Quais tópicos / problemas combinam muito bem biologia e ciência da computação?

Além dos aplicativos “omics” / mineração de dados já listados, os métodos computacionais são importantes na construção de modelos em biologia de sistemas e biologia sintética .

Embora a aplicação de equações diferenciais para modelar sistemas biológicos como misturas espacialmente homogêneas possa fornecer informações valiosas, abordagens computacionais são frequentemente necessárias. Isso ocorre porque aspectos interessantes da dinâmica dos sistemas biológicos podem ocorrer em escalas finas (espacial e temporalmente).

Simulação estocástica
Equações diferenciais são freqüentemente usadas para descrever taxas de tempo médio suavizadas ao longo de reações químicas. No entanto, às vezes pode ser importante estudar a granularidade e a irregularidade das reações químicas no tempo.

Consideradas juntas, as moléculas em colisão em uma célula são grandes em número. À medida que o conteúdo de uma célula é reorganizado, o tempo das reações pode ser altamente variado e praticamente imprevisível. Em outras palavras, os tempos de reação química parecem simular a aleatoriedade. Além disso, devido aos efeitos quânticos, diz-se que eles são aleatórios.

Como o número de cópias de moléculas de interesse particulares (ou seja, um tipo de mRNA) pode ser pequeno (de unidade de ordem), as flutuações em algumas espécies químicas são consideradas não negligenciáveis ​​em relação aos valores médios no tempo e na população.

Modelos estocásticos são, portanto, importantes para a compreensão da dinâmica de tais sistemas. A descrição analítica nem sempre é conveniente. Estudos numéricos são freqüentemente conduzidos usando o algoritmo de simulação estocástica (SSA) / Monte Carlo cinético (KMC), bem como usando métodos aproximados de equação-mestre, como a projeção de estado finito. O método SSA / KMC (ca. 1970s) era um método numérico inteligente que reduziu drasticamente as despesas computacionais necessárias para modelar a química estocástica.

Modelagem Baseada em Agente
Em relação a um sistema biológico como uma mistura vigorosamente agitada, a mistura homogeneizada reduz o número de equações diferenciais que devem ser rastreadas. No entanto, alguns recursos de um sistema não podem ser sequer modelados qualitativamente, a menos que a simulação possa distinguir interações de acordo com as posições das entidades participantes (ou seja, células).

Um exemplo é a tendência dos “desertores” de dominar e dominar os “cooperadores” em uma rede que é bem misturada, mas, em vez disso, os desertores e cooperadores coexistem quando a mesma rede não é vigorosamente misturada.

Quando os agentes básicos que estão sendo modelados (células, pessoas etc.) exibem mobilidade sofisticada, o tipo de simulação por computador usado é geralmente “modelagem baseada em agente” (ABM). Exemplos de ABMs incluem aqueles usados ​​para modelar a expansão de tumores e a disseminação de doenças em populações humanas estruturadas.

Aqui estão alguns que eu acho bastante interessantes:

  • Sequenciação genética
  • Diagnóstico médico automatizado
  • Dobramento de proteínas
  • Eficiente [armazenamento e recuperação de] registros médicos
  • Visão computacional
  • Neurociência computacional
  • Interfaces homem-cérebro
  • Descoberta de drogas

Muitos tópicos com graus variados de Biologia e Ciência da Computação:

Biologia Computacional
Robótica
Inteligência artificial
Visão por Computador
Redes neurais artificiais
Processamento de DNA
Mapeamento de Genoma
Automação Celular
Simulação Biológica

e muitos mais