Mathematical Modeling of Gene Networks: Review

Abstract

ÖZET Sistem ve hesaplamalı biyoloji alanları, deneysel teknolojinin ilerlemesiyle gelişen ve biyolojik/kimyasal sistem olaylarının anlaşılmasını sağlayacak matematiksel metotları ve modelleri kapsamaktadır. Bu modeller sistem elemanlarının davranışlarının daha iyi anlaşılmasına ve gerektiğinde, bu sistemlerin simülasyonlar yardımıyla yaratılmasına ve birbirleriyle karşılaştırılmasına yardımcı olmaktadır. Ayrıca, matematiksel modellemeler, sistem hakkındaki mevcut bilgilerin doğruluğunun da test edilmesine ve laboratuvar ortamında yapılması maliyetli olabilecek deneyleri yorumlayabilmemize olanak sağlamaktadır. Bu çalışmada, farklı varsayımlara ve veri çeşitle-rine göre karmaşık gen ağlarının nasıl modellenebileceği matematiksel ifadelerle açıklanacak ve önerilen alternatif modellerden çıkabilecek ağlar, grafiksel şekillerle anlatılacaktır. Burada sunulan temel yaklaşımların gerçek veri setleri üzerinde uygulanması durumunda, sistemlerden biyolojik olarak önemli olabilecek sonuçların elde edilmesinin mümkün olabileceği düşünülmektedir. Ayrıca, tanıtılan bu modellerin sadece gen ağlarında değil, yüksek boyutlu başka veri analizlerinde de kullanılması mümkündür. Nitekim sistem biyolojinin alt dallarından olan sistem modellemesi ve gen ağlarının modellenmesi, temelde, yüksek boyutlu ve çok değişkenli verilerin analizine imkan veren, karmaşık modellemeler üzerine yoğunlaşmıştır, ve bu çalışma da bunun bir ör-neğidir.Anahtar Kelimeler: Gen düzenleyici şebekeler; modeller, teorik; sistem biyolojisi; sistem modellemesi; gen ağlarının modellenmesi ABSTRACT System and computational biology areas cover mathematical methods and models that improve with the advancement of experimental technology and enable us to understand biological/chemical systems. These models help to better understand the behaviors of system components, and when necessary, can be able to generate and compare these systems via simulations. Furthermore, mathematical models can be able to validate the current knowledge about the systems and enables us to interpret the experiments that can be expensive to perform in the wet-lab. In this study, we explain how complex gene networks can be modelled by using mathematical expressions under various data types and assumptions, and the networks which are constructed by the suggested alternative models are represented by graphical figures. It is expected to obtain biologically valuable findings from these underlying systems when these fundamental approaches presented here are applied to real data set. Moreover, it is possible to implement these models not only in the field of gene networks, but also, in the application of other high dimensional data analyses. As a matter of fact, systems modeling and gene network modeling are the branches of the systems biology and focus on complex models that enable us to model high-dimensional and multivariate data, and this study is an example of this.