Μοντελοποίηση και Ανάλυση και Πολύπλοκων Δικτύων της Μοριακής Βιολογίας και των Νευροεπιστημών

Abstract

Ένα πολύπλοκο σύστημα αποτελείται από πολλά συστατικά, τα οποία μπορεί να αλληλεπιδρούν μεταξύ τους με διάφορους τρόπους. Η μοντελοποίηση με βάση τους γράφους (δίκτυα) είναι μια κατάλληλη προσέγγιση για την κατανόηση τέτοιων πολύπλοκων συστημάτων. Επίσης, στην ανάλυση μεγάλου όγκου δεδομένων, σημαντικό ρόλο πλέον παίζουν οι τεχνικές μηχανικής μάθησης. Δύο τέτοια συστήματα στην ευρύτερη περιοχή της Βιολογίας, τα οποία ακόμα δεν έχουν κατανοηθεί πλήρως, είναι το κύτταρο και ο εγκέφαλος. Η Βιοπληροφορική είναι ένα διεπιστημονικό επιστημονικό πεδίο που αναπτύσσει μεθοδολογίες και εργαλεία λογισμικού για την κατανόηση βιολογικών δεδομένων, τα οποία μπορούν να εστιάζονται στο γονιδιωματικό, στο μεταγραφικό, στο πρωτεϊνικό ή στο μεταβολομικό επίπεδο. Πλέον με τις σύγχρονες τεχνικές της Μοριακής Βιολογίας παράγεται ένας τεράστιος όγκος δεδομένων, οπότε απαιτούνται προσαρμοσμένες αλγοριθμικές τεχνικές για την αποτελεσματική επεξεργασία τους. Στο πεδίο της Υπολογιστικής Νευροεπιστήμης, εστιάζουμε σε δεδομένα ηλεκτροεγκεφαλογραφήματος, τα οποία καταγράφουν σήμα από πολλαπλές περιοχές του εγκεφάλου. Αυτά τα δεδομένα απαιτούν προσεκτική προ-επεξεργασία, προκειμένου να αναλυθούν και να δώσουν χρήσιμες πληροφορίες. Οι πιο προηγμένες τεχνικές ανάλυσης συμπεριλαμβάνουν τη δημιουργία δικτύων στο πεδίο του χρόνου και της συχνότητας. Συνεπώς, σε αυτό το βιβλίο παρουσιάζουμε αναλυτικά τις πιο πρόσφατες και ευρέως χρησιμοποιούμενες μεθόδους της βιβλιογραφίας για την ανάλυση με χρήση γράφων διάφορων τύπων δεδομένων της Μοριακής Βιολογίας και των Νευροεπιστημών.

A complex system consists of many components, which may interact with each other in several ways. Graph/Network-based modelling is a suitable approach for understanding such complex systems. Also, machine learning techniques now play an important role in analysing large volumes of data. Two such systems in the wider area of Biology, which are still not fully understood, are the cell and the brain. Bioinformatics is an interdisciplinary scientific field that develops methodologies and software tools for understanding biological data, which can focus on the genomic, transcriptomic, proteomic or metabolomic level. Today, with the recent techniques of Molecular Biology, a huge amount of data is produced; thus, adapted algorithmic techniques are required for their efficient processing. In the field of Computational Neuroscience, we focus on electroencephalography (EEG), which captures signals from multiple areas of the brain. These data require careful pre-processing to be analysed and provide useful information. The most advanced analysis techniques include the generation of networks in time and frequency domains. Therefore, in this book, we present in detail the most recent and widely used methods in the literature for graph analysis of distinct types of data in Molecular Biology and Neurosciences