跳转到内容

细胞信号传送：修订间差异

维基百科，自由的百科全书
以互动方式浏览历史
←上一版本下一版本→
删除的内容 添加的内容
可视化wikitext
PKU LZH（留言 | 贡献）
4次编辑
PKU LZH（留言 | 贡献）
4次编辑
小无编辑摘要
第3行： 第3行：
'''细胞信息传递'''（{{lang-en|cell signaling}}）是一個主管[[細胞]]基本活動並協調細胞行為的複雜溝通[[系統]]。細胞對周遭微環境進行感知與正確回應的能力是其發展、修復組織、[[免疫]]以及體內正常動態平衡的基礎。[[癌症]]、[[自體免疫疾病]]與[[糖尿病]]等病症均可歸咎於細胞在信息處理上的錯誤。了解细胞信息传递帮助人们能研究治療[[疾病]]的途径，並使製造[[人工組織]]成为可能。
'''细胞信息传递'''（{{lang-en|cell signaling}}）是一個主管[[細胞]]基本活動並協調細胞行為的複雜溝通[[系統]]。細胞對周遭微環境進行感知與正確回應的能力是其發展、修復組織、[[免疫]]以及體內正常動態平衡的基礎。[[癌症]]、[[自體免疫疾病]]與[[糖尿病]]等病症均可歸咎於細胞在信息處理上的錯誤。了解细胞信息传递帮助人们能研究治療[[疾病]]的途径，並使製造[[人工組織]]成为可能。


系统生物学研究细胞内信号网络的基本架构，以及网络内的变化是如何影响信号的传递以及信息的流动的（即信号转导）。这些网络往往是复杂地组织在一起，表现出一些双稳态（bistability）和超敏性（ultrasensitivity）的特征。对细胞内信号通路的分析需要将实验和理论结合起来，也包括新工具的开发和模拟建模的分析。大范围的酶变构效应（Long-range allostery）是信号通路里面的重要事件。
系統生物學研究細胞內信號網絡的基本架構，以及網絡內的變化是如何影響信號的傳遞以及信息的流動的（即信號轉導）。這些往往是復雜的網絡組織在壹起，表現出壹些雙穩態（bistability）和超敏性（ultrasensitivity）的特征。對細胞內信號通路的分析需要將實驗和理論結合起來，也包括新工具的開發和模擬建模的分析<ref>{{Cite journal|title=Modeling Cell Signaling Networks|url=https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3620715/|last=Eungdamrong|first=Narat J.|last2=Iyengar|first2=Ravi|date=2004-6|journal=Biology of the cell / under the auspices of the European Cell Biology Organization|issue=5|doi=10.1016/j.biolcel.2004.03.004|volume=96|pages=355–362|issn=0248-4900|pmc=PMC3620715|pmid=15207904}}</ref><ref>{{Cite journal|title=Modeling Cell Signaling Networks|url=https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3620715/|last=Eungdamrong|first=Narat J.|last2=Iyengar|first2=Ravi|date=2004-6|journal=Biology of the cell / under the auspices of the European Cell Biology Organization|issue=5|doi=10.1016/j.biolcel.2004.03.004|volume=96|pages=355–362|issn=0248-4900|pmc=PMC3620715|pmid=15207904}}</ref>。大範圍的酶變構效應（Long-range allostery）是信號通路裏面的重要事件<ref>{{Cite journal|title=Proteins move! Protein dynamics and long-range allostery in cell signaling|url=https://www.ncbi.nlm.nih.gov/pubmed/21570668|last=Bu|first=Zimei|last2=Callaway|first2=David J. E.|date=2011|journal=Advances in Protein Chemistry and Structural Biology|doi=10.1016/B978-0-12-381262-9.00005-7|volume=83|pages=163–221|issn=1876-1631|pmid=21570668}}</ref>。


== 参见 ==
== 参见 ==
第14行： 第14行：
* [[活性氧类]]
* [[活性氧类]]


== 计算模型 ==
== 計算模型 ==
用系統生物學的方法可以更好地幫助我們去理解參與信號通路之間交流的那些組成成分、復雜的配體和受體之間的結合以及動態的信號網絡<ref>{{Cite journal|title=Systems biology approaches in cell signaling research|url=https://www.ncbi.nlm.nih.gov/pubmed/16207364|last=Chen|first=Raymond E.|last2=Thorner|first2=Jeremy|date=2005|journal=Genome Biology|issue=10|doi=10.1186/gb-2005-6-10-235|volume=6|pages=235|issn=1474-760X|pmc=PMC1257459|pmid=16207364}}</ref>。計算模型通常會將發表了文章中報道的某些信號通路中的元件之間的相互作用整合起來，然後將不同的元件聚到壹個大類中，以及刻畫這些元件之間存在的相互作用<ref>{{Cite journal|title=Computational Modeling of Mammalian Signaling Networks|url=https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3105527/|last=Hughey|first=Jacob J|last2=Lee|first2=Timothy K|date=2010|journal=Wiley interdisciplinary reviews. Systems biology and medicine|issue=2|doi=10.1002/wsbm.52|volume=2|pages=194–209|issn=1939-5094|pmc=PMC3105527|pmid=20836022|last3=Covert|first3=Markus W}}</ref>。計算模型的發展能夠讓我們從全局，更加深入地探究細胞內的信號通路，比如操縱不同的變量和系統地對響應的結果進行評估<ref>{{Cite journal|title=Modelling cellular signalling systems|url=https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3270941/|last=Rangamani|first=Padmini|last2=Iyengar|first2=Ravi|date=2008|journal=Essays in Biochemistry|doi=10.1042/BSE0450083|volume=45|pages=83–94|issn=0071-1365|pmc=PMC3270941|pmid=18793125}}</ref>。
用系统生物学的方法可以更好地帮助我们去理解参与信号通路之间交流的那些组成成分、复杂的配体和受体之间的结合以及动态的信号网络。


使用分析模型來學習信號轉導已經被廣泛地應用到了藥物學、新藥的發現（評估配體和受體間的相互作用）、藥物代謝動力學以及代謝產物在大尺度網絡下的流動<ref>{{Cite journal|title=Modeling Cell Signaling Networks|url=https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3620715/|last=Eungdamrong|first=Narat J.|last2=Iyengar|first2=Ravi|date=2004-6|journal=Biology of the cell / under the auspices of the European Cell Biology Organization|issue=5|doi=10.1016/j.biolcel.2004.03.004|volume=96|pages=355–362|issn=0248-4900|pmc=PMC3620715|pmid=15207904}}</ref>。目前被廣泛應用於細胞內信號通路建模的策略是使用常微分方程（ordinary differential equation, ODE）進行建模，比如，在時間尺度上，用公式來表示某壹個信號分子的濃度是信號通路內上遊或者（和）下遊其它的分子的函數。常微分方程模型也已經被廣泛地應用於分裂素激活的蛋白激酶、雌激素受體𝛂和mTOR等信號通路的動力學研究<ref>{{Cite journal|title=When kinases meet mathematics: the systems biology of MAPK signalling|url=https://www.ncbi.nlm.nih.gov/pubmed/15763569|last=Kolch|first=Walter|last2=Calder|first2=Muffy|date=2005-03-21|journal=FEBS letters|issue=8|doi=10.1016/j.febslet.2005.02.002|volume=579|pages=1891–1895|issn=0014-5793|pmid=15763569|last3=Gilbert|first3=David}}</ref><ref>{{Cite journal|title=A kinetic model identifies phosphorylated estrogen receptor-α (ERα) as a critical regulator of ERα dynamics in breast cancer|url=https://www.ncbi.nlm.nih.gov/pubmed/25648997|last=Tian|first=Dan|last2=Solodin|first2=Natalia M.|date=2015-5|journal=FASEB journal: official publication of the Federation of American Societies for Experimental Biology|issue=5|doi=10.1096/fj.14-265637|volume=29|pages=2022–2031|issn=1530-6860|pmc=PMC4415015|pmid=25648997|last3=Rajbhandari|first3=Prashant|last4=Bjorklund|first4=Kelsi|last5=Alarid|first5=Elaine T.|last6=Kreeger|first6=Pamela K.}}</ref><ref>{{Cite journal|title=Understanding the mTOR signaling pathway via mathematical modeling|url=https://www.ncbi.nlm.nih.gov/pubmed/28186392|last=Sulaimanov|first=Nurgazy|last2=Klose|first2=Martin|date=07 2017|journal=Wiley Interdisciplinary Reviews. Systems Biology and Medicine|issue=4|doi=10.1002/wsbm.1379|volume=9|issn=1939-005X|pmc=PMC5573916|pmid=28186392|last3=Busch|first3=Hauke|last4=Boerries|first4=Melanie}}</ref>。
计算模型通常会将发表了文章中报道的某些信号通路中的元件之间的相互作用整合起来，然后将不同的元件聚到一个大类中，以及刻画这些元件之间存在的相互作用。


计算模型的发展能够让我们从全局，更加深入地探究细胞内的信号通路，比如操纵不同的变量和系统地对响应的结果进行评估。

使用分析模型来学习信号转导已经被广泛地应用到了药物学、新药的发现（评估配体和受体间的相互作用）、药物代谢动力学以及代谢产物在大尺度网络下的流动。

目前被广泛应用于细胞内信号通路建模的策略是使用常微分方程（ordinary differential equation, ODE）进行建模，比如，在时间尺度上，用公式来表示某一个信号分子的浓度是信号通路内上游或者（和）下游其它的分子的函数。

常微分方程模型也已经被广泛地应用于分裂素激活的蛋白激酶、雌激素受体𝛂和mTOR等信号通路的动力学研究。
<br />
== 参考文献 ==
== 参考文献 ==
{{Reflist}}
{{Reflist}}

2019年1月10日 (四) 12:53的版本

细胞信息传递（英語：cell signaling）是一個主管細胞基本活動並協調細胞行為的複雜溝通系統。細胞對周遭微環境進行感知與正確回應的能力是其發展、修復組織、免疫以及體內正常動態平衡的基礎。癌症、自體免疫疾病與糖尿病等病症均可歸咎於細胞在信息處理上的錯誤。了解细胞信息传递帮助人们能研究治療疾病的途径，並使製造人工組織成为可能。

系統生物學研究細胞內信號網絡的基本架構，以及網絡內的變化是如何影響信號的傳遞以及信息的流動的（即信號轉導）。這些往往是復雜的網絡組織在壹起，表現出壹些雙穩態（bistability）和超敏性（ultrasensitivity）的特征。對細胞內信號通路的分析需要將實驗和理論結合起來，也包括新工具的開發和模擬建模的分析[1][2]。大範圍的酶變構效應（Long-range allostery）是信號通路裏面的重要事件[3]。

参见

計算模型

用系統生物學的方法可以更好地幫助我們去理解參與信號通路之間交流的那些組成成分、復雜的配體和受體之間的結合以及動態的信號網絡[4]。計算模型通常會將發表了文章中報道的某些信號通路中的元件之間的相互作用整合起來，然後將不同的元件聚到壹個大類中，以及刻畫這些元件之間存在的相互作用[5]。計算模型的發展能夠讓我們從全局，更加深入地探究細胞內的信號通路，比如操縱不同的變量和系統地對響應的結果進行評估[6]。

使用分析模型來學習信號轉導已經被廣泛地應用到了藥物學、新藥的發現（評估配體和受體間的相互作用）、藥物代謝動力學以及代謝產物在大尺度網絡下的流動[7]。目前被廣泛應用於細胞內信號通路建模的策略是使用常微分方程（ordinary differential equation, ODE）進行建模，比如，在時間尺度上，用公式來表示某壹個信號分子的濃度是信號通路內上遊或者（和）下遊其它的分子的函數。常微分方程模型也已經被廣泛地應用於分裂素激活的蛋白激酶、雌激素受體𝛂和mTOR等信號通路的動力學研究[8][9][10]。

参考文献

  1. ^ Eungdamrong, Narat J.; Iyengar, Ravi. Modeling Cell Signaling Networks. Biology of the cell / under the auspices of the European Cell Biology Organization. 2004-6, 96 (5): 355–362. ISSN 0248-4900. PMC 3620715 可免费查阅. PMID 15207904. doi:10.1016/j.biolcel.2004.03.004. 
  2. ^ Eungdamrong, Narat J.; Iyengar, Ravi. Modeling Cell Signaling Networks. Biology of the cell / under the auspices of the European Cell Biology Organization. 2004-6, 96 (5): 355–362. ISSN 0248-4900. PMC 3620715 可免费查阅. PMID 15207904. doi:10.1016/j.biolcel.2004.03.004. 
  3. ^ Bu, Zimei; Callaway, David J. E. Proteins move! Protein dynamics and long-range allostery in cell signaling. Advances in Protein Chemistry and Structural Biology. 2011, 83: 163–221. ISSN 1876-1631. PMID 21570668. doi:10.1016/B978-0-12-381262-9.00005-7. 
  4. ^ Chen, Raymond E.; Thorner, Jeremy. Systems biology approaches in cell signaling research. Genome Biology. 2005, 6 (10): 235. ISSN 1474-760X. PMC 1257459 可免费查阅. PMID 16207364. doi:10.1186/gb-2005-6-10-235. 
  5. ^ Hughey, Jacob J; Lee, Timothy K; Covert, Markus W. Computational Modeling of Mammalian Signaling Networks. Wiley interdisciplinary reviews. Systems biology and medicine. 2010, 2 (2): 194–209. ISSN 1939-5094. PMC 3105527 可免费查阅. PMID 20836022. doi:10.1002/wsbm.52. 
  6. ^ Rangamani, Padmini; Iyengar, Ravi. Modelling cellular signalling systems. Essays in Biochemistry. 2008, 45: 83–94. ISSN 0071-1365. PMC 3270941 可免费查阅. PMID 18793125. doi:10.1042/BSE0450083. 
  7. ^ Eungdamrong, Narat J.; Iyengar, Ravi. Modeling Cell Signaling Networks. Biology of the cell / under the auspices of the European Cell Biology Organization. 2004-6, 96 (5): 355–362. ISSN 0248-4900. PMC 3620715 可免费查阅. PMID 15207904. doi:10.1016/j.biolcel.2004.03.004. 
  8. ^ Kolch, Walter; Calder, Muffy; Gilbert, David. When kinases meet mathematics: the systems biology of MAPK signalling. FEBS letters. 2005-03-21, 579 (8): 1891–1895. ISSN 0014-5793. PMID 15763569. doi:10.1016/j.febslet.2005.02.002. 
  9. ^ Tian, Dan; Solodin, Natalia M.; Rajbhandari, Prashant; Bjorklund, Kelsi; Alarid, Elaine T.; Kreeger, Pamela K. A kinetic model identifies phosphorylated estrogen receptor-α (ERα) as a critical regulator of ERα dynamics in breast cancer. FASEB journal: official publication of the Federation of American Societies for Experimental Biology. 2015-5, 29 (5): 2022–2031. ISSN 1530-6860. PMC 4415015 可免费查阅. PMID 25648997. doi:10.1096/fj.14-265637. 
  10. ^ Sulaimanov, Nurgazy; Klose, Martin; Busch, Hauke; Boerries, Melanie. Understanding the mTOR signaling pathway via mathematical modeling. Wiley Interdisciplinary Reviews. Systems Biology and Medicine. 07 2017, 9 (4). ISSN 1939-005X. PMC 5573916 可免费查阅. PMID 28186392. doi:10.1002/wsbm.1379. 

外部鏈接

概观
中心法則
要素
相关科目
工程
概念
技术
基因表达调控
取自“https://zh.wikipedia.org/w/index.php?title=细胞信号传送&oldid=52729251”