机构名称：
¥ 1.0
由于实验技术的发展以及数据的积累，生物学和分子过程的积累可以描述为信号通路的复杂网络。这些网络通常是定向和签名的，其中节点代表实体（基因/蛋白质）和箭头相互作用。通过将动态层添加到它们中，它们被转化为数学模型。这种数学模型有助于理解和解释非直觉的实验观察结果，并预测对外部干预措施（例如药物对表型的影响）的反应。存在一些用于建模信号通路的框架。适当框架的选择通常是由实验环境驱动的。在这篇综述中，我们提出了Maboss，这是一种基于连续时间方法基于布尔建模的工具，该工具可以预测不同生物学环境中实体的时间依赖性概率。Maboss最初是为了建模非相互作用的均匀细胞弹出中的细胞内信号传导。maboss，以改编成模型的异质细胞群体（Ensemblemaboss）。为了解决更复杂的问题，Maboss扩展了以模拟动态相互作用的种群（UPMABOSS），并具有精确的空间分布（Physiboss）。为了说明所有这些描述级别，我们展示了如何将这些工具中的每一种都用于一个简单的细胞命运决策模型的示例。最后，我们介绍了癌症生物学和免疫反应研究的实际应用。2022由Elsevier B.V.代表计算和结构生物技术的研究网络发布。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）下的开放访问文章。
使用Maboss
主要关键词
相关文件推荐
