Сетевая медицина - это применение сетевой науки для выявления, предотвращения и лечения заболеваний. В этой области основное внимание уделяется использованию сетевой топологии и сетевой динамики для выявления заболеваний и разработки медицинских препаратов. Биологические сети , такие как белок-белковые взаимодействия и метаболические пути , используются сетевой медициной. Сети болезней , которые отображают взаимосвязь между болезнями и биологическими факторами, также играют важную роль в этой области. Эпидемиология также широко изучается с помощью сетевых наук; социальные сети и транспортные сетииспользуются для моделирования распространения болезней среди населения. Сетевая медицина - это медицинская область системной биологии . Краткое введение в эту область можно найти здесь: https://web.uniroma1.it/stitch/node/5613 .
Задний план
Термин «сетевая медицина» был придуман и популяризирован в научной статье Альберта-Ласло Барабаши под названием «Сетевая медицина - от ожирения к« болезням », опубликованной в Медицинском журнале Новой Англии в 2007 году. Барабаши утверждает, что биологические системы , так же , как социально-технологические системы, содержит много компонентов, которые связаны в сложных отношениях , но организованы простыми принципами. Использование в последнее время развития теории сетей , [1] , что организационные принципы могут быть всесторонне проанализированы представляющими системы как сложные сети , которые совокупности узлов, связанных между собой определенным отношением. Для сетей, относящихся к медицине, узлы представляют собой биологические факторы ( биомолекулы , заболевания, фенотипы и т. д.), а связи (ребра) представляют их отношения (физические взаимодействия, общий метаболический путь, общий ген, общий черта и т. д.). [2]
Три ключевые сети для понимания болезней человека - это метаболическая сеть , сеть болезней и социальная сеть. Сетевая медицина основана на идее, что понимание сложности регуляции генов , метаболических реакций и белок-белковых взаимодействий и представление их в виде сложных сетей прольют свет на причины и механизмы заболеваний. Можно, например, вывести двудольный граф, представляющий связи болезней с их связанными генами, используя базу данных OMIM . [3] Проекция болезней, называемая сетью болезней человека (HDN), представляет собой сеть болезней, связанных друг с другом, если они имеют общий ген. Используя HDN, заболевания можно классифицировать и анализировать через генетические отношения между ними. Сетевая медицина оказалась ценным инструментом для анализа больших биомедицинских данных. [4]
Области исследований
Интерактом
Полный набор молекулярных взаимодействий в клетке человека, также известный как интерактом , может быть использован для выявления и профилактики заболеваний. [5] Эти сети были технически классифицированы как безмасштабные , дезассортативные , небольшие сети , имеющие высокую промежуточную центральность . [6]
Были нанесены на карту взаимодействия белок-белок с использованием белков в качестве узлов и их взаимодействия друг с другом в качестве звеньев. [7] В этих картах используются такие базы данных, как BioGRID и Справочная база данных по белкам человека . Метаболическая сеть включает в себя биохимические реакции в метаболических путях , соединяющая два метаболитов , если они находятся в том же пути. [8] Исследователи использовали базы данных, такие как KEGG, чтобы составить карту этих сетей. Другие сети включают в себя сигнальные ячейки сети, генных регуляторных сетей и РНК сетей.
Используя интерактивные сети, можно обнаруживать и классифицировать заболевания, а также разрабатывать методы лечения, зная об их ассоциациях и их роли в сетях. Одно наблюдение состоит в том, что заболевания можно классифицировать не по их основным фенотипам (патофенотипу), а по их модулю болезни , который представляет собой соседство или группу компонентов в интерактоме, которые в случае нарушения приводят к определенному патофенотипу. [5] Модули болезней можно использовать по-разному, например, для прогнозирования генов болезней, которые еще не были обнаружены. Таким образом, сетевая медицина стремится идентифицировать модуль болезни для определенного патофенотипа с помощью алгоритмов кластеризации .
Болезненный
Сети болезней человека , также называемые болезнетворными, - это сети, узлами которых являются болезни, а связями - сила корреляции между ними. Эта корреляция обычно определяется количественно на основе связанных клеточных компонентов, общих для двух заболеваний. Первая опубликованная сеть болезней человека (HDN) изучила гены и обнаружила, что многие из генов, связанных с заболеванием, являются несущественными генами , поскольку это гены, которые не полностью разрушают сеть и могут передаваться из поколения в поколение. [3] Сети метаболических заболеваний (MDN), в которых два заболевания связаны общим метаболитом или метаболическим путем , также широко изучались и особенно актуальны в случае метаболических нарушений . [9]
Три представления болезни: [6]
- Формализм общего гена утверждает, что если ген связан с двумя разными фенотипами заболевания, то эти два заболевания, вероятно, имеют общее генетическое происхождение ( генетические нарушения ).
- Формализм общего метаболического пути утверждает, что если метаболический путь связан с двумя разными заболеваниями, то эти два заболевания, вероятно, имеют общее метаболическое происхождение ( метаболические нарушения ).
- Формализм коморбидности заболеваний использует сети фенотипических заболеваний (PDN), где два заболевания связаны между собой, если наблюдаемая коморбидность между их фенотипами превышает заранее установленный порог. [10] Это не рассматривает механизм действия болезней, но фиксирует прогрессирование болезни и то, как тесно связанные заболевания коррелируют с более высокими показателями смертности.
Некоторые сети болезней связывают болезни с соответствующими факторами вне клетки человека. Сети экологических и генетических этиологических факторы , связанных с общими заболеваниями, называется «etiome», также могут быть использованы для оценки кластеризации от факторов окружающей среды в этих сетях и понять роль окружающей среды на интерактоме. [11] Сеть симптомов болезни человека (HSDN), опубликованная в июне 2014 года, показала, что симптомы болезни и связанные с ней клеточные компоненты сильно коррелированы, и что болезни одних и тех же категорий, как правило, образуют тесно связанные сообщества в отношении их симптомы. [12]
Фармакология
Сетевая фармакология - это развивающаяся область, основанная на системной фармакологии, которая изучает влияние лекарств как на интерактом, так и на болезнь. [13] Сеть лекарств-мишеней (DTN) может играть важную роль в понимании механизмов действия одобренных и экспериментальных лекарств. [14] Сетевая теория фармацевтических препаратов основана на эффекте лекарственного средства во взаимодействии, особенно в области, которую занимает лекарственное средство-мишень . В этой области предлагается комбинированная терапия для комплексного заболевания (полифармакология), поскольку один активный фармацевтический ингредиент (API), нацеленный на одну цель, может не влиять на весь модуль заболевания. [13] Концепция модулей болезни могут быть использованы , чтобы помочь в разработке лекарств , разработке лекарственных препаратов , а также развитие биомаркеров для диагностики заболеваний. [2] Существует множество способов идентификации лекарств с помощью сетевой фармакологии; Простым примером этого является метод «вины по ассоциации». Это означает, что если два заболевания лечат одним и тем же лекарством, то лекарство, которое лечит одно заболевание, может лечить другое. [15] перепрофилирование наркотиков , лекарственные взаимодействия и лекарственные побочные эффекты также были изучены в данной области. [2]
Сетевые эпидемии
Сетевые эпидемии были созданы путем применения сетевой науки к существующим моделям эпидемий , поскольку многие транспортные сети и социальные сети играют определенную роль в распространении болезней. [16] Социальные сети использовались для оценки роли социальных связей в распространении ожирения среди населения. [17] Модели и концепции эпидемий, такие как распространение и отслеживание контактов , были адаптированы для использования в сетевом анализе. [18] Эти модели могут использоваться в политике общественного здравоохранения для реализации таких стратегий, как таргетная иммунизация [19], и недавно были использованы для моделирования распространения эпидемии вируса Эбола в Западной Африке по странам и континентам. [20] [21]
Другие сети
Развитие органов [22] и других биологических систем может быть смоделировано как сетевые структуры, где клинические (например, рентгенографические, функциональные) характеристики могут быть представлены как узлы, а отношения между этими характеристиками представлены как связи между такими узлами. [23] Следовательно, можно использовать сети для моделирования динамического взаимодействия систем органов.
Образовательная и клиническая реализация
Отделение сетевой медицины Ченнинга в Бригаме и женской больнице было создано в 2012 году для изучения, переклассификации и разработки методов лечения сложных заболеваний с использованием сетевой науки и системной биологии . [24] Основное внимание уделяется трем направлениям:
- Эпидемиология хронических заболеваний использует геномику и метаболомику в крупных долгосрочных эпидемиологических исследованиях, таких как Исследование здоровья медсестер .
- Системная генетика и геномика фокусируются на сложных респираторных заболеваниях, в частности, ХОБЛ и астме , в небольших популяционных исследованиях.
- Системная патология использует мультидисциплинарные подходы, в том числе теорию управления , динамические системы и комбинаторную оптимизацию , чтобы понять сложные заболевания и направить дизайн биомаркеров . [25]
Массачусетский технологический институт предлагает студенческий курс под названием «Сетевая медицина: использование системной биологии и сигнальных сетей для создания новых терапевтических средств против рака». [26] Кроме того, Harvard Catalyst (Гарвардский центр клинической и трансляционной науки) предлагает трехдневный курс под названием «Введение в сетевую медицину», открытый для клинических и научных профессионалов с докторскими степенями. [27]
Смотрите также
- Биологическая сеть
- Вывод биологической сети
- Биоинформатика
- Комплексная сеть
- Глоссарий теории графов
- Теория графов
- Графические модели
- Сеть болезней человека
- Интерактом
- Метаболическая сеть
- Сетевая динамика
- Сетевые науки
- Теория сети
- Топология сети
- Фармакология
- Системная биология
- Системная фармакология
- Целевые стратегии иммунизации
Рекомендации
- ^ Caldarelli G. (2007). Безмасштабные сети. Издательство Оксфордского университета.
- ^ a b c Чан, SY, и Лоскальцо, Дж. (2012). Возникающая парадигма сетевой медицины в изучении болезней человека. Циркуляционные исследования, 111 (3), 359–374.
- ^ a b Го, KI, Cusick, ME, Valle, D., Childs, B., Vidal, M., & Barabási, AL (2007). Сеть болезней человека. Слушания Национальной академии наук, 104 (21), 8685–8690.
- ^ Sonawane, Abhijeet R .; Weiss, Scott T .; Гласс, Кимберли; Шарма, Амитабх (2019). «Сетевая медицина в эпоху больших биомедицинских данных» . Границы генетики . 10 : 294. DOI : 10,3389 / fgene.2019.00294 . ISSN 1664-8021 . PMC 6470635 . PMID 31031797 .
- ^ a b Барабаши, А.Л., Гулбахче, Н., и Лоскальцо, Дж. (2011). Сетевая медицина: сетевой подход к болезням человека. Nature Reviews Genetics, 12 (1), 56–68.
- ^ a b Лоскальцо, Дж., и Барабаси, А.Л. (2011). Системная биология и будущее медицины. Междисциплинарные обзоры Wiley: системная биология и медицина, 3 (6), 619–627.
- ^ Руала, JF, Венкатесан, К., Хао, Т., Hirozane-Kishikawa, Т., Dricot, А., Ли, Н., & ... Видал, М. (2005). К карте протеомного масштаба сети белок-белковых взаимодействий человека. Природа, 437 (7062), 1173–1178.
- ^ Ravasz Е., Somera, AL, Mongru Д.А., Oltvai, ZN, и Barabási, AL (2002). Иерархическая организация модульности в метаболических сетях. наука, 297 (5586), 1551–1555.
- ^ Браун, П., Rietman, Е., & Видал, М. (2008). Сетевые метаболиты и болезни. Труды Национальной академии наук, 105 (29), 9849–9850.
- ^ Идальго, Калифорния, Blumm, Н., Barabási, А.Л., & Христакис, Н.А. (2009). Динамический сетевой подход к изучению фенотипов человека. PLoS Computational Biology, 5 (4), e1000353.
- Перейти ↑ Liu, YI, Wise, PH, & Butte, AJ (2009). «Этиом»: идентификация и кластеризация этиологических факторов болезней человека. BMC Bioinformatics, 10 (Приложение 2), S14.
- ^ Чжоу, Х., Menche J., Barabási, А.Л., и Шарма, А. (2014). Симптомы человека - сеть болезней. Природные коммуникации, 5.
- ^ а б Хопкинс, AL (2008). Сетевая фармакология: новая парадигма в открытии лекарств. Природная химическая биология, 4 (11), 682–690.
- ^ Йылдырым, М., Го, KI, Cusick, ME, Barabási, AL, & Vidal, M. (2007). Препарат - целевая сеть. Природная биотехнология, 25 (10), 1119–1126.
- Перейти ↑ Chiang, AP, & Butte, AJ (2009). Систематическая оценка взаимосвязи между лекарством и заболеванием для выявления потенциальных клиентов для использования новых наркотиков. Клиническая фармакология и терапия, 86 (5), 507–510.
- ^ Пастора-Satorras, R., & Vespignani, A. (2001). Распространение эпидемии в безмасштабных сетях. Письма с физическим обзором, 86 (14), 3200.
- ^ Христакис Н.А., & Fowler, JH (2007). Распространение ожирения в большой социальной сети за 32 года. Медицинский журнал Новой Англии, 357 (4), 370–379.
- Перейти ↑ Keeling, MJ, & Eames, KT (2005). Сети и модели эпидемий. Журнал Интерфейса Королевского общества, 2 (4), 295–307.
- ^ Пастора-Satorras, R., & Vespignani, A. (2002). Иммунизация сложных сетей. Physical Review E, 65 (3), 036104.
- ^ Gomes, MF, Piontti, А. П. Росси, Л. Чао, Д., Longini И. , Халлоран, ME , и Vespignani, A. (2014). Оценка риска международного распространения, связанного со вспышкой вируса Эбола в Западной Африке в 2014 году. Вспышки токов PLOS.
- ^ «Специалисты по моделированию болезней прогнозируют стремительный рост числа жертв Эболы» . 31 августа 2014 г.
- ^ П. Аукони, Дж. Калдарелли, А. Скала, Дж. Иерардо, А. Полимени (2011). Сетевой подход к ортодонтической диагностике, Ортодонтия и черепно-лицевые исследования 14, 189–197.
- ^ Scala, А. Аукони П., Скаццоккио М., Калдарелли Дж., Макнамара Дж., Франки Л. (2014). Сложные сети для медицины, управляемой данными: случай дентоскелетной дисгармонии класса III, New J. Phys. 16 115017
- ^ "Ченнинг Отдел сетевой медицины" .
- ^ "Ян-Ю Лю - Профили Harvard Catalyst - Harvard Catalyst" .
- ^ Доктор Майкл Ли. «Сетевая медицина: использование системной биологии и сигнальных сетей для создания новых лекарств от рака» . MIT OpenCourseWare .
- ^ «Введение в сетевую медицину - Гарвардский катализатор» .