano o una escala definida) y conectar sus resultados centrales. El concepto de metadatos deriva de los catálogos
[16]. Vincular modelos a diferentes escalas es una de carritos y bibliotecas al describir los contenidos.
y el contexto de los archivos de datos, la calidad de los Aplicaciones

datos/archivos originales aumenta considerablemente. Estos Inmunología
metadatos pueden comprender información específica de El papel de los modelos matemáticos en la inmunología, uno
un dominio tal como se describe en listas de verificación de de los campos más complejos de la biología, se reconoció
información mínima destinadas a permitir una reutilización tempranamente, a partir de los años 1960 y 1970. Desde
precisa de los datos o pueden ser de naturaleza ontológica, entonces, los modelos matemáticos se han utilizado en
especificando con mayor precisión el tipo de entidades bajo diversos ámbitos de la inmunología [23]. Uno de los
consideración. La información mínima requerida en el principales problemas en la investigación de vacunas y otros
registro de anotación de modelos (http://www.ebi.ac.uk/ enfoques inmunológicos es la prueba de las variables
miriam) proporciona identificadores únicos, perennes e biológicas relevantes cuando cada experimento dura
independientes de la ubicación para los datos utilizados en aproximadamente un año. Un claro ejemplo es la
el dominio biomédico. En [18], los autores describen el programación de vacunaciones prolongadas. Es deseable

nuevo servicio Identifiers.org (http://identifiers.org) que se reducir tanto como sea posible el número de
basa en la información almacenada en el Registro y que administraciones de vacunas, por ejemplo para reducir el
proporciona identificadores que se pueden resolver riesgo de efectos secundarios en humanos. En ref. [26] los
directamente, en forma de localizadores uniformes de autores describen el uso de un modelo matemático basado
recursos (URL). . En el mismo contexto, la Notación Gráfica en ABM que reproduce fielmenteen siliconael
de Biología de Sistemas (SBGN) facilita la representación y el comportamiento de una vacunación preventiva del cáncer,
intercambio de conocimientos biológicos complejos de una sugiriendo un posible calendario de vacunación optimizado
manera concisa e inequívoca [36]. [27] y destacando ciertas cuestiones críticas. En particular,
De particular importancia son las principales aunque el número de vacunaciones podría reducirse sin
plataformas de biología sintética, para gestionar los sacrificar la eficacia, la intensidad de las vacunaciones
datos que se utilizan para crear sistemas biológicos tempranas fue un determinante clave de la prevención de
sintéticos y proporcionar mecanismos para iniciar el tumores a largo plazo necesaria para la utilidad predictiva
proceso de creación de datos, algoritmos y metodologías del modelo. Además, los estudios a largo plazo confirmaron
estandarizados para la biología sintética. Aquí las predicciones deen siliconamodelado en el que una fase
mencionamos System Biology Workbench (http:// de meseta inmune, una vez alcanzada, podría mantenerse
sourceforge.net/projects/sbw/), TinkerCell (http:// con un número reducido de vacunaciones; lo que revela que
sourceforge.net/projects/tinkercell), Kappa y todas las la precisión del modelado matemático de las respuestas
herramientas allí proporcionadas (http://kappalanguage. inmunes tempranas es fundamental. Este ejemplo clave
org/), SBGN (http://www.sbgn.org/), SBML (http:// muestra que una solución integradain vivo in silico Este
sbml.org/), Lenguaje abierto de biología sintética (http:// enfoque podría mejorar los modelos matemáticos y
www.sbolstandard.org/), Clotho (http ://clothocad.org/) y biológicos de inmunoprevención del cáncer. Los autores [2]
BEL Framework $ http://belframework.org/) dan un ejemplo tanto de análisis cualitativo del
El análisis de secuencias de próxima generación se ha convertido comportamiento asintótico como de simulaciones numéricas
en una tarea importante tanto en el laboratorio como en el entorno utilizando EDO no lineales, donde se presenta el modelado
clínico. SeqAlto [25] es un nuevo algoritmo para alineación de lectura. matemático de la competencia del sistema inmunológico del
Es aproximadamente 10 veces más rápido que los algoritmos carcinoma mamario provocada por un estímulo externo. Se
existentes, al tiempo que conserva una alta precisión y la capacidad ha descrito un modelo para la formación de queloides
de alinear lecturas con indeles grandes (hasta 50 pb). desencadenada por virus, sus efectos malignos y la
competencia del sistema inmunológico utilizando un modelo
Las proteínas ejecutan y coordinan funciones celulares matemático desarrollado por la teoría cinética de partículas
interactuando con otras biomoléculas. Entre estas activas descrita en un estudio anterior [1].
interacciones, las interacciones proteína-proteína (incluidas En ref. [28] los autores presentan un modelo matemático
las mediadas por péptidos), proteína-ADN y proteína-ARN para analizar los efectos coestimuladores del anticuerpo
cubren una amplia gama de procesos críticos y funciones monoclonal (mAb) anti-CD137 para el tratamiento del
celulares. Multi-VORFFIP [33] es una herramienta para melanoma tras la transferencia adoptiva sinérgica de células
predecir sitios de unión de proteínas, péptidos, ADN y ARN T OT-1 activadas. El reportadoen vivo Los experimentos
en proteínas. Una de sus características es la interfaz web muestran que una sola administración de mAb anti-CD137
para facilitar el uso del método y análisis de predicciones a más células T OT1 activadas es suficiente para rechazar
usuarios finales no expertos. completamente el B16-OVA, mientras que
Los componentes individuales o las células T OT1 no activadas y la química, es decir, la genética y la bioquímica. La
no tienen éxito. Elen siliconaLos experimentos realizados con el biología molecular proporciona la comprensión de las
modelo computacional presentado muestran muy buena interacciones entre los diversos sistemas de una
concordancia con susen vivocontrapartida. Como muchos célula, incluidas las interacciones entre los diferentes
aspectos de la biología de la molécula CD137 aún no se tipos de ADN, ARN y biosíntesis de proteínas.
comprenden completamente y la investigación de estos Comprender cómo se asocian los medicamentos y las
aspectos requiere muchos experimentos de laboratorio enfermedades a nivel molecular es de vital importancia para una
húmedos difíciles y costosos, el modelo es un buen candidato mejor comprensión de los mecanismos y tratamientos de las
para convertirse en una herramienta predictiva. enfermedades. Recientemente, en un estudio [38], los autores
definen un perfil de cercanía genética basado en una red para
Sistema circulatorio relacionar el fármaco con la enfermedad y luego desarrollan un
El sistema circulatorio representa un sistema biológico método de partición bayesiana para identificar los co-módulos
fármaco-gen-enfermedad subyacentes a los datos de cercanía

formado por órganos que pasa nutrientes y otros
componentes hacia y desde las células del cuerpo para genética. Su enfoque matemático y las simulaciones
ayudar a combatir enfermedades, estabilizar la temperatura relacionadas se aplican a un conjunto que consta de 723
y el pH corporal y mantener la homeostasis. Las fármacos, 275 enfermedades y 1442 genes. Identificó nuevas
enfermedades asociadas a este sistema, es decir, las asociaciones entre medicamentos y enfermedades y destacó sus
enfermedades cardiovasculares, tienen un impacto bases moleculares.
importante en los países occidentales. Se han presentado Recientemente, en otro estudio [7], los autores abordan la
modelos matemáticos y simulaciones numéricas del sistema resistencia a los medicamentos, que ha planteado amenazas
cardiovascular y se ha demostrado que ayudan a más graves y emergentes para la salud humana y el tratamiento
comprender tanto su dinámica como sus posibles de enfermedades infecciosas. Debido al menor conocimiento
intervenciones. En un estudio previo [10] los autores sobre los mecanismos subyacentes de la resistencia a los
proporcionan una visión general de la representación medicamentos, los enfoques de laboratorio húmedo lograron un
matemática de las geometrías vasculares extraídas de éxito limitado. Con el uso de la red interactoma deTuberculosis
imágenes médicas, el modelado de la reología sanguínea y micobacterianay datos de expresión genética que se tratan con
la compleja estructura multicapa del tejido vascular, y sus dos tipos de antibióticos, los autores desarrollaron un flujo de
posibles patologías y la interacción mecánica y química entre trabajo matemático para brindar nuevos conocimientos sobre la
la sangre. y paredes vasculares. resistencia bacteriana a los medicamentos que se pueden
obtener mediante un análisis sistemático y global de la red de
Dinámica poblacional regulación bacteriana.
En otro estudio [8], los autores describen y analizan un La microbiología es el campo de la biología que estudia
modelo de ecuación en diferencias forzada periódicamente los organismos microscópicos, es decir, bacterias, virus,
para la malaria en mosquitos que captura los efectos de la hongos, priones, protistas y procariotas. Existe una gran
estacionalidad y permite a los mosquitos alimentarse de una cantidad de contribuciones a la modelización matemática de
población heterogénea de huéspedes. Con la integración del este tipo de sistemas biológicos, especialmente en el análisis
modelo de ecuaciones en diferencias con un modelo de de la dinámica de patógenos. Por ejemplo, en la ref. [24], los
simulación estocástica individual para la malaria en autores utilizan ecuaciones diferenciales y modelos
humanos, comparan los efectos de los mosquiteros tratados computacionales para caracterizar lain vitro
con insecticidas (ITN) y la fumigación residual interior (IRS) Comportamientos cinéticos de las cepas de virus de la
en la reducción de la transmisión, prevalencia e incidencia influenza aviar H5N1, estacional H1N1 y pandémica H1N1
de la malaria. Concluyen mostrando que los MTI son más 2009. El enfoque proporciona parámetros relevantes para
efectivos que el IRS para reducir la transmisión y la identificar y fenotipificar posibles cepas pandémicas.
prevalencia, demostrando también que la combinación de
ambas intervenciones es más efectiva que cualquiera de las
intervenciones por separado. CONCLUSIONES
Los sistemas biológicos son sistemas complejos y los niveles
Eficacia de los medicamentos más altos de complejidad surgen del comportamiento
La biología molecular es la rama de la biología que se ocupa de colectivo y de propiedades emergentes en múltiples niveles.
las bases moleculares de la actividad biológica. Este campo Esto requiere inicialmente el análisis de grandes cantidades
comparte conocimientos con otras áreas de la biología. de datos de bajo nivel, ya sea adquiridos por vía directa
mediciones o accediendo a una variedad de fuentes. Luego, 10. Formaggia L, Quarteroni A, Veneziani A.Matemática
cardiovascular: modelado y simulación del sistema
estos datos deben integrarse en varios modelos de red o
circulatorio. Milán, Italia: Springer, 2009.
modelos multiescala. Los modelos son un paso fundamental 11. Ghosh S, Matsuoka Y, Asai Y,et al.Software para biología de
en el descubrimiento científico. En este artículo, describimos sistemas: de herramientas a plataformas integradas.Nat Rev
diferentes tipos de modelos que se han utilizado en biología Genet 2011;12:821–32.
para el descubrimiento de conocimientos y las predicciones. 12. Haefner JW.Modelado de sistemas biológicos: principios y aplicaciones.
Nueva York, Estados Unidos: Springer, 2005.
Sin embargo, construir un buen modelo es una tarea difícil.
13. Timón V.Principios de la biología celular computacional: de
Para ayudar a los lectores interesados, analizamos en detalle
complejos proteicos a redes celulares.Morelnbach,
el estado del arte en modelado. Además, en la parte final del Alemania: Wiley-VCH, 2007.
artículo se incluyen ejemplos de modelos y aplicaciones 14. Ho DD, Neumann AU, Perelson AS,et al.Rápido recambio de
recientes, a diferentes escalas. viriones plasmáticos y linfocitos CD4 en la infección por VIH-1.
Naturaleza1995;373:123–6.
15. Hofestadt R, Thelen S. Modelado cuantitativo de redes

bioquímicas.Stud HealthTechnol informar2011;162:3–16.
Puntos clave
16. Hunter PJ, Crampin EJ, Nielsen PMF. Bioinformática,
Descripción de modelos y su uso. modelado multiescala y el Proyecto IUPS Physiome.Breve
Análisis del proceso del modelo: desde los objetivos del modelo hasta la verificación del Bioinformación2008;9(4): 333–343.
modelo.
17. Younesi E, Kasam V, Hofmann-Apitius M. Uso directo de la extracción de
Breve descripción de modelos matemáticos recientes en sistemas
información de textos científicos para modelado y simulación en las
biológicos.
ciencias biológicas. En:Novena Conferencia Internacional de Bielefeld
''Actualización de la biblioteca electrónica: servicios de información
mejorados impulsados por la tecnología y la economía'' 2009.Bielefeld,
Alemania: Biblioteca de la Universidad de Bielefeld. ppp: 10,1108/
07378830911007637.
Referencias 18. Juty N, Le Novere N, Laibe C. Identifiers.org y MIRIAM
Registry: recursos comunitarios para proporcionar
1. Bianca C. Modelado matemático para la formación de queloides
identificación persistente.Res de ácidos nucleicos2012;
provocada por virus: efectos malignos y competencia del sistema
40: D580–6.
inmunológico.Métodos de modelos matemáticos Appl Sci2011;21:
389–419. 19. Karplus WJ. El espectro de modelos matemáticos.Computación de
perspectiva1983;3:4–13.
2. Bianca C, Pennisi M. Los efectos de la vacuna triplex en el
carcinoma de mama: un modelo no lineal en sintonía con 20. Klipp E, Herwig R, Kowald A,et al. Biología de sistemas en la
SimTriplex.Aplicación anal no lineal del mundo real2012;13: práctica: conceptos, implementación y aplicación.Darmstadt,
913–1940. Alemania: John Wiley & Sons, 2005.
3. Alemani D., Pappalardo F., Pennisi M., Motta S., Brusic V. Combinación 21. Lin HH, Ray S, Tongchusak S,et al.Evaluación de servidores de
de autómatas celulares y método de celosía de Boltzmann para predicción de unión de péptidos MHC clase I: aplicaciones para la
modelar el crecimiento de tumores avasculares multiescala junto con investigación de vacunas.BMC Inmunol.2008;9:8.
la difusión de nutrientes y la competencia inmune.Revista de 22. Lin HH, Zhang GL, Tongchusak S,et al.Evaluación de servidores de
métodos inmunológicos2012;376(1–2): 55–68. predicción de unión de péptidos MHC-II: aplicaciones para la
4. Pappalardo F., Motta S., Lollini P.-L., Mastriani E. Análisis de investigación de vacunas.BMC Bioinformática2008;9 (Suplemento
esquemas de vacunas mediante modelos.Inmunología celular 12): S22.
2006;244(2): 137–140. 23. Louzoun Y. La evolución de la inmunología matemática.
5. Bianca C., Pennisi M., Motta S., Ragusa MA Red del sistema Inmunol Rev2007;216:9–20.
inmunológico y vacuna contra el cáncer. Conferencia 24. Mitchell H, Levin D, Forrest S,et al.Mayor nivel de eficiencia de
internacional sobre análisis numérico y matemáticas replicación del virus de la influenza pandémica 2009 (H1N1) que
aplicadas: análisis numérico y matemáticas aplicadas, el de las cepas estacionales y aviares: cinética del cultivo de
ICNAAM 2011, Halkidiki, Grecia. Actas de la conferencia células epiteliales y modelado computacional.J Virol 2011;85:
AIP, volumen 1389, 945–948. 1125–35.
6. Chen P, Pin-Shan P. El modelo entidad-relación: hacia una visión 25. Mu JC, Jiang H, Kiani A,et al.Alineación de lectura rápida y precisa
unificada de los datos.Sistema de base de datos ACMT1976; 1:9– para resecuenciación.Bioinformática2012. doi: 10.1093/
36. bioinformática/bts450.
7. Chen LC, Yeh HY, Yeh CY,et al.Identificación de coobjetivos para luchar contra la 26. Palladini A, Nicoletti G, Pappalardo F,et al.Modelado in silico y
resistencia a los medicamentos basándose en un modelo de paseo aleatorio.BMC eficacia in vivo de las vacunas preventivas contra el cáncer.
Syst Biol2012;6:5. Cáncer Res2010;70:7755–63.
8. Chitnis N, Hardy D, Smith T. Un modelo matemático periódicamente 27. Pappalardo F, Pennisi M, Castiglione F,et al.Optimización de protocolos
forzado para la dinámica estacional de la malaria en los mosquitos. de vacunas: experiencias in silico.BiotecnologíaAvanzado2010; 28:82–
Toro Matemáticas Biol2012;74:1098-1124. 93.
9. Larman C.Aplicación de Uml y patrones: una introducción al análisis y 28. Pappalardo F, Forero IM, Pennisi M,et al.SimB16: modelado de la
diseño orientado a objetos y al proceso unificado.Nueva Jersey, respuesta del sistema inmunológico inducida contra el
Estados Unidos: Prentice Hall, 2005. melanoma B16.Más uno2011;6:e26523.
29. Perelson AS, Neumann AU, Markowitz M,et al.Dinámica del VIH-1 in 35. Tiger CF, Krause F, Cedersund G,et al.Un marco para mapeo,
vivo: tasa de eliminación del virión, vida útil de las células infectadas visualización y creación automática de modelos de redes de
y tiempo de generación viral.Ciencia1996;271:1582–6. transducción de señales.Mol Syst Biol2012;8:578.
30. Lee HY, Topham DJ, Park SY,et al.Simulación y predicción de 36. van Iersel MP, Villeger AC, Czauderna T,et al.Soporte de
la respuesta inmune adaptativa a la infección por el Virus de software para mapas SBGN: SBGN-ML y LibSBGN.
la Influenza A.J Virol2009;83:7151–65. Bioinformática2012;28:2016–21.
31. Polia G.Cómo resolverlo: un nuevo aspecto del método matemático. 37. Zhang GL, Khan AM, Srinivasan KN,et al.Hotspot Hunter: un
Princeton, Estados Unidos: Biblioteca de Ciencias de Princeton, 2004. sistema computacional para la detección y selección a gran
32. Rumbaugh J, Blaha M, Premerlani W,et al. Modelado y Diseño Orientado a
escala de puntos críticos inmunológicos candidatos en
Objetos.Nueva Jersey, Estados Unidos: Prentice Hall, 1990. proteomas de patógenos.BMC Bioinformática2008;9:T19.
38. Shiwen Zhao S, Li S. Un enfoque de co-módulo para dilucidar las asociaciones
33. Segura J, Jones PF, Fernández-Fuentes N. Un enfoque holístico in silico
para predecir sitios funcionales en estructuras de proteínas. entre fármacos y enfermedades y revelar sus bases moleculares.
Bioinformática2012;28:1845–50. Bioinformática2012;28:955–61.
34. Siau K, Halpin T.Lenguaje de modelado unificado: cuestiones de análisis,

diseño y desarrollo de sistemas.Hershey, Estados Unidos: Idea Group

Publishing, 2001.

Modelo Matematico INTRO - En.es

Cargado por

Copyright:

Formatos disponibles

Modelo Matematico INTRO - En.es

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelo Matematico INTRO - En.es

Cargado por

Copyright:

Formatos disponibles

Traducido del inglés al español - www.onlinedoctranslator.

BRIEFINGS EN BIOINFORMÁTICA.VOL 14. NO 4. 411̂ 422 Acceso doi:10.1093/bib/bbs061

Modelado matemático de sistemas

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

Palabras clave:biología matemática; modelos computacionales; Biologia de sistemas

INTRODUCCIÓN datos almacenados en bases de datos biomédicas mediante enfoques de

Las revoluciones en la biotecnología y la tecnología de la información minería de textos y descubrimiento de conocimientos.

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

resumir o sintetizar grandes cantidades de datos y herramientas construcción del modelo.

para descubrir relaciones entre objetos.

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

Modelos formales Modelos estadísticos y basados en inteligencia artificial. Un

EL PROCESO DE MODELADO sistema que queremos modelar, ya que algunas informaciones

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

con una sola estructura matemática de las mencionadas

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

complejidad es intrínseca al sistema, eventualmente con un

y el contexto de los archivos de datos, la calidad de los Aplicaciones

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

Dinámica poblacional regulación bacteriana.

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

34. Siau K, Halpin T.Lenguaje de modelado unificado: cuestiones de análisis,

Descargado de https://academic.oup.com/bib/article/14/4/411/192938 por invitado el 16 de enero de 2023

También podría gustarte