1计算系统生物学的进展
胡玛·罗迪（Huma M. Lodhi）
1.1简介/ 3
1.2多尺度计算建模/ 4
1.3蛋白质组学/ 7
1.4计算系统生物学与老化/ 8
1.5药物设计中的计算系统生物学
1.6系统生物学软件工具/ 11
1.7结论/ 13
参考文献/ 13

第二部分生物网络建模
系统生物学中的2种模型：参数问题和鲁棒性的含义
杰里米·古纳瓦德纳（Jeremy Gunawardena）
21
v 2.1简介/ 21
2.2作为动力系统的模型/ 23
2.2.1连续模型/ 24
2.2.2离散模型/ 25
2.3参数问题/ 26
2.3.1参数恐惧症/ 27
2.3.2测量与计算/
27

3 联合治疗策略的计算机模拟分析对于心力衰竭
4 基于规则的建模和模型优化
5 细胞过程的（自然）计算观点
6 在细胞系统中模拟细丝动力学

第三部分生物网络推论

7 监督机器学习方法对生物网络的重构

简介/ 165

7.2图形重构作为模式识别问题

在本综述章节中，我们将重点放在重构大型生物网络结构的问题上。所谓生物网络，是指图的顶点是给定目标生物中编码的全部或部分基因和蛋白质的顶点，其有向或无向边代表各种生物学特性。作为运行示例，我们考虑以下三个图形，尽管以下介绍的方法也可以应用于其他生物网络。
•蛋白质间相互作用（PPI）网络。这是一个没有自环的无向图，其中包含有机体编码的所有蛋白质作为顶点。如果两个蛋白质可以物理相互作用，则它们通过边缘连接。
•基因调控网络。这是一个有向图，其中包含生物的所有基因作为顶点。在这些基因中，一些称为转录因子（TFs）通过与DNA结合来调节其他基因的表达。图的边缘将TF连接到它们调控的基因。如果TF进行自我调节，则可能发生自循环。此外，原则上可以标记每个边缘以指示调节是阳性（激活）还是阴性（抑制）调节。
•代谢网络。该图仅包含作为顶点的基因的子集，即那些编码酶的基因。酶是蛋白质，其主要功能是催化化学反应，将底物分子转化为产物分子。如果两种酶可以催化代谢途径中的两个连续反应（即两个反应），则该图中的两个酶是相关的，从而第一个酶的主要产物是第二个酶的底物

/ 168
7.2.1问题形式化/ 168
7.2.2模式识别/ 169
7.2.3图形推理作为模式识别问题
7.2.4使用局部模型进行图推理/ 171
7.2.5使用全局模型进行图推理/ 173
7.2.6备注/ 178
7.3范例/ 181
7.3.1代谢网络的重建/ 181
7.3.2重建PPI网络/ 182
/ 171
7.3.3基因调控网络的重建/ 183

我们回顾了几种将图推理问题转换为经典监督分类问题的策略，实际上可以通过任何模式识别算法来解决。与从头方法相反，这些策略假定一组边已已知，并使用有关顶点和已知边的可用数据来推断缺失边。在一些涉及从各种基因组数据推断代谢，PPI和调控网络的实验中，与最新的从头方法相比，这些方法显示出良好的效果，并且该策略的特定实现（本地模型）在所有数据集上始终给出非常好的结果。
从某种意义上说，在实验中观察到的监督方法相对于从头方法的优越性不足为奇，因为监督方法使用了更多的信息。由于这些附加信息可在许多实际应用中使用，因此建议在许多情况下，受监督的方法可能比从头的方法更好。但是，应该指出的是，通过将约束或先验分布放在要推断的图上，可以将我们分类为从头的某些方法（例如贝叶斯网络）轻松地适应有监督的推理方案。另一方面，监督方法的强度主要取决于良好训练集的可用性，在某些情况下（例如推断较小图的结构），这可能是不可用的。
我们观察到没有唯一的方法将该问题转换为二进制分类问题，这表明需要进一步的研究来设计最佳适应的方法。特别是，在三个基准实验中效果最好的局部方法具有明显的局限性，例如无法推断出没有已知边的顶点的新边。新策略的开发使具有已知边缘的顶点的局部方法保持有效，但借鉴了例如第7.2.5节的全局模型中的一些思想，以便能够推断具有很少或未知的顶点的边缘因此，边缘化是一个有前途的研究方向。

8 从基因组数据和化学信息的集成来监督代谢网络
9 利用CF归纳法将生物学推断中的归纳法和归纳法相结合

10 确定性和鲁棒性布尔网络的分析与控制

11 概率方法和速率异质性
第四部分基因组学与计算系统生物学
12 从DNA主题到基因网络：回顾
13 相互作用模型
14 全基因组在系统生物学中筛选核受体结合位点的计算机模拟的影响。
微生物基因组序列对环境和生理的认识

第五部分用于系统生物学的软件工具

15 ALI BABA：系统生物学的文本挖掘工具

16 监管模块发现中的验证问题

17 系统生物学的计算成像与建模

17.1生物信息学/ 383
17.1.1基因芯片/ 383
17.1.2质谱/ 383
17.1.3分子网络与途径/ 384
17.2高内涵筛选的生物图像信息学/ 385
17.2.1图像预处理/ 386
17.2.2细胞检测，分割和中心线
提取/ 386
17.2.3小区跟踪和注册/ 388
17.2.4特征提取/ 388
17.3连接生物信息学和生物医学成像
17.3.1使用HCS进行蜂窝网络分析
17.3.2使用HCS进行基因功能注释
17.3.3与临床影像学的关联研究
特质/ 390
17.3.4体内基因组学分析
17.3.5体内蛋白质组学分析
17.3.6体内遗传分析/
17.3.7体内RNAi实验/
17.4摘要/ 394致谢/ 394参考/ 394