ACM通信
在体内，在体外，在硅
在最近的一次出差中，我把手伸进我的阅读袋，想看看2010年7月2日那期的《华尔街日报》，科学．这一期刊登了吉布森的一篇精彩文章等,”由化学合成基因组控制的细菌细胞的创造，总结工作的方式是克雷格·文特尔的创造人工生命的团队。(我在通俗报刊上读到过这个结果，但我还是急于读原著。)该团队创造了一种合成物DNA序列，组装它从数字化的基因组序列数据支原体mycoides并将修改后的序列移植到Mycoplama山羊在那里，它用修改过的遗传密码驱动新细胞的繁殖。
这个过程是生物学相互作用的一个有趣的例子，测序技术，算法和高性能计算。然而，作为这本书的作者科学论文指出，这也凸显了我们仍然知之甚少。没有一个单一的蜂窝系统具备所有的优势基因根据它们的生物学作用来理解。简单地说，我们还不完全了解所有遗传物质的功能，也不了解生物体生命周期中差异基因表达的复杂相互依赖关系。
放大的系统生物学
这使我思考系统生物学构建生物系统的预测计算模型所固有的多学科挑战，从生物生命周期的细胞过程到进化和种群动态．这些“重大挑战”几乎涵盖了现代计算的每一个方面，从数字和符号方法，通过数据管理和分析，到非凡的高性能计算平台。系统生物学模型的时间和空间尺度的大动态范围，从皮秒第一原理分子动力学到地质时间尺度的环境变化，是一个充分就业的计算科学家的行为。
在网上挑战
对于我们许多从事高性能计算的人来说，很容易陷入对trans-的遐想exascale用于预测、多层次生物模型的计算平台将消耗大量的计算资源。然而，我要谦虚地指出，这是系统生物学错误的梦幻调解。相反，算法、软件和教育方面的挑战才是最重要的。
融合不同的模型存在巨大的数值和算法挑战ab inito量子化学,分子动力学,静电连续模型,有限元模型(FEM),计算流体动力学(CFD)模型，并离散自动机模型等等。与构建和维护这种多学科代码相关的软件工程挑战也是复杂的，特别是当人们意识到它们由一代又一代的学生、博士后研究人员、教师和软件专业人员支持时。
自然哲学回来的
在系统生物学中，算法和模型耦合是微妙的，知识群体是多样化的，经常是不相交的，模型近似通常是特定领域的。(毕竟，模型是现实的近似。)也许最重要的是，教育结构和社会过程需要通知、教育、整合和资助生物研究人员、工程师、计算机科学家和软件开发人员来解决这些复杂的问题，所有这些都挑战着我们现有的方法。然而，这样的整合让人回想起科学的起源自然哲学当科学探索的所有方面都结合在一起时。
在许多方面，我们正试图回到原点，从在活的有机体内观察到在体外实验整体,在网上计算模型。系统生物学的挑战——建模、整合、计算资源和教育——以及对生物过程的基本理解和应用开发更有效的药物和改善医疗保健的机会，是21世纪的重大可能性之一圣世纪。这是一个激动人心的时代。
没有发现记录