细胞信号传送 - Wikiwand
For faster navigation, this Iframe is preloading the Wikiwand page for 细胞信号传送.

细胞信号传送

维基百科,自由的百科全书

此条目需要扩充。 (2011年8月16日)请协助改善这篇条目,更进一步的信息可能会在讨论页或扩充请求中找到。请在扩充条目后将此模板移除。

细胞信息传递(英语:cell signaling)是一个主管细胞基本活动并协调细胞行为的复杂沟通系统。细胞对周遭微环境进行感知与正确回应的能力是其发展、修复组织、免疫以及体内正常动态平衡的基础。癌症自体免疫疾病糖尿病等病症均可归咎于细胞在信息处理上的错误。了解细胞信息传递帮助人们能研究治疗疾病的途径,并使制造人工组织成为可能。

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)。这些往往是复杂的网络组织在壹起,表现出壹些双稳态(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[1][2]。大范围的酶变构效应(Long-range allostery)是信号通路里面的重要事件[3]

计算模型

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[4]。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壹个大类中,以及刻画这些元件之间存在的相互作用[5]。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[6]

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[7]。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,用公式来表示某壹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[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. 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. 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 [2019-01-10]. ISSN 1876-1631. PMID 21570668. doi:10.1016/B978-0-12-381262-9.00005-7. (原始内容存档于2019-01-10). 
  4. ^ Chen, Raymond E.; Thorner, Jeremy. Systems biology approaches in cell signaling research. Genome Biology. 2005, 6 (10): 235 [2019-01-10]. ISSN 1474-760X. PMC 1257459. PMID 16207364. doi:10.1186/gb-2005-6-10-235. (原始内容存档于2019-01-10). 
  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. 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. 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. 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 [2019-01-10]. ISSN 0014-5793. PMID 15763569. doi:10.1016/j.febslet.2005.02.002. (原始内容存档于2019-01-10). 
  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 [2019-01-10]. ISSN 1530-6860. PMC 4415015. PMID 25648997. doi:10.1096/fj.14-265637. (原始内容存档于2018-12-15). 
  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) [2019-01-10]. ISSN 1939-005X. PMC 5573916. PMID 28186392. doi:10.1002/wsbm.1379. (原始内容存档于2019-01-10). 

参见

外部链接

{{bottomLinkPreText}} {{bottomLinkText}}
细胞信号传送
Listen to this article