计算和系统生物学

也许最活跃的跨学科研究领域的交集是生命科学信息学。理解细胞如何调节基因进化与环境相互作用的集合,其他生物,毒品,甚至社会日益由合并生物信息学和计算科学的其他领域,包括人工智能。方法和理论从信息检索、文本挖掘、知识发现、机器学习、计算机建模、复杂网络和系统理论,和数据科学,现在我们有机会让新发现在生物学、医学和公共卫生。在我们的CASCI集团我们正在各种项目,使用这种方法来帮助生物医学发现在健康和理论问题。

文献挖掘我们的方法是基于网络科学、复杂系统、机器学习,以及仿生方法,我们应用于文本分类、关系推理和注释的蛋白质和药物之间的相互作用,药物动力学数值数据,蛋白质序列的家人和结构预测,转录数据的功能注释,注释的酶,等等。我们应用发布的科学文献的方法,社交媒体,电子健康记录,生物信息学数据库,等等。

一个复杂的系统的一个典型例子是构成生命的生化网络交互。我们仍然知之甚少的组织生活作为动力,互动网络的基因、蛋白质和生化反应。我们的重点是开发网络和动力系统方法和信息工具来研究控制、模块化、健壮性、可发展性和集体计算自动机网络用来模拟基因调控和生化信号。我们也使用这种方法来研究网络结构之间的相互作用和动力在大脑中。

在生物医学数据科学的时代,有必要开发方法来推断出时变数据关联等两两变量交互和变量的子集,主要相互作用(数据集群、网络模块化)。贡献问题的推理网络和多变量动态光谱领域的方法,统计推断,和信息理论,已被用来揭示交互和多尺度模块化在各种领域,如基因调控,转录组和大脑活动时间序列数据。特别是,我们曾在各种类型的基因组数据的聚类方法允许多个成员的基因簇。与不同的合作者,我们成了使用光谱分析很感兴趣,如奇异值分解(计算),作为功能基因组学的自动化方法。这些方法已经扩展到发现模块化网络,允许重叠功能集群的识别,发生在各种尺度的复杂网络。

我们贡献了理论生物学通过开发基于代理模型的系统进化的角色或自适应能力不清楚。例如,我们提供了第一个计算模型,展示了进化潜力的RNA编辑和一个模型,证明了t细胞的能力cross-regulation分类自我的面目存在的数量变化的病原体。我们也开发了仿生学研究垃圾邮件检测的方法和(生物医药)文本分类模型。更普遍的是,我们有了研究自组织之间的相互作用和自然选择通过引入选自组织的概念和发展进化算法和基于代理模型来研究它。我们一直致力于各种其他应用程序的基于代理的建模框架,比如进化细胞自动机和自适应代理推荐系统。

作为霍华德·帕蒂观察到的,而过程信息和语言的自然是进化生物学的基础,计算机是基于语言的纯粹的语法方面非常非自适应性。因此,我们感兴趣的语言/象征性方面生活组织(基因载体的信息,和DNA内存)中扮演一个重要角色定义的看似无止境的进化自然选择。我们研究自组织之间的相互作用和自然选择,关注的概念选自组织。我们特别感兴趣的信息的问题,符号,表示等可能出现从纯动力系统的组件。