Métodos algebraicos y estadísticos en el estudio de sistemas biológicos:
Coordinación: Alicia Dickenstein (Dto. de Matemática, FCEN,
Universidad de Buenos Aires).
Presentación general:
Uno de los objetivos mas importantes de la biología de sistemas es descubrir y modelar las relaciones causales entre sus componentes y los mecanismos que gobiernan sus dinámicas. En esta serie de charlas nos ocuparemos de presentar métodos recientes de naturaleza algebraica y combinatoria de aplicación en varios tipos de datos de sistemas biológicos, así como técnicas estadísticas para el estudio de datos provenientes de microarreglos (microarrays).
La modelización de sistemas biológicos mediante sistemas dinámicos sobre cuerpos finitos será presentada por el el Prof. Reinhard Laubenbacher, la utilización de métodos combinatorios para el estudio de la resistencia a drogas del HIV será presentado por el Prof. Nick Eriksson, y los métodos estadísticos para el análisis de datos de microarrays serán presentados por la Prof. Diana Kelmansky. Contaremos también con la colaboración de la Prof. Mariela Sued, de la Lic. Mercedes Pérez Millán y de la Prof. Alicia Dickenstein.Esta sección de la Escuela BIOMAT II será encarada en forma teórico-práctica y ofreceremos a los participantes varios proyectos que podrán desarrollar durante la Escuela, de modo que puedan adueñarse de estas nuevas técnicas e ideas para que puedan seguir desarrollándolas en el futuro. Los esperamos!
Métodos del álgebra computacional en la biología de sistemas:
A cargo de Reinhard Laubenbacher (Virginia Bioinformatics Institute):
Una clase introductoria (90 minutos), una conferencia con el planteo
de los principales resultados y técnicas (60 o 90 minutos), la
presentación de proyectos a ser desarrollados por los alumnos durante
la Escuela (30 minutos)
Recent advances in measurement technologies have made it possible to
obtain experimental data about organisms at system levels and on a
large scale. For instance, DNA microarray technology makes possible
simultaneous snapshots of the activity levels of all 25,000 genes in a
human; new functional MRI technology provides global images of brain
activity; and new in vivo imaging technology gives unprecedented
insight into the functioning of our immune system. The availability of
such data makes it possible for the first time to aim at an
understanding of whole subsystems of an organism, from intracellular
molecular signaling networks all the way to the structure of
organismal networks such as the immune system. This is the goal of
systems biology, which plays an increasingly important role in diverse
research areas such as drug design and cancer biology. Mathematics
provides the natural language and the tool set for systems biology.
After an introduction to systems biology and various types of
experimental data
available, we will focus on modeling and simulation of biological
systems, using methods
from discrete mathematics, in particular computational algebra and
algebraic geometry. The modeling framework used will be polynomial
dynamical systems over finite fields. We will discuss methods to
construct such models from state transition data, as well as
applications to the study of intracellular biochemical networks,
neural response networks, and the approximation of stochastic
simulations of biological networks by polynomial systems.
Algebraic methods for drug resistance and discrete dynamical systems:
A cargo de Nick Eriksson (Stanford University, USA):
Drug resistance is a major problem for the treatment of HIV. Thus, it
is important to have quantitative predictions of this risk. We will
develop the statistical, algebraic, and combinatorial tools needed to
compute the probability of a given HIV strain developing drug
resistance.First, we will learn how to infer the mutational pathways
through which the virus evolves drug resistance. Second, we will use
algebraic combinatorics to calculate the probability that the virus
will develop drug resistance as a function of the viral
fitnesslandscape.
Análisis de Datos de Experimentos de Microarreglos (Microarrays)
A cargo de Diana Kelmansky (Universidad de Buenos Aires):En este minicurso se mostrará la problemática que induce la biología genómica y se introducirán las características de los experimentos de microarreglos describiendo los diferentes tipos de plataformas y destacando la naturaleza aleatoria de estos datos experimentales. Presentaremos la metodología estadística utilizada con mayor frecuencia en el análisis de datos de experimentos de microarreglos, con la idea de desarrollar la capacidad de analizar en forma crítica los métodos utilizados en los inicios de estas tecnologías, los actuales y las nuevas propuestas, teniendo presente sus supuestos y limitaciones.