Modeling and simulation of genetic regulation systems

Abstract

"Los modelos físicos y matemáticos son herramientas indispensables en el procesamiento de información biológica de la célula viva; desde una vía de señalización simple hasta una red compleja regulatoria. La predicción de modelos detallados de grandes redes podrá revolucionar la forma en que los investigadores estudian las enfermedades complejas; así como el diseño de nuevos medicamentos. En esta tesis se hace un esfuerzo para presentar dos diferentes escalas de redes de genes. Primero, mostramos las ventajas de la simulación Monte Carlo, y segundo, aplicamos un análisis simple dinámico en el campo de los circuitos genéticos elementales. En este sentido, trabajamos dos problemas principales en dos escalas diferentes de redes de genes: i) el proceso de clustering en redes genéticas usando el modelo de Potts y ii) el comportamiento dinámico controlado de pequeños circuitos de genes. Con respecto al primer inciso, analizamos el clustering de tales redes considerando los datos de expresión de microarreglos que definen las dimensiones en la red. Como una idea novedosa, introducimos la definición de entropía como una condición fundamental que todo algoritmo de clustering debe satisfacer. Considerando nuestro uso del modelo espinorial de Potts a la expresión de genes, introducimos una interacción dependiente de la distancia entre puntos vecinos siguiendo las ideas de Domany y colaboradores. Concerniente a las pequeñas redes de genes, se emplearon dos observadores para monitorear el desarrollo de esos procesos fundamentales en detalle. Es importante mencionar que una de las publicaciones logradas por este trabajo fue incluida en la lista seleccionada de tópicos contemporáneos en áreas de física biológica de la revista de investigación Virtual Journal of Biological Physics en Agosto 2005 (Vol.10, Issue 3)."

"As the Biology of information processing in the living cell shifts from study of single signal transduction pathways to increasingly complex regulatory networks, physical and mathematical models become indispensable tools. Detailed predictive models of large genetic networks could revolutionize the ways the researchers study complex diseases as well as the design of modern medication. In this thesis, an attempt is made to present two different levels of description in models of genetic networks. First we show the advantages of Monte Carlo simulations and second, we apply simple dynamical analysis to the field of elementary genetic circuits. In these sense, we work on two main problems at two different scales: i) the gene clustering process of large genetic network using Potts model and ii) the much better controlled dynamical behavior of small genetic circuits. With respect to the first issue, we analyze the clustering that can occur in such networks as revealed by the microarray gene expression data defining the edge lengths of the network. As a novel idea, we use entropy to impose a basic condition that all clustering algorithm must satisfy. Regarding our usage of the Potts spin model to the gene expression data points, we introduce a distance-depending interaction between neighboring points following ideas of Domany and his collaborators. Concerning the small genetic circuits, the potential employment of two Observers for monitoring these fundamental processes is developed in detail. It is worth mentioning that the published version of the latter development was included in the selected list of contemporary topical areas in biological physics studies of the Virtual Journal of Biological Physics research in August 2005 (Vol. 10, No. 3)."