Что такое компьютерное моделирование в биологии

Обновлено: 21.11.2024

В настоящее время в биологических науках активно используются компьютерные модели, и за последние пару десятилетий их использование резко возросло. Гленн Роу в своей книге Теоретические модели в биологии: происхождение жизни, иммунная система и мозг (Оксфорд, 1994, vii) объясняет, почему:

Модели, которые мы изучаем, по большей части настолько сложны, что требуют компьютерного моделирования. Хотя в биологии существует множество моделей, в которых не используется компьютерное моделирование (за исключением, возможно, численного решения дифференциальных или разностных уравнений), автор убежден, что они составят постоянно сокращающееся меньшинство тех моделей, которые действительно применимы к биология. . биологические системы по своей природе более сложны, чем неодушевленные системы физики и химии, поэтому модели, не учитывающие эту сложность, нельзя считать реалистичными. . Только теперь, когда у нас есть возможность выполнять сложные расчеты и моделировать, мы обнаруживаем, что очень многим системам присуща сложность, которую невозможно упростить. . Еще через 300 лет мы, несомненно, будем чувствовать себя так же комфортно, используя компьютерное моделирование для анализа природы, как сегодня ученые чувствуют себя, используя законы движения Ньютона для описания траектории падающего камня.

Книга Роу, посвященная происхождению жизни, иммунной системе и мозгу, иллюстрирует некоторые потенциальные возможности применения компьютерных моделей в биологии. Другие особенно важные области включают биоинформатику, системную биологию, эволюцию и поведение.

Биоинформатика

Биоинформатика – это термин, который может использоваться для обозначения широкого спектра применений информационных технологий в биологических науках, некоторые из которых (например, предсказание структуры белков) включают использование компьютерного моделирования, а другие – нет. Наиболее характерным является использование массивных баз данных генетических и других данных с умными алгоритмами для использования содержащейся в них информации. Некоторые виды использования этой информации, особенно в медицинском или юридическом контексте, ставят перед философом новые интересные этические вопросы.

Системная биология

В системной биологии сложность взаимодействия между различными физиологическими уровнями выходит далеко за рамки традиционного математического анализа, оставляя использование компьютерных моделей в качестве практического метода детального анализа. Денис Ноубл, давний профессор физиологии сердечно-сосудистой системы в Оксфорде, написал популярную книгу «Музыка жизни», в которой убедительно доказывает, что такие взаимодействия требуют подхода, который не является «сверху вниз» (от организма к органу и к клетке). и т. д.) ни «снизу вверх» (от гена к белку, к клетке и т. д.), а скорее «от середины кнаружи». Ни один уровень анализа не является привилегированным в биологических системах, где свойства высокого уровня могут влиять на процессы низкого уровня и наоборот. Это исключает традиционные аналитические подходы, но прогресс может быть достигнут с помощью вычислений, как продемонстрировали Ноубл и его коллеги, разработав «виртуальное сердце», которое они использовали для оценки вероятного воздействия лекарств и других методов лечения сердечных заболеваний. Чтобы узнать больше обо всем этом, см. его презентацию по системной биологии и виртуальному сердцу.

Эволюция и поведение

Изучение взаимодействий между организмами, как в теории эволюции или поведенческой экологии, очень естественно проводится с использованием агентных моделей. Теперь их относительно легко реализовать с помощью современных компьютерных инструментов и систем, так что даже исследователь со скромными техническими способностями может стремиться создавать и тестировать достойные модели. Многие примеры таких моделей можно найти в коллекциях моделей на основе агентов, доступных по предыдущей ссылке, но некоторые из них приведены ниже:

Boids

Генри Меривейл выражает благодарность за технический вклад, Карисса Велиз по вопросам этики, а также предложения по дизайну от Анны Уитмор.

Майкл Левитт — профессор структурной биологии Стэнфордского университета в Стэнфорде, Калифорния. Он получил Нобелевскую премию по химии в 2013 году вместе с Мартином Карплюсом и Арье Варшелем. Майкл Левитт родился в Претории, Южная Африка. Семья переехала в Англию, когда ему было 15 лет. Он учился в Королевском колледже Лондона, получив диплом с отличием по физике. Затем со своей израильской женой Риной он переехал в Кембридж, где у них родились трое детей. Левитт получил докторскую степень.получил степень доктора вычислительной биологии в Колледже Гонвилля и Кайуса в Кембридже, а с 1968 по 1972 год работал в Лаборатории молекулярной биологии, где разработал компьютерную программу для изучения конформаций молекул. С 1980 по 1987 год он был профессором химической физики в Научном институте Вейцмана, Реховот, Израиль. Левитт является членом нескольких научных обществ и входил в состав научных консультативных советов многих компаний. Недавно Левитт и его коллеги разработали математический подход для успешного анализа и прогнозирования вспышек COVID-19. *michael.levitt@stanford.edu

Молодые обозреватели

Средняя школа Натана Альтермана Орта, Израиль

Научно-технические классы в «Бейт Чинух» — это классы, в которых учатся отличники в области науки и техники. Студенты с любопытством относятся ко всему, что касается науки, всегда задают вопросы об окружающем мире, чтобы лучше понять его.

Аннотация

Компьютерное моделирование — важный исследовательский инструмент в современном научном мире. Компьютеры позволяют нам выполнять вычисления, имитирующие поведение сложных (биологических) систем способами, которых мы не могли бы достичь иначе. Эти симуляции можно рассматривать как компьютерную игру, в которой создается виртуальный мир, работающий по определенным (например, физическим) правилам. Пока мы играем в игру, мы изучаем правила, регулирующие этот виртуальный мир и его среду, а также то, как мы влияем на этот мир как игроки. В этой статье я объясню, как мы используем компьютерное моделирование в мире структурной биологии для изучения структуры и функций молекул. Я также опишу, как, по моему мнению, мы могли бы использовать идеи из мира биологии и компьютерного моделирования для развития общества, в котором мы живем.

Профессор Левитт получил Нобелевскую премию по химии в 2013 году за разработку многомасштабных моделей сложных химических систем.

В интервью и в соавторстве с Ноа Сегев, выпускником энергетической программы Гранд Технион, Технион, Израильский технологический институт, Хайфа, Израиль.

Что такое компьютерное моделирование?

Простой способ понять компьютерную симуляцию — это подумать о компьютерных играх. Подумайте, например, о приключенческой игре, в которой ваш персонаж ходит по окружающей среде, выполняя различные действия. Чтобы игра выглядела реалистично, компьютер должен построить виртуальный мир, который ведет себя как реальный мир. Например, если вы бросаете мяч во время игры, компьютер должен использовать соответствующее физическое уравнение (в данном случае уравнение движения Ньютона), чтобы вычислить движение мяча и создать реалистичную симуляцию физического пути мяча. шара во время его движения (рис. 1). По тому же принципу компьютер может моделировать и другие процессы реальной жизни, если мы знаем физические законы, управляющие ими. Иными словами, можно было моделировать не только законы движения объектов, как мы видели в приведенном выше примере, но и более сложные процессы, такие как погода, химические реакции, а также разнообразные биологические процессы, такие как сворачивание белков, о котором мы поговорим ниже.

Рисунок 1. Пример компьютерной симуляции, реализованной в компьютерных играх.
Рисунок взят из онлайн-игры Fortnite. Задача состоит в том, чтобы бросить мяч так, чтобы он попал в предметы в комнате 15 раз, прежде чем упадет на землю. Эта игра на самом деле является симуляцией физических законов. Чтобы реалистично визуально представить движение мяча в игре, компьютер должен вычислить физический путь мяча на основе физических уравнений — уравнений движения Ньютона. Другими словами, компьютер моделирует физические законы и выводит результат на экран. Используя тот же принцип, компьютер может имитировать различные процессы в природе, такие как погода или биологические процессы, чтобы помочь нам лучше понять их (Источник: Forbes).

Что мы можем узнать из компьютерного моделирования?

Давайте подумаем о приключенческой игре, такой как Assassin’s Creed. Предполагая, что ваша миссия происходит во Флоренции, Италия, вы гуляете по этому городу, используя компьютерную симуляцию улиц Флоренции. Во время прогулки вы увидите различные дома и исторические места, такие как красивый собор Дуомо. После долгих часов игры в эту игру вы многое узнаете о географии Флоренции. Обладая этими знаниями, вы могли бы прогуляться по реальному городу Флоренции, почувствовать себя знакомым с ним и определить различные места и достопримечательности, с которыми вы столкнулись в компьютерной игре. Это означает, что игра дала вам реальное знание самого города, даже если вы никогда не посещали город. Такое обучение с помощью компьютерных симуляций является безопасным процессом — вы не боитесь пораниться во время игры, поэтому можете позволить себе выполнять в игре действия, которые вы не осмелились бы выполнить в реальной жизни.В зависимости от игры иногда даже есть действия, которые невозможно выполнить в реальной жизни, но которые можно выполнить в компьютерной игре (например, вы можете летать или встречаетесь с воображаемыми существами).

Этот принцип получения знаний с помощью компьютерного моделирования также используется в научном мире: мы строим модель физического или химического процесса, который изучаем, а затем моделируем его с помощью компьютера. Модель основана на математических уравнениях, описывающих процесс (как на рис. 1, где в модели используются уравнения, описывающие законы Ньютона и управляющие физическим поведением шара). Компьютер позволяет нам видеть, как процесс разворачивается во времени, поэтому мы можем проверить, соответствуют ли результаты моделирования реальному процессу. Если результаты совпадают, то мы делаем вывод, что модель хороша и может быть использована для лучшего понимания явления, которое мы исследуем. Если компьютерные результаты не соответствуют реальным результатам, мы делаем вывод, что модель нуждается в пересмотре. Модификация модели может помочь нам выявить ошибки в нашем понимании изучаемого процесса. Поскольку симуляция не опасна, мы можем испробовать всевозможные модели и возможности, которые даже невозможно исследовать в реальных жизненных ситуациях. Иногда во время таких компьютерных симуляций случаются сюрпризы, и мы можем обнаружить, что «дикая» модель, которую мы рассмотрели, на самом деле лучше всего описывает исследуемое явление. Компьютерные модели дают нам свободу творчества и находят объяснения реальности, которые трудно найти другими способами.

В самый раз

При использовании компьютерного моделирования в науке одним из самых важных принципов является принцип, который я называю "правильным". По этому принципу нам нужно построить не слишком простую и не слишком сложную модель. Если модель слишком проста, она не будет достаточно подробно описывать явление, которое мы хотим исследовать. Напротив, если модель слишком сложна, мы не сможем использовать ее для получения информации, которая будет способствовать нашему пониманию. Я думаю, что каждый исследователь должен понимать, что он делает, на простом и базовом уровне, чтобы он мог объяснить свои исследования другим. Если кто-то говорит, что открыл что-то великое, но это слишком сложно объяснить, меня наполняют сомнения, и я не уверен, что они действительно понимают то, что изучают. Поэтому я всегда ищу самую простую модель, которая достаточно хороша (как вы увидите на рисунке 2 ниже о сворачивании белков). Я считаю, что это очень общая идея для жизни — каждое объяснение имеет свой уровень «в самый раз». Поэтому я советую вам всегда искать самое простое объяснение, которое проясняет то, что вы пытаетесь понять, — не больше и не меньше.

Рисунок 2. Сворачивание белков.
(A) Простая модель для моделирования белка с помощью компьютера. Белок описывается как ожерелье, состоящее из бусин с разными характеристиками. Каждый цвет описывает отдельный тип бусинок, а каждая бусинка описывает набор атомов и их взаимодействия (как вы можете видеть в кружках над или под бусами) (взято из Cragnell et al. [2]). (B) Простая модель белка в виде ожерелья из бусин, которая также включает математические уравнения, описывающие взаимодействие между бусинами определенных цветов. Этой модели достаточно, чтобы описать свертывание белков в стабильные трехмерные формы (взято из Researchgate).

Как мы можем использовать это бактериоциновое оружие?

Сейчас я покажу вам, как мы использовали компьютерное моделирование и принцип «в самый раз», чтобы понять очень важное явление в биологии — свертывание белков. Исследование структуры белков является частью области, называемой структурной биологией. Давайте задумаемся о том, как функционируют живые организмы. Внутри тела есть много нитевидных структур, называемых белками. Эти белки складываются, образуя трехмерные формы. Каждый белок имеет свою уникальную форму, которая одинакова внутри каждого живого тела. Удивительно то, что эти трехмерные белки выполняют все функции жизни: строят тело, подвергаются химическим реакциям, двигают мышцы и переваривают пищу. Поэтому понимание процесса сворачивания, определяющего окончательную форму белка, чрезвычайно важно.

Белки – это большие молекулы, состоящие из тысяч атомов, между которыми происходит множество взаимодействий. Если мы хотим запустить компьютерную симуляцию, чтобы иметь дело со всеми этими атомами и их взаимодействиями внутри белка, это становится слишком сложным. В начале 1970-х я работал над этой проблемой вместе с Арье Уоршелем, и в 1975 году мы опубликовали наши выводы в важном научном журнале [1]. Мы обнаружили, что можем построить простую модель белка, представленного в виде ожерелья, состоящего из разных типов бусин, в котором каждый тип бусин имеет несколько отличные характеристики от других бусин (рис. 2А).Каждая бусина представляет собой набор (скажем, 10) атомов и их взаимодействия. Определенные бусины (скажем, красные бусины) притягиваются к другим конкретным бусинкам (скажем, синим). Эта простая модель смогла дать адекватное и полезное объяснение фолдинга белков (рис. 2В) и была принята в качестве модели для многих других молекулярных расчетов [2]. Эти симуляции позволяют нам понять и даже предсказать трехмерную структуру различных белков и лучше понять их биологическую активность. Мы также можем использовать компьютер для создания молекул, которые можно использовать в качестве лекарств.

Компьютерное моделирование за пределами биологии — взгляд в будущее

Разнообразие, разнообразие, разнообразие

Биологические системы сталкиваются с уникальной проблемой: они должны быть готовы к непредвиденным ситуациям, которые могут возникнуть в будущем. Как любая система может быть подготовлена к сценариям, с которыми никогда раньше не сталкивались? Ответ прост: через разнообразие. Природа пытается создать широкий спектр вариаций внутри системы, чтобы система могла адаптироваться и модифицировать свои процессы для решения непредвиденных проблем.

У животных, например, каждое потомство получает случайную половину генетической информации (ДНК) каждого из своих родителей, поэтому каждое потомство уникально и увеличивает разнообразие видов. Таким образом, у целой группы животных повышается готовность реагировать на возможные будущие сценарии, а это повышает коллективную устойчивость вида к непредвиденным ситуациям.

Я думаю, что этот принцип разнообразия, которому учит нас биология, применим и ко многим другим аспектам жизни. Например, сильное общество — это многообразное общество, в котором разные люди разного социального происхождения, пола и образования должны научиться жить вместе, понимать и принимать друг друга. Действительно, в школе или дома нам всегда приходится находить способы договориться с окружающими нас людьми. Иногда нам приходится иметь дело с трудными и сложными социальными ситуациями, и, конечно, некоторые из нас лучше других решают конфликты, с которыми мы сталкиваемся. Кроме того, наша жизнь сама по себе разнообразна, со взлетами и падениями и неожиданными ситуациями. Ключ к лучшему будущему и стабильному обществу зависит от нашей способности успешно справляться с разнообразием жизни. Чтобы справиться с разнообразными социальными и личными ситуациями, требуется хорошо развитый эмоциональный интеллект. Я считаю, что мы можем использовать компьютерное моделирование, чтобы улучшить свой эмоциональный интеллект.

Компьютерное моделирование для развития эмоционального интеллекта

Компьютерное моделирование для улучшения эмоционального интеллекта может быть выполнено в форме интерактивной игры, моделирующей сложную социальную ситуацию и позволяющей использовать различные стратегии для решения проблемы (рис. 3). Например, кто-то оскорбляет вас в классе. Как вы должны реагировать, чтобы полностью не уничтожить любую возможность сотрудничества с этим человеком? Используя компьютерную симуляцию, вы могли увидеть результаты разнообразных действий, которые вы могли бы предпринять. Этот вид деятельности, выполняемый как индивидуально, так и в рамках образовательной системы, может сыграть важную роль в развитии эмоционального интеллекта.

Рисунок 3. Компьютерное моделирование для развития эмоционального интеллекта.
Компьютерное моделирование может помочь нам понять сложные жизненные ситуации. Представьте себе игру, подобную показанной, которая позволяет вам испытать сложную социальную ситуацию и попробовать разные способы реакции и реагирования на ситуацию. Такая игра может подготовить вас к тому, чтобы лучше справляться с реальными жизненными ситуациями и разнообразными реакциями разных людей: она может помочь вам развить более сложный эмоциональный интеллект (взято из Rockpapershotgun).

Дополнительные материалы

Майкл Левитт рассказывает о своей работе учащимся – YouTube.

Глоссарий

Компьютерное моделирование: ↑ Инструмент для проведения научных исследований на основе вычислений с использованием компьютера. Вы можете думать о компьютерных симуляциях как о компьютерных играх, которые помогают ученым учиться и лучше понимать явления, которые они исследуют.

Белки: ↑ Большие биологические молекулы, которые выполняют все функции жизни — строят тело, участвуют в химических реакциях, переваривают пищу и т. д. Белки можно представить себе как ожерелья, состоящие из разных типов бусин, которые складываются в уникальные 3D-формы, так что каждый белок имеет свою уникальную свернутую форму.

Структурная биология: ↑ Область исследований, изучающая структуру больших молекул (макромолекул), построенных из наборов более мелких молекул. Исследователи пытаются понять принципы, по которым молекулы складываются для создания определенной трехмерной структуры.

Эмоциональный интеллект: ↑ Способность распознавать эмоции в себе и других, понимать их и использовать для лучшего взаимодействия с разными людьми.

Конфликт интересов

Автор заявляет, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Ссылки

[1] ↑ Левитт, М., и Уоршел, А. 1975. Компьютерное моделирование сворачивания белков. Природа 253:694–8. дои: 10.1038/253694a0

[2] ↑ Cragnell, C., Rieloff, E., and Skepö, M. 2018. Использование крупнозернистого моделирования и моделирования методом Монте-Карло для оценки конформационного ансамбля внутренне неупорядоченных белков и областей. <Я> Дж. Мол. Biol. 430:2478–92. doi: 10.1016/j.jmb.2018.03.006

Информация о статье

Цитирование

Левитт М. (2021) Компьютерное моделирование на службе биологии. Передний. Молодые умы. 9:603629. doi: 10.3389/frym.2020.603629

Учебная среда, в которой упор делается на техническую методологию, а не на анализ, может мешать обучению учащихся биологии. Мы предположили, что время, выигранное экспериментами с точными компьютерными симуляциями, можно использовать для вовлечения учащихся в аналитическое, творческое обучение. Эффекты лечения, которые сочетали неделю симулированного лабораторного обучения с неделей стандартного лабораторного обучения в различном порядке (E-to-S и S-to-E), были исследованы с использованием контролируемого экспериментального плана со случайным распределением лабораторных разделов и иерархической структурой. анализ линейного моделирования для учета возможной кластеризации внутри разделов. Данные большой выборки студентов (N = 515) выявили значительное увеличение (1,59 SD) результатов послетестирования для обеих экспериментальных групп по сравнению с контрольной группой. Мы считаем правдоподобным объяснением усиление психомоторного обучения из-за сильного вовлечения когнитивных процессов, которому способствует компьютерное моделирование. Это исследование поддерживает более широкое использование компьютерного моделирования в качестве средств обучения в лабораторных курсах.

ВВЕДЕНИЕ

Усилиям по повышению количественной грамотности в учебной программе по биологии часто препятствуют трудности с добавлением дополнительных занятий в уже плотное расписание и нехватка финансовых и человеческих ресурсов, необходимых для переподготовки преподавателей биологии по математике и информатике или укомплектовать многопрофильные учебные группы биологами, математиками, специалистами в области науки, технологий, инженерии и математики (STEM) и учеными-компьютерщиками. В результате у выпускников многих биологических программ не хватает количественных навыков (Gross, 2004; Hoy, 2004). Эта системная проблема особенно затрудняет выпускников-биологов по сравнению с другими специальностями STEM и препятствует или даже мешает их карьере в науках о жизни, которые требуют количественных навыков. Современные учебные программы по биологии направлены на обучение студентов в трех взаимодополняющих областях: контекст, концепция и грамотность (Национальный исследовательский совет, 2003 г.). Традиционное образование в области биологии фокусируется в первую очередь на содержании и концепции, в то время как количественная грамотность в области математики и компьютерных наук обеспечивается курсами, предлагаемыми специализированными кафедрами (Brent, 2004; Gross, 2004; Hoy, 2004).Такое отделение биологического контекста и концепции от обучения количественной грамотности переносит бремя интеграции знаний из этих областей прямо на учащихся. К сожалению, многие во всех других отношениях отличники, окончившие курсы биологии, склонны к чрезмерно контекстуальному пониманию основных понятий (Masatacusa et al., 2011). Халперн и Хакель (2003) предположили, что деконтекстуализацию необходимо активно продвигать в преподавании биологии, и рекомендовали абстрактные представления научных концепций в качестве эффективных методов деконтекстуализации. Использование симуляций и моделей было особенно рекомендовано в качестве метода улучшения переноса концептуальных знаний в новые контексты (Salomon and Perkins, 1996). Достижения компьютерного оборудования и программного обеспечения позволили инструкторам моделировать сложные биологические явления. Хотя компьютерное моделирование, основанное на математическом моделировании, разрабатывалось и использовалось в физике и технике, а также в некоторой степени в обучении химии, их использование для улучшения лабораторных курсов биологии развивалось медленнее (Lemerle et al., 2005). Были опробованы методы интеграции компьютерного моделирования, и было обнаружено, что они либо улучшают успеваемость учащихся, либо отношение учащихся, либо и то, и другое (например, Hu et al., 2012a,b), и обзор соответствующей литературы приходит к выводу, что положительный обучающий эффект компьютерного моделирования особенно заметен в лабораторных условиях (Rutten et al., 2012). Моделирование, основанное на детерминированных уравнениях, позволяет учащимся исследовать биологические явления без шума и экспериментальных ошибок. С другой стороны, стохастические модели используют преимущества математической точности, допуская при этом статистические вариации смоделированных результатов, тем самым предоставляя учащимся более реалистичные смоделированные данные (например, Linh and Ton, 2011; Lv and Wang, 2011; Chevalier and El-Samad). , 2012 г.).

Концептуальная основа этого исследования также была основана на теории междисциплинарной коммуникативной компетенции Вудса (2007), которая определяет междисциплинарную компетентность как результат общения между областями академических знаний и эффективного общения между академическими культурами. Согласно теории Вудса, интеграция нескольких академических областей с помощью модели исследования предоставит лучшие возможности для развития более полезных компетенций и навыков общения, а также для более позитивного отношения.

Это исследование началось с создания трех компьютерных моделей химической реакции, катализируемой кислой фосфатазой, с использованием научного языка программирования MATLAB. Моделирование точно воспроизводило результаты экспериментальных протоколов, которые использовались в течение многих лет в стандартном лабораторном курсе общей биологии BIOL 300L. Детерминированное моделирование работает путем решения системы обыкновенных дифференциальных уравнений, тогда как стохастическое моделирование реализует алгоритм Гиллеспи (Gillespie, 1977). Студенты, участвовавшие в исследовании, не были проинструктированы о теории и алгоритмах моделирования, но они могли изменять ключевые параметры моделирования с помощью интерактивного графического пользовательского интерфейса (GUI). Помимо моделирования, все другие аспекты лабораторных упражнений, включая анализ данных, подготовку отчетов и оценки, были абсолютно одинаковыми для контрольной и экспериментальной групп. Результаты дотестовых и посттестовых оценок и опросов были получены от большой выборки учащихся (N = 515). Анализ данных с помощью иерархического линейного моделирования (HLM) подтвердил отсутствие вариабельности между разделами и эквивалентности исходной группы. Кроме того, HLM показал, что результаты посттеста в группе лечения были выше (1,59 SD), чем в контрольной группе, что подтверждает общий вывод о том, что компьютерное моделирование улучшило изучение учащимися функций ферментов.

МАТЕРИАЛЫ И МЕТОДЫ

Кинетические эксперименты с ферментами

Лабораторное упражнение по кинетике ферментов является частью курса общей биологии BIOL 300L, который должны пройти все студенты, изучающие биологию и биохимию в Мэрилендском университете округа Балтимор (UMBC). Учения включают две недели экспериментов с кислой фосфатазой зародышей пшеницы (Sigma-Aldrich) и третью неделю, посвященную анализу данных, обсуждению и подготовке отчета. В течение первой недели учения исследуют влияние температуры и pH на коммерческий препарат кислой фосфатазы, который проявляет оптимальную активность при 37°C и pH 4,8. На дополнительных рисунках S1, A и B показаны репрезентативные результаты, полученные учащимися в течение первой недели. В течение второй недели учащиеся учатся использовать графики Михаэлиса-Ментен и Лайнуивера-Берка для расчета кинетических параметров, V_max и K_M для кислой фосфатазы.Они также исследуют влияние двух обратимых химических ингибиторов, ионов фосфата и ионов фтора, на кислую фосфатазу V_max и K_{M< /sub> (дополнительный рисунок S1C). В течение обеих недель студенты измеряют активность (скорость реакции) кислой фосфатазы на искусственном субстрате p-нитрофенилфосфат, который фермент гидролизует до продукта реакции p- нитрофенол. Стандартный период инкубации для этой реакции при 37°C и pH 4,8 составляет 15 минут. Чтобы рассчитать скорость реакции v₀ в микромолях продукта, произведенного в минуту, учащиеся строят стандартную кривую зависимости концентрации от оптической плотности для p- нитрофенол. Эта стандартная кривая отражает закон Бера-Ламберта о поглощении света веществом в растворе. Более подробная информация об экспериментальных протоколах, использованных в течение 1 и 2 недель, представлена в Михаэлис-Ментен.}

Моделирование ферментативной кинетики и графический интерфейс пользователя

Компьютерное моделирование системы реакции кислой фосфатазы было впервые запрограммировано в MATLAB с использованием модификации ранее опубликованной работы (Higham, 2008). Вкратце, система семи уравнений кинетики действия масс, представляющая фермент Михаэлиса-Ментен (Michaelis-Menten), решается численно либо детерминированным (DRRM), либо стохастическим (SSAM) способом. Детерминированный метод основан на алгоритме решения дифференциальных уравнений (MATLAB), тогда как стохастический метод представляет собой применение алгоритма Гиллеспи (Gillespie, 1977). Температурная зависимость моделируется двумя логистическими функциями: отрицательная логистическая функция представляет температурно-зависимую деградацию фермента, а положительная логистическая функция представляет температурно-зависимую активацию. Зависимость от pH представлена как равновесие между активным ферментом и двумя неактивными формами, EH + и EOH - , которые возникают в результате обратимого связывания ионов H + и OH - соответственно (дополнительный материал). Оба метода представлены учащимся в виде графических интерфейсов, которые доступны на сайте simlabs.umbc.edu либо в виде загружаемых автономных версий, либо в Интернете. На дополнительном рисунке S2 изображен аннотированный снимок экрана автономного графического интерфейса для общего фермента без ингибитора, используемого на неделе 2, который также аналогичен онлайн-графическому интерфейсу. Пользователь может выбрать тип моделирования и ввести значения элементарных констант скорости для фермента и ингибитора (поля редактирования 1–7); параметры реакции (редактируйте контрольные поля 9–14), такие как исходные концентрации субстрата, фермента и ингибитора (S0, E0 и I0); объем реакции; и время моделирования и анализа. Значения можно вводить вручную или выбирать из ниспадающего меню (блок управления 8), которое предлагает выбор из четырех различных наборов префитных ферментных систем для общего фермента, кислой фосфатазы (без ингибитора), кислой фосфатазы плюс конкурентный ингибитор (фосфатный ион) и кислая фосфатаза плюс неконкурентный ингибитор (фторид-ион). Значения этих параметров специфичны для коммерческих препаратов и могут изменяться по мере снижения активности ферментов с течением времени. Следовательно, значения констант реакции по умолчанию, перечисленные в дополнительном материале в дополнительной таблице S1, должны быть повторно откалиброваны перед использованием.

В результате моделирования создаются профили концентрации субстрата, фермента, комплекса фермент-субстрат и комплекса ингибитора, которые отображаются в нижней части графического интерфейса пользователя. Скорость реакции v₀ рассчитывается автоматически для заданного времени анализа с использованием метода сплайн-интерполяции. Индивидуальные графики зависимости концентрации от времени для каждого химического вещества могут быть выбраны для отображения с помощью флажков управления графиком, помеченных «S» (субстрат), «E» (фермент), «ES», «P» (фосфат), «I» (ингибитор). ), "EI" и "ESI".

Протокол образовательных исследований

Контролируемый план со случайным распределением лабораторных разделов по экспериментальным группам использовался для проверки эффективности компьютерного моделирования в существующем лабораторном курсе BIOL 300L General Biology Laboratory. Экспериментальный протокол с участием людей был заранее рассмотрен и одобрен Институциональным наблюдательным советом UMBC. Далее заглавные буквы «E» и «S», которые появляются в обозначениях групп E-to-E, S-to-E и E-to-S, указывают тип лабораторного протокола, используемого в течение 1 и 2 недель (Дополнительное Фигура 2). Протокол E (экспериментальный) был стандартным протоколом кинетики ферментов, предназначенным для обучения студентов тому, как настраивать и инкубировать анализы ферментативных реакций и измерять концентрацию окрашенного в желтый цвет продукта реакции p-нитрофенола с помощью спектрофотометра. Протокол S (моделирование) заменил физический эксперимент точным компьютерным моделированием реакции, катализируемой ферментом.Внедрение S-протокола требовало дополнительных инструкций о том, как использовать элементы управления GUI для изменения начальных концентраций субстрата, фермента и ингибитора; как читать и записывать результаты скорости реакции; и как интерпретировать графики зависимости концентрации от времени. В течение первой недели в протоколе S использовались специализированные графические интерфейсы и инструкции по работе с ползунками контроля pH и температуры (дополнительный материал). В таблице 1 перечислены технические цели обучения, характерные для протоколов E и S, а также концептуальные цели обучения, общие для обоих протоколов.

ТАБЛИЦА 1. Технические и концептуальные цели обучения протоколам E и S

Научитесь использовать мерное оборудование, такое как флаконы с дозаторами реагентов, градуированные цилиндры и пипетки, для смешивания запасов реагентов буфера, субстрата, фермента и ингибиторов

Научитесь использовать крепкую щелочь (NaOH), чтобы остановить ферментативную реакцию и увеличить удельную абсорбцию продукта реакции, p-нитрофенола.

Научитесь контролировать pH раствора и точно рассчитывать продолжительность анализа (например, 15 минут).

Научитесь пользоваться водяной баней с регулируемой температурой.

Изучите закон Бера-Ламберта о поглощении света и узнайте, как использовать спектрофотометр для измерения поглощения и количества химического вещества (p-нитрофенола), растворенного в воде.

Изучите различные лабораторные психомоторные навыки, важные для профессии в области наук о жизни.

Научитесь использовать графический интерфейс пользователя (GUI) для управления параметрами реакции: pH, температурой, временем реакции и концентрацией химических веществ (фермент, субстрат, ингибиторы)

Научитесь использовать графический интерфейс для выбора предустановленных параметров моделирования: элементарных констант скорости прямой и обратной реакций связывания субстрата и ингибиторов; скорость оборота фермента.

Научитесь считывать количество произведенного продукта, предсказанное с помощью моделирования, и интерпретировать графики зависимости концентрации от времени для всех химических соединений, включенных в модель Михаэлиса-Ментен.

Изучите основные понятия разработки и выполнения экспериментальных протоколов.

Научитесь рассчитывать активность фермента по количеству продукта, произведенного за фиксированный период (время анализа).

Научитесь находить оптимальные pH и температуру реакции, катализируемой ферментами.

Научитесь рассчитывать кинетические параметры фермента V_max и K_M для данного субстрата и степень обратимости для управления этими параметрами можно использовать химические ингибиторы.

Демографические данные о поле, изучении английского языка, академическом стаже и специализации были получены из личных дел учащихся и индивидуальных ответов на психометрический опрос. Выборка из 515 студентов состояла из 56% женщин и 44% мужчин; 83% респондентов указали, что английский является их основным языком, а 17% заявили, что английский является вторым языком. Выборка состояла из младших и старших классов, в основном бакалавров биологии, бакалавров биологии, а также специалистов по биохимии и молекулярной биологии (90%), которые должны пройти курс BIOL 300L. Остальные 10 % студентов заявили о своей специализации в области химического машиностроения, информатики, психологии, а также управления и политики в области здравоохранения.

С помощью генератора случайных чисел лабораторные секции, каждая из которых состояла из 24 человек, были разделены на контрольную и экспериментальную группы. Весной и осенью группы S-to-E и E-to-S состояли из четырех секций каждая, а контрольная группа E-to-E состояла из двух секций. В летнем предложении курса было три раздела, каждый из которых был случайным образом назначен одной экспериментальной группе. Чтобы сохранить одни и те же цели обучения как для E, так и для S-протоколов, когда студенты выполняли S-протокол, мы не требовали от них исследовать, что произойдет, если они изменят константы скорости моделирования, а вместо этого сказали им, что, вероятно, произойдет, и позволили им потратить время, пробуя разные сценарии «что, если».

Оценки

Для оценки результатов обучения использовались три типа оценок: предварительное тестирование, викторины (1 и 2) и посттест. График оценки на недели 1–3 обобщен на дополнительном рисунке S3. Непосредственные отзывы об упражнениях, выполненных в течение 1 и 2 недель, были получены из двух коротких тестов, которые проводились в течение 2 и 3 недель. Тесты, использовавшиеся в весеннем семестре, были изменены для осеннего семестра, чтобы следовать рекомендациям теории ответов на задания. Более подробная информация о викторинах весеннего и осеннего семестра представлена в дополнительных материалах.

Во время весеннего и летнего семестров послетестовая оценка результатов курса основывалась на восьми вопросах заключительного экзамена, относящихся к упражнению по кинетике ферментов (дополнительный материал). Теория ответов на вопросы показала слабую дискриминационную способность для двух вопросов, что вызвало их последующую модификацию для раздела осеннего семестра. В течение трех семестров было собрано в общей сложности 515 ответов до теста, викторины и посттеста.

В конце весеннего и осеннего семестров среди студентов всех групп был проведен психометрический опрос из 11 вопросов по пятибалльной шкале Лайкерта. Цель опроса состояла в том, чтобы получить демографическую информацию о поле и английском языке, а также понять восприятие, предубеждения и предпочтения учащихся в отношении использования экспериментов, компьютеров и компьютерного моделирования в лабораторной среде (дополнительный материал).

Отсутствуют данные

Из 515 студентов, участвовавших в этом исследовании, у 154 (29,9%) отсутствовало по крайней мере одно значение, и все переменные имели отсутствующие данные, кроме переменной индикатора состояния лечения. Тест Литтла (1987) на полное случайное отсутствие данных (MCAR) показал, что шаблоны отсутствующих данных не были MCAR, χ 2 (30) = 68,99, p

Майкл Левитт — профессор структурной биологии Стэнфордского университета в Стэнфорде, Калифорния. Он получил Нобелевскую премию по химии в 2013 году вместе с Мартином Карплюсом и Арье Варшелем. Майкл Левитт родился в Претории, Южная Африка. Семья переехала в Англию, когда ему было 15 лет. Он учился в Королевском колледже Лондона, получив диплом с отличием по физике. Затем со своей израильской женой Риной он переехал в Кембридж, где у них родились трое детей. Левитт получил докторскую степень. получил степень доктора вычислительной биологии в Колледже Гонвилля и Кайуса в Кембридже, а с 1968 по 1972 год работал в Лаборатории молекулярной биологии, где разработал компьютерную программу для изучения конформаций молекул. С 1980 по 1987 год он был профессором химической физики в Научном институте Вейцмана, Реховот, Израиль. Левитт является членом нескольких научных обществ и входил в состав научных консультативных советов многих компаний. Недавно Левитт и его коллеги разработали математический подход для успешного анализа и прогнозирования вспышек COVID-19. *michael.levitt@stanford.edu

Молодые обозреватели

Средняя школа Натана Альтермана Орта, Израиль

Аннотация

Что такое компьютерное моделирование?

Рисунок 1. Пример компьютерной симуляции, реализованной в компьютерных играх.
Рисунок взят из онлайн-игры Fortnite. Задача состоит в том, чтобы бросить мяч так, чтобы он попал в предметы в комнате 15 раз, прежде чем упадет на землю. Эта игра на самом деле является симуляцией физических законов.Чтобы реалистично визуально представить движение мяча в игре, компьютер должен вычислить физический путь мяча на основе физических уравнений — уравнений движения Ньютона. Другими словами, компьютер моделирует физические законы и выводит результат на экран. Используя тот же принцип, компьютер может имитировать различные процессы в природе, такие как погода или биологические процессы, чтобы помочь нам лучше понять их (Источник: Forbes).

Что мы можем узнать из компьютерного моделирования?

Давайте подумаем о приключенческой игре, такой как Assassin’s Creed. Предполагая, что ваша миссия происходит во Флоренции, Италия, вы гуляете по этому городу, используя компьютерную симуляцию улиц Флоренции. Во время прогулки вы увидите различные дома и исторические места, такие как красивый собор Дуомо. После долгих часов игры в эту игру вы многое узнаете о географии Флоренции. Обладая этими знаниями, вы могли бы прогуляться по реальному городу Флоренции, почувствовать себя знакомым с ним и определить различные места и достопримечательности, с которыми вы столкнулись в компьютерной игре. Это означает, что игра дала вам реальное знание самого города, даже если вы никогда не посещали город. Такое обучение с помощью компьютерных симуляций является безопасным процессом — вы не боитесь пораниться во время игры, поэтому можете позволить себе выполнять в игре действия, которые вы не осмелились бы выполнить в реальной жизни. В зависимости от игры иногда даже есть действия, которые невозможно выполнить в реальной жизни, но которые можно выполнить в компьютерной игре (например, вы можете летать или встречаетесь с воображаемыми существами).

В самый раз

Рисунок 2. Сворачивание белков.
(A) Простая модель для моделирования белка с помощью компьютера. Белок описывается как ожерелье, состоящее из бусин с разными характеристиками. Каждый цвет описывает отдельный тип бусинок, а каждая бусинка описывает набор атомов и их взаимодействия (как вы можете видеть в кружках над или под бусами) (взято из Cragnell et al. [2]). (B) Простая модель белка в виде ожерелья из бусин, которая также включает математические уравнения, описывающие взаимодействие между бусинами определенных цветов. Этой модели достаточно, чтобы описать свертывание белков в стабильные трехмерные формы (взято из Researchgate).

Как мы можем использовать это бактериоциновое оружие?

Белки – это большие молекулы, состоящие из тысяч атомов, между которыми происходит множество взаимодействий. Если мы хотим запустить компьютерную симуляцию, чтобы иметь дело со всеми этими атомами и их взаимодействиями внутри белка, это становится слишком сложным. В начале 1970-х я работал над этой проблемой вместе с Арье Уоршелем, и в 1975 году мы опубликовали наши выводы в важном научном журнале [1]. Мы обнаружили, что можем построить простую модель белка, представленного в виде ожерелья, состоящего из разных типов бусин, в котором каждый тип бусин имеет несколько отличные характеристики от других бусин (рис. 2А). Каждая бусина представляет собой набор (скажем, 10) атомов и их взаимодействия. Определенные бусины (скажем, красные бусины) притягиваются к другим конкретным бусинкам (скажем, синим). Эта простая модель смогла дать адекватное и полезное объяснение фолдинга белков (рис. 2В) и была принята в качестве модели для многих других молекулярных расчетов [2]. Эти симуляции позволяют нам понять и даже предсказать трехмерную структуру различных белков и лучше понять их биологическую активность. Мы также можем использовать компьютер для создания молекул, которые можно использовать в качестве лекарств.

Компьютерное моделирование за пределами биологии — взгляд в будущее

Разнообразие, разнообразие, разнообразие

Компьютерное моделирование для развития эмоционального интеллекта

Рисунок 3. Компьютерное моделирование для развития эмоционального интеллекта.
Компьютерное моделирование может помочь нам понять сложные жизненные ситуации.Представьте себе игру, подобную показанной, которая позволяет вам испытать сложную социальную ситуацию и попробовать разные способы реакции и реагирования на ситуацию. Такая игра может подготовить вас к тому, чтобы лучше справляться с реальными жизненными ситуациями и разнообразными реакциями разных людей: она может помочь вам развить более сложный эмоциональный интеллект (взято из Rockpapershotgun).

Дополнительные материалы

Майкл Левитт рассказывает о своей работе учащимся – YouTube.

Глоссарий

Конфликт интересов

Ссылки

[1] ↑ Левитт, М., и Уоршел, А. 1975. Компьютерное моделирование сворачивания белков. Природа 253:694–8. дои: 10.1038/253694a0

Информация о статье

Цитирование

Левитт М. (2021) Компьютерное моделирование на службе биологии. Передний. Молодые умы. 9:603629. doi: 10.3389/frym.2020.603629

Читайте также:

Что такое компьютерное моделирование в биологии

Биоинформатика

Системная биология

Эволюция и поведение

Молодые обозреватели

Средняя школа Натана Альтермана Орта, Израиль

Аннотация

Что такое компьютерное моделирование?

Что мы можем узнать из компьютерного моделирования?

В самый раз

Как мы можем использовать это бактериоциновое оружие?

Компьютерное моделирование за пределами биологии — взгляд в будущее

Разнообразие, разнообразие, разнообразие

Компьютерное моделирование для развития эмоционального интеллекта

Рекомендации для молодых умов

Дополнительные материалы

Глоссарий

Конфликт интересов

Ссылки

Информация о статье

Цитирование

ВВЕДЕНИЕ

МАТЕРИАЛЫ И МЕТОДЫ

Кинетические эксперименты с ферментами

Моделирование ферментативной кинетики и графический интерфейс пользователя

Протокол образовательных исследований

Оценки

Отсутствуют данные

Молодые обозреватели

Средняя школа Натана Альтермана Орта, Израиль

Аннотация

Что такое компьютерное моделирование?

Что мы можем узнать из компьютерного моделирования?

В самый раз

Как мы можем использовать это бактериоциновое оружие?

Компьютерное моделирование за пределами биологии — взгляд в будущее

Разнообразие, разнообразие, разнообразие

Компьютерное моделирование для развития эмоционального интеллекта

Рекомендации для молодых умов

Дополнительные материалы

Глоссарий

Конфликт интересов

Ссылки

Информация о статье

Цитирование