Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

| Crea un account

Eduati, Federica (2013) Inference in systems biology: modelling approaches and applications. [Tesi di dottorato]

Full text disponibile come:

[img]
Anteprima
Documento PDF (Tesi di dolttorato di Federica Eduati)
9Mb

Abstract (inglese)

The main topic of this thesis is the study of biological regulatory systems using different computational modelling approaches in order to gain new insights into not yet completely understood biological processes. In "systems biology", mathematical models represent a powerful tool to study biological processes. Models are abstractions of reality always including some degree of simplification: an important ingredient of the modelling process, having a major role in suggesting the appropriate level of abstraction and simplification, is the purpose of the model, that is the question they have to answer.
This thesis is focused on the analysis of how models of different complexity appropriately describe the available data to achieve a given purpose. Such analysis guides the choice of the most appropriate degree of simplification of the system under study that allows neglecting some aspects without compromising the results of the model. Three levels of detail for inference and modelling are analyzed in this thesis depending on the system under consideration. The first level is the network level, where molecules are nodes connected by edges and the interest is in the inference of the topology of connections at large scale. In the second level the network is interpreted as a mean to produce qualitative simulations and predictions which can be compared with experimental data. The third level of detail consist in a more mechanistic dynamic description of the system using ordinary differential equations but limiting the analysis to small subsystems. For each level of detail, appropriate approaches have been developed and applied to in silico and real data of different biological systems. Finally, different modelling appraches have been integrated to analyze insulin signalling pathway on different levels of simplification using a novel experimental dataset collected specifically for this purpose

Abstract (italiano)

Questa tesi di dottorato è incentrata sullo studio dei sistemi biologici mediante l'utilizzo di diversi approcci di modellistica computazionale, al fine di esplorare processi biologici non ancora chiari. Nella "systems biology", i modelli matematici rappresentano un potente mezzo per studiare i processi biologici. I modelli sono astrazioni della realtà e possono includere diversi livelli di semplificazione a seconda del loro scopo.
La tesi è focalizzata sull'analisi di come, modelli di diversa complessità, possono essere utilizzati per raggiungere diversi scopi. Questa analisi guida la scelta del livello di semplificazione della realtà più adatto per trascurare certi dettagli senza però compromettere la sua applicazione. Tre livelli di dettaglio sono analizzati in questa tesi. Il primo livello è la rete, le molecole sono considerate come nodi connessi tra di loro da archi e si è interessati ad inferire la topologia delle connessioni su larga scala. Nel secondo livello, la rete è interpretata come un mezzo per produrre simulazioni qualitative che possono essere confrontate con i dati reali. Il terzo livello di dettaglio consiste in una descrizione dinamica meccanicistica del sistema, mediate l'utilizzo di equazioni differenziali ordinarie ma limitando l'analisi a sottosistemi di dimensioni ridotte. Per ogni livello di dettaglio, sono stati sviluppati approcci adeguati, poi applicati a dati in silico e a dati reali relativi a diversi sistemi biologici. Diversi approcci di modellistica sono stati integrati per l'analisi del pathway del signalling dell'insulina considerando diversi livelli di semplificazione e utilizzando un dataset sperimentale raccolto specificatamente per questo scopo

Statistiche Download - Aggiungi a RefWorks
Tipo di EPrint:Tesi di dottorato
Relatore:Toffolo, Gianna
Dottorato (corsi e scuole):Ciclo 25 > Scuole 25 > INGEGNERIA DELL'INFORMAZIONE > BIOINGEGNERIA
Data di deposito della tesi:27 Gennaio 2013
Anno di Pubblicazione:27 Gennaio 2013
Parole chiave (italiano / inglese):systems biology, modeling, differential equations, logic models, signaling, reverse-engineering, network inference
Settori scientifico-disciplinari MIUR:Area 09 - Ingegneria industriale e dell'informazione > ING-INF/06 Bioingegneria elettronica e informatica
Struttura di riferimento:Dipartimenti > Dipartimento di Ingegneria dell'Informazione
Codice ID:5547
Depositato il:14 Ott 2013 11:32
Simple Metadata
Full Metadata
EndNote Format

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

F. Eduati, A. Corradin, B. Di Camillo, and G. Toffolo. A boolean approach to linear prediction for signaling network modeling. PloS one, 5(9):e12789, 2010. Cerca con Google

G. De Palo, F. Eduati, M. Zampieri, B. Di Camillo, G. Toffolo, and C. Altani. Adaptation as a genome-wide autoregulatory principle in the stress response of yeast. Systems Biology, IET, 5(4):269-279, 2011. Cerca con Google

F. Eduati, B. Di Camillo, M. Karbiener, M. Scheideler, D. Cora, M. Caselle, and G. Toffolo. Dynamic modeling of mirna-mediated feed-forward loops. Journal of Computational Biology, 19(2):188-199, 2012. Cerca con Google

F. Eduati, J. De Las Rivas, B. Di Camillo, G. Toffolo, and J. Saez-Rodriguez. Integrating literature-constrained and data-driven inference of signalling networks. Bioinformatics, 28(18):2311-2317, 2012. Cerca con Google

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record